CN113027443A - 一种咸化湖相细粒沉积岩黏土矿物含量预测方法及装置 - Google Patents
一种咸化湖相细粒沉积岩黏土矿物含量预测方法及装置 Download PDFInfo
- Publication number
- CN113027443A CN113027443A CN202110445557.6A CN202110445557A CN113027443A CN 113027443 A CN113027443 A CN 113027443A CN 202110445557 A CN202110445557 A CN 202110445557A CN 113027443 A CN113027443 A CN 113027443A
- Authority
- CN
- China
- Prior art keywords
- clay mineral
- mineral content
- content
- predicting
- logging
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000002734 clay mineral Substances 0.000 title claims abstract description 151
- 239000011435 rock Substances 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 34
- 208000035126 Facies Diseases 0.000 title claims description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 52
- 229910052900 illite Inorganic materials 0.000 claims description 21
- VGIBGUSAECPPNB-UHFFFAOYSA-L nonaaluminum;magnesium;tripotassium;1,3-dioxido-2,4,5-trioxa-1,3-disilabicyclo[1.1.1]pentane;iron(2+);oxygen(2-);fluoride;hydroxide Chemical compound [OH-].[O-2].[O-2].[O-2].[O-2].[O-2].[F-].[Mg+2].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[K+].[K+].[K+].[Fe+2].O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2 VGIBGUSAECPPNB-UHFFFAOYSA-L 0.000 claims description 21
- QBWCMBCROVPCKQ-UHFFFAOYSA-N chlorous acid Chemical compound OCl=O QBWCMBCROVPCKQ-UHFFFAOYSA-N 0.000 claims description 18
- 229910001919 chlorite Inorganic materials 0.000 claims description 16
- 229910052619 chlorite group Inorganic materials 0.000 claims description 16
- 230000015572 biosynthetic process Effects 0.000 claims description 11
- 229910052901 montmorillonite Inorganic materials 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 10
- 238000012417 linear regression Methods 0.000 claims description 6
- 238000011010 flushing procedure Methods 0.000 claims description 5
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 5
- 239000011707 mineral Substances 0.000 claims description 5
- 238000005406 washing Methods 0.000 claims description 4
- 238000011160 research Methods 0.000 abstract description 17
- 230000002829 reductive effect Effects 0.000 abstract description 3
- 230000008021 deposition Effects 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000036961 partial effect Effects 0.000 description 4
- 239000004927 clay Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000002441 X-ray diffraction Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 229910021647 smectite Inorganic materials 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH DRILLING; MINING
- E21B—EARTH DRILLING, e.g. DEEP DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH DRILLING; MINING
- E21B—EARTH DRILLING, e.g. DEEP DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
Abstract
本发明提供了一种咸化湖相细粒沉积岩黏土矿物含量预测方法及装置，应用于咸化湖相细粒沉积岩黏土矿物含量预测系统，利用常规测井资料和多元回归技术建立常规测井资料与黏土矿物含量之间的关系，优选出与黏土矿物含量相关性较好的测井参数，拟合黏土矿物中各项主要成分的计算公式。通进行对黏土矿物含量进行预测针对盐湖特性研究区进行研究，对多深度多井段可以进行预测，有效降低勘探成本，便于开展后续研究工作。
Description
技术领域
本发明涉及油气勘探领域，具体而言，涉及一种咸化湖相细粒沉积岩黏土矿物含量预测方法及装置。
背景技术
黏土矿物在不同的油气成藏要素中发挥着不同的作用，特别是在非常规油气勘探开发成为勘探重点之后，黏土矿物研究的重要性也随之提高。
目前多用岩心X衍射的方式进行黏土矿物含量的预测，这种测试方法虽然能直观准确地求取各黏土矿物的含量，但由于取心过程昂贵耗时，且取芯过程中容易产生深度误差等不利因素，导致数据相对稀少，只能对部分井的部分深度段大致推断全区黏土矿物含量的变化，降低准确性，同时成本也相对较高。
发明内容
本发明的目的在于提供一种咸化湖相细粒沉积岩黏土矿物含量预测方法及装置，利用常规测井资料和多元回归技术建立常规测井资料与黏土矿物含量之间的关系，优选出与黏土矿物含量相关性较好的测井参数，拟合黏土矿物含量的计算公式。再根据所述动态黏土矿物含量的计算公式，结合各待测区域或待测井段的测井资料进行黏土矿物量分布的图表绘制，根据预测的黏土矿物含量的值及分布图表，对多深度多井段可以进行预测，有效降低勘探成本。同时也方便后续对待测区域进行纵向黏土矿物演化、成岩作用的研究，以及对在平面上的分布情况探究物源、沉积环境等对黏土矿物类型及含量的影响机制研究。
本发明的实施例是这样实现的：
基于上述目的，本发明提供了一种咸化湖相细粒沉积岩黏土矿物含量预测方法，应用于咸化湖相细粒沉积岩黏土矿物含量预测系统，包括：
利用测井资料建立测井参数曲线与黏土矿物含量的相关系数图表；
根据结果，筛选出与所述黏土矿物含量相关性较好的测井参数；
建立筛选出的测井参数的测井曲线与黏土矿物含量的多元线性回归方程，拟合所述黏土矿物含量的计算公式；
根据所述计算公式对所述黏土矿物含量进行预测。
在本发明较佳的实施例中，所述黏土矿物含量包括伊蒙混层、伊利石、绿泥石各自在总矿物成分的含量；
与黏土矿物含量相关性较好的测井参数包括自然伽马、声波时差、微电位、微梯度、冲洗带地层电阻率、4米底部梯度电阻率。
在本发明较佳的实施例中，所述伊蒙混层的含量计算公式为
I/S＝5.671+2.524NL+0.226ML+0.031AC-0.142GR
所述伊利石的含量计算公式为
I＝17.371+2.704NL-8.031ML-0.033AC+0.209GR
所述绿泥石的含量计算公式为
C＝7.804-0.501NL-0.872ML-0.028AC+0.075GR
其中，NL为微电位、ML为微梯度、GR为自然伽马，AC为声波时差。
在本发明较佳的实施例中，所述伊蒙混层的含量计算公式为
I/S＝28.762+0.401RXO-0.966R4+0.001AC-0.263GR
所述伊利石的含量计算公式为
I＝-43.048+2.036R4-0.025AC+0.873GR
所述绿泥石的含量计算公式为
C＝-0.680+0.907RXO-0.001AC+0.027GR
其中，RXO为冲洗带地层电阻率、R4为4米底部梯度电阻率、GR为自然伽马，AC为声波时差。
在本发明较佳的实施例中，所述根据所述计算公式对所述黏土矿物含量进行预测的方法具体为：
根据待测地区获取到的测井参数类型，选择包含对应测井参数的计算公式，对所述黏土矿物含量进行预测。
基于上述目的，本发明还提供了一种咸化湖相细粒沉积岩黏土矿物含量预测装置，应用于咸化湖相细粒沉积岩黏土矿物含量预测系统，所述装置包括：
关系建立单元，用于利用测井资料建立测井参数曲线与黏土矿物含量的相关系数图表；
参数筛选单元，用于根据结果，筛选出与所述黏土矿物含量相关性较好的测井参数；
公式拟合单元，用于建立筛选出的测井参数的测井曲线与黏土矿物含量的多元线性回归方程，拟合所述黏土矿物含量的计算公式；
含量预测单元，根据所述计算公式对所述黏土矿物含量进行动态预测。
在本发明较佳的实施例中，所述黏土矿物含量包括伊蒙混层、伊利石、绿泥石各自在总矿物成分的含量；
与黏土矿物含量相关性较好的测井参数包括自然伽马、声波时差、微电位、微梯度、冲洗带地层电阻率、4米底部梯度电阻率。
在本发明较佳的实施例中，所述伊蒙混层的含量计算公式为
I/S＝5.671+2.524NL+0.226ML+0.031AC-0.142GR
所述伊利石的含量计算公式为
I＝17.371+2.704NL-8.031ML-0.033AC+0.209GR
所述绿泥石的含量计算公式为
C＝7.804-0.501NL-0.872ML-0.028AC+0.075GR
其中，NL为微电位、ML为微梯度、GR为自然伽马，AC为声波时差。
在本发明较佳的实施例中，所述伊蒙混层的含量计算公式为
I/S＝28.762+0.401RXO-0.966R4+0.001AC-0.263GR
所述伊利石的含量计算公式为
I＝-43.048+2.036R4-0.025AC+0.873GR
所述绿泥石的含量计算公式为
C＝-0.680+0.907RXO-0.001AC+0.027GR
其中，RXO为冲洗带地层电阻率、R4为4米底部梯度电阻率、GR为自然伽马，AC为声波时差。
在本发明较佳的实施例中，所述含量预测单元对所述黏土矿物含量进行预测的方法具体为：
根据待测地区获取到的测井参数类型，选择包含对应测井参数的计算公式，对所述黏土矿物含量进行预测。
综上所述，本发明提供了一种咸化湖相细粒沉积岩黏土矿物含量预测方法及装置，应用于咸化湖相细粒沉积岩黏土矿物含量预测系统，利用常规测井资料和多元回归技术建立常规测井资料与黏土矿物含量之间的关系，优选出与黏土矿物含量相关性较好的测井参数，拟合黏土矿物含量的计算公式。再根据所述动态黏土矿物含量的计算公式，结合各待测区域或待测井段的测井资料进行黏土矿物量分布的图表绘制，根据预测的黏土矿物含量的值及分布图表，对多深度多井段可以进行预测，有效降低勘探成本。同时也方便后续对待测区域进行纵向黏土矿物演化、成岩作用的研究，以及对在平面上的分布情况探究物源、沉积环境等对黏土矿物类型及含量的影响机制研究。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例的咸化湖相细粒沉积岩黏土矿物含量预测方法的方法流程图；
图2为本发明实施例的咸化湖相细粒沉积岩黏土矿物含量预测装置的结构示意图。
图标：
关系建立单元110；参数筛选单元120；公式拟合单元130；含量预测单元140。
具体实施方式
黏土矿物在不同的油气成藏要素中发挥着不同的作用，特别是在非常规油气勘探开发成为勘探重点之后，黏土矿物研究的重要性也随之提高。
目前多用岩心X衍射的方式进行黏土矿物含量的预测，这种测试方法虽然能直观准确地求取各黏土矿物的含量，但由于取心过程昂贵耗时，且取芯过程中容易产生深度误差等不利因素，导致数据相对稀少，只能对部分井的部分深度段大致推断全区黏土矿物含量的变化，降低准确性，同时成本也相对较高。因此，亟需一种准确性较高且相对成本较低的对黏土矿物含量进行预测的方法。
鉴于此，本发明提供了一种咸化湖相细粒沉积岩黏土矿物含量预测方法及装置，利用常规测井资料和多元回归技术建立常规测井资料与黏土矿物含量之间的关系，优选出与黏土矿物含量相关性较好的测井参数，拟合黏土矿物含量的计算公式。再根据所述动态黏土矿物含量的计算公式，结合各待测区域或待测井段的测井资料进行黏土矿物量分布的图表绘制，根据预测的黏土矿物含量的值及分布图表，对多深度多井段可以进行预测，有效降低勘探成本。同时也方便后续对待测区域进行纵向黏土矿物演化、成岩作用的研究，以及对在平面上的分布情况探究物源、沉积环境等对黏土矿物类型及含量的影响机制研究。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中，需要说明的是，术语“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例
请参阅图1，本发明提供的一种咸化湖相细粒沉积岩黏土矿物含量预测方法，应用于咸化湖相细粒沉积岩黏土矿物含量预测系统，该方法包括：
步骤S101，利用测井资料建立测井参数曲线与黏土矿物含量的相关系数图表；
常规测井资料在各油气田开发区已被广泛录取定，因此可以通过现有的测井资料来建立相关系数图表。通过获取待测区域或待测井段的测井资料，来建立与黏土矿物含量的关系，能够使得后续的预测更加的准确。
步骤S102，根据结果，筛选出与所述黏土矿物含量相关性较好的测井参数；
作为本发明的优选实施方式，伊蒙混层(I/S)、伊利石(I)、绿泥石(Ch)的含量是黏土矿物含量中重点关注的三个量，对勘探工作的指导性更强。如表1、表2所示，分别建立伊蒙混层(I/S)、伊利石(I)、绿泥石(Ch)与常规测井曲线的相关系数图表后，结果显示常规曲线中的自然伽马(GR)、声波时差(AC)，电测井系列曲线中的微电位(NL)、微梯度(ML)，以及电阻率系列测井曲线中的冲洗带地层电阻率(RXO)、4米底部梯度电阻率(R4)这6个参数分别与伊蒙混层(I/S)、伊利石(I)、绿泥石(Ch)含量的相关性较好。因此选择上述6个参数作为黏土矿物含量的回归参数。具体的筛选方式是，将已有的各井各深度样品的黏土矿物和测井资料进行归纳，对各类黏土矿物含量及测井曲线数值进行相关系数数据分析，优选出呈正相关关系，且相关系数均大于0.4为弱相关性-高度相关的测井曲线。
表1：动态黏土矿物含量与常规测井曲线相关系数图表1
表2：动态黏土矿物含量与常规测井曲线相关系数图表2
步骤S103，建立筛选出的测井参数的测井曲线与黏土矿物含量的多元线性回归方程，拟合所述黏土矿物含量的计算公式。
作为本发明实施例的优选实施方式，由于各井的勘探过程不尽相同，各井测井资料除了常规曲线有的是电测井系列曲线有的是电阻率系列测井曲线，顾拟合出两套适合具有不同测井资料的动态黏土矿物含量的计算公式，分别针对待测地区或者区域的不同测井资料情况。
其中，第一套黏土矿物含量的计算公式具体如下
所述伊蒙混层的含量计算公式为
I/S＝5.671+2.524NL+0.226ML+0.031AC-0.142GR
所述伊利石的含量计算公式为
I＝17.371+2.704NL-8.031ML-0.033AC+0.209GR
所述绿泥石的含量计算公式为
C＝7.804-0.501NL-0.872ML-0.028AC+0.075GR
第一套计算方式中，所涉及到的测井参数有自然伽马(GR)、声波时差(AC)，以及电测井系列曲线中的微电位(NL)、微梯度(ML)。
第二套黏土矿物含量的计算公式具体如下
所述伊蒙混层的含量计算公式为
I/S＝28.762+0.401RXO-0.966R4+0.001AC-0.263GR
所述伊利石的含量计算公式为
I＝-43.048+2.036R4-0.025AC+0.873GR
所述绿泥石的含量计算公式为
C＝-0.680+0.907RXO-0.001AC+0.027GR
第二套计算方式中，所涉及到的测井参数有自然伽马(GR)、声波时差(AC)，以及电阻率系列测井曲线中的冲洗带地层电阻率(RXO)、4米底部梯度电阻率(R4)。
步骤S104，根据所述计算公式对所述黏土矿物含量进行动态预测。
建立了黏土矿物含量与测井参数在动态条件下的计算公式之后，即可对待测地区的黏土矿物含量进行动态预测。
作为本发明实施例的优选实施方式，在对待测地区或待测井段的黏土矿物含量进行动态预测时，可以根据待测地区获取到的测井参数类型，选择包含对应测井参数的计算公式，对所述黏土矿物含量进行预测。当获取到的测井参数中包括有自然伽马(GR)、声波时差(AC)，以及电测井系列曲线中的微电位(NL)、微梯度(ML)时，可采用上述的第一套计算公式进行计算。当获取到的测井参数中包括有自然伽马(GR)、声波时差(AC)，以及电阻率系列测井曲线中的冲洗带地层电阻率(RXO)、4米底部梯度电阻率(R4)时，可采用上述的第二套计算公式进行计算。当获取到的测井参数中包括有所有6个上述的参数时，可以采用上述任意一套计算公式进行计算，也可以同时采用两套公式计算后，综合各自的结果，得到对黏土矿物含量的预测结果。
在完成了对黏土矿物含量的动态预测之后，可以结合各待测区域或待测井段测井资料进行黏土矿物量分布的图表绘制，根据预测的黏土矿物含量的值及分布图表，可对待测区域进行纵向黏土矿物演化、成岩作用的研究，对在平面上的分布情况探究物源、沉积环境等对黏土矿物类型及含量的影响机制研究。
综上所述，本发明实施例提供的咸化湖相细粒沉积岩黏土矿物含量预测方法，利用常规测井资料和多元回归技术建立常规测井资料与黏土矿物含量之间的关系，优选出与黏土矿物含量相关性较好的测井参数，拟合黏土矿物含量的计算公式。再根据所述动态黏土矿物含量的计算公式，结合各待测区域或待测井段的测井资料进行黏土矿物量分布的图表绘制，根据预测的黏土矿物含量的值及分布图表，对多深度多井段可以进行预测，有效降低勘探成本。同时也方便后续对待测区域进行纵向黏土矿物演化、成岩作用的研究，以及对在平面上的分布情况探究物源、沉积环境等对黏土矿物类型及含量的影响机制研究。
如图2所示，本发明的实施例还提供了一种咸化湖相细粒沉积岩黏土矿物含量预测装置，应用于咸化湖相细粒沉积岩黏土矿物含量预测系统，包括：
关系建立单元110，用于利用测井资料建立测井参数曲线与黏土矿物含量的相关系数图表；
参数筛选单元120，用于根据结果，筛选出与所述黏土矿物含量相关性较好的测井参数；
公式拟合单元130，用于建立筛选出的测井参数的测井曲线与黏土矿物含量的多元线性回归方程，拟合所述黏土矿物含量的计算公式；
含量预测单元140，根据所述计算公式对所述黏土矿物含量进行动态预测。
本发明实施例提供的咸化湖相细粒沉积岩黏土矿物含量预测装置，用于实现上述咸化湖相细粒沉积岩黏土矿物含量预测方法，因此具体实施方式与上述方法相同，在此不再赘述。
本发明实施例提供的咸化湖相细粒沉积岩黏土矿物含量预测方法及装置，应用于咸化湖相细粒沉积岩黏土矿物含量预测系统，利用常规测井资料和多元回归技术建立常规测井资料与黏土矿物含量之间的关系，优选出与黏土矿物含量相关性较好的测井参数，拟合黏土矿物含量的计算公式。再根据所述动态黏土矿物含量的计算公式，结合各待测区域或待测井段的测井资料进行黏土矿物量分布的图表绘制，根据预测的黏土矿物含量的值及分布图表，对多深度多井段可以进行预测，有效降低勘探成本。同时也方便后续对待测区域进行纵向黏土矿物演化、成岩作用的研究，以及对在平面上的分布情况探究物源、沉积环境等对黏土矿物类型及含量的影响机制研究。
在本申请所公开的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-On l yMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种咸化湖相细粒沉积岩黏土矿物含量预测方法，应用于咸化湖相细粒沉积岩黏土矿物含量预测系统，其特征在于，包括：
利用测井资料建立测井参数曲线与黏土矿物含量的相关系数图表；
根据结果，筛选出与所述黏土矿物含量相关性较好的测井参数；
建立筛选出的测井参数的测井曲线与黏土矿物含量的多元线性回归方程，拟合所述黏土矿物含量的计算公式；
根据所述计算公式对所述黏土矿物含量进行预测。
2.根据权利要求1所述的咸化湖相细粒沉积岩黏土矿物含量预测方法，其特征在于，
所述黏土矿物含量包括伊蒙混层、伊利石、绿泥石各自在总矿物成分的含量；
与黏土矿物含量相关性较好的测井参数包括自然伽马、声波时差、微电位、微梯度、冲洗带地层电阻率、4米底部梯度电阻率。
3.根据权利要求2所述的咸化湖相细粒沉积岩黏土矿物含量预测方法，其特征在于，
所述伊蒙混层的含量计算公式为
I/S＝5.671+2.524NL+0.226ML+0.031AC-0.142GR
所述伊利石的含量计算公式为
I＝17.371+2.704NL-8.031ML-0.033AC+0.209GR
所述绿泥石的含量计算公式为
C＝7.804-0.501NL-0.872ML-0.028AC+0.075GR
其中，NL为微电位、ML为微梯度、GR为自然伽马，AC为声波时差。
4.根据权利要求2所述的咸化湖相细粒沉积岩黏土矿物含量预测方法，其特征在于，
所述伊蒙混层的含量计算公式为
I/S＝28.762+0.401RXO-0.966R4+0.001AC-0.263GR
所述伊利石的含量计算公式为
I＝-43.048+2.036R4-0.025AC+0.873GR
所述绿泥石的含量计算公式为
C＝-0.680+0.907RXO-0.001AC+0.027GR
其中，RXO为冲洗带地层电阻率、R4为4米底部梯度电阻率、GR为自然伽马，AC为声波时差。
5.根据权利要求3和4所述的咸化湖相细粒沉积岩黏土矿物含量预测方法，其特征在于，所述根据所述计算公式对所述黏土矿物含量进行预测的方法具体为：
根据待测地区获取到的测井参数类型，选择包含对应测井参数的计算公式，对所述黏土矿物含量进行预测。
6.一种咸化湖相细粒沉积岩黏土矿物含量预测装置，应用于咸化湖相细粒沉积岩黏土矿物含量预测系统，其特征在于，所述装置包括：
关系建立单元，用于利用测井资料建立测井参数曲线与黏土矿物含量的相关系数图表；
参数筛选单元，用于根据结果，筛选出与所述黏土矿物含量相关性较好的测井参数；
公式拟合单元，用于建立筛选出的测井参数的测井曲线与黏土矿物含量的多元线性回归方程，拟合所述黏土矿物含量的计算公式；
含量预测单元，根据所述计算公式对所述黏土矿物含量进行动态预测。
7.根据权利要求6所述的咸化湖相细粒沉积岩黏土矿物含量预测装置，其特征在于，
所述黏土矿物含量包括伊蒙混层、伊利石、绿泥石各自在总矿物成分的含量；
与黏土矿物含量相关性较好的测井参数包括自然伽马、声波时差、微电位、微梯度、冲洗带地层电阻率、4米底部梯度电阻率。
8.根据权利要求7中所述的咸化湖相细粒沉积岩黏土矿物含量预测装置，其特征在于，
所述伊蒙混层的含量计算公式为
I/S＝5.671+2.524NL+0.226ML+0.031AC-0.142GR
所述伊利石的含量计算公式为
I＝17.371+2.704NL-8.031ML-0.033AC+0.209GR
所述绿泥石的含量计算公式为
C＝7.804-0.501NL-0.872ML-0.028AC+0.075GR
其中，NL为微电位、ML为微梯度、GR为自然伽马，AC为声波时差。
9.根据权利要求7所述的咸化湖相细粒沉积岩黏土矿物含量预测装置，其特征在于，
所述伊蒙混层的含量计算公式为
I/S＝28.762+0.401RXO-0.966R4+0.001AC-0.263GR
所述伊利石的含量计算公式为
I＝-43.048+2.036R4-0.025AC+0.873GR
所述绿泥石的含量计算公式为
C＝-0.680+0.907RXO-0.001AC+0.027GR
其中，RXO为冲洗带地层电阻率、R4为4米底部梯度电阻率、GR为自然伽马，AC为声波时差。
10.根据权利要求8和9所述的咸化湖相细粒沉积岩黏土矿物含量预测装置，其特征在于，所述含量预测单元对所述黏土矿物含量进行预测的方法具体为：
根据待测地区获取到的测井参数类型，选择包含对应测井参数的计算公式，对所述黏土矿物含量进行预测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110445557.6A CN113027443A (zh) | 2021-04-25 | 2021-04-25 | 一种咸化湖相细粒沉积岩黏土矿物含量预测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110445557.6A CN113027443A (zh) | 2021-04-25 | 2021-04-25 | 一种咸化湖相细粒沉积岩黏土矿物含量预测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113027443A true CN113027443A (zh) | 2021-06-25 |
Family
ID=76457681
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110445557.6A Pending CN113027443A (zh) | 2021-04-25 | 2021-04-25 | 一种咸化湖相细粒沉积岩黏土矿物含量预测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113027443A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104989392A (zh) * | 2015-07-10 | 2015-10-21 | 中国石油天然气股份有限公司 | 一种岩性识别方法 |
| CN108106964A (zh) * | 2017-12-08 | 2018-06-01 | 中国石油天然气股份有限公司 | 一种确定页岩含气量的方法及装置 |
| CN109283029A (zh) * | 2018-11-26 | 2019-01-29 | 西南石油大学 | 一种测量黏土结合水和力学参数的方法、装置及黏土制备仪 |
| CN111028095A (zh) * | 2019-12-19 | 2020-04-17 | 中国地质大学（武汉） | 一种基于测井曲线的定量识别页岩岩相的方法 |
| CN111058837A (zh) * | 2019-11-26 | 2020-04-24 | 中国石油天然气股份有限公司大港油田分公司 | 一种基于多元逐步回归的页岩油岩性评价方法 |
-
2021
- 2021-04-25 CN CN202110445557.6A patent/CN113027443A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104989392A (zh) * | 2015-07-10 | 2015-10-21 | 中国石油天然气股份有限公司 | 一种岩性识别方法 |
| CN108106964A (zh) * | 2017-12-08 | 2018-06-01 | 中国石油天然气股份有限公司 | 一种确定页岩含气量的方法及装置 |
| CN109283029A (zh) * | 2018-11-26 | 2019-01-29 | 西南石油大学 | 一种测量黏土结合水和力学参数的方法、装置及黏土制备仪 |
| CN111058837A (zh) * | 2019-11-26 | 2020-04-24 | 中国石油天然气股份有限公司大港油田分公司 | 一种基于多元逐步回归的页岩油岩性评价方法 |
| CN111028095A (zh) * | 2019-12-19 | 2020-04-17 | 中国地质大学（武汉） | 一种基于测井曲线的定量识别页岩岩相的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 宁波等: "自然伽马能谱测井在延安地区黏土矿物分析中的应用", 《科学技术与工程》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP1800149B1 (en) | Improving the accuracy of shaly sand formation evaluation | |
| CN108150161B (zh) | 页岩含气性评价方法装置 | |
| Craddock et al. | Hydrocarbon saturation from total organic carbon logs derived from inelastic and capture nuclear spectroscopy | |
| Lecompte et al. | Quantifying source rock maturity from logs: how to get more than TOC from delta log R | |
| Snedden et al. | Recommendations for a uniform chronostratigraphic designation system for Phanerozoic depositional sequences | |
| US10705246B2 (en) | Method of rock mineralogy interpretation | |
| US10175383B2 (en) | System and method for performing simultaneous petrophysical analysis of composition and texture of rock formations | |
| Dvorkin et al. | Velocity–porosity–mineralogy trends in chalk and consolidated carbonate rocks | |
| CN108319743B (zh) | 古老海相碳酸盐岩油气资源丰度预测方法及装置 | |
| CN113027443A (zh) | 一种咸化湖相细粒沉积岩黏土矿物含量预测方法及装置 | |
| Westrich et al. | Evaluating reservoir architecture in the northern Gulf of Mexico with oil and gas chemistry | |
| Wendlandt et al. | Estimation of mineralogy and lithology from geochemical log measurements | |
| Tveteraas et al. | Implementation of ensemble-based reservoir modelling on the Ærfugl field | |
| Ratawessanun et al. | Pioneer in Integrated Workflow for Deep Transient Testing (DTT) from Interpretation to Forecast | |
| Salazar et al. | A practical petrophysical model for a source rock play: The Mancos Shale | |
| CN109779609B (zh) | 井筒结垢趋势预测方法及装置 | |
| CN114486620B (zh) | 一种黏土吸附气含量的确定方法、存储介质和计算机设备 | |
| CN116956760A (zh) | 游离气含量的确定方法、装置、电子设备及存储介质 | |
| Hao et al. | Use of geological constraints in multi-mineral modeling for unconventional reservoirs | |
| Bryan et al. | Advances in oil and water saturation measurements using low field NMR | |
| Shedid | A Multi-purpose reservoir characterization model | |
| Hamada et al. | Determining petrophysical properties of low resistivity reservoirs using nuclear magnetic resonance logs | |
| Alward et al. | Implementation of Machine Learning Approach in Pore Size Evaluation Workflows for Carbonate Reservoirs | |
| CN114486620A (zh) | 一种黏土吸附气含量的确定方法、存储介质和计算机设备 | |
| Ganguli et al. | Rock Physics Modeling of Ankleshwar Reservoir: A CO 2-EOR Perspective |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210625 |
|
| RJ01 | Rejection of invention patent application after publication |