CN113065286B - 一种基于常规测井的致密砂砾岩储层孔隙结构评价方法 - Google Patents
一种基于常规测井的致密砂砾岩储层孔隙结构评价方法 Download PDFInfo
- Publication number
- CN113065286B CN113065286B CN202110389007.7A CN202110389007A CN113065286B CN 113065286 B CN113065286 B CN 113065286B CN 202110389007 A CN202110389007 A CN 202110389007A CN 113065286 B CN113065286 B CN 113065286B
- Authority
- CN
- China
- Prior art keywords
- point
- pore structure
- center
- principal component
- 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.)
- Active
Links
- 239000011148 porous material Substances 0.000 title claims abstract description 89
- 238000011156 evaluation Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims abstract description 8
- 238000012847 principal component analysis method Methods 0.000 claims abstract description 6
- 230000009467 reduction Effects 0.000 claims abstract description 4
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000000547 structure data Methods 0.000 claims description 8
- 238000012935 Averaging Methods 0.000 claims description 5
- 238000005481 NMR spectroscopy Methods 0.000 description 8
- 239000011435 rock Substances 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000000655 nuclear magnetic resonance spectrum Methods 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000005311 nuclear magnetism Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geology (AREA)
- Mining & Mineral Resources (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种基于常规测井的致密砂砾岩储层孔隙结构评价方法，步骤如下：S1、将9条常规测井曲线两两交会分析，得到敏感参数；S2、基于所选取的测井参数作为输入，采用主成分分析方法得到能够表征高维输入空间的第一、第二主成分，实现降维；S3、首先对各类孔隙结构的点群计算其初始聚类中心，并计算各点距离其聚类中心的欧式距离；将距离最远的点剔除并重新计算聚类中心，重复此过程，直至聚类中心的移动量可忽略，此时对应的位置为最终聚类中心；依次完成各类点集合的聚类中心计算；S4、将实际地层常规测井数据投影到第一、第二主成分交会图中，计算并比较该点与各聚类中心之间的距离，该点离哪类点的聚类中心最近就属于哪一类。
Description
技术领域
本发明涉及油气开采技术领域，尤其是一种基于常规测井的致密砂砾岩储层孔隙结构评价方法。
背景技术
在致密砂砾岩储层评价中，孔隙结构评价受到广泛关注的原因主要包括两方面，其一孔隙结构差异会导致相同孔隙度岩石的渗透率差异较大；其二，复杂的孔隙结构会导致水层高阻，使得难以油水层划分。因此，储层岩石的孔隙结构是致密砂砾岩储层评价中的关键参数之一。最常用的致密砂砾岩储层孔隙结构评价方法是基于核磁共振测井获取储层岩石横向弛豫时间谱(T2谱)，再基于T2谱形特征分析孔隙结构。尽管该方法应用效果好，但核磁共振测井相比于常规测井价格较高，只有关键井、重点层段才会进行核磁共振测井，导致该方法无法适用于无核磁共振测井资料的井段。常规测井资料相比于核磁共振测井资料更为普及，但孔隙结构评价效果相对较差，目前还没有成熟有效的基于常规测井的致密砂砾岩储层孔隙结构评价方法。
目前，评价致密砂砾岩储层孔隙结构最直接、有效的方法是核磁共振测井方法。依据核磁T2谱形划分孔隙结构有多种方法，其中最常用的方法是三孔隙度法。该方法将核磁共振谱形划分成大孔、中孔和小孔三部分，按照三部分所占的比例，对储层岩石孔隙结构进行评价，示例如图1所示。图中三类为孔隙结构较好储层，二类为孔隙结构中等储层，一类为孔隙结构较差储层。按照图中竖直虚线可以将核磁谱分为三个部分，从左至右分别为小孔部分、中孔部分和大孔部分。具体分类界限取决于研究区块。图1中示例的分类标准为一类储层小孔体积占比大于85％，二类储层的条件为小孔体积占比小于85％且大孔体积占比小于8％，三类储层的条件为小孔体积占比小于85％且大孔体积占比大于8％。
核磁共振测井成本显著高于常规测井成本，因而通常仅在勘探开发初期对少数关键井的重点层段进行核磁共振测试。该方法不适用于绝大多数无核磁共振测井资料的井段。
常规测井孔隙结构评价方法中最常用的方法是基于岩心气测孔隙度和渗透率，计算流动单元指数FZI或者储层品质指数RQI，在基于自然伽马、密度、中子、声波、电阻率等常规测井资料建立流动单元指数或储层品质指数的多元回归计算模型，实现测井全井段孔隙结构评价。该方法的缺点在于尽管不同孔隙结构储层与常规测井参数之间不一定存在函数关系，即尽管不同孔隙结构储层的常规测井值会表现出一定的差异或分布特征，但通常两者之间并不存在函数关系，因而多元回归方法计算精度较低。
发明内容
本发明的目的是针对现有孔隙结构评价方法存在的成本较高和测量精度较低的问题，提供一种有效的、建立在常规测井资料上的致密砂砾岩储层孔隙结构评价方法。
本发明提供的致密砂砾岩储层孔隙结构评价方法，步骤如下：
S1、交会分析，具有以下子步骤：
S11、将9条常规测井曲线两两交会分析，共计36次交会分析，得到36张交会图。9条常规测井曲线指的是井径、自然伽马、自然电位、补偿密度、补偿中子、补偿声波、深侧向电阻率、浅侧向电阻率、微球形聚焦电阻率。
S12、采用中心距离法计算每张交会图上三类孔隙结构数据点群的总类间距。具体方法是：首先对每类孔隙结构数据点群做平均，得到该类数据点群的平均点作为中心点；然后分别计算各类数据点群的中心点之间的欧式距离作为各类数据点群之间类间距，求和得到总类间距。
总类间距的计算过程如下：
首先，计算各类数据点群的中心点之间的欧式距离，公式如下：
式中，i、j＝1，2，3为类标号，Dij为i类孔隙结构点群的中心点与j类孔隙结构点群的中心点之间的距离；xi和xj为中心点的横坐标，xmax和xmin分别为横坐标的最大值和最小值；yi和yj为中心点的纵坐标，ymax和ymin分别为纵坐标的最大值和最小值；
总类间距的计算公式为：
D＝D12+D23+D13
式中，D为总类间距；D12是一类孔隙结构点群的中心点与二类孔隙结构点群的中心点之间的距离；D13是一类孔隙结构点群的中心点与三类孔隙结构点群的中心点之间的距离；D23是二类孔隙结构点群的中心点与三类孔隙结构点群的中心点之间的距离。
S13、计算出每张交会图的总类间距后，按照总类间距由大到小的顺序将36张交会图排序，选取总类间距最大的前4-5张交会图，将选取的交会图中涉及的测井参数汇总作为敏感参数带入后续步骤。
S2、高维输入空间降维
基于所选取的测井参数作为输入，通常所选测井参数多于2个，因而维度较高，虽然高维空间有利于划分孔隙结构，但不利于分析。采用主成分分析方法得到能够表征高维输入空间的第一、第二主成分，实现降维。
S3、明确聚类中心
首先对主成分交会图上各类孔隙结构点群求平均值，得到初始聚类中心，并计算各点距离其聚类中心的欧式距离；将距离最远的点剔除并重新计算聚类中心，重复此过程，直至聚类中心的移动量小于首次剔出点后移动量的十分之一时，停止此过程。此时对应的聚类中心为最终聚类中心。依次完成各类点集合的聚类中心计算。此步骤能有效地减弱奇异点对中心的影响。
S4、常规测井孔隙结构划分
将实际地层常规测井数据投影到第一、第二主成分交会图中，然后计算并比较该点与各聚类中心之间的距离，该点离哪类点的聚类中心最近就属于哪一类。
与现有技术相比，本发明的有益之处在于：
(1)致密砂砾岩孔隙结构评价符合率较高。按照本发明的方法对致密砂砾岩储层孔隙结构划分符合率可达86.9％，相同条件下基于多元回归方法的方法符合率不足70.24％。
(2)适用范围广。本发明的方法依据常规测井资料实现孔隙结构划分，能为无核磁共振测井、成像测井、岩心分析的井段实现孔隙结构评价。
(3)工程投资低。核磁共振、成像测井、钻井取心成本都高于常规测井，本发明基于常规测井评价孔隙结构，能够有效降低工程成本。
本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1、三种不同孔隙结构类型储层典型核磁共振谱形图。
图2、实施例中得到的CNL-DEN交会图。
图3、实施例中得到的第一、第二主成份交会图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
以MH地区W组致密砂砾岩孔隙结构评价为例，按照本发明的评价方法来进行评价，具体步骤如下：
S1、交会分析：将九个常规测井参数进行两两交会，共计36种交会情况，得到36张交会图。九个常规测井参数指的是井径(CAL)、自然伽马(GR)、自然电位(SP)、补偿密度(DEN)、补偿中子(CNL)、补偿声波(AC)、深侧向电阻率(RT)、浅侧向电阻率(RI)、微球形聚焦电阻率(RXO)，通过交会分析得到敏感参数。以CNL-DEN交会图为例(图2)，首先对三类孔隙结构的数据点分别求平均，得到各类的中心点(见图2中三角形点)。然后计算各类中心点之间的欧式距离作为各类之间距离，称为类间距，将各类间距求和得到总类间距。需注意的是由于各测井参数值的分布范围差异较大，需对距离进行归一化校正，具体公式为：
D＝D12+D23+D13 (2)
式中，i、j＝1，2，3为类标号，D为总类间距，Dij为i类孔隙结构点中心与j类孔隙结构点中心之间的距离；xi和xj为中心的横坐标，xmax和xmin分别为横坐标的最大值和最小值；yi和yj为中心的纵坐标，ymax和ymin分别为纵坐标的最大值和最小值。
依据公式(1)和(2)可计算各交会图对应的总类间距，计算结果见表1。挑选总类间距较大的交会图，交会图中包括的测井参数即为敏感参数。以表1为例，AC-CNL、AC-DEN、AC-GR、CNL-DEN、CNL-GR、DEN-GR交会图总类间距较大，表明这些交会图对三类孔隙结构点的区分度较大，这些交会图所涉及的测井参数AC、CNL、DEN、GR即为敏感参数。
表1各测井参数交会分析计算得到的总类间距
表1中“/”代表无数据，例如AC-AC交会无意义用“/”表示，CNL-AC交会与AC-CNL交会值相同，为避免重复，也用“/”表示。
S2、高维输入空间降维。步骤S1中选取了AC、CNL、DEN、GR四个敏感参数作为输入，采用主成分分析方法可得到能够表征高维输入空间的第一、第二主成分实现降维(见图3)。第一、第二主成分为所选敏感参数的线性组合，表达式由主成分分析得到。具体方法参见文献：李靖华,郭耀煌.主成分分析用于多指标评价的方法研究——主成分评价[J].管理工程学报,2002,16(1):39-43.。图3中第一、第二主成份计算公式分别为：
F1＝0.454*AC+0.249*CNL+47.962*DEN-0.055*GR-151.039 (3)
F2＝0.459*AC-0.375*CNL+40.687*DEN+0.058*GR-131.329 (4)。
S3、明确聚类中心。首先对主成分交会图上各类孔隙结构点求平均，可得到初始聚类中心，再分别计算各类中数据点离其中心的距离。然后，将距离聚类中心最远的点剔除并重新计算聚类中心，重复此过程直至聚类中心的移动量可忽略，此时对应的位置为最终聚类中心。依次完成各类点的聚类中心计算。本发明中设置的停止条件为剔点过程中某一次聚类中心的移动量小于首次剔点后移动量的十分之一，本案例中确定的最终聚类中心如图3中三角形点所示。
S4、常规测井孔隙结构划分。将实际地层常规测井数据投影到第一、第二主成分交会图中，然后计算并比较该点与各聚类中心之间的欧式距离，该点离哪个聚类中心近就属于哪一类。例如在测井资料中，某一深度点的AC＝75.637、CNL＝19.5、DEN＝2.473、GR＝64.979，依据公式(3)、(4)可得第一、第二主成分的值分别为F1＝3.192、F2＝0.464，其距离三个聚类中心的距离分别为d1＝0.846，d2＝4.283，d3＝4.627(d1、d2、d3分别为该点到第一类、第二类、第三类孔隙结构聚类中心的距离)。由于d1>d2且d1>d3，所以该点离第一类孔隙结构点的聚类中心更近，由此判断该深度点的孔隙结构为一类。
本发明的评价方法与常规的多元回归方法的对比：
在已知地层孔隙结构类型条件下，采用本发明的方法划分致密砂砾岩储层孔隙结构的符合率达86.9％。若采用多元回归方法，类指标的计算公式为
K＝67.777-0.211*AC+0.008*CNL-20.721*DEN+0.003*GR (5)
若K<1.5则属于第一类孔隙结构，若1.5<K<2.5则属于第二类孔隙结构，若K>2.5则属于三类孔隙结构。例如在测井资料中，某一深度点的AC＝75.637、CNL＝19.5、DEN＝2.473、GR＝64.979，依据公式(5)可得K＝0.76，由此判断该深度点的孔隙结构为一类。采用多元回归方法，划分致密砂砾岩储层孔隙结构的符合率为70.24％。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。
Claims (6)
1.一种基于常规测井的致密砂砾岩储层孔隙结构评价方法，其特征在于，步骤如下：
S1、交会分析
将9条常规测井曲线两两交会，共计36种交会情况，得到36张交会图；采用中心距离法计算每张交会图上三类孔隙结构数据点群的总类间距；在36张交会图中选取总类间距较大的多张交会图，将选取的交会图中涉及的测井参数作为敏感参数带入后续步骤；
S2、高维输入空间降维
基于所选取的测井参数作为输入，采用主成分分析方法得到能够表征高维输入空间的第一、第二主成分，实现降维；
S3、明确聚类中心
首先对各类孔隙结构数据点群计算其初始聚类中心，并计算各点距离其聚类中心的欧式距离；将距离最远的点剔除并重新计算聚类中心，重复此过程，直至聚类中心的移动量小于首次剔出点后移动量的十分之一时，停止此过程；此时对应的聚类中心为最终聚类中心；依次完成各类点集合的聚类中心计算；
S4、常规测井孔隙结构划分
将实际地层常规测井数据中的敏感参数值通过主成分分析方法得到第一主成分值F1和第二主成分值F2，然后将得到的F1、F2投影到第一、第二主成分交会图中，然后计算并比较F1、F2对应的点与各聚类中心之间的距离，该点距离哪类点的聚类中心最近就属于哪一类。
2.如权利要求1所述的基于常规测井的致密砂砾岩储层孔隙结构评价方法，其特征在于，所述9条常规测井曲线为井径、自然伽马、自然电位、补偿密度、补偿中子、补偿声波、深侧向电阻率、浅侧向电阻率、微球形聚焦电阻率。
3.如权利要求1所述的基于常规测井的致密砂砾岩储层孔隙结构评价方法，其特征在于，所述步骤S1中，计算每张交会图上三类孔隙结构数据点群的总类间距，具体方法是：首先对每类孔隙结构数据点群做平均，得到该类数据点群的平均点作为中心点；然后分别计算各类数据点群的中心点之间的欧式距离作为各类数据点群之间类间距，求和得到总类间距。
4.如权利要求3所述的基于常规测井的致密砂砾岩储层孔隙结构评价方法，其特征在于，步骤S1中，总类间距的计算过程如下：
首先，计算各类数据点群的中心点之间的欧式距离，公式如下：
式中，i、j＝1，2，3为类标号，Dij为i类孔隙结构点群的中心点与j类孔隙结构点群的中心点之间的距离；xi和xj为中心点的横坐标，xmax和xmin分别为横坐标的最大值和最小值；yi和yj为中心点的纵坐标，ymax和ymin分别为纵坐标的最大值和最小值；
总类间距的计算公式为：
D＝D12+D23+D13
式中，D为总类间距；D12是一类孔隙结构点群的中心点与二类孔隙结构点群的中心点之间的距离；D13是一类孔隙结构点群的中心点与三类孔隙结构点群的中心点之间的距离；D23是二类孔隙结构点群的中心点与三类孔隙结构点群的中心点之间的距离。
5.如权利要求3所述的基于常规测井的致密砂砾岩储层孔隙结构评价方法，其特征在于，所述步骤S1中，计算出每张交会图的总类间距后，按照总类间距由大到小的顺序将36张交会图排序，选取总类间距最大的前4-5张交会图。
6.如权利要求1所述的基于常规测井的致密砂砾岩储层孔隙结构评价方法，其特征在于，所述步骤S3中，首先对主成分交会图上各类孔隙结构点群求平均值，得到初始聚类中心。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110389007.7A CN113065286B (zh) | 2021-04-12 | 2021-04-12 | 一种基于常规测井的致密砂砾岩储层孔隙结构评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110389007.7A CN113065286B (zh) | 2021-04-12 | 2021-04-12 | 一种基于常规测井的致密砂砾岩储层孔隙结构评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113065286A CN113065286A (zh) | 2021-07-02 |
| CN113065286B true CN113065286B (zh) | 2022-03-18 |
Family
ID=76566406
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110389007.7A Active CN113065286B (zh) | 2021-04-12 | 2021-04-12 | 一种基于常规测井的致密砂砾岩储层孔隙结构评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113065286B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117763466A (zh) * | 2024-02-22 | 2024-03-26 | 中石化经纬有限公司 | 一种基于聚类算法的地层可钻性评价方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104675392A (zh) * | 2013-12-02 | 2015-06-03 | 中国石油化工股份有限公司 | 一种基于叠前多参数降维的储层岩性识别方法 |
| CN108122066A (zh) * | 2017-11-13 | 2018-06-05 | 中国石油天然气股份有限公司 | 储层岩性的确定方法和装置 |
| CN109711429A (zh) * | 2018-11-22 | 2019-05-03 | 中国石油天然气股份有限公司 | 一种储层评价分类方法及装置 |
| CN112213797A (zh) * | 2020-10-28 | 2021-01-12 | 中国石油大学(华东) | 一种利用测井相联合叠后地震属性预测储层产能的方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11112516B2 (en) * | 2018-04-30 | 2021-09-07 | Schlumberger Technology Corporation | Data fusion technique to compute reservoir quality and completion quality by combining various log measurements |
-
2021
- 2021-04-12 CN CN202110389007.7A patent/CN113065286B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104675392A (zh) * | 2013-12-02 | 2015-06-03 | 中国石油化工股份有限公司 | 一种基于叠前多参数降维的储层岩性识别方法 |
| CN108122066A (zh) * | 2017-11-13 | 2018-06-05 | 中国石油天然气股份有限公司 | 储层岩性的确定方法和装置 |
| CN109711429A (zh) * | 2018-11-22 | 2019-05-03 | 中国石油天然气股份有限公司 | 一种储层评价分类方法及装置 |
| CN112213797A (zh) * | 2020-10-28 | 2021-01-12 | 中国石油大学(华东) | 一种利用测井相联合叠后地震属性预测储层产能的方法 |
Non-Patent Citations (2)
| Title |
|---|
| Pore-Structural Characteristics of Tight Fractured-Vuggy Carbonates and Its Effects on the P- and S-Wave Velocity: A Micro-CT Study on Full-Diameter Cores;Li, Wei 等;《ENERGIES 》;20201130;第13卷(第22期);1-17 * |
| 台盆区碳酸盐岩储层评价方法研究;汪海霖;《中国优秀博硕士学位论文全文数据库(硕士)基础科学辑》;20150915(第09期);A011-109 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113065286A (zh) | 2021-07-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109061765B (zh) | 非均质薄砂岩互层油藏的圈闭评价方法 | |
| CN107678059B (zh) | 一种储层含气识别的方法、装置及系统 | |
| CN103775075B (zh) | 一种全井段岩性识别方法 | |
| CN104278989B (zh) | 一种获取低孔低渗储层饱和度指数的方法 | |
| CN105760673B (zh) | 一种河流相储层地震敏感参数模板分析方法 | |
| CN111425193B (zh) | 一种基于聚类分析测井岩石物理相划分的储层可压性评价方法 | |
| CN103777243A (zh) | 砂泥岩薄互层储层厚度预测方法 | |
| CN106569272B (zh) | 一种基于数据性质空间升维的地震属性融合方法 | |
| CN109447249B (zh) | 一种基于深度卷积的对抗神经网络测井数据重建方法 | |
| CN112796738A (zh) | 一种阵列声波测井和常规测井结合的地层渗透率计算方法 | |
| Zhu et al. | Rapid identification of high-quality marine shale gas reservoirs based on the oversampling method and random forest algorithm | |
| CN113503156B (zh) | 储层垂向非均质性定量测定方法、系统、介质、设备及终端 | |
| CN112363242B (zh) | 基于测录井融合的储层流体识别方法与装置 | |
| CN113065286B (zh) | 一种基于常规测井的致密砂砾岩储层孔隙结构评价方法 | |
| CN111598440A (zh) | 多角度驱动的复杂介质储层渗透率定量评价方法及系统 | |
| CN106777707B (zh) | 一种利用改进的蜘蛛网图进行测井岩性定量识别的方法 | |
| CN107165621B (zh) | 一种利用聚类方法识别多井沉积微相的方法 | |
| CN108226997A (zh) | 一种基于叠前地震数据的地震相划分方法 | |
| CN114609675A (zh) | 基于高频旋回对碳酸盐岩地层沉积微地貌的定量恢复方法 | |
| CN112836393B (zh) | 一种基于多尺度熵分析储层非均质性的方法 | |
| CN112576238B (zh) | 一种低渗透油藏剩余油位置与含量测定系统、方法及应用 | |
| CN116201535B (zh) | 油气藏目标井标志地层自动划分方法、装置及设备 | |
| CN110847887A (zh) | 一种细粒沉积陆相页岩裂缝识别评价方法 | |
| CN110135112A (zh) | 一种基于粒子滤波算法的页岩各向异性估计方法 | |
| CN114707597A (zh) | 一种河流相致密砂岩储层复杂岩相智能化识别方法及系统 |
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 |