CN113075731B - 深层储层连续性井筒数字建模方法及装置 - Google Patents
深层储层连续性井筒数字建模方法及装置 Download PDFInfo
- Publication number
- CN113075731B CN113075731B CN202110313655.4A CN202110313655A CN113075731B CN 113075731 B CN113075731 B CN 113075731B CN 202110313655 A CN202110313655 A CN 202110313655A CN 113075731 B CN113075731 B CN 113075731B
- Authority
- CN
- China
- Prior art keywords
- image
- level
- core sample
- core
- rock
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. analysis, for interpretation, for correction
- G01V1/30—Analysis
- G01V1/307—Analysis for determining seismic attributes, e.g. amplitude, instantaneous phase or frequency, reflection strength or polarity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. analysis, for interpretation, for correction
- G01V1/30—Analysis
- G01V1/301—Analysis for determining seismic cross-sections or geostructures
- G01V1/302—Analysis for determining seismic cross-sections or geostructures in 3D data cubes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
- G01V1/44—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging using generators and receivers in the same well
- G01V1/48—Processing data
- G01V1/50—Analysing data
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
一种深层储层连续性井筒数字建模方法及装置。所述方法包括根据ECS采集的伽马能谱计算地层矿物组分的体积含量;根据所述地层矿物组分的体积含量计算岩石孔隙度;进行全直径数字岩心建模;将岩心对应深度计算得到的岩石孔隙度、矿组组分占比与所述全直径数字岩心进行匹配;根据各层段的岩石孔隙度数据与匹配后的全直径数字岩心进行深层储层连续性井筒数字建模。以此方式,通过测井解释成果与多尺度数字岩心匹配,实现了深层储层连续性井筒数字建模的测井与CT跨尺度联合刻画。
Description
技术领域:
本发明涉及油气勘探开发技术领域,具体地说,涉及深层储层连续性井筒数字建模方法及装置。
背景技术:
近年来随着塔里木盆地克拉苏构造带博孜9等井相继获得高产,深层-超深层油气已然成为较为现实的勘探突破目标和资源接替领域。深层-超深层油气的勘探程度相对较低,非均质性和隐蔽性更强,需要大量钻井取心,开展地化、岩性、物性、含油性等岩心分析实验,分析储层特征及影响因素。
由于深层-超深层油气储层埋深大,取芯难度大、时间周期长,成本极高;取芯影响因素多,结果不可控性强,特别是取芯段分布局限,仅占全井的0.1%,占目的层的10%,岩心分析结果代表性与地层真实情况相差较大。
发明内容:
为了解决背景技术中所提到的技术问题,本发明提供一种深层储层连续性井筒数字建模方法及装置,可对于深层-超深层储层,通过取芯段岩心开展较高精度的多尺度多方法数字岩心表征,在此基础上与测井解释结果匹配,依据测井资料联合数字岩心结果对深层-超深层储层开展数字井筒仿真建模,可对目的层储层岩石组分、孔隙、裂隙特征进行大范围、高精度、连续的刻画和表征。
本发明的技术方案是:该种深层储层连续性井筒数字建模方法,包括如下步骤:
第一步,根据ECS采集的伽马能谱计算地层矿物组分的体积含量;具体路径包括:对采集的伽马能谱进行剥谱处理得到非弹谱和俘获谱的全部元素的相对产额;将全部元素的相对产额转化为干重质量百分含量;对各元素干重质量百分含量和地层矿物含量进行同步反演,得到地层矿物组分的体积含量;
第二步,根据所述地层矿物组分的体积含量计算岩石孔隙度;具体路径包括:根据所述地层矿物组分的体积含量计算岩石动态骨架密度,由所述岩石动态骨架密度计算岩石孔隙度;
第三步,进行全直径数字岩心建模;具体路径包括:对第一至第N级岩心样品分别选取对应的CT扫描分辨率进行CT扫描,基于CT扫描结果分别确定各级岩心样品的CT灰度图像;其中,N为大于等于3的正整数;对第N级岩心样品进行电镜扫描,基于所述电镜扫描结果确定所述第N级岩心样品的电镜扫描图像;对各级岩心样品的CT灰度图像与第N级岩心样品的电镜扫描图像进行配准;对实现配准之后的对各级岩心样品的CT灰度图像与第N级岩心样品的电镜扫描图像进行图像分割,构建多尺度的数字岩心模型;
第四步,将岩心对应深度计算得到的岩石孔隙度、矿组组分占比与所述全直径数字岩心进行匹配,具体路径包括:对全直径数字岩心得到的孔隙度与不同矿物组分的占比进行校正;
第五步,根据各层段的岩石孔隙度数据与匹配后的全直径数字岩心进行深层储层连续性井筒数字建模,具体路径包括:以预先构建的三维井筒几何模型为框架,从顶深开始将各层段的岩石孔隙度数据粗化;将匹配后的全直径数字岩心的分辨率与粗化的分辨率一致;以测井解释物性参数作为约束,采用多点地质统计学算法实现各层位连续孔隙组分表征的三维数字井筒构建。
进一步地,前述方法的第三步中,第一至第N级岩心样品的尺度从大到小,对应的CT扫描分辨率从低到高;所述电镜扫描图像包括SEM二维背散射图像和Qemscan扫描电镜矿物定量评价图像;将第一级岩心样品、第二级岩心样品、第三级岩心样品的CT灰度图像采用混合配准法进行三维图像之间的配准;
所述混合配准包括:将CT灰度图像的切片与上一级岩心样品的CT灰度图像的所有切片通过特征点匹配进行粗匹配;粗匹配完成后,在上一级岩心样品的CT灰度图像中截取包含本级CT灰度图像的区域,与本级CT灰度图像基于灰度信息进行精细配准。
进一步地,前述方法的第三步中对实现配准之后的对各级岩心样品的CT灰度图像与第N级岩心样品的电镜扫描图像进行图像分割,构建数字岩心模型包括:
根据第N级岩心样品的Qemscan扫描电镜矿物定量评价图像,对第N级岩心样品的SEM二维背散射图像进行图像分割;根据所述图像分割结果将第N级岩心样品的CT灰度图像分割为孔隙及各种岩石矿物;
对于第N-1级岩心样品的CT灰度图像,利用第N级岩心样品的CT灰度图像的分割结果,与对应的第N-1级岩心样品的CT灰度图像一一映射,建立第N-1级岩心样品的CT灰度图像的图像灰度值与岩石组分比例的关系曲线,进而完成第N-1级岩心样品的CT灰度图像的分割;
依次迭代,直至完成第一级岩心样品的CT灰度图像的分割;
根据各级岩心样品的CT灰度图像的分割结果,对每一格点进行孔隙及各种岩石矿物含量赋值,分别得到相应的数字岩心模型。
用于实现前述方法的一种深层储层连续性井筒数字建模装置,包括:
矿物组分计算模块,用于根据ECS采集的伽马能谱计算地层矿物组分的体积含量;
岩石孔隙度计算模块,用于根据所述地层矿物组分的体积含量计算岩石孔隙度;
数字岩心建模模块,用于进行全直径数字岩心建模;
匹配模块,用于将岩心对应深度计算得到的岩石孔隙度与矿组组分占比与所述全直径数字岩心进行匹配;
井筒数字建模模块,用于根据各层段的岩石孔隙度数据与匹配后的全直径数字岩心进行深层储层连续性井筒数字建模。
本发明具有如下有益效果:首先,应用本发明所述方法既可以采用常规测井序列也可以用特殊测井系列,特征性的开展深层-超深层储层组分特征和储集空间特征建模和计算。其次,可以针对深层-超深层储层孔隙、裂隙较发育的特征,开展多尺度数字岩心建模,利用第一级岩心样本全直径岩心CT扫描刻画裂隙及宏孔分布特征,利用第二级岩心样品2.5cm柱塞样品CT扫描刻画孔径16μm以上的孔隙分布特征,利用第三级岩心样品4mm柱塞样品CT扫描刻画孔径2μm以上的孔隙分布特征孔隙分布特征,利用薄片、扫描电镜刻画岩石矿物组分、黏土矿物及孔隙分布特征,既确保了刻画储层特征全面性又确保了刻画储层特征的精度。此外,本发明考虑取芯岩心分布局限的现状,通过连续的测井资料结合高精度数字岩心,从而能建立大范围高精度数字井筒,既扩大了储层刻画范围,又提高了储层刻画精度,解决了取芯分布局限的问题。
附图说明:
图1示出了根据本公开实施例的深层储层连续性井筒数字建模方法100的流程图。
图2示出了根据本公开实施例的根据ECS采集的伽马能谱计算地层矿物组分的体积含量的流程图;
图3示出了根据本公开的实施例的进行全直径数字岩心建模的流程图;
图4示出了根据本公开的实施例的地层中各元素的干重质量百分含量的示意图;
图5示出了根据本公开的实施例的岩石孔隙度的示意图;
图6示出了根据本公开的实施例的第一级岩心样本、第二级岩心样品、第三级岩心样品的CT扫描截面图;
图7示出了根据本公开的实施例的第一级岩心样品、第二级岩心样品、第三级岩心样品的CT灰度图像完成配准之后,同一视域的三种分辨率截面图;
图8示出了根据本公开的实施例的第三级岩心样品为4mm柱塞样品CT图像及对应的分割结果的示意图;
图9示出了根据本公开的实施例的第一级岩心样品,即全直径岩心CT图像及其不同组分的数字岩心模型的示意图;
图10示出了根据本公开的实施例的所构建的示例井三维数字井筒的示意图;
图11示出了根据本公开实施例的深层储层连续性井筒数字建模装置的方框图。
具体实施方式:
下面结合附图对本发明作进一步说明:
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中的附图,对本公开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公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,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全部其他实施例,都属于本公开保护的范围。
另外,本文中术语“和/或”,仅仅是一种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。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
本公开实施例中,以库车深层白垩系致密砂岩气储层为例,对于深层-超深层储层,通过取芯段岩心开展较高精度的多尺度多方法数字岩心表征,在此基础上与测井解释结果匹配,依据测井资料联合数字岩心结果对深层-超深层储层开展数字井筒仿真建模,可对目的层储层岩石组分、孔隙、裂隙特征进行大范围、高精度、连续的刻画和表征。本公开实施例中,针对深层、超深层碎屑岩储层,但不限于碎屑岩,亦可针对其它岩性实现。
图1示出了根据本公开实施例的深层储层连续性井筒数字建模方法100的流程图,如图1所示,所述深层储层连续性井筒数字建模方法100,包括以下步骤:
在框102,根据ECS(Elemental Capture Spectroscopy,元素俘获测井)采集的伽马能谱计算地层矿物组分的体积含量;
在一些实施例中,包括以下子步骤:
在框202,对采集的伽马能谱进行剥谱处理得到非弹谱和俘获谱的全部元素的相对产额;
其中,Wtj为元素干重;Sj为灵敏度因子,可由已知地层情况井中获得;F为地层因素;j=1、2……m,m为测量到的元素个数。
在框204,将全部元素的相对产额转化为干重质量百分含量;
在一些实施例中,应用氧闭合技术,将地层中各元素的相对产额yj转化为干重质量百分含量Wtj;
地层中各元素的干重质量百分含量如附图图4所示,图4中第一道为深度道;第二道为岩屑录井岩性道;第三道为钻井取心岩性道;第四道为地层元素测井分析矿物组分道;第五道为地层元素测井分析硅元素干重道;第六道为地层元素测井分析铝元素干重道;第七道为地层元素测井分析钙元素干重道;第八道为地层元素测井分析铁元素干重道;第九道为地层元素测井分析硫元素干重道;第十道为地层元素测井分析钛元素干重道;第十一道为地层元素测井分析钆元素干重道。
在框206,对各元素干重质量百分含量和地层矿物含量进行同步反演,得到地层矿物组分的体积含量。
在一些实施例中,由各元素与矿物间的关系,对所测各元素干重质量百分含量和地层矿物含量由最优化算法进行同步反演,得到地层各主要矿物组分的体积含量Mi,i=1、2……n,其中,n为研究区岩石包含主要矿物组分的个数。
在框104,根据所述地层矿物组分的体积含量计算岩石孔隙度;
在一些实施例中,
所述岩石孔隙度如附图图5所示,图5中第一道为岩性测井道;第二道为深度道;第三道为电性测井道;第四道为常规孔隙度测井道;第五道为岩屑录井岩性道;第六道为钻井取心岩性道;第七道为地层元素测井分析矿物组分道;第八道为动态骨架密度对比道;第九道为孔隙度对比道。
在框106,针对测井解释成果分类进行全直径尺度数字岩心建模;
在一些实施例中,获取全直径岩心CT扫描灰度图像、2.5cm柱塞岩心较高分辨率CT扫描灰度图像、0.4cm柱塞岩心较高分辨率CT扫描灰度图像、0.4cm柱塞岩心电镜扫描图像;对上述图像进行图像匹配,建立多尺度的数字岩心模型。包括以下子步骤:
在框302,对第一至第N级岩心样品分别选取对应的CT扫描分辨率进行CT扫描,基于CT扫描结果分别确定各级岩心样品的CT灰度图像;其中,N为大于等于3的正整数;
在一些实施例中,第一至第N级岩心样品级尺度从大到小,对应的扫描分辨率从低到高。在本实施例中,以N=3的情况下,第一级岩心样品、第二级岩心样品、第三级岩心样品为例进行描述。
在一些实施例中,对第一至第N级岩心样品分别选取对应的CT扫描分辨率进行CT扫描,基于CT扫描结果分别确定各级岩心样品的CT灰度图像;包括以下子步骤:
对第一级岩心样品进行第一分辨率CT扫描,基于所述第一分辨率CT扫描结果确定所述第一级岩心样品的第一分辨率CT灰度图像;
在一些实施例中,所述岩心样品通过对所述目的区域的岩心进行处理得到的,所述目的区域的岩心可以是具有多尺度孔隙的岩心。例如,某油田的砂岩岩心等。可以对所述目的区域的岩心进行第一处理,得到第一级岩心样品。具体地,可以将部分所述目的区域的岩心加工为具有第一形状和第一尺寸的第一级岩心样品;所述第一形状可以为圆柱形,所述圆柱形样品为全直径岩心,所述第一尺寸可以包括:所述圆柱形样品的直径和长度,例如直径为100mm,长度为50-250mm,优选150mm。
在一些实施例中,利用医学CT或微米CT对第一级岩心样品进行第一分辨率CT扫描,扫描分辨率最高可达40um左右,在一些实施例中,扫描分辨率设置为167um。
在一些实施例中,所述CT灰度图像为三维CT灰度图像。
对第二级岩心样品进行第二分辨率CT扫描,基于所述第二分辨率CT扫描结果确定所述第二级岩心样品的第二分辨率CT灰度图像;
在一些实施例中,根据第一级岩心样品的第一分辨率CT灰度图像反映的非均质性,在第一级岩心样品CT扫描视野范围之内选择并钻取第二级岩心样品。
在一些实施例中,对所述第一级岩心样品进行第二处理得到所述第二级岩心样品。具体地,可以将所述第一级岩心样品加工为具有第二形状和第二尺寸的第二级岩心样品。例如,可以将进行第一分辨率CT扫描后的第一级岩心样品加工为具有第二形状和第二尺寸的第二级岩心样品。所述第二形状可以为圆柱形,所述圆柱形样品为标准柱塞样品。所述第二尺寸可以包括:所述圆柱形样品的直径和长度,例如直径为25mm,长度10-100mm,优选40mm。
在一些实施例中,利用微米CT对第二级岩心样品进行第二分辨率CT扫描,扫描分辨率最高可达10um左右,在一些实施例中,扫描分辨率设置为25um。
在一些实施例中,所述CT灰度图像为三维CT灰度图像。
对第三级岩心样品进行第三分辨率CT扫描,基于所述第三分辨率CT扫描结果确定所述第三级岩心样品的第三分辨率CT灰度图像;
在一些实施例中,根据第二级岩心样品的第二分辨率CT灰度图像反映的非均质性,在第二级岩心样品CT扫描视野范围之内选择并钻取第三级岩心样品。
在一些实施例中,对所述第二级岩心样品进行第三处理得到所述第三级岩心样品。具体地,可以将所述第二级岩心样品加工为具有第三形状和第三尺寸的第三级岩心样品。例如,可以将进行第二分辨率CT扫描后的第二级岩心样品加工为具有第三形状和第三尺寸的第三级岩心样品。所述第三形状可以为圆柱形,所述圆柱形样品为毫米柱塞样品。所述第三尺寸可以包括:所述圆柱形样品的直径和长度,例如直径为4mm,长度为直径的2倍。
在一些实施例中,利用微米CT或纳米CT对第三级岩心样品进行第三分辨率CT扫描,扫描分辨率最高可达500nm左右,在一些实施例中,扫描分辨率设置为4um。
在一些实施例中,所述CT灰度图像为三维CT灰度图像。
在一些实施例中,第一级岩心样本为全直径岩心样品,第二级岩心样品为2.5cm柱塞样品,第三级岩心样品为4mm柱塞样品;如附图图6所示,附图图6为第一级岩心样本、第二级岩心样品、第三级岩心样品的CT扫描截面图。
在框304,对第N级岩心样品进行电镜扫描,基于所述电镜扫描结果确定所述第N级岩心样品的电镜扫描图像;
在一些实施例中,在第三级岩心样品的CT扫描视野的中心位置进行切割,用于制作薄片及用于电镜扫描。其中,薄片与扫描电镜分辨率较高,在10~500nm,远高于0.4cm柱塞岩心的CT灰度图像的分辨率。
在一些实施例中,所述电镜扫描图像包括SEM二维背散射图像和Qemscan扫描电镜矿物定量评价图像。
在一些实施例中,所述SEM二维背散射图像和Qemscan扫描电镜矿物定量评价图像为二维图像,其分辨率为0.5um。
在框306,对各级岩心样品的CT灰度图像与第N级岩心样品的电镜扫描图像进行配准;
在一些实施例中,将各级岩心样品的CT灰度图像与第N级岩心样品的电镜扫描图像进行二维与二维、二维与三维、三维与三维的图像配准,实现各级岩心样品的CT灰度图像与第N级岩心样品的电镜扫描图像的配准。
在一些实施例中,将第一级岩心样品、第二级岩心样品、第三级岩心样品的CT灰度图像进行三维图像之间的配准;将第三级岩心样品的SEM二维背散射图像和Qemscan扫描电镜矿物定量评价图像进行二维图像配准;将第三级岩心样品的SEM二维背散射图像与第三级岩心样品的CT灰度图像进行二维与三维图像配准。由于第一级岩心样品、第二级岩心样品、第三级岩心样品的CT灰度图像的物理尺寸从大到小,图像分辨率从低到高,因此,常规图像配准算法难以实现精确图像配准,将第一级岩心样品、第二级岩心样品、第三级岩心样品的CT灰度图像采用混合配准法进行三维图像之间的配准。
同样的,对于第三级岩心样品的SEM二维背散射图像与第三级岩心样品的CT灰度图像,利用混合配准法进行二维与三维图像配准,得到二维图像在三维图像中的精确位置。
在一些实施例中,所述混合配准法的具体流程包括:
①在小尺寸高分辨率的岩心样品的CT灰度图像中选择有明显特征的M(M≥2)张切片作为待配准图像,将其上一级岩心样品的CT灰度图像的所有切片作为参考图像;提取待配准图像与参考图像每一层切片的特征点;利用SIFT算法,对待配准图像与参考图像进行图像配准,确定待配准图像在参考图像中的位置;此步骤为粗配准,只确定大概的位置。
②粗配准完成之后,以小尺寸高分辨率的岩心样品的CT灰度图像作为待配准图像,截取的大尺寸低分辨率的岩心样品的CT灰度图像作为参考图像;在大尺寸低分辨率的参考图像中截取长方体区域,使其完全包含小尺寸高分辨率的待配准图像;以灰度图像的互信息作为相似度量函数,进行基于灰度信息的三维图像配准;此步骤为精细配准,实现大小两种尺寸岩心CT图像的精确匹配。
如附图图7所示,图7中所示的CT图像即为第一级岩心样品、第二级岩心样品、第三级岩心样品的CT灰度图像完成配准之后,同一视域的三种分辨率截面图。
在框308,对实现配准之后的对各级岩心样品的CT灰度图像与第N级岩心样品的电镜扫描图像进行图像分割,构建多尺度的数字岩心模型。
在一些实施例中,按照分辨率从高到低、尺寸从小到大的顺序,依次采用不同的分割方式进行图像分割。
对于最高分辨率的第N级岩心图像,根据第N级岩心样品的Qemscan扫描电镜矿物定量评价图像,对第N级岩心样品的SEM二维背散射图像进行图像分割;根据所述图像分割结果将第N级岩心样品的CT灰度图像分割为孔隙及各种岩石矿物;如附图图8所示,图8示出了第三级岩心样品为4mm柱塞样品CT图像及对应的分割结果。
对于较低分辨率的上一级岩心样品的CT灰度图像,利用尺度关联分割算法,即结合图像配准结果,利用第N级岩心样品的CT灰度图像的分割结果,与对应的较低分辨率的上一级岩心样品的CT灰度图像一一映射,建立较低分辨率的上一级岩心样品的CT灰度图像的图像灰度值与岩石组分比例的关系曲线,进而完成较低分辨率的上一级岩心样品的CT灰度图像的分割。
依次不断迭代,直到完成第一级岩心样品的CT灰度图像的分割。
在一些实施例中,对实现配准之后的对各级岩心样品的CT灰度图像与第N级岩心样品的电镜扫描图像进行图像分割,进而构建多尺度的数字岩心模型,包括以下子步骤:
对第三级岩心样品的SEM二维背散射图像和Qemscan扫描电镜矿物定量评价图像进行图像分割;根据所述图像分割结果对第三级岩心样品的CT灰度图像进行分割;将第三级岩心样品分割为孔隙及各种岩石矿物,生成第三级岩心样品的数字岩心模型;
在一些实施例中,根据第三级岩心样品的Qemscan扫描电镜矿物定量评价图像,对第三级岩心样品的SEM二维背散射图像按照常规阈值分割方法进行图像分割;例如,按照常规的二值分割、分水岭分割算法进行精确的图像分割。
由于已经进行了第三级岩心样品的SEM二维背散射图像和Qemscan扫描电镜矿物定量评价图像与第三级岩心样品的CT灰度图像的配准,根据上述图像分割结果对第三级岩心样品的CT灰度图像进行多阈值分割。
在一些实施例中,根据第三级岩心样品的4um分辨率CT图像,利用分水岭算法分割得到数字岩心模型,将岩心主要分割为孔隙、石英、白云石、重矿物四相。
根据第三级岩心样品分割结果以及对应的第二级岩心样品的CT图像,建立第二级岩心样品的灰度值-组分比例关系曲线;根据第二级岩心样品的灰度值-组分比例关系曲线对第二级岩心样品的CT图像进行分割;将第二级岩心样品分割为孔隙及各种岩石矿物;生成第二级岩心样品的数字岩心模型;
在一些实施例中,结合图像配准结果,根据图像分辨率的倍率关系,截取出与600×600×600大小的4um分辨率CT图像相对应的64×64×64大小的25um分辨率CT图像。将25um分辨率灰度图像与4um分辨率灰度图像分割之后的结果进行逐点统计,统计同一灰度值对应组分的平均质,得到第二级岩心样品的灰度值-组分比例关系曲线。
在一些实施例中,将所述第二级岩心样品的灰度值-组分比例关系曲线应用到整体的25um分辨率的CT图像中,完成对25um分辨率CT图像的分割。
在一些实施例中,根据第二级岩心样品的25um分辨率CT图像,以及第二级岩心样品的灰度值-组分比例关系曲线分别对每一格点进行孔隙、石英、白云石、重矿物的含量赋值得到的相应数字岩心模型。
根据第二级岩心样品分割结果以及对应的第一级岩心样品的CT图像,建立第一级岩心样品的灰度值-组分比例关系曲线;根据第一级岩心样品的灰度值-组分比例关系曲线对第一级岩心样品的CT图像进行分割;将第一级岩心样品分割为孔隙及各种岩石矿物;生成第一级岩心样品的数字岩心模型;
在一些实施例中,根据图像配准结果,将167um分辨率灰度图像与25um分辨率分割之后的结果进行统计,得到第一级岩心样品的灰度值-组分比例关系曲线。
在一些实施例中,结合图像配准结果,根据图像分辨率的倍率关系,截取出与64×64×64大小的25um分辨率CT图像相对应的10×10×10大小的167um分辨率CT图像。将167um分辨率灰度图像与25um分辨率灰度图像分割之后的结果进行逐点统计,统计同一灰度值对应组分的平均质,得到第一级岩心样品的灰度值-组分比例关系曲线。
在一些实施例中,将所述第一级岩心样品的灰度值-组分比例关系曲线应用到整体的167um分辨率的CT图像中,完成对167um分辨率CT图像的分割。
在全直径岩心中,其空间中的每一个体素分别用孔隙度和矿物比例来表示,利用组分占比来表示其每一点的信息,构建全直径数字岩心。如附图图9所示,图9示出了第一级岩心样品,即全直径岩心CT图像及其不同组分的数字岩心模型,图中,A:CT扫描图;B:孔隙分布图;C:石英分布图;D:白云石分布图;E:重矿物分布。
在框108,将岩心对应深度计算得到的岩石孔隙度与矿组组分占比与所述全直径数字岩心进行匹配;
在一些实施例中,将岩心对应深度计算得到的岩石孔隙度与矿组组分占比,与全直径数字岩心得到的孔隙度与不同矿物组分的占比进行对比,并对全直径数字岩心得到的孔隙度与不同矿物组分的占比进行校正,使全直径数字岩心的组分占比与测井建模结果的组分占比相匹配。
在框110,根据各层段的岩石孔隙度数据与匹配后的全直径数字岩心进行深层储层连续性井筒数字建模。
在一些实施例中,以预先构建的三维井筒几何模型为框架,从顶深开始将各层段的岩石孔隙度数据作为硬数据,将分辨率粗化;调整匹配后的全直径数字岩心的分辨率与粗化的分辨率一致,以测井解释物性参数作为约束,采用多点地质统计学算法实现各层位连续孔隙组分表征的三维数字井筒构建。
在一些实施例中,以测井解释的岩性分层为基础建立三维井筒的分层几何模型,以几何模型为框架,从顶深开始,对各个层段,将岩石孔隙度数据作为硬数据,并将分辨率进行一定的粗化;将构建的全直径数字岩心进行深度匹配后,调整分辨率,使全直径数字岩心的分辨率与粗化之后的几何模型分辨率一致。以全直径数字岩心作为训练图像,以测井解释物性参数作为约束,采用多点地质统计学算法进行逐层建模,实现各层位连续孔隙组分表征的三维数字井筒构建。
在一些实施例中,若某个层位全直径岩心CT扫描数据缺失,则用相邻层位数据代替缺失层位数据,最终通过层位叠加实现连续孔隙组分表征的三维数字井筒构建。
如附图图10所示,图10示出了所构建的示例井三维数字井筒。
根据本公开的实施例,实现了以下技术效果:既可以采用常规测井序列也可以用特殊测井系列,特征性的开展深层-超深层储层组分特征和储集空间特征建模和计算;
针对深层-超深层储层孔隙、裂隙较发育的特征,开展多尺度数字岩心建模,利用第一级岩心样本全直径岩心CT扫描刻画裂隙及宏孔分布特征,利用第二级岩心样品2.5cm柱塞样品CT扫描刻画孔径16μm以上的孔隙分布特征,利用第三级岩心样品4mm柱塞样品CT扫描刻画孔径2μm以上的孔隙分布特征孔隙分布特征,利用薄片、扫描电镜刻画岩石矿物组分、黏土矿物及孔隙分布特征,既确保了刻画储层特征全面性又确保了刻画储层特征的精度;
考虑取芯岩心分布局限的现状,通过连续的测井资料结合高精度数字岩心,从而能建立大范围高精度数字井筒,既扩大了储层刻画范围,又提高了储层刻画精度,解决了取芯分布局限的问题。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本公开并不受所描述的动作顺序的限制,因为依据本公开,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作和模块并不一定是本公开所必须的。
以上是关于方法实施例的介绍,以下通过装置实施例,对本公开所述方案进行进一步说明。
图11示出了根据本公开的实施例的深层储层连续性井筒数字建模装置1100的方框图。如图11所示,装置1100包括:
矿物组分计算模块1102,用于根据ECS(Elemental Capture Spectroscopy,元素俘获测井)采集的伽马能谱计算地层矿物组分的体积含量;
岩石孔隙度计算模块1104,用于根据所述地层矿物组分的体积含量计算岩石孔隙度;
数字岩心建模模块1106,用于进行全直径数字岩心建模;
匹配模块1108,用于将岩心对应深度计算得到的岩石孔隙度与矿组组分占比与所述全直径数字岩心进行匹配;
井筒数字建模模块1110,用于根据各层段的岩石孔隙度数据与匹配后的全直径数字岩心进行深层储层连续性井筒数字建模。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,所述描述的模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
此外,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地,在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (2)
1.一种深层储层连续性井筒数字建模方法,其特征在于所述方法包括:
第一步,根据ECS采集的伽马能谱计算地层矿物组分的体积含量;具体路径包括:对采集的伽马能谱进行剥谱处理得到非弹谱和俘获谱的全部元素的相对产额;将全部元素的相对产额转化为干重质量百分含量;对各元素干重质量百分含量和地层矿物含量进行同步反演,得到地层矿物组分的体积含量;
第二步,根据所述地层矿物组分的体积含量计算岩石孔隙度;具体路径包括:根据所述地层矿物组分的体积含量计算岩石动态骨架密度,由所述岩石动态骨架密度计算岩石孔隙度;
第三步,进行全直径数字岩心建模;具体路径包括:对第一至第N级岩心样品分别选取对应的CT扫描分辨率进行CT扫描,基于CT扫描结果分别确定各级岩心样品的CT灰度图像;其中,N为大于等于3的正整数;对第N级岩心样品进行电镜扫描,基于所述电镜扫描结果确定所述第N级岩心样品的电镜扫描图像;对各级岩心样品的CT灰度图像与第N级岩心样品的电镜扫描图像进行配准;对实现配准之后的对各级岩心样品的CT灰度图像与第N级岩心样品的电镜扫描图像进行图像分割,构建多尺度的数字岩心模型;
所述第三步中,第一至第N级岩心样品的尺度从大到小,对应的CT扫描分辨率从低到高;所述电镜扫描图像包括SEM二维背散射图像和Qemscan扫描电镜矿物定量评价图像;将第一级岩心样品、第二级岩心样品、第三级岩心样品的CT灰度图像采用混合配准法进行三维图像之间的配准;
所述混合配准包括:将CT灰度图像的切片与上一级岩心样品的CT灰度图像的所有切片通过特征点匹配进行粗匹配;粗匹配完成后,在上一级岩心样品的CT灰度图像中截取包含本级CT灰度图像的区域,与本级CT灰度图像基于灰度信息进行精细配准;
第四步,将岩心对应深度计算得到的岩石孔隙度、矿物组分占比与所述全直径数字岩心进行匹配,具体路径包括:对全直径数字岩心得到的孔隙度与不同矿物组分的占比进行校正;
第五步,根据各层段的岩石孔隙度数据与匹配后的全直径数字岩心进行深层储层连续性井筒数字建模,具体路径包括:以预先构建的三维井筒几何模型为框架,从顶深开始将各层段的岩石孔隙度数据粗化;将匹配后的全直径数字岩心的分辨率与粗化的分辨率一致;以测井解释物性参数作为约束,采用多点地质统计学算法实现各层位连续孔隙组分表征的三维数字井筒构建。
2.根据权利要求1所述的方法,其特征在于:
所述第三步中对实现配准之后的对各级岩心样品的CT灰度图像与第N级岩心样品的电镜扫描图像进行图像分割,构建数字岩心模型包括:
根据第N级岩心样品的Qemscan扫描电镜矿物定量评价图像,对第N级岩心样品的SEM二维背散射图像进行图像分割;根据所述图像分割结果将第N级岩心样品的CT灰度图像分割为孔隙及各种岩石矿物;
对于第N-1级岩心样品的CT灰度图像,利用第N级岩心样品的CT灰度图像的分割结果,与对应的第N-1级岩心样品的CT灰度图像一一映射,建立第N-1级岩心样品的CT灰度图像的图像灰度值与岩石组分比例的关系曲线,进而完成第N-1级岩心样品的CT灰度图像的分割;
依次迭代,直至完成第一级岩心样品的CT灰度图像的分割;
根据各级岩心样品的CT灰度图像的分割结果,对每一格点进行孔隙及各种岩石矿物含量赋值,分别得到相应的数字岩心模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110313655.4A CN113075731B (zh) | 2021-03-24 | 2021-03-24 | 深层储层连续性井筒数字建模方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110313655.4A CN113075731B (zh) | 2021-03-24 | 2021-03-24 | 深层储层连续性井筒数字建模方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113075731A CN113075731A (zh) | 2021-07-06 |
CN113075731B true CN113075731B (zh) | 2022-05-17 |
Family
ID=76613694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110313655.4A Active CN113075731B (zh) | 2021-03-24 | 2021-03-24 | 深层储层连续性井筒数字建模方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113075731B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113899768A (zh) * | 2021-10-08 | 2022-01-07 | 中国石油大学(华东) | 基于流体注入的致密砂岩岩心孔隙连通性分析的方法 |
CN114035227B (zh) * | 2021-11-11 | 2023-07-07 | 中国海洋石油集团有限公司 | 基于随钻xrd全岩录井的变质岩潜山储层孔隙度预测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2329719A1 (en) * | 1998-05-04 | 1999-11-11 | Schlumberger Canada Limited | Near wellbore modeling method and apparatus |
WO2014036315A2 (en) * | 2012-08-29 | 2014-03-06 | Sristy Technologies Llc | 3d visualization of reservoir monitoring data |
WO2015023409A1 (en) * | 2013-08-13 | 2015-02-19 | Schlumberger Canada Limited | Digital core sensitivity analysis |
CN105115874A (zh) * | 2015-08-18 | 2015-12-02 | 中国石油天然气股份有限公司 | 多源信息融合的多组分三维数字岩心构建方法 |
CN107605471A (zh) * | 2017-07-21 | 2018-01-19 | 中国石油天然气股份有限公司 | 一种湖相碳酸盐岩岩性测井定量识别方法 |
CN109146933A (zh) * | 2017-06-28 | 2019-01-04 | 中国石油化工股份有限公司 | 多尺度数字岩心建模方法及计算机可读存储介质 |
CN111199582A (zh) * | 2019-12-31 | 2020-05-26 | 中国石油大学(华东) | 一种连续孔隙组分表征的三维数字井筒构建方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016159808A1 (en) * | 2015-03-27 | 2016-10-06 | Schlumberger Technology B.V. | A method and a system for performing chemical treatment of a near wellbore area |
US20180106708A1 (en) * | 2015-05-20 | 2018-04-19 | Schlumberger Technology Corporation | Hydraulic fracturability index using high resolution core measurements |
CN108682020B (zh) * | 2018-04-28 | 2019-04-12 | 中国石油大学(华东) | 岩心微米ct孔隙结构重构方法 |
CA3061860A1 (en) * | 2018-11-19 | 2020-05-19 | Rs Energy Group Topco, Inc. | Wellbore trajectory system |
-
2021
- 2021-03-24 CN CN202110313655.4A patent/CN113075731B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2329719A1 (en) * | 1998-05-04 | 1999-11-11 | Schlumberger Canada Limited | Near wellbore modeling method and apparatus |
WO2014036315A2 (en) * | 2012-08-29 | 2014-03-06 | Sristy Technologies Llc | 3d visualization of reservoir monitoring data |
WO2015023409A1 (en) * | 2013-08-13 | 2015-02-19 | Schlumberger Canada Limited | Digital core sensitivity analysis |
CN105115874A (zh) * | 2015-08-18 | 2015-12-02 | 中国石油天然气股份有限公司 | 多源信息融合的多组分三维数字岩心构建方法 |
CN109146933A (zh) * | 2017-06-28 | 2019-01-04 | 中国石油化工股份有限公司 | 多尺度数字岩心建模方法及计算机可读存储介质 |
CN107605471A (zh) * | 2017-07-21 | 2018-01-19 | 中国石油天然气股份有限公司 | 一种湖相碳酸盐岩岩性测井定量识别方法 |
CN111199582A (zh) * | 2019-12-31 | 2020-05-26 | 中国石油大学(华东) | 一种连续孔隙组分表征的三维数字井筒构建方法 |
Non-Patent Citations (4)
Title |
---|
"Simulation of elastic properties based on multi-scale and component digital rock modeling";Cui Likai;《Applied Geophysics》;20191231;第25-29页 * |
三维数字岩心技术岩石物理应用研究进展;赵建鹏等;《地球物理学进展》;20200615(第03期);全文 * |
基于多分辨率图像融合的多尺度多组分数字岩心构建;崔利凯等;《吉林大学学报(地球科学版)》;20171126(第06期);全文 * |
基于多矿物模型分析的孔隙度计算方法在M地区中的应用;李权等;《贵州师范大学学报(自然科学版)》;20161015;第矿物组分——孔隙度卷(第05期);摘要、第77-81页及图1-8 * |
Also Published As
Publication number | Publication date |
---|---|
CN113075731A (zh) | 2021-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105115874B (zh) | 多源信息融合的多组分三维数字岩心构建方法 | |
US9046509B2 (en) | Method and system for estimating rock properties from rock samples using digital rock physics imaging | |
Cuven et al. | Estimation of grain size variability with micro X-ray fluorescence in laminated lacustrine sediments, Cape Bounty, Canadian High Arctic | |
AU2011258594B2 (en) | Method for obtaining consistent and integrated physical properties of porous media | |
CN107703560A (zh) | 一种基于三重信息的泥页岩岩相精细识别方法 | |
Lormand et al. | Weka trainable segmentation plugin in ImageJ: a semi-automatic tool applied to crystal size distributions of microlites in volcanic rocks | |
CN113075731B (zh) | 深层储层连续性井筒数字建模方法及装置 | |
Bendle et al. | A comparison of micro-CT and thin section analysis of Lateglacial glaciolacustrine varves from Glen Roy, Scotland | |
CN103206208A (zh) | 一种微观不同赋存状态剩余油宏观量化的方法 | |
US20150331145A1 (en) | Method for producing a three-dimensional characteristic model of a porous material sample for analysis of permeability characteristics | |
Cnudde et al. | High‐resolution X‐ray CT for 3D petrography of ferruginous sandstone for an investigation of building stone decay | |
CN112686917B (zh) | 提高岩心非均质性表征精度的数字岩心建模方法及装置 | |
Cui et al. | Multi-scale and multi-component digital core construction and elastic property simulation | |
Han et al. | Characterizing locality-and scale-dependent heterogeneity in conglomerate core and associated fluid flow using X-ray CT imaging | |
Pal et al. | Porosity estimation by digital image analysis | |
Jamshidi Gohari et al. | Improving permeability estimation of carbonate rocks using extracted pore network parameters: a gas field case study | |
CN109444189B (zh) | 利用数字岩石分析技术开展复杂地层对比与定量评价方法 | |
Solano et al. | Characterization of fine-scale rock structure and differences in mechanical properties in tight oil reservoirs: An evaluation at the scale of elementary lithological components combining photographic and X-ray computed tomographic imaging, profile-permeability and microhardness testing | |
de Faria Borges et al. | Geometric features and fractal nature of soil analyzed by X-ray microtomography image processing | |
Lewis et al. | An automated system for the statistical analysis of sediment texture and structure at the micro scale | |
CN112859197B (zh) | 一种基于均质化地层电磁场理论的数字井筒电阻率模拟方法 | |
Kazak et al. | Integration of large-area SEM imaging and automated mineralogy-petrography data for justified decision on nano-scale pore-space characterization sites, as a part of multiscale digital rock modeling workflow | |
CN109580678B (zh) | 利用数字岩心技术快速识别评价低阻油气层方法 | |
Hu et al. | Correlating recovery efficiency to pore throat characteristics using digital rock analysis | |
de Lucena et al. | Estimating hydraulic parameters of the Açu-Brazil aquifer using the computer analysis of micrographs |
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 |