CN113032717A - 页岩油储层含油性的确定方法、装置、设备及存储介质 - Google Patents
页岩油储层含油性的确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113032717A CN113032717A CN202010990233.6A CN202010990233A CN113032717A CN 113032717 A CN113032717 A CN 113032717A CN 202010990233 A CN202010990233 A CN 202010990233A CN 113032717 A CN113032717 A CN 113032717A
- Authority
- CN
- China
- Prior art keywords
- well
- oil
- similarity
- environmental information
- environment information
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
本申请公开了一种页岩油储层含油性的确定方法、装置、设备及存储介质,属于石油勘探开发领域。该方法包括:从数据库中对应获取刻度井的井内的第一环境信息与第一含油性,且采集待评价井的井内的第二环境信息;响应于第一环境信息与第二环境信息之间的相似度大于相似度阈值,将刻度井确定为与待评价井对应的参考刻度井;构建第一环境信息与第一含油性之间的函数关系;基于函数关系确定与第二环境信息对应的第二含油性。该方法能够准确地确定出待评价井中页岩油储层的含油性,为待评价井的勘探开发提供了准确的参考信息。
Description
技术领域
本申请涉及石油勘探开发领域,特别涉及一种页岩油储层含油性的确定方法、装置、设备及存储介质。
背景技术
页岩油是指以页岩为主的页岩层系中所含的石油资源,由于孔渗超低、没有自然产能,导致了页岩油的勘探开发困难;而随着石油勘探开发技术的发展,近年来对页岩油的勘探开发得到探索步伐加快。
对于常规油而言,原油主要存在于岩石无机孔隙中,可以采用岩石物理体积模型来对原油的储层进行评价,并采用阿尔奇公式计算储层的含油饱和度,这是表征常规油的含油性的成熟方法。
但是,对于页岩油而言,由于页岩油赋存的岩石岩性复杂、以细粒沉积为主,且页岩油源储一体,游离烃除赋存于无机孔隙外,还存在于有机孔隙中,这种赋存环境严重影响了含油饱和度、孔隙度等参数的计算精度,因此,在勘探开发时无法准确的得到页岩油储层的含油性。
发明内容
本申请实施例提供了一种页岩油储层含油性的确定方法、装置、设备及存储介质,可以准确地确定出待评价井内页岩油储层的含油性。所述技术方案如下:
根据本申请的一个方面,提供了一种页岩油储层含油性的确定方法,该方法包括:
从数据库中对应获取刻度井的井内的第一环境信息与第一含油性,且采集待评价井的井内的第二环境信息;
响应于第一环境信息与第二环境信息之间的相似度大于相似度阈值,将刻度井确定为与待评价井对应的参考刻度井;
构建第一环境信息与第一含油性之间的函数关系;
基于函数关系确定与第二环境信息对应的第二含油性。
根据本申请的另一个方面,提供了一种页岩油储层含油性的确定装置,该装置包括:
获取模块,用于从数据库中对应获取刻度井的井内的第一环境信息与第一含油性,且采集待评价井的井内的第二环境信息;
确定模块,用于响应于第一环境信息与第二环境信息之间的相似度大于相似度阈值,将刻度井确定为与待评价井对应的参考刻度井;
构建模块,用于构建第一环境信息与第一含油性之间的函数关系;
计算模块,用于基于函数关系确定与第二环境信息对应的第二含油性。
根据本申请的另一方面,提供了一种计算机设备,上述计算机设备包括:处理器和存储器,上述存储器存储有计算机程序,上述计算机程序由上述处理器加载并执行以实现如上所述的页岩油储层含油性的确定方法。
根据本申请的另一方面,提供了一种计算机可读存储介质,上述计算机可读存储介质中存储有计算机程序,上述计算机程序由处理器加载并执行以实现如上所述的页岩油储层含油性的确定方法。
根据本申请的另一个方面,提供了一种计算机程序产品,上述计算机程序产品包括计算机指令,上述计算机指令存储在计算机可读存储介质中。计算机设备的处理器从上述计算机可读存储介质读取上述计算机指令,上述处理器执行上述计算机指令,使得上述计算机设备执行如上所述的页岩油储层含油性的确定方法。
本申请实施例提供的技术方案带来的有益效果至少包括:
计算机设备匹配一个与待评价井的井内环境相似的刻度井,基于该刻度井构建井内环境信息与含油性之间的函数关系,在测得待评价井的第二环境信息的前提下,可以基于上述函数关系准确地确定出待评价井中页岩油储层的含油性,为待评价井的勘探开发提供了准确的参考信息,避免了页油岩的赋存环境复杂导致的无法精确计算待评价井内含油饱和度、孔隙度等参数,进而无法准确得到页岩油储层含油性的这一情况。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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的附图。
图1示出了本申请一个示例性实施例提供的计算机系统的结构框图;
图2示出了本申请一个示例性实施例提供的页岩油储层含油性的确定方法的流程图;
图3示出了本申请另一个示例性实施例提供的页岩油储层含油性的确定方法的流程图;
图4示出了本申请另一个示例性实施例提供的页岩油储层含油性的确定方法的流程图;
图5示出了本申请一个示例性实施例提供的页岩油储层含油性的确定装置的结构示意图;
图6示出了本申请一个示例性实施例提供的计算机设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
首先对本申请涉及的几个名词进行介绍:
沉积相:是沉积物的生成环境、生成条件和其特征的总和,成分相同的岩石组成同一种相。沉积相包括陆相和海相等;海相,沉积相的一类,是海洋环境中形成的沉积相的总称;陆相,沉积相的一类,和海相相对,即在陆地地区形成的沉积。
孔渗:是指岩石孔隙的渗透率,用于表征岩石本身传导液体能力的参数;在本申请中,孔渗即是指原油在岩石孔隙中的渗透速度。
层位:是指采用钻井钻遇地层(包括页岩油储层)对地层进行认识时所要分析认识的层级位置,示例性的,可以将钻井钻遇的页岩油储层分6层进行分析认识,包括层1(C1)、层2(C2)、层3(C3)、层4(C4)、层5(C5)、以及层6(C6)这6个层位。
深度:是指钻井中页岩油储层所在深度位置。示例性的,在本申请中若对钻井分层测试,该深度还可以是指层位所在的深度位置,比如,对钻井进行分层得到6个层位,该深度可以是C1至C6任一层级所在的深度位置。
岩性:是指反映岩石特征的一些属性,如颜色、成分、结构、胶结物、即胶结类型、特殊矿物等。比如,岩性可以是混合类细粒岩。
烃含量:在本申请中是指页岩中的烃的含量,烃是指炔、烯、烷、环这四类纯碳氢化合物,不含其它官能团。
有机碳含量(Total Organic Carbon,TOC):是指单位重量岩石中有机碳的重量,用百分数来表示。本申请中TOC是指单位终端的页岩中有机碳的重量。
孔隙度:是指岩样中所有孔隙空间体积之和与该岩样体积的比值,以百分数表示,可以由核磁共振(Nuclear Magnetic Resonance,NMR)测井获得。在本申请中页岩层的总孔隙度越大,说明页岩中孔隙空间越大。
含油性:也即相对含油性,采用石油流动中极性化合物的相对吸附系数Sr表示,该系数直接用于定量评价石油流动过程中极性化合物的吸附能力。
声波时差(Acoustic,AC):是指接收声波的时间差值,可以由声波测井获得。
图1示出了本申请的一个示例性实施例提供的计算机系统100的结构示意图,该计算机系统100包括钻井勘探系统120、数据库140、服务器集群160和终端180。
钻井勘探系统120是由勘探钻井的设备组成的,可以实现对钻井的深度、层位、岩性、烃含量、有机碳含量、孔隙度等井内环境信息的采集。示例性的,钻井勘探系统120支持地化录井功能的实现,可以通过地化录井来采集单位质量烃源岩(也即生油岩)中的烃含量(单位:毫克/克,mg/g,即每克烃源岩中的烃含量),比如,300℃检测的单位质量烃源岩中的烃含量S1,还可以通过地化录井来采集烃源岩有机碳含量。
钻井勘探系统120与数据库140之间存在有线或者无线通信连接,钻井勘探系统120将采集到的钻井的井内环境信息传输并存储至数据库140中。数据库140中还存储有刻度井的各项井内环境信息,比如,刻度井的深度、层位、岩性、烃含量、有机碳含量、孔隙度、相对含油性、声波时差等信息。
数据库140还与服务器集群160之间存在有线或者无线通信连接,服务器集群160可以从数据库140中获取钻井的井内环境信息,基于上述井内环境信息进行分析处理,得到所需的信息,进而再次将得到的信息与井内环境信息对应存储至数据库140中。示例性的,钻井勘探系统120将采集的待评价井的井内环境信息存储至数据库140中,其中,上述井内环境信息中不包括含油性;服务器集群160从数据库140中获取待评价井的井内环境信息,基于待评价井的井内环境信息计算待评价井内储层的含油性,并将计算得到的含油性与井内环境信息对应存储至数据库140中。
服务器集群160上设置有显示设备,服务器集群160可以通过上述显示设备展示钻井的井内环境信息、以及对井内环境信息的处理结果,比如,在显示设备上展示钻井的井内环境信息与计算得到的含油性。或者,服务器集群160还与终端180通过有线或者无线连接进行通信,在终端180的显示设备上可以显示钻井的井内环境信息与计算得到的含油性。可选地,对于井内环境信息的显示可以采用表格或者图像的形式。
可选地,对于页岩油储层含油性的计算,服务器集群160可以从数据库140中获取刻度井的井内的第一环境信息与第一含油性,以及待评价井的井内的第二环境信息;计算第一环境信息与第二环境信息之间的相似度,若上述相似度大于相似度阈值,将该刻度井确定为与待评价井对应的参考刻度井,之后基于第一环境信息与第一含油性来构建函数关系;将第二环境信息输入上述函数关系,可以计算出第二环境信息对应的第二含油性;最终,服务器集群160在自身的显示设备上对第二环境信息与第二含油性进行展示,或者,将第二环境信息与第二含油性发送至终端180,由终端180的显示设备进行显示。
需要说明的是,在服务器集群160或者终端180上安装并运行有客户端,该客户端可以实现对钻井的数据处理功能的触发,比如,触发对钻井内储层的含油性的计算功能、对钻井的井内环境信息对应曲线的生成功能、以及对钻井的井内环境信息的展示功能等。
上述服务器集群160可以包括一台服务器、多台服务器、云计算平台和虚拟化中心中的至少一种。示例性的,上述终端180可以包括智能手机、平板电脑、电子书阅读器、MP3(Moving Picture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)播放器、MP4(Moving Picture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机中、笔记本电脑的至少一种。本领域技术人员可以知晓,上述终端180的数量可以更多或更少。比如,上述终端180可以仅为一个,或者上述终端180为几十个或几百个,或者更多数量,本申请实施例对终端180的数量和设备类型不加以限定。
图2示出了本申请的一个示例性实施例提供的页岩油储层含油性的确定方法的流程图,该方法应用于计算机设备中,计算机设备可以包括服务器与终端,以该方法应用于如图1所示的服务器中为例进行说明,该方法包括:
步骤201,从数据库中对应获取刻度井的井内的第一环境信息与第一含油性,且采集待评价井的井内的第二环境信息。
第一环境信息是用于反映刻度井内储层的含油情况的信息,第二环境信息是用于反映待评价井内储层的含油情况的信息。示例性的,服务器从数据库中对应获取刻度井的井内的第一环境信息与第一含油性,且获取待评价井的井内的第二环境信息。其中,上刻度井是指环境信息全面、且包括环境信息对应的含油性的钻井,具有代表性。
示例性的,数据库中的第一环境信息与第二环境信息均是对钻井内环境勘探后采集并存储至数据库中的;数据库中的第一含油性是基于第一环境信息进行信息处理之后获得并存储至数据库中的。可选地,第二环境信息包括深度、层位、岩性、烃含量、有机碳含量、孔隙度中的至少一项;第一环境信息包括深度、层位、岩性、烃含量、有机碳含量、孔隙度中的至少一项。
步骤202,响应于第一环境信息与第二环境信息之间的相似度大于或者等于相似度阈值,将刻度井确定为待评价井对应的参考刻度井。
示例性的,第一环境信息包括第一层位与第一岩性,第二环境信息包括第二层位与第二岩性;服务器确定第一层位与第二层位是否相同、以及第一岩性是否与第二岩性相同,若第一层位与第二层位相同、且第一岩性与第二岩性相同,第一环境信息与第二环境信息之间的相似度为100%,则第一环境信息对应的刻度井即为与待评价井对应的参考刻度井。
比如,在分层采油的过程中,刻度井G1与待评价井Gx均位于C6,刻度井G1与待评价井Gx的岩性均为混合类细粒岩,第一环境信息与第二环境信息之间的相似度为100%,则刻度井G1即为与待评价井Gx对应的参考刻度井。
实质上,该步骤是选取了一口与待评价井的井内环境相似的刻度井作为参考,以计算待评价井的含油性。
步骤203,构建第一环境信息与第一含油性之间的函数关系。
可选地,服务器利用多元线性回归方程构建第一环境信息与第一含油性之间的函数关系;示例性的,第一环境信息还包括第一烃含量与第一孔隙度;服务器利用多元线性回归方程构建第一含油性与第一烃含量和第一孔隙度之间的函数关系。示例性的,上述烃含量、孔隙度与含油性之间的函数关系的关系式如下:
Sr=10(a×lg(Ф)+b×lg(S1)+c);------(1)
其中,Φ是指孔隙度,a、b、c是待定系数,服务器基于第一环境信息包括的第一烃含量和第一孔隙度、以及第一含油性,利用多元线性回归方程求解得到a、b、c的值,即可得到构建成功的函数关系。
需要说明的是,石油(包括页岩油)赋存于岩石孔隙中,岩石的孔隙度与含油性有直接关系,在没有孔隙(孔隙度为0)的岩石中是不可能含油的。核磁测井是唯一能够提供与岩性无关的总孔隙度的方法,在混合岩性和未知岩性的非均质地层中,核磁测井具有独到的优势。但受成本控制、井眼环境等因素制约,核磁测井只能在少数井中使用。对于有核磁测井的井中,可把核磁孔隙度ΦNMR视为泥页岩的真实孔隙度,即Φ=ΦNMR。
页岩油在泥页岩中的赋存方式较多,主要分为吸附态和游离态,游离态存在的烃类(游离烃)才是页岩油勘探的重点。评价游离烃含量最有效指标是地化录井分析的S1资料,S1代表地下岩石中滞留烃量,容易理解,当S1=0时表示该泥页岩中不存在游离烃。
依据取芯资料得到的超越效应是实验室条件下评价页岩油储层的含油性最有效的指标,也即含油饱和度指数(OSI,Oil Saturation Index),OSI可简洁、快速地指示页岩储层的含油饱和性质。在有岩心条件下,页岩的相对含油性Sr=OSI,OSI=S1/TOC,单位为mg/g,mg为重量单位毫克,g为重量单位克。其中,取芯是指从结构上钻取芯样,基于芯样评定结构质量的一种检测方法。示例性的,取芯资料中包括环境信息与超越效应的对应关系,服务器从环境信息与超越效应的对应关系中查找与刻度井的第一环境信息对应的超越效应,比如,查找与第一烃含量和第一孔隙度对应的超越效应。
步骤204,基于函数关系确定与第二环境信息对应的第二含油性。
可选地,第二环境信息包括第二烃含量与第二孔隙度,服务器将第二环境信息包括的第二烃含量与第二孔隙度输入函数关系中,基于上述函数关系计算出第二含油性。
综上所述,本实施例提供的页岩油储层含油性的确定方法,服务器匹配一个与待评价井的井内环境相似的刻度井,基于该刻度井构建井内环境信息与含油性之间的函数关系,在测得待评价井的第二环境信息的前提下,可以基于上述函数关系准确地确定出待评价井中页岩油储层的含油性,为待评价井的勘探开发提供了准确的参考信息,避免了页岩油的赋存环境复杂导致的无法精确计算含油饱和度、孔隙度等参数,进而无法准确得到页岩油储层含油性的这一情况。
需要说明的是,泥页岩的岩石孔隙度求取难度大,故提出相对孔隙度的概念,它不代表岩石孔隙度的绝对大小,只是代表岩石孔隙性的相对好坏。
可选地,泥页岩井段可以把核磁孔隙度ΦNMR视为泥页岩真实孔隙度,即Φ=ΦNMR。或者,泥页岩井段利用声波测井来求取声波孔隙度ΦAC,将上述ΦAC确定为真实孔隙度,即Φ=ΦAC。或者,泥页岩井段利用密度测井来求取密度孔隙度Φb,将上述Φb确定为真实孔隙度,即Φ=Φb。或者,泥页岩井段利用中子测井(neutron Logging,CNL)来求取中子孔隙度ΦCNL,将上述ΦCNL确定为真实孔隙度,即Φ=ΦCNL。
由岩石体积物理模型可知,密度孔隙度Φb=(ρma-ρb)/(ρma-ρf);其中ρma是岩石骨架密度值,即不含流体岩石的密度,该值为密度最大值;ρf是地层水密度值,该值为密度最小值;ρb是密度测井值,为实际情况下含流体岩石的密度测井值。对于岩性复杂的泥页岩,ρma确定困难,对于求取相对含油性而言,可以采用密度测井最大值ρmax来代替ρma,采用密度测井最小值ρmin来代替ρf,即Φb=(ρmax-ρb)/(ρmax-ρmin),对于一个页岩油段,ρmax和ρmin为定值,Φb和ρb之间存在线性关系。假设Φb=e×ρb+f,其中,e、f为待定系数,利用参考刻度井的孔隙度与密度测井值进行回归分析得到e、f的值,并进行T检验和F检验;最终可以基于确定出的Φb=e×ρb+f这一公式来计算待评价井的密度孔隙度。
同样地,可以得到声波孔隙度计算公式ΦAC=g×Δt+h,其中,g、h为待定系数,Δt为声波测井值(也即声波时差),利用参考刻度井的孔隙度与声波测井值进行回归分析得到g、h的值,并进行T检验和F检验;最终可以基于确定出的ΦAC=g×Δt+h这一公式来计算待评价井的密度孔隙度。
或者,可以得到中子孔隙度计算公式ΦCNL=j×ΦCNL’+k,其中,j、k为待定系数,ΦCNL’是中子测井值,利用参考刻度井的孔隙度与声波测井值进行回归分析得到j、k的值,并进行T检验和F检验;最终可以基于确定出的ΦCNL=j×ΦCNL’+k这一公式来计算待评价井的中子孔隙度。
如图3,为了确定出一口与待评价井的环境信息更加匹配的刻度井,服务器对刻度井与待评价井之间的至少两项环境信息进行匹配,在图2的步骤202之前可以增加如下步骤2021至步骤2022,步骤如下:
步骤2021,计算第i项第一环境信息与第i项第二环境信息之间的第i个子相似度,最终得到至少两个子相似度。
其中,i为正整数。服务器中存在至少两项第二环境信息、以及与至少两项第二环境信息一一对应的至少两项第一环境信息;示例性的,第i项第二环境信息与第i项第一环境信息一一对应,服务器计算第i项第一环境信息与第i项第二环境信息之间的第i个子相似度,因此,至少两项环境信息对应得到至少两个子相似度。比如,第1项第一环境信息为第一层位,第1项第二环境信息为第二层位,确定第一层位与第二层位之间的相似度。
示例性的,服务器中设置有层级差与相似度之间的对应关系,服务器计算第一层位与第二层位之间的相对层级差,从上述对应关系中查找与相对层级差对应的相似度,则得到第一层位与第二层位之间的子相似度。比如,如表一,层级差若是0,则第一层位与第二层位之间的相似度100%;层级差若是1,则第一层位与第二层位之间的相似度为85%;层级差若是为2,则第一层位与第二层位之间的相似度为70%。
表一
层级差 | 相似度 |
0 | 100% |
1 | 85% |
2 | 70% |
示例性的,对于上述第一层位与第二层位之间的相似度还可以基于层位所处深度可以进行调整;可选地,第一层位与第二层位之间的层位中心距离与相似度之间呈负相关关系;示例性的,第一层位与第二层位之间的层位中心距离与相似度之间呈负相关的线性关系,比如,第一层位与第二层位之间的层位中心距离每增加100米(m),将第一层位与第二层位之间的相似度向下调整1%,即减小1%。
步骤2022,基于至少两个权重对至少两个子相似度加权求和,得到第一环境信息与第二环境信息之间的相似度。
至少两项第二环境信息对应设置有至少两个权重,也即第i个子相似度对应设置有第i个权重;服务器计算第i个子相似度与第i个权重之间的乘积,得到至少两个子相似度对应的至少两个乘积,对上述至少两个乘积求和即得到上述相似度。
表二
环境信息 | 权重 |
h1 | a1 |
h2 | a2 |
示例性的,以基于两项环境信息计算相似度为例,如表二,示出了环境信息与权重之间的对应关系,服务器在获得两个子相似度之后,首先基于上述环境信息与权重之间的对应关系,确定出计算子相似度k1的环境信息h1对应的权重a1、以及计算子相似度k2的环境信息h2对应的权重a2,最终服务器计算得到相似度为k1*a1+k2*a2,其中,a1与a2的和为1。需要说明的是,若是基于n项环境信息来匹配与待评价井对应的参考刻度井,则n项环境信息对应设置有n个权重,n个权重的和为1。
可选地,至少两项第二环境信息对应设置有至少两个子相似度阈值,即第i项环境信息对应第i个相似度阈值;服务器响应于第i项环境信息对应的第i个子相似度大于或者等于第i个子相似度阈值,执行基于至少两个权重对至少两个子相似度加权求和的步骤。
表三
环境信息 | 子相似度阈值 |
h1 | Th1 |
h2 | Th2 |
示例性的,如表三,以基于两项环境信息计算相似度为例,服务器确定出环境信息h1对应的子相似度阈值Th1、以及环境信息h2对应的子相似度阈值Th2,响应于与环境信息h1对应的子相似度k1大于或者等于子相似度阈值Th1、且与环境信息h2对应的子相似度k2大于或者等于子相似度阈值Th2,执行基于至少两个权重对至少两个子相似度加权求和的步骤。
需要说明的是,上述相似度阈值与子相似度阈值是在服务器中预先设置的。
综上所述,本实施例提供的页岩油储层含油性的确定方法,采用计算各项环境信息的子相似度的加权和的方式来确定待评价井与刻度井之间的相似度,综合考虑了各项环境信息的相似度,能够准确地确定出与待评价井匹配的参考刻度井,进而能够基于参考刻度井的环境信息构建出准确地函数关系,准确地计算出待评价井的页岩油储层含油性。
该方法中还对每一项环境信息的相似度均进行了判断,保证了待评价井与刻度井之间的各项环境信息的高匹配度,提高了待评价井与刻度井之间的相似程度,避免了最后确定出的参考刻度井与待评价井之间相似度虽高,但某一项环境信息对应的子相似度并不高甚至于过低,进而使得实际确定出的参考刻度井并不准确这一情况。
钻井之间还存在沉积相的不同,不同的沉积相下钻井的井内环境不同,比如,沉积相包括海相和陆相,海相的钻井与陆相的钻井的井内环境是不同的,因此,在匹配待评价井的参考刻度井时,还需要匹配沉积相。可选地,本申请中从数据库中对应获取刻度井的井内的第一环境信息与第一含油性这一步骤,可以包括如下步骤:
1)获取待评价井的沉积相。
示例性的,服务器获取得到待评价井的沉积相为陆相或者海相。
2)从数据库中筛选出与上述沉积相对应的至少两口刻度井。
示例性的,服务器从数据库中筛选出陆相或者海相的至少两口刻度井。需要说明的是,服务器也可以从数据库中筛选出陆相或者海相的一口刻度井。
3)从数据库中获取每一口刻度井对应的第一环境信息与第一含油性。
示例性的,从数据库中筛选出刻度井G1和刻度井G2,服务器从数据库中对应获取刻度井G1的第一环境信息与第一含油性,且对应获取刻度井G2的第一环境信息与第一含油性。
相应地,若服务器从数据库中确定出至少两个刻度井,服务器需要从两个刻度井中确定出一个参考刻度井,则本申请中响应于第二环境信息与第一环境信息之间的相似度大于相似度阈值,将刻度井确定为与待评价井对应的参考刻度井这一步骤可以采用如下方式实现:
服务器可以计算每一口刻度井的第一环境信息与第二环境信息之间的相似度,得到至少两口刻度井对应的至少两个相似度;响应于仅一个相似度大于或者等于相似度阈值,则将该相似度对应的刻度井确定为参考刻度井;响应于存在至少两口刻度井对应的至少两个相似度大于或者等于相似度阈值,则将最大相似度对应的刻度井确定为参考刻度井。
可选地,用于匹配刻度井的至少两项环境信息对应设置有各自的优先级,若存在的至少两个最大相似度,服务器按照各项环境信息的优先级依次比较子相似度,直至第j项环境信息对应的子相似度中仅存在一个最大子相似度,将该最大子相似度对应的刻度井确定为参考刻度井。
示例性的,刻度井G1与待评价井Gx的环境信息h1之间存在子相似度k1、刻度井G1与待评价井Gx的环境信息h2之间存在子相似度k2,刻度井G2与待评价井Gx的环境信息h1之间存在子相似度k1’、刻度井G2与待评价井Gx的环境信息h2之间存在子相似度k2’,环境信息h1的优先级高于环境信息h2的优先级;若刻度井G1与刻度井G2的相似度相同,按照优先级比较k1与k1’,若k1大于k1’则将刻度井G1确定为参考刻度井;若k1小于k1’则将刻度井G2确定为参考刻度井;若k1等于k1’则比较k2与k2’,若k2大于k2’则将刻度井G1确定为参考刻度井,若k2小于k2’则将刻度井G2确定为参考刻度井,若k2等于k2’则从刻度井G1与刻度井G2中随机确定出一个刻度井作为参考刻度井。
综上所述,本实施例提供的参考刻度井的确定方法,首先基于沉积相获取刻度井,从而直接排序了沉积相不同的一批刻度井,大大减少了需要通过相似度匹配的刻度井,进而减小了服务器的运算量,进而更加高效地实现待评价井与参考刻度井的匹配。该方法中若确定出至少两个相似度大于或者等于相似度阈值的刻度井,将最大相似度对应的刻度井确定为参考刻度井,即从符合要求的至少两个刻度井中确定出一个更匹配的刻度井作为参考刻度井,进而计算更准确的待评价井的第二含油性。
还需要说明的是,为了更清晰的反映待评价井的含油性质量,服务器将含油性划分了不同的等级,示例性的,如图4,在步骤204之后增加步骤205,如下所示:
步骤205,基于含油性与含油性级别的对应关系,确定出与第二含油性对应的第二含油性级别。
第二含油性级别用于反映待评价井的含油性质量。示例性的,服务器在计算得到第二含油性之后,基于表四确定第二含油性对应的第二含油性等级,若Sr<0.2含油性差,为三类页岩油层;若0.2≤Sr<0.4,含油性中等,为二类页岩油层;若Sr≥0.4含油性好,为一类页岩油层。
表四
含油性Sr | 含油性级别 |
Sr<0.2 | 三类 |
0.2≤Sr<0.4 | 二类 |
Sr≥0.4 | 一类 |
综上所述,本实施例提供的页岩油储层含油性的确定方法,采用含油性级别来反映待评价井的含油性质量,更加直观、清晰。
示例性的,对第二含油性的计算过程进行详细的说明如下,如表五,前五列数据为采集的待评价井Gx的第二环境信息,如表六,是匹配的与待评价井Gx对应的参考刻度井G1的第一环境信息与第一含油性。
表五
服务器利用表六中参考刻度井G1的第一环境信息与第一含油性,计算页岩油的含油性Sr与孔隙度Φ和S1之间的函数关系。服务器将泥页岩的核磁孔隙度ΦNMR确定为实际孔隙度Φ,即Φ=ΦNMR。
假设lgSr=a×lg(Φ)+b×lg(S1)+c,其中a,b,c为待定系数;利用多元线性回归得到a=0.1069,b=0.5218,c=-0.6903,即
lgSr=0.1069×lg(Φ)+0.5218×lg(S1)-0.6903;
则有Sr=100.1069×lg(Φ)+0.5218×lg(S1)-0.6903;
其中,回归协调R2=0.8323。T检验lg(ΦNMR)、lg(S1)对lgSr具有较高线性显著性;F检验Significance F=5.67639E-26,关系显著。
由于待评价井Gx的孔隙度测井只包括声波测井值,因此选取参考刻度井G1的核磁孔隙度ФNMR与声波测井值Δt进行线性回归计算,得到岩石的孔隙度计算公式,即
Φ=0.037×Δt-4.681;
其中,R2=0.809,T检验、F检验,关系显著。
服务器将上述孔隙度Φ代入含油性计算公式,得到最终的Sr计算公式,即
lgSr=0.1069×lg(0.037×Δt-4.681)+0.5218×lg(S1)2-0.6903;
也即Sr=100.1069×lg(0.037×Δt-4.681)+0.5218×lg(S1)-0.6903。
服务器利用上述Sr的计算公式来计算待评价井的第二含油性Sr,进一步的确定出第二含油性以及第二含油性级别,如表五中后两列所示。
表六
本实施例提供的页岩油储层含油性的确定方法,基于参考刻度井建立了含油性与烃含量和孔隙度之间的函数关系,之后将待评价井的烃含量与孔隙度输入至上述函数中,能够准确地确定出待评价井在各个深度下的含油性以及含油性级别。
还需要说明的是,本申请中的“第一”、“第二”等词语不带有任何排序含义,仅是为了区别不同的事物,比如,“第一环境信息”与“第二环境信息”中的“第一”与“第二”是为了区别两个不同井的环境信息。
图5示出了本申请一个示例性实施例提供的页岩油储层含油性的确定装置的框图。该装置可以通过软件、硬件、或者二者结合实现成为服务器或者终端的部分或者全部。该装置包括:
获取模块301,用于从数据库中对应获取刻度井的井内的第一环境信息与第一含油性,且采集待评价井的井内的第二环境信息;
确定模块302,用于响应于第一环境信息与第二环境信息之间的相似度大于相似度阈值,将刻度井确定为与待评价井对应的参考刻度井;
构建模块303,用于构建第一环境信息与第一含油性之间的函数关系;
计算模块304,用于基于函数关系确定与第二环境信息对应的第二含油性。
在一些实施例中,第一环境信息包括第一烃含量与第一孔隙度;
构建模块303,用于利用多元线性回归方程构建第一含油性与第一烃含量和第一孔隙度之间的函数关系。
在一些实施例中,存在至少两项第二环境信息、以及与至少两项第二环境信息一一对应的至少两项第一环境信息,至少两项第二环境信息对应设置有至少两个权重;
确定模块302,用于计算第i项第一环境信息与第i项第二环境信息之间的第i个子相似度,最终得到至少两个子相似度,i为正整数;基于至少两个权重对至少两个子相似度加权求和,得到第一环境信息与第二环境信息之间的相似度。
在一些实施例中,至少两项第二环境信息还对应设置有至少两个子相似度阈值;
确定模块302,用于响应于第i个子相似度大于第i个子相似度阈值,执行基于至少两个权重对至少两个子相似度加权求和的步骤。
在一些实施例中,
获取模块301,用于获取待评价井的沉积相;从数据库中筛选出与沉积相对应的至少两口刻度井;从数据库中获取每一口刻度井对应的第一环境信息与第一含油性。
在一些实施例中,确定模块302,用于响应于存在至少两口刻度井对应的至少两个相似度大于相似度阈值,将最大相似度对应的刻度井确定为参考刻度井。
在一些实施例中,存在含油性与含油性级别的对应关系;
确定模块302,还用于基于对应关系确定出与第二含油性对应的第二含油性级别,第二含油性级别用于反映待评价井的含油性质量。
综上所述,本实施例提供的页岩油储层含油性的确定装置,为待评价井匹配一个井内环境相似的刻度井,基于该刻度井构建井内环境信息与含油性之间的函数关系,在测得待评价井的第二环境信息的前提下,可以基于上述函数关系准确地确定出待评价井中页岩油储层的含油性,为待评价井的勘探开发提供了准确的参考信息,避免了页油岩的赋存环境复杂导致的无法精确计算待评价井内含油饱和度、孔隙度等参数,进而无法准确得到页岩油储层含油性的这一情况。
图6示出了本申请一个示例性实施例提供的计算机设备的结构示意图。该计算机设备可以是执行如本申请提供的页岩油储层含油性的确定方法的设备,该计算机设备可以是终端或者服务器。具体来讲:
计算机设备400包括中央处理单元(CPU,Central Processing Unit)401、包括随机存取存储器(RAM,Random Access Memory)402和只读存储器(ROM,Read Only Memory)403的系统存储器404,以及连接系统存储器404和中央处理单元401的系统总线405。计算机设备400还包括帮助计算机内的各个器件之间传输信息的基本输入/输出系统(I/O系统,Input Output System)406,和用于存储操作系统413、应用程序414和其他程序模块415的大容量存储设备407。
基本输入/输出系统406包括有用于显示信息的显示器408和用于用户输入信息的诸如鼠标、键盘之类的输入设备409。其中显示器408和输入设备409都通过连接到系统总线405的输入输出控制器410连接到中央处理单元401。基本输入/输出系统406还可以包括输入输出控制器410以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地,输入输出控制器410还提供输出到显示屏、打印机或其他类型的输出设备。
大容量存储设备407通过连接到系统总线405的大容量存储控制器(未示出)连接到中央处理单元401。大容量存储设备407及其相关联的计算机可读介质为计算机设备400提供非易失性存储。也就是说,大容量存储设备407可以包括诸如硬盘或者紧凑型光盘只读存储器(CD-ROM,Compact Disc Read Only Memory)驱动器之类的计算机可读介质(未示出)。
计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、可擦除可编程只读存储器(EPROM,Erasable Programmable Read Only Memory)、带电可擦可编程只读存储器(EEPROM,Electrically Erasable Programmable Read Only Memory)、闪存或其他固态存储其技术,CD-ROM、数字通用光盘(DVD,Digital Versatile Disc)或固态硬盘(SSD,Solid State Drives)、其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。其中,随机存取记忆体可以包括电阻式随机存取记忆体(ReRAM,Resistance RandomAccess Memory)和动态随机存取存储器(DRAM,Dynamic Random Access Memory)。当然,本领域技术人员可知计算机存储介质不局限于上述几种。上述的系统存储器404和大容量存储设备407可以统称为存储器。
根据本申请的各种实施例,计算机设备400还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即计算机设备400可以通过连接在系统总线405上的网络接口单元411连接到网络412,或者说,也可以使用网络接口单元411来连接到其他类型的网络或远程计算机系统(未示出)。
上述存储器还包括一个或者一个以上的程序,一个或者一个以上程序存储于存储器中,被配置由CPU执行。
在一个可选的实施例中,提供了一种计算机设备,该计算机设备包括处理器和存储器,存储器中存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如上所述的页岩油储层含油性的确定方法。
在一个可选的实施例中,提供了一种计算机可读存储介质,该存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如上所述的页岩油储层含油性的确定方法。
可选地,该计算机可读存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、固态硬盘(SSD,Solid State Drives)或光盘等。其中,随机存取记忆体可以包括电阻式随机存取记忆体(ReRAM,Resistance RandomAccess Memory)和动态随机存取存储器(DRAM,Dynamic Random Access Memory)。上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
本申请还提供一种计算机可读存储介质,该存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,该至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述各方法实施例提供的页岩油储层含油性的确定方法。
本申请还提供了一种计算机程序产品,上述计算机程序产品包括计算机指令,上述计算机指令存储在计算机可读存储介质中。计算机设备的处理器从上述计算机可读存储介质读取上述计算机指令,上述处理器执行上述计算机指令,使得上述计算机设备执行如上所述的页岩油储层含油性的确定方法。
应当理解的是,在本文中提及的“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请的可选实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种页岩油储层含油性的确定方法,其特征在于,所述方法包括:
从数据库中对应获取刻度井的井内的第一环境信息与第一含油性,且采集待评价井的井内的第二环境信息;
响应于所述第一环境信息与所述第二环境信息之间的相似度大于相似度阈值,将所述刻度井确定为与所述待评价井对应的参考刻度井;
构建所述第一环境信息与所述第一含油性之间的函数关系;
基于所述函数关系确定与所述第二环境信息对应的第二含油性。
2.根据权利要求1所述的方法,其特征在于,所述第一环境信息包括第一烃含量与第一孔隙度;
所述构建所述第一环境信息与所述第一含油性之间的函数关系,包括:
利用多元线性回归方程构建所述第一含油性与所述第一烃含量和所述第一孔隙度之间的所述函数关系。
3.根据权利要求1所述的方法,其特征在于,存在至少两项所述第二环境信息、以及与至少两项所述第二环境信息一一对应的至少两项所述第一环境信息,至少两项所述第二环境信息对应设置有至少两个权重;
所述响应于所述第一环境信息与所述第二环境信息之间的相似度大于相似度阈值之前,包括:
计算第i项所述第一环境信息与第i项所述第二环境信息之间的第i个子相似度,最终得到至少两个子相似度,i为正整数;
基于所述至少两个权重对所述至少两个子相似度加权求和,得到所述第一环境信息与所述第二环境信息之间的所述相似度。
4.根据权利要求3所述的方法,其特征在于,至少两项所述第二环境信息还对应设置有至少两个子相似度阈值;
所述基于所述至少两个权重对所述至少两个子相似度加权求和,包括:
响应于所述第i个子相似度大于第i个子相似度阈值,执行所述基于所述至少两个权重对所述至少两个子相似度加权求和的步骤。
5.根据权利要求1至4任一所述的方法,其特征在于,所述从数据库中对应获取刻度井的井内的第一环境信息与第一含油性,包括:
获取所述待评价井的沉积相;
从所述数据库中筛选出与所述沉积相对应的至少两口所述刻度井;
从所述数据库中获取每一口所述刻度井对应的所述第一环境信息与所述第一含油性。
6.根据权利要求5所述的方法,其特征在于,所述响应于所述第二环境信息与所述第一环境信息之间的相似度大于相似度阈值,将所述刻度井确定为与所述待评价井对应的参考刻度井,包括:
响应于存在至少两口所述刻度井对应的至少两个所述相似度大于所述相似度阈值,将最大相似度对应的所述刻度井确定为所述参考刻度井。
7.根据权利要求1至4任一所述的方法,其特征在于,存在含油性与含油性级别的对应关系;
所述方法还包括:
基于所述对应关系确定出与所述第二含油性对应的第二含油性级别,所述第二含油性级别用于反映所述待评价井的含油性质量。
8.一种页岩油储层含油性的确定装置,其特征在于,所述装置包括:
获取模块,用于从数据库中对应获取刻度井的井内的第一环境信息与第一含油性,且采集待评价井的井内的第二环境信息;
确定模块,用于响应于所述第一环境信息与所述第二环境信息之间的相似度大于相似度阈值,将所述刻度井确定为与所述待评价井对应的参考刻度井;
构建模块,用于构建所述第一环境信息与所述第一含油性之间的函数关系;
计算模块,用于基于所述函数关系确定与所述第二环境信息对应的第二含油性。
9.一种计算机设备,其特征在于,所述计算机设备包括:处理器和存储器,所述存储器存储有计算机程序,所述计算机程序由所述处理器加载并执行以实现如权利要求1至7任一所述的页岩油储层含油性的确定方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,所述计算机程序由处理器加载并执行以实现如权利要求1至7任一所述的页岩油储层含油性的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010990233.6A CN113032717B (zh) | 2020-09-18 | 2020-09-18 | 页岩油储层含油性的确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010990233.6A CN113032717B (zh) | 2020-09-18 | 2020-09-18 | 页岩油储层含油性的确定方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113032717A true CN113032717A (zh) | 2021-06-25 |
CN113032717B CN113032717B (zh) | 2023-09-29 |
Family
ID=76458726
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010990233.6A Active CN113032717B (zh) | 2020-09-18 | 2020-09-18 | 页岩油储层含油性的确定方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113032717B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IN184493B (zh) * | 1991-09-23 | 2000-08-26 | Lurizol Corp | |
CN104790943A (zh) * | 2014-07-31 | 2015-07-22 | 中国石油集团长城钻探工程有限公司 | 一种油气储层含油性与孔隙性综合指数的计算方法 |
US20180031732A1 (en) * | 2015-02-13 | 2018-02-01 | Schlumberger Technology Corporation | Diagenetic and Depositional Rock Analysis |
US20190251460A1 (en) * | 2018-02-14 | 2019-08-15 | Duc Lam | Method for predicting oil and gas reservoir production |
CN111027818A (zh) * | 2019-11-22 | 2020-04-17 | 中国石油天然气股份有限公司 | 一种页岩油分类评价方法 |
-
2020
- 2020-09-18 CN CN202010990233.6A patent/CN113032717B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IN184493B (zh) * | 1991-09-23 | 2000-08-26 | Lurizol Corp | |
CN104790943A (zh) * | 2014-07-31 | 2015-07-22 | 中国石油集团长城钻探工程有限公司 | 一种油气储层含油性与孔隙性综合指数的计算方法 |
US20180031732A1 (en) * | 2015-02-13 | 2018-02-01 | Schlumberger Technology Corporation | Diagenetic and Depositional Rock Analysis |
US20190251460A1 (en) * | 2018-02-14 | 2019-08-15 | Duc Lam | Method for predicting oil and gas reservoir production |
CN111027818A (zh) * | 2019-11-22 | 2020-04-17 | 中国石油天然气股份有限公司 | 一种页岩油分类评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113032717B (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3938815B1 (en) | Method for dynamic calibration and simultaneous closed-loop inversion of simulation models of fractured reservoirs | |
US8515720B2 (en) | Determine field fractures using geomechanical forward modeling | |
US8639444B2 (en) | Chrono-stratigraphic and tectono-stratigraphic interpretation on seismic volumes | |
Yenugu et al. | Seismic texture analysis for reservoir prediction and characterization | |
US20140149041A1 (en) | Rock facies prediction in non-cored wells from cored wells | |
CN105008664B (zh) | 能量沉积物发现系统和方法 | |
Elkatatny | A self-adaptive artificial neural network technique to predict total organic carbon (TOC) based on well logs | |
AU2011382648B2 (en) | Permeability prediction systems and methods using quadratic discriminant analysis | |
US20140121980A1 (en) | Predicting three dimensional distribution of reservoir production capacity | |
CN111665560A (zh) | 油气层识别方法、装置、计算机设备及可读存储介质 | |
Fitch et al. | Reservoir quality and reservoir heterogeneity: petrophysical application of the Lorenz coefficient | |
WO2015084481A1 (en) | Tuning digital core analysis to laboratory results | |
Liu et al. | Petrophysical characteristics and log identification of lacustrine shale lithofacies: A case study of the first member of Qingshankou Formation in the Songliao Basin, Northeast China | |
Grana et al. | Petroelastic and geomechanical classification of lithologic facies in the Marcellus Shale | |
US20220351037A1 (en) | Method and system for spectroscopic prediction of subsurface properties using machine learning | |
WO2022087332A1 (en) | Reservoir characterization using rock geochemistry for lithostratigraphic interpretation of a subterranean formation | |
Bueno et al. | Constraining uncertainty in volumetric estimation: A case study from Namorado Field, Brazil | |
WO2022076301A1 (en) | System and method to identify high-impact discrete fracture model realizations for accelerated calibration of reservoir simulation models | |
Asgari et al. | A fully integrated approach for the development of rock type characterization, in a middle east giant carbonate reservoir | |
CN113032717B (zh) | 页岩油储层含油性的确定方法、装置、设备及存储介质 | |
Yang et al. | Fracture identification of Ordovician carbonate reservoir based on R/S analysis in the north of the Shunbei no. 5 fault zone, Tarim Basin | |
US20140036621A1 (en) | Detecting and quantifying hydrocarbon volumes in sub-seismic sands in the presence of anisotropy | |
Zhang et al. | Using geomechanics to reveal the production controlling factors of the tectonically stressed Jurassic tight gas reservoir in western China | |
US11592593B2 (en) | Modeling hydrocarbon reservoirs using rock fabric classification at reservoir conditions | |
Wang et al. | Full-3D Seismic Tomography for Structure of the Critical Zone |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |