CN113960665A - 页岩储层总有机碳含量的预测方法及装置 - Google Patents
页岩储层总有机碳含量的预测方法及装置 Download PDFInfo
- Publication number
- CN113960665A CN113960665A CN202010702213.4A CN202010702213A CN113960665A CN 113960665 A CN113960665 A CN 113960665A CN 202010702213 A CN202010702213 A CN 202010702213A CN 113960665 A CN113960665 A CN 113960665A
- Authority
- CN
- China
- Prior art keywords
- content
- shale
- correlation
- organic carbon
- total organic
- 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.)
- Pending
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 130
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 122
- 238000000034 method Methods 0.000 title claims abstract description 57
- 239000010453 quartz Substances 0.000 claims abstract description 130
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims abstract description 130
- 239000002734 clay mineral Substances 0.000 claims abstract description 126
- 239000011435 rock Substances 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 17
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 16
- 239000011707 mineral Substances 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 15
- 238000005457 optimization Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 8
- 229910001748 carbonate mineral Inorganic materials 0.000 claims description 7
- 239000010433 feldspar Substances 0.000 claims description 7
- 238000010521 absorption reaction Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 4
- 239000011028 pyrite Substances 0.000 claims description 4
- 229910052683 pyrite Inorganic materials 0.000 claims description 4
- NIFIFKQPDTWWGU-UHFFFAOYSA-N pyrite Chemical compound [Fe+2].[S-][S-] NIFIFKQPDTWWGU-UHFFFAOYSA-N 0.000 claims description 4
- 239000003079 shale oil Substances 0.000 abstract description 12
- 238000011161 development Methods 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 21
- 208000035126 Facies Diseases 0.000 description 17
- 238000011160 research Methods 0.000 description 13
- 239000011575 calcium Substances 0.000 description 9
- 229910052791 calcium Inorganic materials 0.000 description 9
- 239000011148 porous material Substances 0.000 description 9
- 229910052710 silicon Inorganic materials 0.000 description 9
- 239000010703 silicon Substances 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 239000003921 oil Substances 0.000 description 4
- 229910021532 Calcite Inorganic materials 0.000 description 3
- 229910000514 dolomite Inorganic materials 0.000 description 3
- 239000010459 dolomite Substances 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000005416 organic matter Substances 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- 235000015076 Shorea robusta Nutrition 0.000 description 1
- 244000166071 Shorea robusta Species 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000005056 compaction Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
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. for interpretation or for event detection
- G01V1/30—Analysis
- G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
-
- 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. for interpretation or for event detection
- G01V1/30—Analysis
- G01V1/303—Analysis for determining velocity profiles or travel times
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/50—Corrections or adjustments related to wave propagation
- G01V2210/51—Migration
- G01V2210/512—Pre-stack
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/61—Analysis by combining or comparing a seismic data set with other data
- G01V2210/616—Data from specific type of measurement
- G01V2210/6161—Seismic or acoustic, e.g. land or sea measurements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/61—Analysis by combining or comparing a seismic data set with other data
- G01V2210/616—Data from specific type of measurement
- G01V2210/6169—Data from specific type of measurement using well-logging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/62—Physical property of subsurface
- G01V2210/622—Velocity, density or impedance
- G01V2210/6222—Velocity; travel time
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/62—Physical property of subsurface
- G01V2210/624—Reservoir parameters
- G01V2210/6244—Porosity
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种页岩储层总有机碳含量的预测方法及装置,其中,该方法包括:根据地震数据和测井数据进行叠前反演,确定页岩储层的纵横波速和密度;根据页岩储层的纵横波速和密度,确定页岩储层的孔隙度;根据页岩储层的孔隙度,确定页岩储层的石英含量和黏土矿物含量;根据页岩储层的石英含量和黏土矿物含量,基于总有机碳含量与石英含量的关联关系,以及总有机碳含量与黏土矿物含量的关联关系,预测页岩储层的总有机碳含量。本发明可以实现页岩储层的总有机碳含量的定量预测,提高总有机碳含量的预测精度,为页岩油的勘探开发提供可靠依据。
Description
技术领域
本发明涉及地震资料处理技术领域,特别涉及一种页岩储层总有机碳含量的预测方法及装置。
背景技术
陆相页岩油气是源岩油气重要的组成类型之一,是中国陆上未来“进源找油”最重要的突破对象,其关键理论和技术的攻关、有利层系及靶区的优选,对保障中国油气安全、创新油气地质理论技术都具有重要意义。总有机碳含量(TOC)是表征页岩储层特征的重要指标,它能够有效地评价页岩有机质丰度,随着页岩TOC含量的增加,不仅能增大页岩的储集空间,而且在一定程度上也有利于页岩游离气的吸附。因此,在对页岩油进行勘探开发时,对TOC含量的预测和评价变得至关重要。
近年来,国内外学者对页岩TOC含量的测定和预测方法进行了大量的研究和探索。现有的TOC含量预测技术包括:通过地震多属性反演技术预测TOC含量平面分布,但由于地震资料受多种因素影响,该方法的多解性较强;另一中方法是通过分析页岩地震响应特征,结合模型正演预测了页岩的TOC含量,但该方法不能定量预测TOC含量。
针对上述问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供一种页岩储层总有机碳含量的预测方法,用于提高页岩储层总有机碳含量的预测精度,该方法包括:
根据地震数据和测井数据进行叠前反演,确定页岩储层的纵横波速和密度;
根据页岩储层的纵横波速和密度,确定页岩储层的孔隙度;
根据页岩储层的孔隙度,确定页岩储层的石英含量和黏土矿物含量;
根据页岩储层的石英含量和黏土矿物含量,基于总有机碳含量与石英含量的关联关系,以及总有机碳含量与黏土矿物含量的关联关系,预测页岩储层的总有机碳含量,其中,总有机碳含量与石英含量的关联关系,以及总有机碳含量与黏土矿物含量的关联关系是根据页岩样本的实测数据拟合得到的。
本发明实施例提供一种页岩储层总有机碳含量的预测装置,用于提高页岩储层总有机碳含量的预测精度,该装置包括:
纵横波速和密度确定模块,用于根据地震数据和测井数据进行叠前反演,确定页岩储层的纵横波速和密度;
孔隙度确定模块,用于根据页岩储层的纵横波速和密度,确定页岩储层的孔隙度;
石英含量与黏土矿物含量确定模块,用于根据页岩储层的孔隙度,确定页岩储层的石英含量和黏土矿物含量;
总有机碳含量预测模块,用于根据页岩储层的石英含量和黏土矿物含量,基于总有机碳含量与石英含量的关联关系,以及总有机碳含量与黏土矿物含量的关联关系,预测页岩储层的总有机碳含量,其中,总有机碳含量与石英含量的关联关系,以及总有机碳含量与黏土矿物含量的关联关系是根据页岩样本的实测数据拟合得到的。
本发明实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述页岩储层总有机碳含量的预测方法。
本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质存储有执行上述页岩储层总有机碳含量的预测的计算机程序。
本发明实施例通过:根据地震数据和测井数据进行叠前反演,确定页岩储层的纵横波速和密度;根据页岩储层的纵横波速和密度,确定页岩储层的孔隙度;根据页岩储层的孔隙度,确定页岩储层的石英含量和黏土矿物含量;根据页岩储层的石英含量和黏土矿物含量,基于总有机碳含量与石英含量的关联关系,以及总有机碳含量与黏土矿物含量的关联关系,预测页岩储层的总有机碳含量。本发明基于页岩样本的实测数据拟合总有机碳含量与石英含量的关联关系、总有机碳含量与黏土矿物含量的关联关系,通过叠前反演,对页岩储层的总有机碳含量进行预测,考虑了页岩储层的多种储层特性,实现了页岩储层的总有机碳含量的定量预测,提高了总有机碳含量的预测精度,为页岩油的勘探开发提供可靠依据。
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。在附图中:
图1为本发明实施例中页岩储层总有机碳含量的预测方法流程的示意图;
图2为本发明实施例中建立TOC含量与石英含量以及黏土矿物含量的关联关系的具体流程的示意图;
图3为本发明实施例中建立孔隙度与石英含量以及黏土矿物含量的关联关系的具体流程的示意图;
图4为本发明实施例中陆相页岩的TOC含量与石英含量的关联关系的示意图;
图5为本发明实施例中陆相页岩的孔隙度与石英含量的关联关系的示意图;
图6为本发明实施例中陆相页岩的TOC含量与黏土矿物含量的关联关系的示意图;
图7为本发明实施例中陆相页岩的孔隙度与黏土矿物含量的关联关系的示意图;
图8为本发明实施例中页岩储层总有机碳含量的预测装置结构的示意图;
图9为现有技术与本发明实施例TOC含量预测剖面对比的示意图。
具体实施方式
下面将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,所描述的实施例仅仅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,本领域普通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。
本领域技术技术人员知道,本发明的实施方式可以实现为一种系统、装置、方法或计算机程序产品。因此,本发明公开可以具体实现为以下形式,即:完全的硬件、完全的软件(包括固件、驻留软件、微代码等),或者硬件和软件结合的形式。
本发明实施例提供一种页岩储层总有机碳含量的预测方法,用于提高页岩储层总有机碳含量的预测精度,图1为本发明实施例中页岩储层总有机碳含量的预测方法流程的示意图,如图1所示,该方法包括:
步骤101:根据地震数据和测井数据进行叠前反演,确定页岩储层的纵横波速和密度;
步骤102:根据页岩储层的纵横波速和密度,确定页岩储层的孔隙度;
步骤103:根据页岩储层的孔隙度,确定页岩储层的石英含量和黏土矿物含量;
步骤104:根据页岩储层的石英含量和黏土矿物含量,基于总有机碳含量与石英含量的关联关系,以及总有机碳含量与黏土矿物含量的关联关系,预测页岩储层的总有机碳含量,其中,总有机碳含量与石英含量的关联关系,以及总有机碳含量与黏土矿物含量的关联关系是根据页岩样本的实测数据拟合得到的。
如图1所示,本发明实施例通过:根据地震数据和测井数据进行叠前反演,确定页岩储层的纵横波速和密度;根据页岩储层的纵横波速和密度,确定页岩储层的孔隙度;根据页岩储层的孔隙度,确定页岩储层的石英含量和黏土矿物含量;根据页岩储层的石英含量和黏土矿物含量,基于总有机碳含量与石英含量的关联关系,以及总有机碳含量与黏土矿物含量的关联关系,预测页岩储层的总有机碳含量。本发明基于页岩样本的实测数据拟合总有机碳含量与石英含量的关联关系、总有机碳含量与黏土矿物含量的关联关系,通过叠前反演,对页岩储层的总有机碳含量进行预测,考虑了页岩储层的多种储层特性,实现了页岩储层的总有机碳含量的定量预测,提高了总有机碳含量的预测精度,为页岩油的勘探开发提供可靠依据。
发明人经过大量的研究发现,现有的预测TOC含量的一种方法是:利用以地质统计学反演为核心的地震储层预测技术对陆相页岩TOC含量纵向和横向展布进行预测,但该方法完全借鉴常规气藏储层预测方法,并未考虑页岩储层的特殊性,另外,地震数据受多种因素影响,TOC含量的差异只是造成地震响应特征变化的因素之一,发明人发现了上述技术问题,提出了建立TOC含量与页岩油储层中岩石矿物含量的关联关系,并基于上述关联关系预测TOC含量的方法,下面首先介绍本发明实施例中建立TOC含量与页岩油储层中岩石矿物含量的关联关系的具体过程。
图2为本发明实施例中建立TOC含量与石英含量以及黏土矿物含量的关联关系的具体流程的示意图,如图2所示,在一个实施例中,在步骤105中在预测页岩储层的总有机碳含量之前,该方法还包括:
按照如下步骤建立总有机碳含量与石英含量的关联关系,以及总有机碳含量与黏土矿物含量的关联关系:
步骤201:根据页岩的岩石矿物含量对页岩进行分类;
步骤202:获得页岩样本的实测数据,包括:页岩样本的总有机碳含量、石英含量和黏土矿物含量;
步骤203:根据页岩分类结果,分别对各种类型的页岩样本的实测数据进行拟合,确定每种类型的页岩对应的总有机碳含量与石英含量的关联关系,以及总有机碳含量与黏土矿物含量的关联关系。
在一个实施例中,上述岩石矿物包括:黏土矿物、碳酸盐矿物、石英、长石以及黄铁矿。
在一个实施例中,上述总有机碳含量与石英含量的关联关系为负相关关系,上述总有机碳含量与黏土矿物含量的关联关系为正相关关系。
图3为本发明实施例中建立孔隙度与石英含量以及黏土矿物含量的关联关系的具体流程的示意图,如图3所示,在一个实施例中,在步骤103确定页岩储层的石英含量和黏土矿物含量之前,该方法还包括:
按照如下步骤建立孔隙度与石英含量的关联关系,以及孔隙度与黏土矿物含量的关联关系:
步骤301:根据页岩的岩石矿物含量对页岩进行分类;
步骤302:获得页岩样本的实测数据,包括:页岩样本的孔隙度、石英含量和黏土矿物含量;
步骤303:根据页岩分类结果,分别对各种类型的页岩样本的实测数据进行拟合,确定每种类型的页岩对应的孔隙度与石英含量的关联关系,以及孔隙度与黏土矿物含量的关联关系。
在一个实施例中,上述孔隙度与石英含量的关联关系为负相关关系,上述孔隙度与黏土矿物含量的关联关系为正相关关系。
具体实施时,步骤201和步骤301中,首先需要建立页岩油储层的岩相分类标准,并对页岩油储层进行岩相划分,岩相是一定沉积环境中形成的岩石或者岩石组合,是随着时间的发展和空间条件的改变而变化的。岩相主要表征沉积岩的岩性特征,是岩石的矿物组分、结构、层理、构造、颜色、颗粒分布等参数的总体表现,因此对泥页岩岩相的研究,可以重建泥页岩沉积时的沉积条件和环境,对页岩油的勘探开发具有重要的作用。对于岩相划分,可以利用岩石矿物含量作为主要的判别标准,即黏土矿物、碳酸盐矿物、石英+长石+黄铁矿三端元划分法。
陆相页岩的分类例如可以包括:中碳低硅高钙页岩、低碳低硅低钙页岩和高碳中硅低钙页岩三种岩类。其中,中碳低硅高钙页岩:样本颜色主要显示黑色,页理较为发育。黏土矿物含量平均为24.9%,石英+长石含量平均为65.7%,碳酸盐矿物(方解石+白云石)含量平均为9.4%。从矿物组成来看,该类岩相脆性较好,有机质不太发育,TOC含量在0.42-1.21%之间,平均含量约为0.79%;低碳低硅低钙页岩:样本颜色主要显示黑色。黏土矿物含量介于27.6-43.2%之间,平均为36.4%,石英+长石含量平均为59.6%,碳酸盐矿物(方解石+白云石)含量平均为4.0%。孔隙发育一般,有机质发育一般,TOC含量约为1.52%-2.41%之间,平均含量为1.86%;高碳中硅低钙页岩:样本颜色主要显示灰黑色-黑色。黏土矿物含量平均为56.4%,石英+长石含量平均为40.3%,碳酸盐矿物(方解石+白云石)含量平均为3.3%。从矿物组成来看,该类岩相脆性不太好。有机质较为丰富,非常发育,TOC含量为2.41-3.57%,平均含量为2.90%。
接着,步骤202和步骤302中,可以获得页岩样本的实测数据,包括:页岩样本的孔隙度、TOC含量、石英含量和黏土矿物含量;步骤203和步骤303中,可以根据页岩分类结果,分别对各种类型的页岩样本的实测数据进行分段拟合,确定每种类型的页岩对应的孔隙度与石英含量的关联关系,以及每种类型的页岩对应的TOC含量与石英含量的关联关系,图4为本发明实施例中陆相页岩的TOC含量与石英含量的关联关系的示意图,如图4所示,陆相页岩的TOC含量与石英含量的关联关系为负相关关系,这与石英含量对孔隙度有影响有关,图5为本发明实施例中陆相页岩的孔隙度与石英含量的关联关系的示意图,如图5所示,陆相页岩的孔隙度与石英含量也呈负相关关系。陆相页岩中的石英含量相较于海相页岩的石英含量,最大的特点主要是以陆源碎屑为主。陆相页岩主要发育在湖泊沉积体系,样本大多处于中-晚成岩期,大部分石英颗粒在此成岩期会次生加大,自生晶体在岩石孔隙空间中不断生长增大,这样会阻隔孔隙,降低页岩的比表面积。同时陆源碎屑石英胶结作用较弱,机械压实使得孔隙减小,不利于有机质的赋存,最终导致有机质含量降低。
步骤203和步骤303中,还可以基于实测数据的分段拟合,确定每种类型的页岩对应的孔隙度与黏土矿物含量的关联关系,以及每种类型的页岩对应的TOC含量与黏土矿物含量的关联关系,图6为本发明实施例中陆相页岩的TOC含量与黏土矿物含量的关联关系的示意图,如图6所示,陆相页岩中黏土矿物含量与TOC含量呈现正相关关系,这是因为黏土矿物含量与孔隙度关系密切,图7为本发明实施例中陆相页岩的孔隙度与黏土矿物含量的关联关系的示意图,从图7可以看出随着黏土矿物含量的增加,总体上页岩的孔隙度也随之增大。黏土矿物最主要集中发育的孔隙结构是小-中孔(>10~1000nm),微孔(<10nm)不太发育。黏土矿物具有较多的孔容,会增加页岩中孔隙的数量,增大了岩石孔隙空间,提高其孔隙度大小,而且比表面积大,具有很强的吸附能力。
由此可以得到能反演石英含量和黏土矿物含量的敏感参数为孔隙度,下面接着介绍基于上述关联关系预测TOC含量的具体过程。
在一个实施例中,在步骤101根据地震数据和测井数据进行叠前反演之前,该方法还包括:
对地震数据的共反射点道集进行优化处理,包括:去噪、吸收补偿、提频和拉平校正其中之一或任意组合;
步骤101中,根据地震数据和测井数据进行叠前反演,确定页岩储层的纵横波速和密度,可以包括:
根据优化处理后的地震数据和测井数据进行叠前反演,确定页岩储层的纵横波速和密度。
在一个实施例中,步骤103中,根据页岩储层的孔隙度,确定页岩储层的石英含量和黏土矿物含量,可以包括:
根据页岩储层的孔隙度,基于孔隙度与石英含量的关联关系,以及孔隙度与黏土矿物含量的关联关系,确定页岩储层的石英含量和黏土矿物含量;
其中,孔隙度与石英含量的关联关系,以及孔隙度与黏土矿物含量的关联关系是根据页岩样本的实测数据拟合得到的。
具体实施时,步骤101中,可以基于地震波形差异模拟建立敏感参数预测模型,其中,敏感参数可以是孔隙度,地震波形差异模拟基于沉积学原理,利用地震波形的横向连续变化来反映地层的横向变化特征,进而分析地层垂向岩性组合结构特征,而石英含量、黏土矿物含量与相带岩性组合密切相关,因此可以利用地震波形的变化来间接地反映石英含量、黏土矿物含量的变化。在反演过程中,让测井数据与地震波形信息匹配,利用地震数据的横向约束,减少了反演的不确定性和多解性,该方法使反演结果从完全随机到逐步确定,同时对井位分布的均匀性没有严格要求,大大提高了储层反演结果的精确度和应用领域。
叠前反演要求叠前地震数据具有高保真度、高信噪比、高分辨率和宽角度。在进行叠前反演之前,可以对地震数据的共反射点道集(CRP)进行优化处理,包括:分析叠前CRP道集的质量,根据地震数据和测井数据情况进行优化处理,典型的优化处理流程是“去噪—吸收补偿—提频—拉平校正”。步骤101中,可以在CRP道集优化处理的基础上,进行叠前弹性阻抗反演,充分利用振幅随偏移距变化的信息,以叠前入射角道集为基础,结合纵、横波、密度等测井数据并利用波形差异模拟建立的模型为约束通过联合反演,确定页岩储层的纵横波速和密度,然后步骤102中可以根据页岩储层的纵横波速和密度,确定页岩储层的孔隙度,步骤103中,可以基于上述孔隙度与石英含量关联关系,以及孔隙度与黏土矿物含量的关联关系,确定页岩储层的石英含量和黏土矿物含量,步骤104中可以根据页岩储层的石英含量和黏土矿物含量,基于上述TOC含量与石英含量的关联关系,以及TOC含量与黏土矿物含量的关联关系,预测页岩储层的TOC含量。
基于同一发明构思,本发明实施例中还提供了一种页岩储层总有机碳含量的预测装置,如下面的实施例。由于页岩储层总有机碳含量的预测装置解决问题的原理与页岩储层总有机碳含量的预测方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
本发明实施例提供一种页岩储层总有机碳含量的预测装置,用于提高页岩储层总有机碳含量的预测精度,图8为本发明实施例中页岩储层总有机碳含量的预测装置结构的示意图,如图8所示,该装置包括:
纵横波速和密度确定模块01,用于根据地震数据和测井数据进行叠前反演,确定页岩储层的纵横波速和密度;
孔隙度确定模块02,用于根据页岩储层的纵横波速和密度,确定页岩储层的孔隙度;
石英含量与黏土矿物含量确定模块03,用于根据页岩储层的孔隙度,确定页岩储层的石英含量和黏土矿物含量;
总有机碳含量预测模块04,用于根据页岩储层的石英含量和黏土矿物含量,基于总有机碳含量与石英含量的关联关系,以及总有机碳含量与黏土矿物含量的关联关系,预测页岩储层的总有机碳含量,其中,总有机碳含量与石英含量的关联关系,以及总有机碳含量与黏土矿物含量的关联关系是根据页岩样本的实测数据拟合得到的。
在一个实施例中,该装置还包括:关联关系建立模块05,用于在预测页岩储层的总有机碳含量之前,按照如下步骤建立总有机碳含量与石英含量的关联关系,以及总有机碳含量与黏土矿物含量的关联关系:
根据页岩的岩石矿物含量对页岩进行分类;
获得页岩样本的实测数据,包括:页岩样本的总有机碳含量、石英含量和黏土矿物含量;
根据页岩分类结果,分别对各种类型的页岩样本的实测数据进行拟合,确定每种类型的页岩对应的总有机碳含量与石英含量的关联关系,以及总有机碳含量与黏土矿物含量的关联关系。
在一个实施例中,上述岩石矿物包括:黏土矿物、碳酸盐矿物、石英、长石以及黄铁矿。
在一个实施例中,上述总有机碳含量与石英含量的关联关系为负相关关系,上述总有机碳含量与黏土矿物含量的关联关系为正相关关系。
在一个实施例中,石英含量与黏土矿物含量确定模块03具体用于:
根据页岩储层的孔隙度,基于孔隙度与石英含量的关联关系,以及孔隙度与黏土矿物含量的关联关系,确定页岩储层的石英含量和黏土矿物含量;
其中,孔隙度与石英含量的关联关系,以及孔隙度与黏土矿物含量的关联关系是根据页岩样本的实测数据拟合得到的。
在一个实施例中,关联关系建立模块05还用于:在根据页岩储层的孔隙度,基于孔隙度与石英含量的关联关系,以及孔隙度与黏土矿物含量的关联关系,确定页岩储层的石英含量和黏土矿物含量之前,按照如下步骤建立孔隙度与石英含量的关联关系,以及孔隙度与黏土矿物含量的关联关系:
根据页岩的岩石矿物含量对页岩进行分类;
获得页岩样本的实测数据,包括:页岩样本的孔隙度、石英含量和黏土矿物含量;
根据页岩分类结果,分别对各种类型的页岩样本的实测数据进行拟合,确定每种类型的页岩对应的孔隙度与石英含量的关联关系,以及孔隙度与黏土矿物含量的关联关系。
在一个实施例中,上述孔隙度与石英含量的关联关系为负相关关系,上述孔隙度与黏土矿物含量的关联关系为正相关关系。
在一个实施例中,该装置还包括:优化处理模块06,用于在根据地震数据和测井数据进行叠前反演之前,对地震数据的共反射点道集进行优化处理,包括:去噪、吸收补偿、提频和拉平校正其中之一或任意组合;
纵横波速和密度确定模块01具体用于:根据优化处理后的地震数据和测井数据进行叠前反演,确定页岩储层的纵横波速和密度。
本发明实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述页岩储层总有机碳含量的预测方法。
本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质存储有执行上述页岩储层总有机碳含量的预测的计算机程序。
下面举一个具体的例子,以便于理解本发明如何实施。
研究区为四川盆地川中地区侏罗系大安寨组,基于三端元划分法,将研究区陆相页岩划分为3种岩相:中碳低硅高钙页岩、低碳低硅低钙页岩和高碳中硅低钙页岩;
获得研究区页岩样本的实测数据,包括:页岩样本的孔隙度、TOC含量、石英含量和黏土矿物含量,根据页岩分类结果,分别对各种类型的页岩样本的实测数据进行分段拟合,确定每种类型的页岩对应的孔隙度与石英含量的关联关系,以及每种类型的页岩对应的TOC含量与石英含量的关联关系,并确定每种类型的页岩对应的孔隙度与黏土矿物含量的关联关系,以及每种类型的页岩对应的TOC含量与黏土矿物含量的关联关系;
根据研究区页岩储层的地震数据和测井数据,基于地震波形差异模拟建立敏感参数预测模型,对地震数据的共反射点道集(CRP)进行优化处理,在CRP道集优化处理的基础上,进行叠前弹性阻抗反演,利用振幅随偏移距变化的信息,以叠前入射角道集为基础,结合纵、横波、密度等测井数据并利用波形差异模拟建立的模型为约束通过联合反演,确定研究区页岩储层的纵横波速和密度,根据页岩储层的纵横波速和密度,确定研究区页岩储层的孔隙度;
根据研究区页岩储层的孔隙度,基于上述孔隙度与石英含量关联关系,以及孔隙度与黏土矿物含量的关联关系,确定研究区页岩储层的石英含量和黏土矿物含量;
根据研究区页岩储层的石英含量和黏土矿物含量,基于上述TOC含量与石英含量的关联关系,以及TOC含量与黏土矿物含量的关联关系,预测页岩储层的TOC含量。
图9为现有技术与本发明实施例TOC含量预测剖面对比的示意图,如图9所示,从实际的预测结果来看,本发明实施例在研究区取得了较好的应用效果,主要体现在基于岩相分类和叠前同时反演的TOC含量地震定量预测技术精度较高,与岩心实测和测井计算TOC结果较为吻合,对川中地区页岩油的勘探开发评价具有一定的指导意义。
综上所述,本发明实施例通过:根据地震数据和测井数据进行叠前反演,确定页岩储层的纵横波速和密度;根据页岩储层的纵横波速和密度,确定页岩储层的孔隙度;根据页岩储层的孔隙度,确定页岩储层的石英含量和黏土矿物含量;根据页岩储层的石英含量和黏土矿物含量,基于总有机碳含量与石英含量的关联关系,以及总有机碳含量与黏土矿物含量的关联关系,预测页岩储层的总有机碳含量。本发明基于页岩样本的实测数据拟合总有机碳含量与石英含量的关联关系、总有机碳含量与黏土矿物含量的关联关系,通过叠前反演,对页岩储层的总有机碳含量进行预测,考虑了页岩储层的多种储层特性,实现了页岩储层的总有机碳含量的定量预测,提高了总有机碳含量的预测精度,为页岩油的勘探开发提供可靠依据。
基于岩相分类对样本实测数据进行分段拟合,建立的总有机碳含量与石英含量的关联关系、总有机碳含量与黏土矿物含量的关联关系,考虑了页岩储层的多种储层特性,基于叠前反演得到与TOC含量直接相关的多种弹性参数,提高了储层反演结果的精确度,从而进一步提高了总有机碳含量的预测精度。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (13)
1.一种页岩储层总有机碳含量的预测方法,其特征在于,包括:
根据地震数据和测井数据进行叠前反演,确定页岩储层的纵横波速和密度;
根据所述页岩储层的纵横波速和密度,确定页岩储层的孔隙度;
根据所述页岩储层的孔隙度,确定页岩储层的石英含量和黏土矿物含量;
根据所述页岩储层的石英含量和黏土矿物含量,基于总有机碳含量与石英含量的关联关系,以及总有机碳含量与黏土矿物含量的关联关系,预测页岩储层的总有机碳含量,其中,所述总有机碳含量与石英含量的关联关系,以及所述总有机碳含量与黏土矿物含量的关联关系是根据页岩样本的实测数据拟合得到的。
2.如权利要求1所述的方法,其特征在于,在预测页岩储层的总有机碳含量之前,该方法还包括:
按照如下步骤建立所述总有机碳含量与石英含量的关联关系,以及所述总有机碳含量与黏土矿物含量的关联关系:
根据页岩的岩石矿物含量对页岩进行分类;
获得页岩样本的实测数据,包括:页岩样本的总有机碳含量、石英含量和黏土矿物含量;
根据页岩分类结果,分别对各种类型的页岩样本的实测数据进行拟合,确定每种类型的页岩对应的总有机碳含量与石英含量的关联关系,以及总有机碳含量与黏土矿物含量的关联关系。
3.如权利要求2所述的方法,其特征在于,所述岩石矿物包括:黏土矿物、碳酸盐矿物、石英、长石以及黄铁矿。
4.如权利要求1所述的方法,其特征在于,所述总有机碳含量与石英含量的关联关系为负相关关系,所述总有机碳含量与黏土矿物含量的关联关系为正相关关系。
5.如权利要求1所述的方法,其特征在于,根据所述页岩储层的孔隙度,确定页岩储层的石英含量和黏土矿物含量,包括:
根据所述页岩储层的孔隙度,基于孔隙度与石英含量的关联关系,以及孔隙度与黏土矿物含量的关联关系,确定页岩储层的石英含量和黏土矿物含量;
其中,所述孔隙度与石英含量的关联关系,以及所述孔隙度与黏土矿物含量的关联关系是根据页岩样本的实测数据拟合得到的。
6.如权利要求5所述的方法,其特征在于,在根据所述页岩储层的孔隙度,基于孔隙度与石英含量的关联关系,以及孔隙度与黏土矿物含量的关联关系,确定页岩储层的石英含量和黏土矿物含量之前,该方法还包括:
按照如下步骤建立所述孔隙度与石英含量的关联关系,以及所述孔隙度与黏土矿物含量的关联关系:
根据页岩的岩石矿物含量对页岩进行分类;
获得页岩样本的实测数据,包括:页岩样本的孔隙度、石英含量和黏土矿物含量;
根据页岩分类结果,分别对各种类型的页岩样本的实测数据进行拟合,确定每种类型的页岩对应的孔隙度与石英含量的关联关系,以及孔隙度与黏土矿物含量的关联关系。
7.如权利要求5所述的方法,其特征在于,所述孔隙度与石英含量的关联关系为负相关关系,所述孔隙度与黏土矿物含量的关联关系为正相关关系。
8.如权利要求1所述的方法,其特征在于,在根据地震数据和测井数据进行叠前反演之前,所述方法还包括:对地震数据的共反射点道集进行优化处理,包括:去噪、吸收补偿、提频和拉平校正其中之一或任意组合;
根据地震数据和测井数据进行叠前反演,确定页岩储层的纵横波速和密度,包括:
根据优化处理后的地震数据和测井数据进行叠前反演,确定页岩储层的纵横波速和密度。
9.一种页岩储层总有机碳含量的预测装置,其特征在于,包括:
纵横波速和密度确定模块,用于根据地震数据和测井数据进行叠前反演,确定页岩储层的纵横波速和密度;
孔隙度确定模块,用于根据所述页岩储层的纵横波速和密度,确定页岩储层的孔隙度;
石英含量与黏土矿物含量确定模块,用于根据所述页岩储层的孔隙度,确定页岩储层的石英含量和黏土矿物含量;
总有机碳含量预测模块,用于根据所述页岩储层的石英含量和黏土矿物含量,基于总有机碳含量与石英含量的关联关系,以及总有机碳含量与黏土矿物含量的关联关系,预测页岩储层的总有机碳含量,其中,所述总有机碳含量与石英含量的关联关系,以及所述总有机碳含量与黏土矿物含量的关联关系是根据页岩样本的实测数据拟合得到的。
10.如权利要求9所述的装置,其特征在于,还包括:关联关系建立模块,用于:
在预测页岩储层的总有机碳含量之前,按照如下步骤建立所述总有机碳含量与石英含量的关联关系,以及所述总有机碳含量与黏土矿物含量的关联关系:
根据页岩的岩石矿物含量对页岩进行分类;
获得页岩样本的实测数据,包括:页岩样本的总有机碳含量、石英含量和黏土矿物含量;
根据页岩分类结果,分别对各种类型的页岩样本的实测数据进行拟合,确定每种类型的页岩对应的总有机碳含量与石英含量的关联关系,以及总有机碳含量与黏土矿物含量的关联关系。
11.如权利要求9所述的装置,其特征在于,所述石英含量与黏土矿物含量确定模块具体用于:
根据所述页岩储层的孔隙度,基于孔隙度与石英含量的关联关系,以及孔隙度与黏土矿物含量的关联关系,确定页岩储层的石英含量和黏土矿物含量;
其中,所述孔隙度与石英含量的关联关系,以及所述孔隙度与黏土矿物含量的关联关系根据页岩样本的实测数据拟合得到的。
12.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8任一所述方法。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有执行权利要求1至8任一所述方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010702213.4A CN113960665A (zh) | 2020-07-20 | 2020-07-20 | 页岩储层总有机碳含量的预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010702213.4A CN113960665A (zh) | 2020-07-20 | 2020-07-20 | 页岩储层总有机碳含量的预测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113960665A true CN113960665A (zh) | 2022-01-21 |
Family
ID=79459676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010702213.4A Pending CN113960665A (zh) | 2020-07-20 | 2020-07-20 | 页岩储层总有机碳含量的预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113960665A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117871683A (zh) * | 2024-03-11 | 2024-04-12 | 广州海洋地质调查局三亚南海地质研究所 | 一种湿地碳储量的监测方法、系统、装置及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104345345A (zh) * | 2014-10-30 | 2015-02-11 | 中国石油天然气集团公司 | 一种页岩储层总有机碳toc含量预测方法 |
CN104502971A (zh) * | 2014-12-22 | 2015-04-08 | 中国石油天然气集团公司 | 页岩储层总有机碳含量和脆性空间展布的检测方法 |
WO2018137747A1 (fr) * | 2017-01-30 | 2018-08-02 | Entreprise Nationale De Geophysique | Procede pour l'estimation du carbone organique total (cot) à partir des vitesses acoustiques et de la porosite totale (φ t) dans une roche mere. |
CN110487693A (zh) * | 2018-05-14 | 2019-11-22 | 中国石油化工股份有限公司 | 一种确定泥页岩不同类型孔隙度的方法 |
-
2020
- 2020-07-20 CN CN202010702213.4A patent/CN113960665A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104345345A (zh) * | 2014-10-30 | 2015-02-11 | 中国石油天然气集团公司 | 一种页岩储层总有机碳toc含量预测方法 |
CN104502971A (zh) * | 2014-12-22 | 2015-04-08 | 中国石油天然气集团公司 | 页岩储层总有机碳含量和脆性空间展布的检测方法 |
WO2018137747A1 (fr) * | 2017-01-30 | 2018-08-02 | Entreprise Nationale De Geophysique | Procede pour l'estimation du carbone organique total (cot) à partir des vitesses acoustiques et de la porosite totale (φ t) dans une roche mere. |
CN110487693A (zh) * | 2018-05-14 | 2019-11-22 | 中国石油化工股份有限公司 | 一种确定泥页岩不同类型孔隙度的方法 |
Non-Patent Citations (1)
Title |
---|
党伟 等: "陆相页岩含气性主控地质因素——以辽河西部凹陷沙河街组三段为例", 《石油学报》, vol. 36, no. 12, pages 1516 - 1528 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117871683A (zh) * | 2024-03-11 | 2024-04-12 | 广州海洋地质调查局三亚南海地质研究所 | 一种湿地碳储量的监测方法、系统、装置及存储介质 |
CN117871683B (zh) * | 2024-03-11 | 2024-05-14 | 广州海洋地质调查局三亚南海地质研究所 | 一种湿地碳储量的监测方法、系统、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109425896B (zh) | 白云岩油气储层分布预测方法及装置 | |
CN105044797A (zh) | 一种碳酸盐岩地层剥蚀量定量恢复方法 | |
CN104181585A (zh) | 一种地球物理勘探横波估算方法和系统 | |
CN105182424A (zh) | 一种基于斑块饱和模型定量预测储层孔隙度的方法和装置 | |
CN104316965A (zh) | 一种裂缝方位和强度的预测方法及系统 | |
CN108957532B (zh) | 储层预测方法及装置 | |
CN113960665A (zh) | 页岩储层总有机碳含量的预测方法及装置 | |
CN112147677B (zh) | 油气储层参数标签数据生成方法及装置 | |
CN112505754B (zh) | 基于高精度层序格架模型的井震协同划分沉积微相的方法 | |
CN111812716B (zh) | 页岩气储层总有机碳含量叠前定量预测方法、装置及设备 | |
CN111236932B (zh) | 一种基于指示曲线重构的页岩油岩性评价方法 | |
CN111239809B (zh) | 一种基于属性融合原理的优势储层确定方法及系统 | |
CN112684498A (zh) | 一种基于宽方位地震数据的储层裂缝预测方法及系统 | |
CN112327357A (zh) | 基于三维地震资料的烃源岩成熟度预测方法及装置 | |
CN116930023A (zh) | 致密砂岩相控分类孔隙度测井精细解释方法和装置 | |
CN110716235B (zh) | 一种砂泥岩测井孔隙结构反演方法 | |
CN110133722B (zh) | 一种应用声速定性识别泥质分布类型的方法 | |
CN113848593A (zh) | 一种定量预测含煤地层中岩浆岩侵蚀区的方法 | |
CN113138412A (zh) | 深层页岩气孔隙度地震预测方法及装置 | |
CN106326516A (zh) | 烃源岩的排烃函数与排烃指数函数的构建方法 | |
CN111830562A (zh) | 一种油气储层渗透率预测方法及装置 | |
Carter et al. | Inversion of multicomponent 3D vertical seismic profile data for porosity and CO2 saturation at the Cranfield injection site, Cranfield, MS | |
CN110850504B (zh) | 一种基于铀曲线拟阻抗约束的页岩密度参数叠前反演方法 | |
CN117192613A (zh) | 一种基于岩性控制的toc预测方法及装置 | |
Marzec et al. | The application of well logging and seismic modeling to assess the degree of gas saturation in Miocene strata (Carpathian Foredeep, Poland) |
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 |