CN113190784B - 一种识别原生白云岩的方法 - Google Patents
一种识别原生白云岩的方法 Download PDFInfo
- Publication number
- CN113190784B CN113190784B CN202110610973.7A CN202110610973A CN113190784B CN 113190784 B CN113190784 B CN 113190784B CN 202110610973 A CN202110610973 A CN 202110610973A CN 113190784 B CN113190784 B CN 113190784B
- Authority
- CN
- China
- Prior art keywords
- dolomite
- sample
- identified
- layer
- 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
- 239000010459 dolomite Substances 0.000 title claims abstract description 133
- 229910000514 dolomite Inorganic materials 0.000 title claims abstract description 133
- 238000000034 method Methods 0.000 title claims abstract description 44
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 26
- 239000011707 mineral Substances 0.000 claims abstract description 26
- 239000013078 crystal Substances 0.000 claims abstract description 21
- 239000011435 rock Substances 0.000 claims abstract description 16
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 14
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 14
- 229910052761 rare earth metal Inorganic materials 0.000 claims abstract description 14
- 239000004927 clay Substances 0.000 claims abstract description 4
- 210000002569 neuron Anatomy 0.000 claims description 27
- 238000000691 measurement method Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000005755 formation reaction Methods 0.000 description 3
- 235000019738 Limestone Nutrition 0.000 description 2
- NBIIXXVUZAFLBC-UHFFFAOYSA-N Phosphoric acid Chemical compound OP(O)(O)=O NBIIXXVUZAFLBC-UHFFFAOYSA-N 0.000 description 2
- 239000006028 limestone Substances 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- VEXZGXHMUGYJMC-UHFFFAOYSA-N Hydrochloric acid Chemical compound Cl VEXZGXHMUGYJMC-UHFFFAOYSA-N 0.000 description 1
- 229910000147 aluminium phosphate Inorganic materials 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Mathematical Analysis (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Pure & Applied Mathematics (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明涉及地质勘探与油气勘探领域,公开了一种识别原生白云岩的方法,该方法包括(1)测量待识别的白云岩样品的数据Xi,所述数据Xi包括所述待识别的白云岩样品的岩层厚度、泥晶白云石矿物含量、有序度、碳同位素标准化数值、Sr同位素比值和稀土元素Ce含量;(2)将所述数据Xi输入至含有输入层、隐含层和输出层的模型中,并通过公式判别所述待识别的白云岩样品是否为原生白云岩。本发明提供的识别原生白云岩的方法具有识别流程简单,综合性强和操作性强的优点,从而能够快速、准确识别原生白云岩。
Description
技术领域
本发明涉及地质勘探与油气勘探领域,具体地,涉及一种识别原生白云岩的方法。
背景技术
全球主要油气田的储层绝大部分是由沉积成因的碎屑岩和碳酸盐岩构成的,白云岩储层作为碳酸盐岩分布最广的一种储层类型,是未来油气勘探的重要领域和目标,目前发现的5个海相大油气田(塔河、靖边、普光、元坝、磨溪-高石梯)中,与白云岩储集层有关的就有4个。然而,由于白云岩具有多种成因类型,可分为原生沉淀与次生交代(冯增昭,1994),其成因类型与优质储层空间的分布密切相关,特别是中国典型台地区中新元古界白云岩的生成机理分析对预测深层—超深层白云岩储集层的分布规律是非常重要的。
由于原生白云岩的地球物理特征与次生白云岩的地球物理特征没有明显区别,因此,当前原生白云岩的识别方法主要是利用露头、岩心等资料初步判识,再对样品开展相应的地球化学分析,结合沉积环境综合判定原生白云岩。该方法虽然在一定程度上可以提高识别原生白云岩的准确性。但是,需要测定多种地球化学分析,且部分地球化学指标对原生白云岩的识别关联性较差,从而导致工序上的浪费,降低原生白云岩的识别效率和准确率。
发明内容
本发明的目的是为了克服现有技术存在的上述问题,提供一种识别原生白云岩的方法。
为了实现上述目的,本发明提供一种识别原生白云岩的方法,该方法包括:
(1)测量待识别的白云岩样品的数据Xi,所述数据Xi包括所述待识别的白云岩样品的岩层厚度、泥晶白云石矿物含量、有序度、碳同位素标准化数值、Sr同位素比值和稀土元素Ce含量;
其中,所述泥晶白云石矿物含量采用面积测量法获得,泥晶白云石矿物含量=泥晶白云石矿物所占格数/样品总格数×100%;所述稀土元素Ce含量的单位为ug/g;
(2)将所述数据Xi输入至含有输入层、隐含层和输出层的模型中,并通过公式(I)和公式(II)判别所述待识别的白云岩样品是否为原生白云岩;若0.9≤yoo≤1.0,则判别所述待识别的白云岩样品为原生白云岩;若0≤yoo<0.9,则判别所述待识别的白云岩样品为次生白云岩;
其中,
i为1-6的整数,h为1-3的整数,o为1-2的整数,m≥6,n≥3;
Xi为输入层i神经元的输入值;
Wih为输入层i神经元到隐含层h神经元的权值,且
W11、W12、W13分别为0.68、0.63、0.55,W21、W22、W23分别为0.75、0.76、0.74,W31、W32、W33分别为0.76、0.66、0.78,W41、W42、W43分别为0.76、0.54、0.89,W51、W52、W53分别为0.76、0.70、0.61,W61、W62、W63分别为0.62、0.64、0.71;
表示隐含层第h个神经元的输入值;
hoh为隐含层第h个神经元的输出值;
W1 ho为隐含层h神经元到输出层o神经元的权值,且
W1 11、W1 12分别为1.42、1.43,W1 21、W1 22分别为1.50、1.45,W1 31、W1 32分别为1.61、1.60;
表示输出层第h个神经元的输出值;
yoo为输出层第o个神经元的输出值;
本发明提供的识别原生白云岩的方法具有识别流程简单,综合性强和操作性强的优点,从而能够快速、准确识别原生白云岩。
采用现有技术识别白云岩是否为原生白云岩通常需要测量多种地球化学指标,并与古海水地球化学特征进行对比,而通常古海水地球化学特征需要通过更为复杂的流体包裹体测试获得,而采用本发明提供的方法仅需测定白云岩野外露头的6种指标数据,就能快速且准确地识别该白云岩是否为原生白云岩。
附图说明
图1是本发明的优选的实施例采用的识别原生白云岩方法的流程图;
图2是本发明的优选的实施例测量泥晶白云石矿物含量的视野网格化示例图;
图3是本发明的优选的实施例采用的识别原生白云岩方法的计算示意图。
具体实施方式
在本文中所披露的范围的端点和任何值都不限于该精确的范围或值,这些范围或值应当理解为包含接近这些范围或值的值。对于数值范围来说,各个范围的端点值之间、各个范围的端点值和单独的点值之间,以及单独的点值之间可以彼此组合而得到一个或多个新的数值范围,这些数值范围应被视为在本文中具体公开。
如前所述,本发明提供了一种识别原生白云岩的方法,该方法包括:
(1)测量待识别的白云岩样品的数据Xi,所述数据Xi包括所述待识别的白云岩样品的岩层厚度、泥晶白云石矿物含量、有序度、碳同位素标准化数值、Sr同位素比值和稀土元素Ce含量;
其中,所述泥晶白云石矿物含量采用面积测量法获得,泥晶白云石矿物含量=泥晶白云石矿物所占格数/样品总格数×100%;所述稀土元素Ce含量的单位为ug/g;
(2)将所述数据Xi输入至含有输入层、隐含层和输出层的模型中,并通过公式(I)和公式(II)判别所述待识别的白云岩样品是否为原生白云岩;若0.9≤yoo≤1.0,则判别所述待识别的白云岩样品为原生白云岩;若0≤yoo<0.9,则判别所述待识别的白云岩样品为次生白云岩;
其中,
i为1-6的整数,h为1-3的整数,o为1-2的整数,m≥6,n≥3;
Xi为输入层i神经元的输入值;
Wih为输入层i神经元到隐含层h神经元的权值,且
W11、W12、W13分别为0.68、0.63、0.55,W21、W22、W23分别为0.75、0.76、0.74,W31、W32、W33分别为0.76、0.66、0.78,W41、W42、W43分别为0.76、0.54、0.89,W51、W52、W53分别为0.76、0.70、0.61,W61、W62、W63分别为0.62、0.64、0.71;
表示隐含层第h个神经元的输入值;
hoh为隐含层第h个神经元的输出值;
W1 ho为隐含层h神经元到输出层o神经元的权值,且
W1 11、W1 12分别为1.42、1.43,W1 21、W1 22分别为1.50、1.45,W1 31、W1 32分别为1.61、1.60;
表示输出层第h个神经元的输出值;
yoo为输出层第o个神经元的输出值;
示例性地,本发明的数据Xi可以为岩层厚度X1、泥晶白云石矿物含量X2、有序度X3、碳同位素标准化数值X4、Sr同位素比值X5、稀土元素Ce含量X6。本发明对所述数据Xi的测量方法没有特别的限制,本领域技术人员可以采用本领域内的常规技术手段,本发明的后文中示例性地提供一种方法进行测量,本领域技术人员不应理解为对本发明的限制。
本发明中的岩层厚度是指待识别的白云岩样品的野外露头样品或岩心样品的厚度。
本发明中的泥晶白云石矿物含量是指待识别的白云岩样品中白云石晶体粒径小于10μm的白云石的含量。
本发明的有序度是指待识别的白云岩样品在衍射峰分别为015、110处的强度比值,即I015/I110。
本发明的碳同位素标准化数值是指将待识别的白云岩样品的C13稳定同位素含量进行国际标准PDB处理后的数值。
本发明的Sr同位素比值是指87Sr/86Sr的含量比值。
需要说明的是,本发明的模型表示输入层的Xi通过公式(I)计算得到隐含层的hoh,然后通过公式(II)计算得到输出层的yoo。
优选地,所述岩层厚度为4.0m-12.0m。该优选情况下,本发明的方法具有更高的准确性。
优选地,所述泥晶白云石矿物含量为10%-98%。该优选情况下,本发明的方法具有更高的准确性。
优选情况下,所述有序度为0.60-0.80。
优选地,所述碳同位素标准化数值为1.8-3.0。
根据一种优选的具体实施方式,所述Sr同位素比值为0.7000-0.7200。
优选地,所述稀土元素Ce含量为0.20-0.85ug/g。
根据一种特别优选的具体实施方式:本发明采用图1中所示的本发明的优选的实施例采用的识别原生白云岩方法的流程进行识别原生白云岩,,具体地,测量待识别的白云岩样品的数据Xi,将所述数据Xi输入至含有输入层、隐含层和输出层的模型中,并通过公式判别所述待识别的白云岩样品是否为原生白云岩;本发明中的优选的实施例中的泥晶白云石矿物含量的视野网格化如图2所示,示例性地,图3是本发明的优选的实施例采用的识别原生白云岩方法的计算示意图,其中,图中的阈值Ta为公式(I)中的0.63,阈值Tb为公式中的1.37。
以下将通过实例对本发明进行详细描述。
以下实例中,在没有特别说明的情况下,使用的各种原料均来自商购。
白云岩的鉴定方法:需要说明的是,岩石主要分为白云岩和石灰岩,白云岩是一种碳酸盐岩,因此通常是通过向岩石样品滴加5wt%的稀盐酸,若不产生气泡或者缓慢产生气泡,则为白云岩;若反应剧烈,产生大量气泡,则为石灰岩。
原生白云岩的鉴定方法参照文献:“鲍志东,季汉成,梁婷等.2019.中新元古界原生白云岩:以中国典型台地区为例.古地理学报21(6):884-869.”
以下实例中的原生白云岩样品的数据的测量方法如下:
1、岩层厚度的测量方法如下:
白云岩野外露头样品采用皮尺垂直地层(无岩性差异)测量其厚度;白云岩岩心样品采用皮尺测量取芯筒内无岩性差异取芯段的厚度。
2、泥晶白云石矿物含量的测量方法如下:
泥晶白云石矿物含量采用面积测量法获得,将白云岩样品制成30μm厚的薄片,通过显微镜将薄片视野网格化,计算泥晶白云石矿物所占格数与样品总格数,泥晶白云石矿物含量=泥晶白云石矿物所占格数/样品总格数×100%。
3、有序度的测量方法如下:
采用X-衍射仪测量各实例中的白云岩样品在衍射峰分别为015、110处的强度,并计算I015/I110的强度比值(即有序度),有序度范围为0-1.0。
4、碳同位素标准化数值的测量方法如下:
将各实例中的白云岩样品制成粒径为200目~300目的粉末,采用C-O同位素分析法测定碳同位素标准化数值,具体地,将粉末与100wt%磷酸于50℃下恒温反应24h,收集生成的CO2气体,并采用稳定同位素质谱仪测定C13稳定同位素的含量,并将其进行国际标准PDB处理后得到碳同位素标准化数值,在没有特别说明的情况下,本发明中的样品的碳同位素标准化数值由中国石油大学(北京)油气资源与勘探国家重点实验室测定获得。
5、Sr同位素比值的测量方法如下:
在没有特别说明的情况下,本发明各实例中的白云岩样品的Sr同位素比值数据由中科院地球物理研究所测定获得。Sr同位素比值为87Sr/86Sr的含量比值,该比值可反映样品成岩流体的性质。
6、稀土元素Ce的测量方法如下:
在没有特别说明的情况下,本发明各实例中的白云岩样品的稀土元素Ce含量数据由核工业北京地质研究院测定获得。
在没有相反说明的情况下,以下实例采用图1中的识别原生白云岩方法的流程对本发明中的白云岩样品进行识别,本发明中的白云岩样品的泥晶白云石矿物含量的测定方法中所述的视野网格化如图2所示,测量获得所述数据Xi后通过图3所示的识别原生白云岩方法的计算示意图进行计算以识别白云岩样品是否为原生白云岩。
实施例1
原生白云岩样品1来源如表1所示,其数据分别为:岩层厚度为10.6m,泥晶白云石矿物含量为98%,有序度为0.72,碳同位素标准化数值为2.6,Sr同位素比值为0.7138,稀土元素Ce为0.68ug/g。
将上述原生白云岩样品1的数据输入模型中,并通过公式(I)和公式(II)计算得到,其yoo=0.98。
实施例2-6
实施例2-6的原生白云岩样品来源及样品的各项数据及结果均列于表1。
实施例7
次生白云岩样品1来源如表1所示,其数据分别为:岩层厚度为4.5m,泥晶白云石矿物含量为12%,有序度为0.76,碳同位素标准化数值为2.8,Sr同位素比值为0.7085,稀土元素Ce含量为0.25ug/g。
将上述次生白云岩样品1的数据输入模型中,并通过公式(I)和公式(II)计算得到,其yoo=0.65。
实施例8-10
实施例8-10的次生白云岩样品来源及样品的各项数据及结果均列于表1。
表1
通过表1的结果可知,采用本发明识别原生白云岩的方法的准确率高,并且通过本发明的实施例可以看出,采用本发明提供的方法识别原生白云岩的流程简单,综合性强和操作性强,能够快速、准确识别原生白云岩。
以上详细描述了本发明的优选实施方式,但是,本发明并不限于此。在本发明的技术构思范围内,可以对本发明的技术方案进行多种简单变型,包括各个技术特征以任何其它的合适方式进行组合,这些简单变型和组合同样应当视为本发明所公开的内容,均属于本发明的保护范围。
Claims (5)
1.一种识别原生白云岩的方法,其特征在于,该方法包括:
(1)测量待识别的白云岩样品的数据Xi,所述数据Xi包括所述待识别的白云岩样品的岩层厚度、泥晶白云石矿物含量、有序度、碳同位素标准化数值、Sr同位素比值和稀土元素Ce含量;所述岩层厚度为4.0m-12.0m;所述泥晶白云石矿物含量为10%-98%;
其中,所述泥晶白云石矿物含量采用面积测量法获得,泥晶白云石矿物含量=泥晶白云石矿物所占格数/样品总格数×100%;所述稀土元素Ce含量的单位为ug/g;
(2)将所述数据Xi输入至含有输入层、隐含层和输出层的模型中,并通过公式(I)和公式(II)判别所述待识别的白云岩样品是否为原生白云岩;若0.9≤yoo≤1.0,则判别所述待识别的白云岩样品为原生白云岩;若0≤yoo<0.9,则判别所述待识别的白云岩样品为次生白云岩;
其中,
i为1-6的整数,h为1-3的整数,o为1-2的整数,m≥6,n≥3;
Xi为输入层i神经元的输入值;
Wih为输入层i神经元到隐含层h神经元的权值,且
W11、W12、W13分别为0.68、0.63、0.55,W21、W22、W23分别为0.75、0.76、0.74,W31、W32、W33分别为0.76、0.66、0.78,W41、W42、W43分别为0.76、0.54、0.89,W51、W52、W53分别为0.76、0.70、0.61,W61、W62、W63分别为0.62、0.64、0.71;
表示隐含层第h个神经元的输入值;
hoh为隐含层第h个神经元的输出值;
W1 ho为隐含层h神经元到输出层o神经元的权值,且
W1 11、W1 12分别为1.42、1.43,W1 21、W1 22分别为1.50、1.45,W1 31、W1 32分别为1.61、1.60;
表示输出层第h个神经元的输出值;
yoo为输出层第o个神经元的输出值;
2.根据权利要求1所述的方法,其中,所述有序度为0.60-0.80。
3.根据权利要求1或2所述的方法,其中,所述碳同位素标准化数值为1.8-3.0。
4.根据权利要求1或2所述的方法,其中,所述Sr同位素比值为0.7000-0.7200。
5.根据权利要求1或2所述的方法,其中,所述稀土元素Ce含量为0.20-0.85ug/g。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110610973.7A CN113190784B (zh) | 2021-06-01 | 2021-06-01 | 一种识别原生白云岩的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110610973.7A CN113190784B (zh) | 2021-06-01 | 2021-06-01 | 一种识别原生白云岩的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113190784A CN113190784A (zh) | 2021-07-30 |
CN113190784B true CN113190784B (zh) | 2023-10-24 |
Family
ID=76986132
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110610973.7A Active CN113190784B (zh) | 2021-06-01 | 2021-06-01 | 一种识别原生白云岩的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113190784B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114354663B (zh) * | 2021-12-07 | 2023-01-03 | 自然资源部第一海洋研究所 | 一种铁白云石-铁白云岩的判别分析方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103377196A (zh) * | 2012-04-13 | 2013-10-30 | 中国石油化工股份有限公司 | 一种基于地理信息系统的岩相古地理资料处理方法 |
CN105488248A (zh) * | 2015-11-18 | 2016-04-13 | 山东科技大学 | 一种深部矿层和岩层的判定方法 |
CN106703794A (zh) * | 2015-11-12 | 2017-05-24 | 中石化石油工程技术服务有限公司 | 一种碳酸盐岩岩性识别方法 |
CN107728232A (zh) * | 2017-11-06 | 2018-02-23 | 中国石油天然气股份有限公司 | 一种白云岩成因类型的岩石学和地球化学识别方法及系统 |
CN111308043A (zh) * | 2018-11-26 | 2020-06-19 | 中国石油天然气股份有限公司 | 一种结构有序白云石的判别方法 |
CN111521692A (zh) * | 2019-02-01 | 2020-08-11 | 中国石油天然气股份有限公司 | 白云石化流体类型的判断方法 |
CN111810136A (zh) * | 2020-07-08 | 2020-10-23 | 中国石油大学(北京) | 致密白云岩储层固态沥青的定量评价方法和装置 |
CN112182966A (zh) * | 2020-09-28 | 2021-01-05 | 河南理工大学 | 一种基于多源测录井数据的生物扰动储集层识别方法 |
CN112634447A (zh) * | 2020-12-08 | 2021-04-09 | 陈建华 | 一种露头岩层分层方法、装置、设备及存储介质 |
-
2021
- 2021-06-01 CN CN202110610973.7A patent/CN113190784B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103377196A (zh) * | 2012-04-13 | 2013-10-30 | 中国石油化工股份有限公司 | 一种基于地理信息系统的岩相古地理资料处理方法 |
CN106703794A (zh) * | 2015-11-12 | 2017-05-24 | 中石化石油工程技术服务有限公司 | 一种碳酸盐岩岩性识别方法 |
CN105488248A (zh) * | 2015-11-18 | 2016-04-13 | 山东科技大学 | 一种深部矿层和岩层的判定方法 |
CN107728232A (zh) * | 2017-11-06 | 2018-02-23 | 中国石油天然气股份有限公司 | 一种白云岩成因类型的岩石学和地球化学识别方法及系统 |
CN111308043A (zh) * | 2018-11-26 | 2020-06-19 | 中国石油天然气股份有限公司 | 一种结构有序白云石的判别方法 |
CN111521692A (zh) * | 2019-02-01 | 2020-08-11 | 中国石油天然气股份有限公司 | 白云石化流体类型的判断方法 |
CN111810136A (zh) * | 2020-07-08 | 2020-10-23 | 中国石油大学(北京) | 致密白云岩储层固态沥青的定量评价方法和装置 |
CN112182966A (zh) * | 2020-09-28 | 2021-01-05 | 河南理工大学 | 一种基于多源测录井数据的生物扰动储集层识别方法 |
CN112634447A (zh) * | 2020-12-08 | 2021-04-09 | 陈建华 | 一种露头岩层分层方法、装置、设备及存储介质 |
Non-Patent Citations (5)
Title |
---|
Permeability and porosity prediction using logging data in a heterogeneous dolomite reservoir: An integrated approach;Zhao Zhang;Journal of Natural Gas Science and Engineering;第86卷;1-16 * |
中新元古界原生白云岩: 以中国典型台地区为例;鲍志东 等;古地理学报;第21卷(第6期);869-883 * |
塔里木盆地柯坪露头区寒武系肖尔布拉克组储集层地质建模及其意义;石油勘探与开发;第47卷(第3期);499-511 * |
张志虎 等.基于神经网络的元素录井岩性识别方法研究及应用.石油工业技术监督.2019,第 35卷(第 2期),59-60. * |
邓辉 ; 王春辉 ; 陈泽新 ; 支丽菊 ; .应用人工神经网络模型识别白云岩类型.录井工程.2010,(03),5-8,74. * |
Also Published As
Publication number | Publication date |
---|---|
CN113190784A (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lim et al. | Geochemical compositions of river and shelf sediments in the Yellow Sea: grain-size normalization and sediment provenance | |
Zhang et al. | Geochemical and geological characterization of marine–continental transitional shales from Longtan Formation in Yangtze area, South China | |
CN107703561A (zh) | 一种页岩气水平井中计算有机碳含量的测井方法 | |
Wang et al. | Diagenesis and pore evolution for various lithofacies of the Wufeng-Longmaxi shale, southern Sichuan Basin, China | |
RU2659109C1 (ru) | Способ определения металлов в породах и флюидах зон трещиноватости | |
Wang et al. | Provenance, clastic composition and their impact on diagenesis: A case study of the Oligocene sandstone in the Xihu sag, East China Sea Basin | |
Wang et al. | Evaluation of the shale oil reservoir and the oil enrichment model for the first member of the lucaogou formation, western jimusaer depression, junggar basin, NW China | |
CN113190784B (zh) | 一种识别原生白云岩的方法 | |
Wang et al. | Whole‐rock geochemistry and zircon Hf isotope of L ate C arboniferous–T riassic sediments in the B ogda region, NW C hina: Clues for provenance and tectonic setting | |
NL2033632A (en) | Method for evaluating ore-bearing potential of porphyry system based on mineral geochemistry | |
Qu et al. | The primary controlling parameters of porosity, permeability, and seepage capability of tight gas reservoirs: a case study on Upper Paleozoic Formation in the eastern Ordos Basin, Northern China | |
CN111429012A (zh) | 页岩脆性甜点评价方法 | |
Yu et al. | Source of quartz cement in tight gas sandstone: Evidence from the Upper Triassic Xujiahe Formation in the western Sichuan Basin, SW China | |
Ding et al. | Geochemistry of the Lower Silurian black shales from the Upper Yangtze Platform, South China: Implications for paleoclimate, provenance, and tectonic setting | |
Wang et al. | Seismic diagenetic facies prediction of tight sandstone in the offshore sparse well area: An example from the Xihu Depression of the East China Sea Basin | |
CN106680893A (zh) | 页岩地层沉积微相的识别方法 | |
Ding et al. | Low oxygen levels with high redox heterogeneity in the late Ediacaran shallow ocean: Constraints from I/(Ca+ Mg) and Ce/Ce* of the Dengying Formation, South China | |
Deng et al. | Mineralogical characteristics of continental shale: a case study in Yan-Chang Formation, Ordos Basin | |
Inyang et al. | Shale gas potential of Eocene shale of Agbada Formation: a paradigm shift in gas resource perception—a case study of the Niger Delta | |
Weibel et al. | Chemostratigraphy of upper Jurassic reservoir sandstones, Danish Central Graben, North Sea | |
Shi et al. | Source to sink systems of the upper permian longtan formation in the lower yangtze region, China: New insights from detrital monazite U–Pb ages and heavy mineral chemistry | |
Xu et al. | Paleoenvironment Evolutionary Characteristics of Niutitang Shale in Western Hubei, Middle Yangtze, China | |
Wang et al. | Reconstruction of paleoenvironment and paleoclimate of the Neogene Guantao Formation in the Liaodong Sub-Uplift of Bohai Bay Basin in China by sedimentary geochemistry methods | |
Dan et al. | The Source of Fracture-Cave Mud Fillings of the Ordovician Yingshan Formation and Its Paleokarst Environment in the Northern Slope of the Tazhong Uplift, Tarim Basin, China: Based on Petrology and Geochemical Analysis | |
Nie et al. | Constrains of physical properties and geochemical characteristics of country rock on skarn tungsten mineralization: a case study of the Longjiaoshan-Fujiashan skarn tungsten deposit in the Middle-Lower Yangtze River Metallogenic Belt |
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 |