CN113435066A - 一种基于数字岩心技术的测井解释储层评价方法 - Google Patents
一种基于数字岩心技术的测井解释储层评价方法 Download PDFInfo
- Publication number
- CN113435066A CN113435066A CN202110985161.0A CN202110985161A CN113435066A CN 113435066 A CN113435066 A CN 113435066A CN 202110985161 A CN202110985161 A CN 202110985161A CN 113435066 A CN113435066 A CN 113435066A
- Authority
- CN
- China
- Prior art keywords
- logging
- parameters
- reservoir
- digital core
- interpretation
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 72
- 238000005516 engineering process Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 67
- 230000035699 permeability Effects 0.000 claims abstract description 63
- 239000011148 porous material Substances 0.000 claims abstract description 55
- 238000013178 mathematical model Methods 0.000 claims abstract description 23
- 238000010219 correlation analysis Methods 0.000 claims abstract description 13
- 230000000704 physical effect Effects 0.000 claims abstract description 11
- 238000012417 linear regression Methods 0.000 claims abstract description 7
- 238000002591 computed tomography Methods 0.000 claims description 12
- 238000002474 experimental method Methods 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 5
- 238000005452 bending Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000004069 differentiation Effects 0.000 claims description 2
- 238000012512 characterization method Methods 0.000 abstract description 6
- 239000011435 rock Substances 0.000 description 23
- 230000015572 biosynthetic process Effects 0.000 description 12
- 239000000523 sample Substances 0.000 description 10
- 239000012530 fluid Substances 0.000 description 8
- 238000011161 development Methods 0.000 description 5
- 239000007789 gas Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005251 gamma ray Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000003921 oil Substances 0.000 description 2
- 238000005325 percolation Methods 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 230000002285 radioactive effect Effects 0.000 description 2
- 238000002834 transmittance Methods 0.000 description 2
- ZSLUVFAKFWKJRC-IGMARMGPSA-N 232Th Chemical compound [232Th] ZSLUVFAKFWKJRC-IGMARMGPSA-N 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- 229910052776 Thorium Inorganic materials 0.000 description 1
- 229910052770 Uranium Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002734 clay mineral Substances 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 230000004660 morphological change Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- JFALSRSLKYAFGM-UHFFFAOYSA-N uranium(0) Chemical compound [U] JFALSRSLKYAFGM-UHFFFAOYSA-N 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
-
- 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)
- Physics & Mathematics (AREA)
- Mining & Mineral Resources (AREA)
- Theoretical Computer Science (AREA)
- Geology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Fluid Mechanics (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开一种基于数字岩心技术的测井解释储层评价方法。所述方法包括对测井数据与数字岩心数据进行相关性分析，选取相关性强的数据组参与测井解释数学模型的建立；利用多元线性回归法建立数字岩心参数与测井参数间的相关性解释数学模型，以建立二者之间的联系；利用数字岩心参数与测井参数间的相关性解释数学模型求取单井数字岩心孔隙结构相关参数；根据求取的孔隙结构参数，进行CT渗透率评价因子的计算；利用CT渗透率评价因子‑孔隙度交会图法对储层类别进行划分，实现目的层测井解释评价，完成储层品质划分。采用本申请技术方案，更能反映储层，尤其复杂致密性储层的物性微观特征，实现储层品质精细表征和基于多条测井曲线储层综合评价。
Description
技术领域
本发明涉及数字岩心微观孔喉结构扫描分析和测井资料解释领域，尤其涉及一种基于数字岩心技术的测井解释储层评价方法。
背景技术
数字岩心，是岩心经过X射线扫描后的图像，通过计算机反演、建模、重构获取模拟岩心，其核心建模方法可分为两大类：物理实验方法和数值重建方法。物理实验方法均借助高倍光学显微镜、扫描电镜或CT成像仪等高精度仪器获取岩心的平面图像，之后对平面图像进行三维重建即可得到数字岩心。
CT全称是Computed Tomography，是计算机断层扫描技术，CT数字岩心应用在石油勘探开发地质储层岩心分析方面发挥着越来越重要的作用，其物理原理是基于射线与物质的相互作用，岩心内部不同密度与X射线响应程度不同，岩石骨架密度高X射线透过率低，岩心孔隙密度小X射线透过率高，通过对样品进行360°全方位扫描，获取一系列二维投影图像并进行三维重构，获得岩样三维模型,构建数字岩心。在重建数字岩心过程中，将得到岩心孔隙和孔喉网络拓扑结构物性表征信息，通常有岩心孔隙半径、喉道半径、孔喉连通性、孔隙度、面孔率、裂缝孔隙度/宽度、开放孔隙度和闭合孔隙度等参数，通过这些参数来评价岩心微观孔隙结构特征，更加精细地实现储层品质的评价和表征。
地球物理测井是应用地球物理学的一个分支，简称测井（well logging）。它是在勘探和开采石油、天然气、煤、金属矿等地下矿藏的过程中，利用各种仪器测量井下地层的各种物理参数和井眼的技术状况，以解决地质和工程问题的工程技术。它是应用物理学原理解决地质和工程问题的一门边缘线技术学科。
储集层是具有连通的孔隙、裂缝或孔洞，能够储存油、气、水，又能让油、气、水在这些连通孔隙中流动的岩层。在单井中划分和评价有工业价值的储集层是测井地层评价的中心任务。
测井技术是测量地层的物理参数（声波时差、密度、伽马、中子、电阻率等）来间接推断地层的地质特征和计算相应的地质参数。这种间接性容易引发多解性和计算结果的不确定性，特别是单条测井曲线的多解性十分突出，而当利用多条曲线进行综合解释时受专家经验影响突出，一方面存在一定的人员判别误差，另一方面该方法对普通技术人员而言可操作性低。
我国的油气藏十分复杂，不仅断块发育、非均质性强、储层类型繁多，而且岩性复杂，孔隙度、渗透率变化大，单纯从孔隙度、渗透率两个物性参数进行储层品质评价已经不能满足现场解释精度的需要。储层的孔隙结构特征对渗透率具有非常重要的控制作用，单纯应用孔隙度等特征表示储层的渗流能力受到限制。在低渗透储层压裂改造过程中通常会遇到在相同的物性和电性条件下有的储层能获得高产，有的低产甚至不出液，应用宏观物性特征评价储层有效性的适用性受到限制，导致有些储层被误判或遗漏，严重影响着勘探效益和效率。尤其在低渗-致密储层测井评价中，该类储层往往在复杂的成岩演化中，形成多尺度、多类型的微观孔隙结构，导致储层整体孔隙度和渗透率的对应性差、相关性不好，因此，迫切需要探索一种可以对储层微观孔隙结构进行快速评价的方法。
发明内容
本发明提供了一种基于数字岩心技术的测井解释储层评价方法，包括：
对测井数据与数字岩心数据进行相关性分析，选取相关性强的数据组参与测井解释数学模型的建立；
利用多元线性回归法建立数字岩心参数与测井参数间的相关性解释数学模型，以建立数字岩心参数与测井参数间的联系；
利用数字岩心参数与测井参数间的相关性解释数学模型求取单井数字岩心孔隙结构相关参数；
根据求取的孔隙结构参数，进行CT渗透率评价因子的计算；
利用CT渗透率评价因子-孔隙度交会图法对储层类别进行划分，实现目的层测井解释评价，完成储层品质划分。
如上所述的基于数字岩心技术的测井解释储层评价方法，其中，对测井数据与数字岩心数据进行相关性分析，具体为：从某一口井重点层位取芯进行CT扫描实验，获取数字岩心微观孔隙结构关键参数，然后进行数字岩心数据参数与测井数据参数的相关性分析，建立数字岩心CT扫描获取的储层物性多参数与测井多参数间的关系。
如上所述的基于数字岩心技术的测井解释储层评价方法，其中，测井数据选取能反映储层物性的曲线数据，包括声波时差、密度以及自然伽马三组数据，数字岩心数据选取孔隙度、有效孔隙度、平均喉道半径、平均配位数及迂曲度五组数据。
如上所述的基于数字岩心技术的测井解释储层评价方法，其中，利用多元线性回归法建立数字岩心参数与测井参数间的相关性解释数学模型，具体包括：
在测井段目的层选取具有代表性的岩心，通过CT扫描实验得到岩心的数字岩心微观孔隙结构参数，并获取目的层段测井相应参数；
数字岩心参数中选取孔隙度、有效孔隙度、平均喉道半径、平均配位数和迂曲度作为特征拟合参数，测井参数中选取声波时差、密度和自然伽马作为特征拟合参数；
利用多元线性拟合法实现数字岩心特征拟合参数与测井响应特征拟合参数间的关联，建立相关性解释数学模型。
如上所述的基于数字岩心技术的测井解释储层评价方法，其中，建立的相关性解释数学模型为：数字岩心参数=A1*声波时差+A2*密度+A3*自然伽马；数字岩心参数包括孔隙度、有效孔隙度、平均喉道半径、平均配位数和迂曲度；A1、A2、A3分别代表多元拟合得到的各测井参数的常数系数。
如上所述的基于数字岩心技术的测井解释储层评价方法，其中，CT渗透率评价因子的计算公式为：
CT渗透率评价因子=0.342*平均喉道半径量纲+0.416*平均配位数量纲+0.242*迂曲度量纲；
其中，平均喉道半径量纲、平均配位数量纲和迂曲度量纲的量纲值通过极差化方法进行求取，分别反映渗流通道的大小、数量以及弯曲程度。
如上所述的基于数字岩心技术的测井解释储层评价方法，其中，通过极差化方法求取平均喉道半径量纲、平均配位数量纲和迂曲度量纲，具体为：
平均喉道半径量纲=（平均喉道半径-平均喉道半径最小值）/（平均喉道半径最大值-平均喉道半径最小值）
平均配位数量纲=（平均配位数-平均配位数最小值）/（平均配位数最大值-平均配位数最小值）
迂曲度量纲=（迂曲度最大值-迂曲度）/（迂曲度最大值-迂曲度最小值）。
如上所述的基于数字岩心技术的测井解释储层评价方法，其中，CT渗透率评价因子反映储层渗透性能，孔隙度反映储层的储集性能，根据CT渗透率评价因子-孔隙度交会图法实现储层类别的划分。
如上所述的基于数字岩心技术的测井解释储层评价方法，其中，根据CT渗透率评价因子与渗透率的关系，可将CT渗透率评价因子划分为五个区间，包括第一区间对应油气行业高渗及以上储层、第二区间对应中渗储层、第三区间对应低渗储层、第四区间对应低渗储层、第五区间对应超低渗储层。
本发明还提供一种计算机存储介质，其特征在于，包括：至少一个存储器和至少一个处理器；
存储器用于存储一个或多个程序指令；
处理器，用于运行一个或多个程序指令，用以执行上述任一项所述的一种基于数字岩心技术的测井解释储层评价方法。
本发明实现的有益效果如下：本发明利用数字岩心技术进行储层测井解释，相对于现有技术来说，本发明不仅仅提供储层孔隙度和渗透率参数，还提供微观尺度的孔隙结构参数，包括喉道大小、喉道数量以及喉道弯曲程度等，将表征储层微观结构的多参数与测井数据建立关联，更能反映储层（尤其复杂致密性储层）物性微观特征，实现储层品质精细表征和基于多条测井曲线储层综合评价，为测井解释方法的发展及技术应用提供了一种从微观到宏观跨越的创新方法，提升了测井数据对储层评价的精度和效率。另外将本发明应用于油田现场测井方案中，能够提高油田现场的测井解释的精度，为勘探开发过程中的储层评价决策提供了一种快速精准的技术方法。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的一种基于数字岩心技术的测井解释储层评价方法流程图；
图2-图6是测井数据与数字岩心数据进行相关性分析结果图；
图7是CT渗透率评价因子-孔隙度交会图版；
图8为A井数字岩心评价图版。
具体实施方式
下面结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在介绍本申请的基于数字岩心技术的测井解释储层评价方法前，先对数字岩心和测井的各参数进行解释说明。涉及到的数字岩心参数有：孔隙度、有效孔隙度、平均喉道半径、平均配位数、迂曲度，测井参数有声波时差值、密度值、自然伽马值，两组参数间具有物理意义上的相关性，具体如下：
孔隙度：指岩样中所有孔隙空间体积之和与该岩样体积的比值。其反应了地层的储集流体的能力。储集层的总孔隙度越大，说明岩石中孔隙空间越大，储集能力越强。
有效孔隙度：岩样中能与外界向连通的孔隙体积与岩样体积的比值。一般情况下，有效孔隙度越大，储集层的渗透性越好。
平均喉道半径：岩石中喉道半径的平均值。岩石的孔隙系统由孔隙和喉道两部分组成。孔隙为系统中的膨大部分，连通孔隙的细小部分称为喉道，它是控制流体在岩石中渗流的重要通道。喉道半径是以能够通过喉道的最大球体半径来衡量的，单位是微米(μm)。若喉道半径大，孔隙空间的连通性好，液体在孔隙系统中的渗流能力就强。
平均配位数：配位数是每个孔隙所连通喉道的个数。孔隙内流体运移、物相微观分布都受孔隙连通性的影响。配位数是在孔隙尺度上描述连通性的重要参数，其数值大小反映连通性的好坏，配位数越大则连通性越好，反之连通性差。
迂曲度：迂曲度是刻画喉道沿流体流动方向上形态变化的参数，体现了渗流通道的复杂程度，迂曲度最小值为1，代表理想化的直线型喉道，迂曲度越大代表渗流通道越复杂，越不利于渗流；迂曲度越接近1代表渗流通道越平直，越有利于渗流。
测井声波时差：声速测井是利用不同的岩石和流体对声波传播速度不同的特性进行的一种测井方法。通过在井中放置发射探头和接收探头，记录声波从发射探头经地层传播到接收探头的时间差值，称之为声波时差。其基本原理为声波在孔隙流体中的传播速度低于在岩石骨架中的速度，所以孔隙越发育，声波时差越大，孔隙越少，声波时差越小。
测井密度：用伽马源发射的伽马射线照射地层，根据康普顿效应测量地层体积密度的测井方法称为地层密度测井。在同种岩性条件下，岩石越疏松，孔隙越发育，地层流体越多，密度相对越低；岩石越致密，孔隙越少，地层流体越少，密度相对越高。
测井自然伽马：岩石中含有天然的放射性核素，主要是铀系、钍系和钾的放射性同位素，它们自然衰变时发射伽马射线，使岩石有天然放射性。自然伽马测井是用伽马射线探测器测量岩石中总的自然伽马射线强度，以研究井剖面地层性质的测井方法。放射性元素主要存在于黏土矿物中，所以沉积岩的自然放射性随着岩石泥质含量增加而增加，而随着泥质含量的增加，储层物性变差，各类孔隙结构参数随之变差。
所以，测井声波时差、测井密度以及测井自然伽马受地层孔隙发育程度的影响，具体来看，一般来说储集层孔隙发育程度与测井声波时差成正比，与测井密度成反比，与测井自然伽马成反比。
基于上述参数间关系的介绍，本申请利用以下实施例详细描述基于数字岩心技术的测井解释储层评价方法。
实施例一
如图1所示，本发明实施例一提供一种基于数字岩心技术的测井解释储层评价方法，包括：
步骤110、对测井数据与数字岩心数据进行相关性分析，选取相关性强的数据组参与测井解释数学模型的建立；
具体地，在A井重点层位取芯15颗进行CT扫描实验，获取数字岩心微观孔隙结构关键参数，随后进行数字岩心数据参数与测井数据参数的相关性分析，建立数字岩心CT扫描获取的储层物性多参数与测井多参数间的关系。其中，测井数据选取能反映储层物性的曲线数据，其中包括声波时差、密度以及自然伽马三组数据，数字岩心数据选取孔隙度、有效孔隙度、平均喉道半径、平均配位数及迂曲度五组数据。具体参数如下表1：
表1 测井参数和数字岩心参数表
然后对测井数据与数字岩心数据进行相关性分析，得到如图2-图6所示的相关性分析结果，通过相关性分析，得出数字岩心孔隙度、有效孔隙度、平均喉道半径、平均配位数、迂曲度与测井参数声波时差、密度、自然伽马间具有很好的相关性，由此也验证了选取参数间具有较强的相关性。
步骤120、利用多元线性回归法建立数字岩心参数与测井参数间的相关性解释数学模型，以建立数字岩心参数与测井参数间的联系；
具体地，当评价某一口井储层时，在测井段目的层选取具有代表性的岩心，通过CT扫描实验得到岩心的数字岩心微观孔隙结构参数，并获取目的层段测井参数；其中，数字岩心参数中选取孔隙度、有效孔隙度、平均喉道半径、平均配位数、迂曲度作为特征拟合参数，测井参数中选取声波时差、密度、自然伽马作为特征拟合参数。
利用多元线性拟合法实现两组参数间的关联，建立相应的数学模型，具体模型形式如下：
数字岩心参数=A1*声波时差+A2*密度+A3*自然伽马
其中，数字岩心参数包括孔隙度、有效孔隙度、平均喉道半径、平均配位数、迂曲度；A1、A2、A3分别代表多元拟合得到的各测井参数的常数系数。
需要说明的是，上述模型形式表达仅示例性地列举了三种主要的测井曲线数据，但不限于此，根据地区测井响应特征不同，可适当增减测井数据的选取，以完成测井曲线与数字岩心数据间的多元拟合，例如选取测井声波时差、测井密度、测井伽马、测井中子等。
本申请实施例中，对数据岩心参数与测井参数进行两组数据间的多元线性回归分析，建立利用测井参数表征的储层微观孔隙结构数学模型，具体如下：
孔隙度CT=34.523+0.473*声波时差-0.107*自然伽马-21.138*密度
有效孔隙度CT=148.11+0.306*声波时差-0.03*自然伽马-65.582*密度
平均喉道半径CT=105.49+0.245*声波时差+0.135*自然伽马-49.634*密度
平均配位数CT=2.337+0.116*声波时差+0.022*自然伽马-5.24*密度
迂曲度CT=-5.461-0.068*声波时差+0.018*自然伽马+5.335*密度
步骤130、利用数字岩心参数与测井参数间的相关性解释数学模型求取单井数字岩心孔隙结构相关参数；
本申请实施例中，通过建立的解释数学模型，可计算得到该井目的点位的平均喉道半径、平均配位数、迂曲度数值；例如，利用数字岩心参数与测井参数间的相关性解释数学模型求取目的层井段（3220m~3260m）数字岩心孔隙结构相关参数，一般情况下，测井数据间隔为0.125m，目的层井段共有320行的测井数据，此处仅展示示例数据，求取结果的示例数据如下表2所示：
表2 目的层段储层孔隙结构参数示例表
步骤140、根据求取的孔隙结构参数，进行CT渗透率评价因子的计算；
当计算某一深度点的CT渗透率评价因子时，根据相对应的平均喉道半径、平均配位数、迂曲度进行计算；根据三个参数与渗透率的关系，采用灰色关联分析法建立了CT渗透率评价因子与三者间的数学模型：
CT渗透率评价因子=0.342*平均喉道半径量纲+0.416*平均配位数量纲+0.242*迂曲度量纲
各参数的量纲值通过极差化方法进行求取，分别反映渗流通道的大小、数量以及弯曲程度，可以很好的对储层的渗透性进行数学表征，其中平均喉道半径最大值设定为42.10μm，最小值设定为0；平均配位数最大值设定为2.49，最小值设定为0,；迂曲度最大值设定为4.71，最小值设定为1；
具体地，平均喉道半径量纲=（平均喉道半径-平均喉道半径最小值）/（平均喉道半径最大值-平均喉道半径最小值）；平均配位数量纲=（平均配位数-平均配位数最小值）/（平均配位数最大值-平均配位数最小值）；迂曲度量纲=（迂曲度最大值-迂曲度）/（迂曲度最大值-迂曲度最小值）。
例如，对于某一深度点的数字岩心孔隙数据如下表3所示：
表3 目的层段某深度节点数字岩心参数表
利用极差化法求取表3中该点所对应的CT渗流评价因子步骤如下:
平均喉道半径量纲=（16.99-0）/（42.10-0）≈0.4036
平均配位数量纲=（1.02-0）/（2.49-0）≈0.4110
迂曲度量纲=（4.71-4.68）/（4.71-1）≈0.0071
CT渗透率评价因子=0.342*0.4036+0.416*0.4110+0.242*0.0071≈0.3107
由此得到3229.5m处储层所对应的CT渗透率评价因子为0.3107，同理通过该方法可得到目的层3220m~3260m深度段320个深度点所对应的CT渗透率评价因子值。
步骤150、利用CT渗透率评价因子-孔隙度交会图法对储层类别进行划分，实现目的层测井解释评价，完成储层品质划分；
CT渗透率评价因子反映储层渗透性能，孔隙度则反映了储层的储集性能，根据CT渗透率评价因子-孔隙度交会图法可进一步实现储层类别的划分，实现储层品质评价。
具体地，根据CT渗透率评价因子与渗透率的关系，可将CT渗透率评价因子划分为五个区间，第一区间对应油气行业高渗及以上储层（>500mD）；第二区间对应中渗储层（50mD~500mD）；第三区间对应低渗储层（10mD~50mD）；第四区间对应低渗储层（1mD~10mD）；第五区间对应超低渗储层（<1mD），具体如下表4所示：
表4 CT渗透率评价因子与渗透率关系表
在此基础上构建CT渗透率评价因子-孔隙度法储层类别评价表（如下表5所示），形成如图7所示的CT渗透率评价因子-孔隙度交会图版。
表5 CT渗透率评价因子-孔隙度法储层类别评价表
以下为本申请技术方案在实际应用中进行数字岩心微观孔隙结构类别评价的实例：
在冀东油田应用中，通过在A井获取CT扫描数字岩心孔隙结构参数，并与测井响应数据建立了数学模型，利用专业的测井解释分析软件Gxplorer石文导入目的层测井数据以及由测井数据拟合出的微观孔隙结构数据，并利用CT渗透率评价因子-孔隙度交会图法，实现了目的层各深度节点的储层类别划分，具体参见图8所示的A井数字岩心评价图版。
利用本申请基于数字岩心技术的测井解释储层评价方法，可实现单井目的层微观孔隙结构特征的定量表征。具体体现在，可通过计算输出六组特征曲线，分别为CT孔隙度曲线、CT有效孔隙度曲线、CT喉道半径曲线、CT配位数曲线、CT迂曲度曲线以及CT渗透率评价因子曲线。并在此基础上利用CT渗透率评价因子-孔隙度交会图法生成CT储层类别曲线，实现了储层品质类别的划分。根据测井解释结论可看出，测井解释的储层段（包含油水同层、油层以及水层）与CT各类曲线具有高度的一致性，测井解释干层段与CT各类曲线同样具有高度的一致性，证明本方法在识别有效储层方面具备很好的符合率，为测井解释方法研究提供了一个全新的思路。
与上述实施例对应的，本发明实施例提供一种计算机存储介质，包括：至少一个存储器和至少一个处理器；
存储器用于存储一个或多个程序指令；
处理器，用于运行一个或多个程序指令，用以一种基于数字岩心技术的测井解释储层评价方法。
与上述实施例对应的，本发明实施例提供一种计算机可读存储介质，计算机存储介质中包含一个或多个程序指令，一个或多个程序指令用于被处理器执行一种基于数字岩心技术的测井解释储层评价方法。
本发明所公开的实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序指令，当所述计算机程序指令在计算机上运行时，使得计算机执行上述的一种基于数字岩心技术的测井解释储层评价方法。
在本发明实施例中，处理器可以是一种集成电路芯片，具有信号的处理能力。处理器可以是通用处理器、数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现场可编程门阵列(FieldProgrammable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。处理器读取存储介质中的信息，结合其硬件完成上述方法的步骤。
存储介质可以是存储器，例如可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。
其中，非易失性存储器可以是只读存储器(Read-Only Memory，简称ROM)、可编程只读存储器(Programmable ROM，简称PROM)、可擦除可编程只读存储器(Erasable PROM，简称EPROM)、电可擦除可编程只读存储器(Electrically EPROM，简称EEPROM)或闪存。
易失性存储器可以是随机存取存储器(Random Access Memory，简称RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，简称SRAM)、动态随机存取存储器(Dynamic RAM，简称DRAM)、同步动态随机存取存储器(Synchronous DRAM，简称SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM，简称DDRSDRAM)、增强型同步动态随机存取存储器(EnhancedSDRAM，简称ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM，简称SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM，简称DRRAM)。
本发明实施例描述的存储介质旨在包括但不限于这些和任意其它适合类型的存储器。
本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的功能可以用硬件与软件组合来实现。当应用软件时，可以将相应功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。
Claims (10)
1.一种基于数字岩心技术的测井解释储层评价方法，其特征在于，包括：
对测井数据与数字岩心数据进行相关性分析，选取相关性强的数据组参与测井解释数学模型的建立；
利用多元线性回归法建立数字岩心参数与测井参数间的相关性解释数学模型，以建立数字岩心参数与测井参数间的联系；
利用数字岩心参数与测井参数间的相关性解释数学模型求取单井数字岩心孔隙结构相关参数；
根据求取的孔隙结构参数，进行CT渗透率评价因子的计算；
利用CT渗透率评价因子-孔隙度交会图法对储层类别进行划分，实现目的层测井解释评价，完成储层品质划分。
2.如权利要求1所述的基于数字岩心技术的测井解释储层评价方法，其特征在于，对测井数据与数字岩心数据进行相关性分析，具体为：从某一口井重点层位取芯进行CT扫描实验，获取数字岩心微观孔隙结构关键参数，然后进行数字岩心数据参数与测井数据参数的相关性分析，建立数字岩心CT扫描获取的储层物性多参数与测井多参数间的关系。
3.如权利要求2所述的基于数字岩心技术的测井解释储层评价方法，其特征在于，测井数据选取能反映储层物性的曲线数据，包括声波时差、密度以及自然伽马三组数据，数字岩心数据选取孔隙度、有效孔隙度、平均喉道半径、平均配位数及迂曲度五组数据。
4.如权利要求1所述的基于数字岩心技术的测井解释储层评价方法，其特征在于，利用多元线性回归法建立数字岩心参数与测井参数间的相关性解释数学模型，具体包括：
在测井段目的层选取具有代表性的岩心，通过CT扫描实验得到岩心的数字岩心微观孔隙结构参数，并获取目的层段测井相应参数；
数字岩心参数中选取孔隙度、有效孔隙度、平均喉道半径、平均配位数和迂曲度作为特征拟合参数，测井参数中选取声波时差、密度和自然伽马作为特征拟合参数；
利用多元线性拟合法实现数字岩心特征拟合参数与测井响应特征拟合参数间的关联，建立相关性解释数学模型。
5.如权利要求4所述的基于数字岩心技术的测井解释储层评价方法，其特征在于，建立的相关性解释数学模型为：数字岩心参数=A1*声波时差+A2*密度+A3*自然伽马；数字岩心参数包括孔隙度、有效孔隙度、平均喉道半径、平均配位数和迂曲度；A1、A2、A3分别代表多元拟合得到的各测井参数的常数系数。
6.如权利要求1所述的基于数字岩心技术的测井解释储层评价方法，其特征在于，CT渗透率评价因子的计算公式为：
CT渗透率评价因子=0.342*平均喉道半径量纲+0.416*平均配位数量纲+0.242*迂曲度量纲；
其中，平均喉道半径量纲、平均配位数量纲和迂曲度量纲的量纲值通过极差化方法进行求取，分别反映渗流通道的大小、数量以及弯曲程度。
7.如权利要求6所述的基于数字岩心技术的测井解释储层评价方法，其特征在于，通过极差化方法求取平均喉道半径量纲、平均配位数量纲和迂曲度量纲，具体为：
平均喉道半径量纲=（平均喉道半径-平均喉道半径最小值）/（平均喉道半径最大值-平均喉道半径最小值）
平均配位数量纲=（平均配位数-平均配位数最小值）/（平均配位数最大值-平均配位数最小值）
迂曲度量纲=（迂曲度最大值-迂曲度）/（迂曲度最大值-迂曲度最小值）。
8.如权利要求1所述的基于数字岩心技术的测井解释储层评价方法，其特征在于，CT渗透率评价因子反映储层渗透性能，孔隙度反映储层的储集性能，根据CT渗透率评价因子-孔隙度交会图法实现储层类别的划分。
9.如权利要求6所述的基于数字岩心技术的测井解释储层评价方法，其特征在于，根据CT渗透率评价因子与渗透率的关系，可将CT渗透率评价因子划分为五个区间，包括第一区间对应油气行业高渗及以上储层、第二区间对应中渗储层、第三区间对应低渗储层、第四区间对应低渗储层、第五区间对应超低渗储层。
10.一种计算机存储介质，其特征在于，包括：至少一个存储器和至少一个处理器；
存储器用于存储一个或多个程序指令；
处理器，用于运行一个或多个程序指令，用以执行如权利要求1-9任一项所述的基于数字岩心技术的测井解释储层评价方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110985161.0A CN113435066B (zh) | 2021-08-26 | 2021-08-26 | 一种基于数字岩心技术的测井解释储层评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110985161.0A CN113435066B (zh) | 2021-08-26 | 2021-08-26 | 一种基于数字岩心技术的测井解释储层评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113435066A true CN113435066A (zh) | 2021-09-24 |
| CN113435066B CN113435066B (zh) | 2021-11-12 |
Family
ID=77797966
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110985161.0A Active CN113435066B (zh) | 2021-08-26 | 2021-08-26 | 一种基于数字岩心技术的测井解释储层评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113435066B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114089421A (zh) * | 2021-12-06 | 2022-02-25 | 中国矿业大学 | 一种油气储层非均质性分析方法 |
| CN116181324A (zh) * | 2023-03-10 | 2023-05-30 | 重庆科技学院 | 一种压裂后储层等效渗透率评价方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6473696B1 (en) * | 2001-03-13 | 2002-10-29 | Conoco Inc. | Method and process for prediction of subsurface fluid and rock pressures in the earth |
| US20100257172A1 (en) * | 2009-04-01 | 2010-10-07 | Touchstone Systems, Inc. | Method and system for text interpretation and normalization |
| CN104500049A (zh) * | 2014-10-20 | 2015-04-08 | 成都创源油气技术开发有限公司 | 页岩气地球物理快速评价方法 |
| CN104912550A (zh) * | 2015-05-05 | 2015-09-16 | 中国海洋石油总公司 | 一种核磁共振测井资料定量计算储层产液剖面方法 |
| CN109492860A (zh) * | 2018-09-26 | 2019-03-19 | 中国石油天然气股份有限公司 | 一种基于气井产能的致密砂岩储层多参数定量评价方法 |
| CN111239821A (zh) * | 2020-02-20 | 2020-06-05 | 中国石油大学(北京) | 碳酸盐岩储层孔隙结构预测方法、装置、设备及存储介质 |
| CN111598440A (zh) * | 2020-05-14 | 2020-08-28 | 中国海洋石油集团有限公司 | 多角度驱动的复杂介质储层渗透率定量评价方法及系统 |
| CN112392464A (zh) * | 2020-12-11 | 2021-02-23 | 中国石油天然气集团有限公司 | 一种基于常规测井资料计算储层产水率的方法 |
| CN112963145A (zh) * | 2021-02-23 | 2021-06-15 | 中国石油天然气股份有限公司 | 一种碳酸盐岩储层气井产能的预测方法 |
-
2021
- 2021-08-26 CN CN202110985161.0A patent/CN113435066B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6473696B1 (en) * | 2001-03-13 | 2002-10-29 | Conoco Inc. | Method and process for prediction of subsurface fluid and rock pressures in the earth |
| US20100257172A1 (en) * | 2009-04-01 | 2010-10-07 | Touchstone Systems, Inc. | Method and system for text interpretation and normalization |
| CN104500049A (zh) * | 2014-10-20 | 2015-04-08 | 成都创源油气技术开发有限公司 | 页岩气地球物理快速评价方法 |
| CN104912550A (zh) * | 2015-05-05 | 2015-09-16 | 中国海洋石油总公司 | 一种核磁共振测井资料定量计算储层产液剖面方法 |
| CN109492860A (zh) * | 2018-09-26 | 2019-03-19 | 中国石油天然气股份有限公司 | 一种基于气井产能的致密砂岩储层多参数定量评价方法 |
| CN111239821A (zh) * | 2020-02-20 | 2020-06-05 | 中国石油大学(北京) | 碳酸盐岩储层孔隙结构预测方法、装置、设备及存储介质 |
| CN111598440A (zh) * | 2020-05-14 | 2020-08-28 | 中国海洋石油集团有限公司 | 多角度驱动的复杂介质储层渗透率定量评价方法及系统 |
| CN112392464A (zh) * | 2020-12-11 | 2021-02-23 | 中国石油天然气集团有限公司 | 一种基于常规测井资料计算储层产水率的方法 |
| CN112963145A (zh) * | 2021-02-23 | 2021-06-15 | 中国石油天然气股份有限公司 | 一种碳酸盐岩储层气井产能的预测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 赵军 等: "基于参数优选的储层渗透率深度置信网络模型预测初探", 《油气藏评价与开发 2021年 第11卷 第4期》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114089421A (zh) * | 2021-12-06 | 2022-02-25 | 中国矿业大学 | 一种油气储层非均质性分析方法 |
| CN116181324A (zh) * | 2023-03-10 | 2023-05-30 | 重庆科技学院 | 一种压裂后储层等效渗透率评价方法 |
| CN116181324B (zh) * | 2023-03-10 | 2024-02-23 | 重庆科技学院 | 一种压裂后储层等效渗透率评价方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113435066B (zh) | 2021-11-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10830713B2 (en) | System and methods for computing physical properties of materials using imaging data | |
| RU2573739C2 (ru) | Многомасштабное цифровое моделирование породы для моделирования пласта | |
| AU2010332157B2 (en) | Workflow for petrophysical and geophysical formation evaluation of wireline and LWD log data | |
| CN113435066B (zh) | 一种基于数字岩心技术的测井解释储层评价方法 | |
| EP3077618B1 (en) | Tuning digital core analysis to laboratory results | |
| KR102111207B1 (ko) | 셰일가스 스윗 스팟 도출 방법 | |
| US20230097859A1 (en) | Method and system for determining coarsened grid models using machine-learning models and fracture models | |
| CN113919219A (zh) | 基于测井大数据的地层评价方法及系统 | |
| Abdideh et al. | Cluster analysis of petrophysical and geological parameters for separating the electrofacies of a gas carbonate reservoir sequence | |
| US20190204464A1 (en) | Method and System for Modeling in a Subsurface Region | |
| Huang et al. | Minimum scanline-to-fracture angle and sample size required to produce a highly accurate estimate of the 3-D fracture orientation distribution | |
| Askari et al. | A fully integrated method for dynamic rock type characterization development in one of Iranian off-shore oil reservoir | |
| Nguyen et al. | Identifying Fracture Sweet Spots Using Artificial Neural Network Approach: A Case Study in Najmah/Sargelu Reservoir, Kra Al-Maru Field, West Kuwait | |
| Abd Karim et al. | Vaca Muerta: improved fracture width distribution and classification of natural fracture widths based on outcrops, cores, and micro-resistivity images data | |
| Mehdipour et al. | The Best Scenario for Geostatistical Modeling of Porosity in the Sarvak Reservoir in an Iranian Oil Field, Using Electrofacies, Seismic Facies, and Seismic Attributes | |
| Stadtműller et al. | Characterization of the carbonate formation fracture system based on well logging data and results of laboratory measurements | |
| CN112862169B (zh) | 预测陆相泥页岩游离油含量的方法及装置 | |
| Kadhim et al. | Correlation between cementation factor and carbonate reservoir rock properties | |
| Gunter et al. | Introducing a ten-step integrated petrophysical rock type verification process that combines deterministic methods, saturation height modeling, advanced flow units and IPSOM | |
| Osman et al. | A static modeling approach to the Brown Limestone carbonate reservoir, Geisum Oilfield, Gulf of Suez, Egypt | |
| Li et al. | Three-dimensional reservoir architecture modeling by geostatistical techniques in BD block, Jinhu depression, northern Jiangsu Basin, China | |
| Maleki et al. | Improvement of petrophysical evaluation of the Asmari reservoir by using of well log tomography method in an oil field from southwest of Iran | |
| Korigov et al. | Creation of an applicability matrix of modeling methods depending on the complexity of pore space for carbonate fractured reservoirs | |
| Sivila | Petrophysical evaluation of capillary pressure for a naturally fractured tight gas sandstone reservoir: a case study, A | |
| Al-Kandari et al. | Geosteering in Swept and Stacked Channel Reservoir-Integrated Approach Using Mathematical Reservoir Modeling Towards Completion Optimization |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231110 Address after: 414, building 2, No. 1 jiaochangkou street, Xicheng District, Beijing 100032 Patentee after: Beijing Runze Innovation Technology Co.,Ltd. Patentee after: CHINA UNITED COALBED METHANE NATIONAL ENGINEERING RESEARCH CENTER Co.,Ltd. Address before: 414, building 2, No. 1 jiaochangkou street, Xicheng District, Beijing 100032 Patentee before: Beijing Runze Innovation Technology Co.,Ltd. |
|
| TR01 | Transfer of patent right |