CN113139877B - 页岩气井的筛选方法及装置 - Google Patents
页岩气井的筛选方法及装置 Download PDFInfo
- Publication number
- CN113139877B CN113139877B CN202010052611.6A CN202010052611A CN113139877B CN 113139877 B CN113139877 B CN 113139877B CN 202010052611 A CN202010052611 A CN 202010052611A CN 113139877 B CN113139877 B CN 113139877B
- Authority
- CN
- China
- Prior art keywords
- gas well
- shale gas
- rock
- porosity
- uranium content
- 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
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000012216 screening Methods 0.000 title claims abstract description 62
- 239000011435 rock Substances 0.000 claims abstract description 243
- JFALSRSLKYAFGM-UHFFFAOYSA-N uranium(0) Chemical compound [U] JFALSRSLKYAFGM-UHFFFAOYSA-N 0.000 claims abstract description 151
- 229910052770 Uranium Inorganic materials 0.000 claims abstract description 146
- 238000013507 mapping Methods 0.000 claims abstract description 42
- 238000010586 diagram Methods 0.000 claims description 13
- 238000004519 manufacturing process Methods 0.000 abstract description 12
- 238000011161 development Methods 0.000 abstract description 8
- 230000000694 effects Effects 0.000 abstract description 5
- 239000007789 gas Substances 0.000 description 378
- 238000005070 sampling Methods 0.000 description 25
- 230000015654 memory Effects 0.000 description 15
- 238000012545 processing Methods 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 10
- 230000002093 peripheral effect Effects 0.000 description 10
- 230000001133 acceleration Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000001228 spectrum Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000001179 sorption measurement Methods 0.000 description 6
- 230000009466 transformation Effects 0.000 description 5
- 230000001131 transforming effect Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 3
- 239000003345 natural gas Substances 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 230000002285 radioactive effect Effects 0.000 description 3
- ZSLUVFAKFWKJRC-IGMARMGPSA-N 232Th Chemical compound [232Th] ZSLUVFAKFWKJRC-IGMARMGPSA-N 0.000 description 2
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 2
- 229910052776 Thorium Inorganic materials 0.000 description 2
- XKRFYHLGVUSROY-UHFFFAOYSA-N argon Substances [Ar] XKRFYHLGVUSROY-UHFFFAOYSA-N 0.000 description 2
- 229910052786 argon Inorganic materials 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 239000000919 ceramic Substances 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 238000005498 polishing Methods 0.000 description 2
- 239000011591 potassium Substances 0.000 description 2
- 229910052700 potassium Inorganic materials 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 208000019888 Circadian rhythm sleep disease Diseases 0.000 description 1
- 208000001456 Jet Lag Syndrome Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 239000002734 clay mineral Substances 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004090 dissolution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000445 field-emission scanning electron microscopy Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000001730 gamma-ray spectroscopy Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 208000033915 jet lag type circadian rhythm sleep disease Diseases 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
Classifications
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Geology (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Environmental & Geological Engineering (AREA)
- Health & Medical Sciences (AREA)
- Fluid Mechanics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本申请公开了一种页岩气井的筛选方法及装置，属于油气勘探开发技术领域。本申请通过获取至少一个页岩气井的岩石铀含量，将至少一个页岩气井的岩石铀含量输入第一目标模型，由于该第一目标模型用于表示岩石铀含量与有机孔隙度的映射关系，可以通过该第一目标模型将该至少一个页岩气井的岩石铀含量映射至该至少一个页岩气井的有机孔隙度，基于该至少一个页岩气井的有机孔隙度，从该至少一个页岩气井中筛选得到有机孔隙度最大的目标气井，能够以低廉的成本获取页岩气井的孔隙度，基于孔隙度筛选得到的目标气井则对气井开采具有指示生产的作用，从而可以有针对性地进行气井开采。
Description
技术领域
本申请涉及油气勘探开发技术领域，特别涉及一种页岩气井的筛选方法及装置。
背景技术
近年来，随着油气勘探开发由常规油气藏向非常规油气藏发展，页岩气逐渐成为一个重要的开发领域，页岩气是主体多位于暗色泥岩与浅灰色粉砂岩的薄互层中、以吸附和游离状态为主要赋存方式的天然气，包括海相页岩、陆相页岩、海陆过渡相页岩等。在页岩气井的勘探开发中，通常会先估算页岩气井的孔隙度，再基于孔隙度来估算页岩气井的资源量，最后基于资源量来评价哪个页岩气井的开采价值最高。
在获取孔隙度的过程中，一方面，通常基于页岩气井的测井数据来计算页岩气井的总孔隙度，然而仅凭测井数据无法获取到页岩气井的有机孔隙度和无机孔隙度，其中，有机孔隙度和无机孔隙度能够用以计算页岩气井分别以游离态、吸附态存在的含量，对页岩气井储层评价以及钻探目标优选具有指导意义，另一方面，可以通过取样实验的方式分析出总孔隙度、有机孔隙度、无机孔隙度，然而实验分析的费用高昂。因此，亟需一种能够在降低成本的基础上获取页岩气井的孔隙度、以便于进行气井筛选的方法。
发明内容
本申请实施例提供了一种页岩气井的筛选方法及装置，能够在降低成本的基础上获取页岩气井的孔隙度、以便于进行气井筛选。该技术方案如下：
一方面，提供了一种页岩气井的筛选方法，该方法包括：
获取至少一个页岩气井的岩石铀含量；
将所述至少一个页岩气井的岩石铀含量输入第一目标模型，通过所述第一目标模型将所述至少一个页岩气井的岩石铀含量映射至所述至少一个页岩气井的有机孔隙度，所述第一目标模型用于表示岩石铀含量与有机孔隙度的映射关系；
基于所述至少一个页岩气井的有机孔隙度，从所述至少一个页岩气井中筛选得到有机孔隙度最大的目标气井。
在一种可能实施方式中，所述通过所述第一目标模型将所述至少一个页岩气井的岩石铀含量映射至所述至少一个页岩气井的有机孔隙度包括：
通过所述第一目标模型对所述至少一个页岩气井的岩石铀含量分别进行对数处理和线性变换，得到所述至少一个页岩气井的有机孔隙度。
在一种可能实施方式中，所述将至少一个页岩气井的岩石铀含量输入第一目标模型之前，所述方法还包括：
对样本页岩气井的岩石铀含量以及有机孔隙度进行数据拟合，得到所述第一目标模型。
在一种可能实施方式中，所述方法还包括：
将所述至少一个页岩气井的岩石铀含量、所述至少一个页岩气井的岩石骨架测井声波值以及所述至少一个页岩气井的岩石密度输入第二目标模型，通过所述第二目标模型，将所述至少一个页岩气井的岩石铀含量、所述至少一个页岩气井的岩石骨架测井声波值以及所述至少一个页岩气井的岩石密度映射至所述至少一个页岩气井的总孔隙度，所述第二目标模型用于表示岩石铀含量、岩石骨架测井声波值以及岩石密度与总孔隙度的映射关系。
在一种可能实施方式中，所述将所述至少一个页岩气井的岩石铀含量、所述至少一个页岩气井的岩石骨架测井声波值以及所述至少一个页岩气井的岩石密度映射至所述至少一个页岩气井的总孔隙度包括：
对于每个页岩气井，对所述页岩气井的岩石铀含量进行对数处理，得到所述页岩气井的铀含量对数；
对所述页岩气井的铀含量对数、岩石骨架测井声波值以及岩石密度进行线性变换，得到所述页岩气井的总孔隙度。
在一种可能实施方式中，所述方法还包括：
基于所述至少一个页岩气井的总孔隙度，从所述至少一个页岩气井中筛选得到总孔隙度最大的目标气井。
在一种可能实施方式中，所述将所述至少一个页岩气井的岩石铀含量、所述至少一个页岩气井的岩石骨架测井声波值以及所述至少一个页岩气井的岩石密度映射至所述至少一个页岩气井的总孔隙度之后，所述方法还包括：
将所述至少一个页岩气井的总孔隙度分别减去所述至少一个页岩气井的有机孔隙度，得到所述至少一个页岩气井的无机孔隙度。
在一种可能实施方式中，所述将所述至少一个页岩气井的总孔隙度分别减去所述至少一个页岩气井的有机孔隙度，得到所述至少一个页岩气井的无机孔隙度之后，所述方法还包括：
基于所述至少一个页岩气井的无机孔隙度，从所述至少一个页岩气井中筛选得到无机孔隙度最大的目标气井。
在一种可能实施方式中，所述将所述至少一个页岩气井的岩石铀含量、所述至少一个页岩气井的岩石骨架测井声波值以及所述至少一个页岩气井的岩石密度输入第二目标模型之前，所述方法还包括：
对样本页岩气井的岩石铀含量、岩石骨架测井声波值、岩石密度以及总孔隙度进行数据拟合，得到所述第二目标模型。
一方面，提供了一种页岩气井的筛选装置，该装置包括：
获取模块，用于获取至少一个页岩气井的岩石铀含量；
第一映射模块，用于将所述至少一个页岩气井的岩石铀含量输入第一目标模型，通过所述第一目标模型将所述至少一个页岩气井的岩石铀含量映射至所述至少一个页岩气井的有机孔隙度，所述第一目标模型用于表示岩石铀含量与有机孔隙度的映射关系；
筛选模块，用于基于所述至少一个页岩气井的有机孔隙度，从所述至少一个页岩气井中筛选得到有机孔隙度最大的目标气井。
在一种可能实施方式中，所述第一映射模块用于：
通过所述第一目标模型对所述至少一个页岩气井的岩石铀含量分别进行对数处理和线性变换，得到所述至少一个页岩气井的有机孔隙度。
在一种可能实施方式中，所述装置还包括：
第一拟合模块，用于对样本页岩气井的岩石铀含量以及有机孔隙度进行数据拟合，得到所述第一目标模型。
在一种可能实施方式中，所述装置还包括：
第二映射模块，用于将所述至少一个页岩气井的岩石铀含量、所述至少一个页岩气井的岩石骨架测井声波值以及所述至少一个页岩气井的岩石密度输入第二目标模型，通过所述第二目标模型，将所述至少一个页岩气井的岩石铀含量、所述至少一个页岩气井的岩石骨架测井声波值以及所述至少一个页岩气井的岩石密度映射至所述至少一个页岩气井的总孔隙度，所述第二目标模型用于表示岩石铀含量、岩石骨架测井声波值以及岩石密度与总孔隙度的映射关系。
在一种可能实施方式中，所述第二映射模块用于：
对于每个页岩气井，对所述页岩气井的岩石铀含量进行对数处理，得到所述页岩气井的铀含量对数；
对所述页岩气井的铀含量对数、岩石骨架测井声波值以及岩石密度进行线性变换，得到所述页岩气井的总孔隙度。
在一种可能实施方式中，所述筛选模块还用于：
基于所述至少一个页岩气井的总孔隙度，从所述至少一个页岩气井中筛选得到总孔隙度最大的目标气井。
在一种可能实施方式中，所述装置还包括：
相减模块，用于将所述至少一个页岩气井的总孔隙度分别减去所述至少一个页岩气井的有机孔隙度，得到所述至少一个页岩气井的无机孔隙度。
在一种可能实施方式中，所述筛选模块还用于：
基于所述至少一个页岩气井的无机孔隙度，从所述至少一个页岩气井中筛选得到无机孔隙度最大的目标气井。
在一种可能实施方式中，所述装置还包括：
第二拟合模块，用于对样本页岩气井的岩石铀含量、岩石骨架测井声波值、岩石密度以及总孔隙度进行数据拟合，得到所述第二目标模型。
一方面，提供了一种终端，该终端包括一个或多个处理器和一个或多个存储器，该一个或多个存储器中存储有至少一条程序代码，该至少一条程序代码由该一个或多个处理器加载并执行以实现如上述任一种可能实现方式的页岩气井的筛选方法所执行的操作。
一方面，提供了一种存储介质，该存储介质中存储有至少一条程序代码，该至少一条程序代码由处理器加载并执行以实现如上述任一种可能实现方式的页岩气井的筛选方法所执行的操作。
本申请实施例提供的技术方案带来的有益效果至少包括：
通过获取至少一个页岩气井的岩石铀含量，将至少一个页岩气井的岩石铀含量输入第一目标模型，由于该第一目标模型用于表示岩石铀含量与有机孔隙度的映射关系，可以通过该第一目标模型将该至少一个页岩气井的岩石铀含量映射至该至少一个页岩气井的有机孔隙度，基于该至少一个页岩气井的有机孔隙度，从该至少一个页岩气井中筛选得到有机孔隙度最大的目标气井，这样不但能够以低廉的成本获取页岩气井的孔隙度，而且由于有机孔隙度越大代表着气井的产气量越高，那么基于孔隙度筛选得到的目标气井则对气井开采具有指示生产的作用，从而可以有针对性地进行气井开采。
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是本申请实施例提供的一种页岩气井的筛选方法的流程图；
图2是本申请实施例提供的一种页岩气井的筛选方法的流程图；
图3是本申请实施例提供的一种岩心样本有机孔的示意图；
图4是本申请实施例提供的一种第一目标模型的示意图；
图5是本申请实施例提供的一种对比分析结果图；
图6是本申请实施例提供的一种页岩气井的筛选装置的结构示意图；
图7是本申请实施例提供的一种终端的结构示意图。
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。
本申请中术语“第一”“第二”等字样用于对作用和功能基本相同的相同项或相似项进行区分，应理解，“第一”、“第二”、“第n”之间不具有逻辑或时序上的依赖关系，也不对数量和执行顺序进行限定。
本申请中术语“至少一个”是指一个或多个，“多个”的含义是指两个或两个以上，例如，多个第一位置是指两个或两个以上的第一位置。
图1是本申请实施例提供的一种页岩气井的筛选方法的流程图。参见图1，该实施例应用于终端，该实施例包括：
101、终端获取至少一个页岩气井的岩石铀含量。
102、终端将该至少一个页岩气井的岩石铀含量输入第一目标模型，通过该第一目标模型将该至少一个页岩气井的岩石铀含量映射至该至少一个页岩气井的有机孔隙度，该第一目标模型用于表示岩石铀含量与有机孔隙度的映射关系。
103、终端基于该至少一个页岩气井的有机孔隙度，从该至少一个页岩气井中筛选得到有机孔隙度最大的目标气井。
本申请实施例提供的方法，通过获取至少一个页岩气井的岩石铀含量，将至少一个页岩气井的岩石铀含量输入第一目标模型，由于该第一目标模型用于表示岩石铀含量与有机孔隙度的映射关系，可以通过该第一目标模型将该至少一个页岩气井的岩石铀含量映射至该至少一个页岩气井的有机孔隙度，基于该至少一个页岩气井的有机孔隙度，从该至少一个页岩气井中筛选得到有机孔隙度最大的目标气井，这样不但能够以低廉的成本获取页岩气井的孔隙度，而且由于有机孔隙度越大代表着气井的产气量越高，那么基于孔隙度筛选得到的目标气井则对气井开采具有指示生产的作用，从而可以有针对性地进行气井开采。
在一种可能实施方式中，通过该第一目标模型将该至少一个页岩气井的岩石铀含量映射至该至少一个页岩气井的有机孔隙度包括：
通过该第一目标模型对该至少一个页岩气井的岩石铀含量分别进行对数处理和线性变换，得到该至少一个页岩气井的有机孔隙度。
在一种可能实施方式中，将至少一个页岩气井的岩石铀含量输入第一目标模型之前，该方法还包括：
对样本页岩气井的岩石铀含量以及有机孔隙度进行数据拟合，得到该第一目标模型。
在一种可能实施方式中，该方法还包括：
将该至少一个页岩气井的岩石铀含量、该至少一个页岩气井的岩石骨架测井声波值以及该至少一个页岩气井的岩石密度输入第二目标模型，通过该第二目标模型，将该至少一个页岩气井的岩石铀含量、该至少一个页岩气井的岩石骨架测井声波值以及该至少一个页岩气井的岩石密度映射至该至少一个页岩气井的总孔隙度，该第二目标模型用于表示岩石铀含量、岩石骨架测井声波值以及岩石密度与总孔隙度的映射关系。
在一种可能实施方式中，将该至少一个页岩气井的岩石铀含量、该至少一个页岩气井的岩石骨架测井声波值以及该至少一个页岩气井的岩石密度映射至该至少一个页岩气井的总孔隙度包括：
对于每个页岩气井，对该页岩气井的岩石铀含量进行对数处理，得到该页岩气井的铀含量对数；
对该页岩气井的铀含量对数、岩石骨架测井声波值以及岩石密度进行线性变换，得到该页岩气井的总孔隙度。
在一种可能实施方式中，该方法还包括：
基于该至少一个页岩气井的总孔隙度，从该至少一个页岩气井中筛选得到总孔隙度最大的目标气井。
在一种可能实施方式中，将该至少一个页岩气井的岩石铀含量、该至少一个页岩气井的岩石骨架测井声波值以及该至少一个页岩气井的岩石密度映射至该至少一个页岩气井的总孔隙度之后，该方法还包括：
将该至少一个页岩气井的总孔隙度分别减去该至少一个页岩气井的有机孔隙度，得到该至少一个页岩气井的无机孔隙度。
在一种可能实施方式中，将该至少一个页岩气井的总孔隙度分别减去该至少一个页岩气井的有机孔隙度，得到该至少一个页岩气井的无机孔隙度之后，该方法还包括：
基于该至少一个页岩气井的无机孔隙度，从该至少一个页岩气井中筛选得到无机孔隙度最大的目标气井。
在一种可能实施方式中，将该至少一个页岩气井的岩石铀含量、该至少一个页岩气井的岩石骨架测井声波值以及该至少一个页岩气井的岩石密度输入第二目标模型之前，该方法还包括：
对样本页岩气井的岩石铀含量、岩石骨架测井声波值、岩石密度以及总孔隙度进行数据拟合，得到该第二目标模型。
上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。
图2是本申请实施例提供的一种页岩气井的筛选方法的流程图。参见图2，该实施例应用于终端，该实施例包括：
201、终端对样本页岩气井的岩石铀含量以及有机孔隙度进行数据拟合，得到第一目标模型，该第一目标模型用于表示岩石铀含量与有机孔隙度的映射关系。
其中，页岩气包括海相页岩、陆相页岩、海陆过渡相页岩等，页岩气是指主体多位于暗色泥岩与浅灰色粉砂岩的薄互层中、以吸附和游离状态为主要赋存方式的天然气，页岩气赋存方式包括吸附态、游离态和溶解态，吸附状态的天然气主要赋存于干酪根及黏土矿物表面，游离气主要赋存于大孔隙和裂缝之中。页岩气井则是能够开采页岩气的产气井。
在一些实施例中，样本页岩气井是指用于建立第一目标模型或者第二目标模型所采用的页岩气井，第一目标模型和第二目标模型可以采用相同样本页岩气井，也可以采用不同的样本页岩气井，样本页岩气井的数量可以是一个或多个，本申请实施例不对样本页岩气井的数量进行具体限定。
页岩气的孔隙度可以划分为总孔隙度、有机孔隙度以及无机孔隙度，在页岩气的勘探开发中，总孔隙度直接影响页岩气产气量的估算，还可以用于评价页岩气井的生产周期，而有机孔隙度和无机孔隙度则可以用于估算以游离态、吸附态赋存的页岩气的产气量，还可以用于评价页岩气储层，并用来优选出最佳的钻探目标。
在上述步骤201中，终端可以获取各个样本页岩气井的单井测井数据，每单井测井数据可以包括能谱测井的岩石铀(U)含量、岩石骨架测井声波值以及岩石密度。其中，岩石铀含量是通过自然伽马(γ)能谱测井的方式进行测量的。在进行放射性测井时，利用多道能谱仪记录某一能量范围或若干能量范围内射线强度的方法称为能谱测井，由于不同元素在核反应过程中放出的射线能量是不同的，对某一种元素来说它放出的射线能量是一定的，所以能谱测井比一般放射性测井有更高的分辨能力；在能谱测井中，自然伽马(γ)能谱测井是按不同能量范围记录自然伽马射线的一种测井方法，地层放出的伽马射线大多数是由三种放射性同位素(钾、钍、铀)衰变产生的，因此自然伽马能谱测井可以测量出地层中钾、钍、铀的含量，这些数据对于准确地确定储集层泥质含量、分析沉积环境和产气条件，以及划分岩性都是很有用的。
进一步地，终端还可以获取各个样本页岩气井的单井实验数据，每个单井实验数据可以包括有机孔隙度、无机孔隙度和总孔隙度。上述过程中，可以对单个页岩气井进行单井岩心进行取样处理，对取样到的岩心样本进行岩心实验分析，可以通过氩离子抛光、场发射扫描电镜与能谱仪等设备，来识别岩心样本中的有机孔和无机孔，从而分别统计有机孔和无机孔的面孔率，分别确定有机孔所占比例和无机孔所占比例，得到每块岩心样本的有机孔隙度和无机孔隙度，将有机孔隙度与无机孔隙度相加即可得到总孔隙度。
图3是本申请实施例提供的一种岩心样本有机孔的示意图，请参考图3，通过氩离子抛光识别出岩心样本中的有机孔(在图中以虚线框的色块示出)，从而能够统计出岩心样本中有机孔的面孔率。
需要说明的是，上述单井测井数据和单井实验数据需要对应于同一页岩气井的岩心样本，也即是说，单井测井数据是针对单井岩心的取样段进行能谱测井所得，这样可以保证第一目标模型的准确性。
终端基于单井测井数据中岩石铀含量与单井实验数据中有机孔隙度，可以构建横坐标为岩石铀含量、纵坐标为有机孔隙度的散点图，对散点图中各个数据进行曲线拟合，可以得到岩石铀含量与有机孔隙度的拟合曲线，该拟合曲线可以表示岩石铀含量与有机孔隙度的映射关系，终端将该拟合曲线确定为第一目标模型。
图4是本申请实施例提供的一种第一目标模型的示意图，请参考图4，可以看出，随着岩石铀含量的增加，岩心样本的有机孔隙度也随之增加，两者之间的相关系数R2＝0.713，也即是具有较强的相关性。这是经过实验分析所得的，可以分别对岩石铀含量与有机孔隙度进行数据拟合，得到备选模型，对岩石骨架测井声波值与有机孔隙度进行数据拟合，得到备选模型，对岩石密度与有机孔隙度进行数据拟合，得到备选模型，然后对各个备选模型进行相关性分析，选取相关系数最大的备选模型作为第一目标模型，由于岩石铀含量与有机孔隙度的相关性最高，因此选取岩石铀含量与有机孔隙度所拟合的备选模型作为第一目标模型。这种方式从岩心样本的实验数据入手，与测井曲线进行相关性分析，通过理论与实验结合的方法，优选出与岩心实验数据相关性最高的测井曲线(也即是岩石铀含量测井曲线)，从而寻找出具有实验理论基础的有机孔隙度获取模型(也即是第一目标模型)。
在一些实施例中，第一目标模型的映射关系可以表示为下述公式：
Φ有＝a+b×log(URAN)
其中，Φ有表示有机孔隙度，可以表示为％的形式，URAN表示岩石铀含量，单位为PPM(parts per million，百万分比浓度)，a和b是由数据拟合结果所确定的常量，a和b的取值范围可以是任一实数。
202、终端对样本页岩气井的岩石铀含量、岩石骨架测井声波值、岩石密度以及总孔隙度进行数据拟合，得到第二目标模型，该第二目标模型用于表示岩石铀含量、岩石骨架测井声波值以及岩石密度与总孔隙度的映射关系。
在上述过程中，终端在获取到各个样本页岩气井的单井测井数据和单井实验数据之后，取单机测井数据中岩石铀含量、岩石骨架测井声波值以及岩石密度，构建岩石铀含量测井曲线、岩石骨架测井声波曲线、岩石密度测井曲线，采用单井实验数据中总孔隙度对上述各条测井曲线进行分别刻度，再对刻度后的各条测井曲线进行多曲线拟合分析，可以得到岩石铀含量、岩石骨架测井声波值以及岩石密度三者与总孔隙度的拟合曲线，该拟合曲线可以表示岩石铀含量、岩石骨架测井声波值以及岩石密度三者与总孔隙度的映射关系，终端将该拟合曲线确定为第二目标模型。
在一些实施例中，第二目标模型的映射关系可以表示为下述公式：
Φ＝a0+a1×AC+a2×DEN+a3×log(URAN)
其中，Φ表示总孔隙度，可以表示为％的形式，AC表示岩石骨架测井声波值，单位为μs/ft，DEN表示岩石密度，单位为g/cm3，URAN表示岩石铀含量，单位为PPM，a0、a1、a2、a3是由数据拟合结果所确定的常量，a0、a1、a2、a3的取值范围可以是任一实数。
在一些实施例中，终端还可以将第二目标模型的表达式减去第一目标模型的表达式，从而得到第三目标模型，第三目标模型用于表示岩石铀含量、岩石骨架测井声波值以及岩石密度三者与无机孔隙度的映射关系。
在上述步骤201-202中，终端通过样本页岩气井的单井测井数据和单井实验数据，能够构建出第一目标模型和第二目标模型，从而能够投入到后续针对其他页岩气井的孔隙度获取和开采价值评估，下面进行详述。
203、终端获取至少一个页岩气井的岩石铀含量、该至少一个页岩气井的岩石骨架测井声波值以及该至少一个页岩气井的岩石密度。
在上述步骤203中，终端可以获取至少一个页岩气井的测井数据，该测井数据包括该至少一个页岩气井的岩石铀含量、岩石骨架测井声波值以及岩石密度。也即是说，可以在对至少一个页岩气井进行能谱测井之后，将测井数据导入到终端中。
204、终端将至少一个页岩气井的岩石铀含量输入第一目标模型，通过该第一目标模型将该至少一个页岩气井的岩石铀含量映射至该至少一个页岩气井的有机孔隙度。
在一些实施例中，终端将至少一个页岩气井的岩石铀含量输入第一目标模型之后，可以通过该第一目标模型对该至少一个页岩气井的岩石铀含量分别进行对数处理和线性变换，得到该至少一个页岩气井的有机孔隙度。
这里的有机孔隙度是基于岩石铀含量和第一目标模型来进行获取的一个估计值，这个估计值虽然不及岩心取样实验精确，但仍然具有良好的准确度，由于在页岩气勘探开发中，通常页岩气井数量较多，如果每个页岩气井都送去进行实验分析，实验分析的周期较长、费用较高，不能满足页岩气井快速生产的需求，而仅凭测井数据本身是无法获取有机孔隙度和无机孔隙度，而通过本申请实施例提供的第一目标模型，能够在不进行实验分析的情况下获取到页岩气井的有机孔隙度，这种方法的操作难度小、周期短、计算进度高、效率高，能够满足页岩气井的快速生产需求。
205、终端将该至少一个页岩气井的岩石铀含量、该至少一个页岩气井的岩石骨架测井声波值以及该至少一个页岩气井的岩石密度输入第二目标模型，通过该第二目标模型，将该至少一个页岩气井的岩石铀含量、该至少一个页岩气井的岩石骨架测井声波值以及该至少一个页岩气井的岩石密度映射至该至少一个页岩气井的总孔隙度。
在一些实施例中，终端将至少一个页岩气井的岩石铀含量、岩石骨架测井声波值以及岩石密度输入第二目标模型之后，对于每个页岩气井而言，终端可以对该页岩气井的岩石铀含量进行对数处理，得到该页岩气井的铀含量对数；对该页岩气井的铀含量对数、岩石骨架测井声波值以及岩石密度进行线性变换，得到该页岩气井的总孔隙度。
这里的总孔隙度是基于岩石铀含量、岩石骨架测井声波值、岩石密度和第二目标模型来进行获取的一个估计值，能够在不进行实验分析的情况下获取到页岩气井的总孔隙度，这种方法的操作难度小、周期短、计算进度高、效率高，能够满足页岩气井的快速生产需求。
206、终端将该至少一个页岩气井的总孔隙度分别减去该至少一个页岩气井的有机孔隙度，得到该至少一个页岩气井的无机孔隙度。
在上述过程中，对每个页岩气井而言，终端可以直接将该页岩气井的总孔隙度减去该页岩气井的有机孔隙度，从而得到该页岩气井的无机孔隙度。
在一些实施例中，对每个页岩气井而言，终端还可以直接该页岩气井的岩石铀含量、岩石骨架测井声波值以及岩石密度输入第三目标模型，通过第三目标模型，将该页岩气井的岩石铀含量、岩石骨架测井声波值以及岩石密度映射至该页岩气井的无机孔隙度。
207、终端基于该至少一个页岩气井的有机孔隙度，从该至少一个页岩气井中筛选得到有机孔隙度最大的目标气井。
目标气井，是指本次开采所筛选得到的页岩气井。
在上述过程中，由于有机孔隙度越大，页岩气井的产气量越高，终端可以按照有机孔隙度从大到小的顺序对至少一个页岩气井进行排序，将排序位于第一位的页岩气井确定为目标气井。
在一些实施例中，由于同一个页岩气井在不同的深度处，其有机孔隙度也可能不尽相同，因此，本申请实施例提供的方法，还可以应用于同一页岩气井的不同取样段，针对每个取样段获取各自取样段的有机孔隙度，从而从各个取样段中筛选得到有机孔隙度最大的目标取样段，基于目标取样段进行气井开采，能够对每个页岩气井进行更加有针对性的开采工作。
208、终端基于该至少一个页岩气井的无机孔隙度，从该至少一个页岩气井中筛选得到无机孔隙度最大的目标气井。
在上述过程中，由于无机孔隙度越大，页岩气井的产气量也会越高，终端可以按照无机孔隙度从大到小的顺序对至少一个页岩气井进行排序，将排序位于第一位的页岩气井确定为目标气井。
在一些实施例中，由于同一个页岩气井在不同的深度处，其无机孔隙度也可能不尽相同，因此，本申请实施例提供的方法，还可以应用于同一页岩气井的不同取样段，针对每个取样段获取各自取样段的无机孔隙度，从而从各个取样段中筛选得到无机孔隙度最大的目标取样段，基于目标取样段进行气井开采，能够对每个页岩气井进行更加有针对性的开采工作。
209、终端基于该至少一个页岩气井的总孔隙度，从该至少一个页岩气井中筛选得到总孔隙度最大的目标气井。
在上述过程中，由于总孔隙度越大，页岩气井的产气量也会越高，终端可以按照总孔隙度从大到小的顺序对至少一个页岩气井进行排序，将排序位于第一位的页岩气井确定为目标气井。
在一些实施例中，由于同一个页岩气井在不同的深度处，其总孔隙度也可能不尽相同，因此，本申请实施例提供的方法，还可以应用于同一页岩气井的不同取样段，针对每个取样段获取各自取样段的总孔隙度，从而从各个取样段中筛选得到总孔隙度最大的目标取样段，基于目标取样段进行气井开采，能够对每个页岩气井进行更加有针对性的开采工作。
在上述步骤207-209中，终端分别基于至少一个页岩气井的有机孔隙度、无机孔隙度和总孔隙度，从该至少一个页岩气井中筛选得到了有机孔隙度最大、无机孔隙度最大以及总孔隙度最大的目标气井，这些目标气井都是该至少一个页岩气井中筛选出来的、预计产气量最大的气井，从而对于页岩气井的开采工作具有重要的指导意义，技术人员对筛选得到的目标气井进行有针对性地开采，也即是说，在本申请实施例中，能够通过第一目标模型获取有机孔隙度，通过第二目标模型获取总孔隙度，再通过有机孔隙度和总孔隙度来获取无机孔隙度，在确定各项孔隙度的过程中，无需对页岩气井进行岩心取样实验分析，而是直接基于建立的第一目标模型和第二目标模型来进行计算，这样能够降低获取孔隙度的成本，方便、快捷、高效地获取到页岩气井的各项孔隙度，最后基于有机孔隙度、无机孔隙度和总孔隙度来指示页岩气井的生产，从而能够推进页岩气井的生产进度，满足页岩气井快速上升的生产需求。
进一步地，针对每个目标气井，也可以应用本申请实施例提供的筛选方法，从而筛选出每个目标气井中预计产气量最丰富的取样段，这样还能够提供对页岩气井的取样段的评价方法，有便于执行和落实针对目标气井的开采工作。
本申请实施例提供的方法，通过获取至少一个页岩气井的岩石铀含量，将至少一个页岩气井的岩石铀含量输入第一目标模型，由于该第一目标模型用于表示岩石铀含量与有机孔隙度的映射关系，可以通过该第一目标模型将该至少一个页岩气井的岩石铀含量映射至该至少一个页岩气井的有机孔隙度，基于该至少一个页岩气井的有机孔隙度，从该至少一个页岩气井中筛选得到有机孔隙度最大的目标气井，这样不但能够以低廉的成本获取页岩气井的孔隙度，而且由于有机孔隙度越大代表着气井的产气量越高，那么基于孔隙度筛选得到的目标气井则对气井开采具有指示生产的作用，从而可以有针对性地进行气井开采。
上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。
在一些实施例中，采用岩石取样段(也即是岩心样本的取心段)较长、连续性较好、进行岩心归位后的岩心样本进行验证分析，图5是本申请实施例提供的一种对比分析结果图，请参考图5，左侧部分示出了页岩气井的自然伽马能谱测井曲线、孔隙度测井曲线以及电阻率曲线，右侧部分示出了本申请实施例提供的方法所获取的孔隙度曲线，在右侧部分中最左边的曲线为总孔隙度曲线，最中间的曲线为无机孔隙度曲线，最右边的曲线为有机孔隙度曲线。可以看出，利用本申请实施例提供的方法所计算的无机孔隙度，与岩心实验数据计算的无机孔隙度在2480～2505m一致性较好，然而一旦进入优质页岩段2505～2522m，两者之间的一致性则存在一定偏差，这是由于在优质页岩段中，有机质发育较好，两者之间存在的误差恰好与有机孔隙度曲线的高度符合度较高、一致性较好。本申请实施例提供的方法，能够综合利用岩石铀含量、岩石骨架测井声波值以及岩石密度，建立不同的孔隙度获取模型，其输出的结果与岩心实验数据计算的孔隙度之间一致性最好，因此，通过综合利用岩石铀含量、岩石骨架测井声波值以及岩石密度，能够更加准确地评价页岩储层的孔隙度。其中，PPM是铀含量的单位，GAPI是自然伽马测井以及无铀伽马测井的单位，IN(英寸)是井径的单位，G/CM3是密度的单位，％是中子测井的单位，US/F是声波时差测井的单位，OHMM是电阻率的单位，总孔隙度、有机孔隙度、无机孔隙度的单位均为％。另外，龙一、五峰、宝塔是指不同的地质层。
图6是本申请实施例提供的一种页岩气井的筛选装置的结构示意图，请参考图6，该装置包括：
获取模块601，用于获取至少一个页岩气井的岩石铀含量。
第一映射模块602，用于将该至少一个页岩气井的岩石铀含量输入第一目标模型，通过该第一目标模型将该至少一个页岩气井的岩石铀含量映射至该至少一个页岩气井的有机孔隙度，该第一目标模型用于表示岩石铀含量与有机孔隙度的映射关系。
筛选模块603，用于基于该至少一个页岩气井的有机孔隙度，从该至少一个页岩气井中筛选得到有机孔隙度最大的目标气井。
本申请实施例提供的装置，通过获取至少一个页岩气井的岩石铀含量，将至少一个页岩气井的岩石铀含量输入第一目标模型，由于该第一目标模型用于表示岩石铀含量与有机孔隙度的映射关系，可以通过该第一目标模型将该至少一个页岩气井的岩石铀含量映射至该至少一个页岩气井的有机孔隙度，基于该至少一个页岩气井的有机孔隙度，从该至少一个页岩气井中筛选得到有机孔隙度最大的目标气井，这样不但能够以低廉的成本获取页岩气井的孔隙度，而且由于有机孔隙度越大代表着气井的产气量越高，那么基于孔隙度筛选得到的目标气井则对气井开采具有指示生产的作用，从而可以有针对性地进行气井开采。
在一种可能实施方式中，该第一映射模块602用于：
通过该第一目标模型对该至少一个页岩气井的岩石铀含量分别进行对数处理和线性变换，得到该至少一个页岩气井的有机孔隙度。
在一种可能实施方式中，基于图6的装置组成，该装置还包括：
第一拟合模块，用于对样本页岩气井的岩石铀含量以及有机孔隙度进行数据拟合，得到该第一目标模型。
在一种可能实施方式中，基于图6的装置组成，该装置还包括：
第二映射模块，用于将该至少一个页岩气井的岩石铀含量、该至少一个页岩气井的岩石骨架测井声波值以及该至少一个页岩气井的岩石密度输入第二目标模型，通过该第二目标模型，将该至少一个页岩气井的岩石铀含量、该至少一个页岩气井的岩石骨架测井声波值以及该至少一个页岩气井的岩石密度映射至该至少一个页岩气井的总孔隙度，该第二目标模型用于表示岩石铀含量、岩石骨架测井声波值以及岩石密度与总孔隙度的映射关系。
在一种可能实施方式中，该第二映射模块用于：
对于每个页岩气井，对该页岩气井的岩石铀含量进行对数处理，得到该页岩气井的铀含量对数；
对该页岩气井的铀含量对数、岩石骨架测井声波值以及岩石密度进行线性变换，得到该页岩气井的总孔隙度。
在一种可能实施方式中，该筛选模块603还用于：
基于该至少一个页岩气井的总孔隙度，从该至少一个页岩气井中筛选得到总孔隙度最大的目标气井。
在一种可能实施方式中，基于图6的装置组成，该装置还包括：
相减模块，用于将该至少一个页岩气井的总孔隙度分别减去该至少一个页岩气井的有机孔隙度，得到该至少一个页岩气井的无机孔隙度。
在一种可能实施方式中，该筛选模块603还用于：
基于该至少一个页岩气井的无机孔隙度，从该至少一个页岩气井中筛选得到无机孔隙度最大的目标气井。
在一种可能实施方式中，基于图6的装置组成，该装置还包括：
第二拟合模块，用于对样本页岩气井的岩石铀含量、岩石骨架测井声波值、岩石密度以及总孔隙度进行数据拟合，得到该第二目标模型。
上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。
需要说明的是：上述实施例提供的页岩气井的筛选装置在筛选页岩气井时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将终端的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的页岩气井的筛选装置与页岩气井的筛选方法实施例属于同一构思，其具体实现过程详见页岩气井的筛选方法实施例，这里不再赘述。
图7是本申请实施例提供的一种终端的结构示意图。该终端700可以是：气井开采的控制设备、智能手机、平板电脑、MP3播放器(Moving Picture Experts Group AudioLayer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts GroupAudio Layer IV，动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端700还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常，终端700包括有：处理器701和存储器702。
处理器701可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器701可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器701也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器701可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器701还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。
存储器702可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器702还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器702中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器701所执行以实现本申请中各个实施例提供的页岩气井的筛选方法。
在一些实施例中，终端700还可选包括有：外围设备接口703和至少一个外围设备。处理器701、存储器702和外围设备接口703之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口703相连。具体地，外围设备包括：射频电路704、触摸显示屏705、摄像头组件706、音频电路707、定位组件708和电源709中的至少一种。
外围设备接口703可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器701和存储器702。在一些实施例中，处理器701、存储器702和外围设备接口703被集成在同一芯片或电路板上；在一些其他实施例中，处理器701、存储器702和外围设备接口703中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。
射频电路704用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路704通过电磁信号与通信网络以及其他通信设备进行通信。射频电路704将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路704包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路704可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路704还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。
显示屏705用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏705是触摸显示屏时，显示屏705还具有采集在显示屏705的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器701进行处理。此时，显示屏705还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏705可以为一个，设置终端700的前面板；在另一些实施例中，显示屏705可以为至少两个，分别设置在终端700的不同表面或呈折叠设计；在再一些实施例中，显示屏705可以是柔性显示屏，设置在终端700的弯曲表面上或折叠面上。甚至，显示屏705还可以设置成非矩形的不规则图形，也即异形屏。显示屏705可以采用LCD(LiquidCrystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件706用于采集图像或视频。可选地，摄像头组件706包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件706还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。
音频电路707可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器701进行处理，或者输入至射频电路704以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在终端700的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器701或射频电路704的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路707还可以包括耳机插孔。
定位组件708用于定位终端700的当前地理位置，以实现导航或LBS(LocationBased Service，基于位置的服务)。定位组件708可以是基于美国的GPS(GlobalPositioning System，全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。
电源709用于为终端700中的各个组件进行供电。电源709可以是交流电、直流电、一次性电池或可充电电池。当电源709包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
在一些实施例中，终端700还包括有一个或多个传感器710。该一个或多个传感器710包括但不限于：加速度传感器711、陀螺仪传感器712、压力传感器713、指纹传感器714、光学传感器715以及接近传感器716。
加速度传感器711可以检测以终端700建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器711可以用于检测重力加速度在三个坐标轴上的分量。处理器701可以根据加速度传感器711采集的重力加速度信号，控制触摸显示屏705以横向视图或纵向视图进行用户界面的显示。加速度传感器711还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器712可以检测终端700的机体方向及转动角度，陀螺仪传感器712可以与加速度传感器711协同采集用户对终端700的3D动作。处理器701根据陀螺仪传感器712采集的数据，可以实现如下功能：动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器713可以设置在终端700的侧边框和/或触摸显示屏705的下层。当压力传感器713设置在终端700的侧边框时，可以检测用户对终端700的握持信号，由处理器701根据压力传感器713采集的握持信号进行左右手识别或快捷操作。当压力传感器713设置在触摸显示屏705的下层时，由处理器701根据用户对触摸显示屏705的压力操作，实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器714用于采集用户的指纹，由处理器701根据指纹传感器714采集到的指纹识别用户的身份，或者，由指纹传感器714根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时，由处理器701授权该用户执行相关的敏感操作，该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器714可以被设置终端700的正面、背面或侧面。当终端700上设置有物理按键或厂商Logo时，指纹传感器714可以与物理按键或厂商Logo集成在一起。
光学传感器715用于采集环境光强度。在一个实施例中，处理器701可以根据光学传感器715采集的环境光强度，控制触摸显示屏705的显示亮度。具体地，当环境光强度较高时，调高触摸显示屏705的显示亮度；当环境光强度较低时，调低触摸显示屏705的显示亮度。在另一个实施例中，处理器701还可以根据光学传感器715采集的环境光强度，动态调整摄像头组件706的拍摄参数。
接近传感器716，也称距离传感器，通常设置在终端700的前面板。接近传感器716用于采集用户与终端700的正面之间的距离。在一个实施例中，当接近传感器716检测到用户与终端700的正面之间的距离逐渐变小时，由处理器701控制触摸显示屏705从亮屏状态切换为息屏状态；当接近传感器716检测到用户与终端700的正面之间的距离逐渐变大时，由处理器701控制触摸显示屏705从息屏状态切换为亮屏状态。
本领域技术人员可以理解，图7中示出的结构并不构成对终端700的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。
在示例性实施例中，还提供了一种计算机可读存储介质，例如包括至少一条程序代码的存储器，上述至少一条程序代码可由终端中的处理器执行以完成上述实施例中页岩气井的筛选方法。例如，该计算机可读存储介质可以是ROM(Read-Only Memory，只读存储器)、RAM(Random-Access Memory，随机存取存储器)、CD-ROM(Compact Disc Read-OnlyMemory，只读光盘)、磁带、软盘和光数据存储设备等。
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，该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 (4)
1.一种页岩气井的筛选方法，其特征在于，所述方法包括：
获取各个样本页岩气井的单井测井数据和单井实验数据，所述单井测井数据包括岩石铀含量，所述单井实验数据包括有机孔隙度；
基于所述单井测井数据中的岩石铀含量与所述单井实验数据中的有机孔隙度，构建横坐标为岩石铀含量、纵坐标为有机孔隙度的散点图，对所述散点图中各个数据进行曲线拟合，得到岩石铀含量与有机孔隙度的第一拟合曲线，将所述第一拟合曲线确定为第一目标模型，所述第一目标模型表示为：；
其中，表示有机孔隙度，URAN表示岩石铀含量，a和b是由拟合结果所确定的常量；
获取至少一个页岩气井的岩石铀含量；
将所述至少一个页岩气井的岩石铀含量输入所述第一目标模型，通过所述第一目标模型将所述至少一个页岩气井的岩石铀含量映射至所述至少一个页岩气井的有机孔隙度；
基于所述至少一个页岩气井的有机孔隙度，从所述至少一个页岩气井中筛选得到有机孔隙度最大的目标气井。
2.根据权利要求1所述的方法，其特征在于，所述单井测井数据还包括岩石骨架测井声波值以及岩石密度，所述单井实验数据还包括总孔隙度；
所述方法还包括：
对所述样本页岩气井的岩石铀含量、岩石骨架测井声波值、岩石密度以及总孔隙度进行数据拟合，得到第二目标模型，所述第二目标模型表示为：；
其中，表示总孔隙度，AC表示岩石骨架测井声波值，DEN表示岩石密度，/>、/>、/>、是由拟合结果所确定的常量；
获取所述至少一个页岩气井的岩石铀含量、所述至少一个页岩气井的岩石骨架测井声波值以及所述至少一个页岩气井的岩石密度；
将所述至少一个页岩气井的岩石铀含量、所述至少一个页岩气井的岩石骨架测井声波值以及所述至少一个页岩气井的岩石密度输入所述第二目标模型，通过所述第二目标模型，将所述至少一个页岩气井的岩石铀含量、所述至少一个页岩气井的岩石骨架测井声波值以及所述至少一个页岩气井的岩石密度映射至所述至少一个页岩气井的总孔隙度；
基于所述至少一个页岩气井的总孔隙度，从所述至少一个页岩气井中筛选得到总孔隙度最大的目标气井。
3.根据权利要求2所述的方法，其特征在于，所述通过所述第二目标模型，将所述至少一个页岩气井的岩石铀含量、所述至少一个页岩气井的岩石骨架测井声波值以及所述至少一个页岩气井的岩石密度映射至所述至少一个页岩气井的总孔隙度之后，所述方法还包括：
将所述至少一个页岩气井的总孔隙度分别减去所述至少一个页岩气井的有机孔隙度，得到所述至少一个页岩气井的无机孔隙度；
基于所述至少一个页岩气井的无机孔隙度，从所述至少一个页岩气井中筛选得到无机孔隙度最大的目标气井。
4.一种页岩气井的筛选装置，其特征在于，所述装置包括：
第一拟合模块，用于获取各个样本页岩气井的单井测井数据和单井实验数据，所述单井测井数据包括岩石铀含量，所述单井实验数据包括有机孔隙度；基于所述单井测井数据中的岩石铀含量与所述单井实验数据中的有机孔隙度，构建横坐标为岩石铀含量、纵坐标为有机孔隙度的散点图，对所述散点图中各个数据进行曲线拟合，得到岩石铀含量与有机孔隙度的第一拟合曲线，将所述第一拟合曲线确定为第一目标模型，所述第一目标模型表示为：；其中，/>表示有机孔隙度，URAN表示岩石铀含量，a和b是由拟合结果所确定的常量；
获取模块，用于获取至少一个页岩气井的岩石铀含量；
第一映射模块，用于将所述至少一个页岩气井的岩石铀含量输入所述第一目标模型，通过所述第一目标模型将所述至少一个页岩气井的岩石铀含量映射至所述至少一个页岩气井的有机孔隙度；
筛选模块，用于基于所述至少一个页岩气井的有机孔隙度，从所述至少一个页岩气井中筛选得到有机孔隙度最大的目标气井。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010052611.6A CN113139877B (zh) | 2020-01-17 | 2020-01-17 | 页岩气井的筛选方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010052611.6A CN113139877B (zh) | 2020-01-17 | 2020-01-17 | 页岩气井的筛选方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113139877A CN113139877A (zh) | 2021-07-20 |
| CN113139877B true CN113139877B (zh) | 2024-03-26 |
Family
ID=76808329
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010052611.6A Active CN113139877B (zh) | 2020-01-17 | 2020-01-17 | 页岩气井的筛选方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113139877B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106223941A (zh) * | 2016-07-20 | 2016-12-14 | 中石化石油工程技术服务有限公司 | 基于测井资料的页岩气储层有机孔隙度确定方法 |
| CN107703561A (zh) * | 2017-10-23 | 2018-02-16 | 中石化石油工程技术服务有限公司 | 一种页岩气水平井中计算有机碳含量的测井方法 |
| CN108035709A (zh) * | 2017-12-04 | 2018-05-15 | 中国石油天然气股份有限公司 | 一种页岩储层质量的确定方法及装置 |
| CN108222925A (zh) * | 2017-12-08 | 2018-06-29 | 中国石油集团川庆钻探工程有限公司 | 页岩气储层分级综合评价方法 |
| CN108561126A (zh) * | 2018-03-13 | 2018-09-21 | 中石化石油工程技术服务有限公司 | 一种确定页岩气储层有机孔隙度的简易方法 |
| CN109025961A (zh) * | 2018-07-26 | 2018-12-18 | 中国石油化工股份有限公司江汉油田分公司勘探开发研究院 | 页岩储层含气饱和度的计算方法、装置和电子设备 |
| CN109306866A (zh) * | 2017-07-28 | 2019-02-05 | 中国石油化工股份有限公司 | 一种预测页岩地层压力的方法及系统 |
| CN110322094A (zh) * | 2018-03-30 | 2019-10-11 | 中国石油化工股份有限公司 | 一种评价页岩油气资源的方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| MX341892B (es) * | 2012-06-08 | 2016-09-07 | Schlumberger Technology Bv | Metodos para investigar muestras de formacion utilizando datos de nmr. |
| US10151197B2 (en) * | 2014-07-07 | 2018-12-11 | Schlumberger Technology Corporation | Hydrocarbon density determination method |
-
2020
- 2020-01-17 CN CN202010052611.6A patent/CN113139877B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106223941A (zh) * | 2016-07-20 | 2016-12-14 | 中石化石油工程技术服务有限公司 | 基于测井资料的页岩气储层有机孔隙度确定方法 |
| CN109306866A (zh) * | 2017-07-28 | 2019-02-05 | 中国石油化工股份有限公司 | 一种预测页岩地层压力的方法及系统 |
| CN107703561A (zh) * | 2017-10-23 | 2018-02-16 | 中石化石油工程技术服务有限公司 | 一种页岩气水平井中计算有机碳含量的测井方法 |
| CN108035709A (zh) * | 2017-12-04 | 2018-05-15 | 中国石油天然气股份有限公司 | 一种页岩储层质量的确定方法及装置 |
| CN108222925A (zh) * | 2017-12-08 | 2018-06-29 | 中国石油集团川庆钻探工程有限公司 | 页岩气储层分级综合评价方法 |
| CN108561126A (zh) * | 2018-03-13 | 2018-09-21 | 中石化石油工程技术服务有限公司 | 一种确定页岩气储层有机孔隙度的简易方法 |
| CN110322094A (zh) * | 2018-03-30 | 2019-10-11 | 中国石油化工股份有限公司 | 一种评价页岩油气资源的方法 |
| CN109025961A (zh) * | 2018-07-26 | 2018-12-18 | 中国石油化工股份有限公司江汉油田分公司勘探开发研究院 | 页岩储层含气饱和度的计算方法、装置和电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113139877A (zh) | 2021-07-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114970919A (zh) | 钻速确定方法、装置、计算机设备及存储介质 | |
| CN111077570B (zh) | 确定油藏中辉绿岩的侵入位置的方法、装置和存储介质 | |
| CN116796503A (zh) | 一种页岩有机物碳含量计算模型建立方法和装置 | |
| CN110673214B (zh) | 预测水平井的入口靶点和末端点的深度的方法和装置 | |
| CN109281664B (zh) | 水平井产油量的预测方法和装置 | |
| CN108733902B (zh) | 油藏渗透率的确定方法、装置及存储介质 | |
| CN113139877B (zh) | 页岩气井的筛选方法及装置 | |
| CN113216926A (zh) | 页岩气井的筛选方法、装置、终端及存储介质 | |
| CN114280686B (zh) | 碳酸盐岩储层的岩心物性分析方法及设备 | |
| CN111999140B (zh) | 制备声发射样品、确定压裂泵的方法、装置及存储介质 | |
| CN109343113B (zh) | 一种预测油气藏位置的方法和装置 | |
| CN113153284B (zh) | 束缚水饱和参数的确定方法、装置、设备和存储介质 | |
| CN112096373B (zh) | 选定页岩气区域的方法、装置及计算机存储介质 | |
| CN112987105B (zh) | 定量预测地下岩盐层分布的方法、装置、终端和存储介质 | |
| CN114839679B (zh) | 处理裂缝检测数据的方法、装置、设备及存储介质 | |
| CN111812744B (zh) | 地层可压性确定方法、装置及计算机存储介质 | |
| CN113175321B (zh) | 流体饱和参数的确定方法、装置和计算机设备 | |
| CN111425189B (zh) | 超深层缝洞碳酸盐岩储层品质评价方法、装置及存储介质 | |
| CN113418848B (zh) | 岩心的渗透参数的确定方法、装置、设备及存储介质 | |
| CN112412444B (zh) | 注采连通强度确定方法、装置、计算机设备和存储介质 | |
| CN112698391B (zh) | 砂体刻画方法、装置、设备及存储介质 | |
| CN112686942B (zh) | 确定钻井平台目标地址的方法和装置 | |
| CN111075439B (zh) | 确定砾岩储层有效厚度的方法、装置和存储介质 | |
| CN110058306B (zh) | 确定三维速度体的方法、装置及计算机存储介质 | |
| CN115478836A (zh) | 孔隙参数的阈值信息确定方法、装置、设备及存储介质 |
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 |