CN114065108A - 一种基于元素录井的变质岩潜山储层优势岩相评价方法 - Google Patents

一种基于元素录井的变质岩潜山储层优势岩相评价方法 Download PDF

Info

Publication number
CN114065108A
CN114065108A CN202111334337.2A CN202111334337A CN114065108A CN 114065108 A CN114065108 A CN 114065108A CN 202111334337 A CN202111334337 A CN 202111334337A CN 114065108 A CN114065108 A CN 114065108A
Authority
CN
China
Prior art keywords
reservoir
lithofacies
dominant
data
mineral
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
Application number
CN202111334337.2A
Other languages
English (en)
Inventor
谭忠健
谭伟雄
张国强
李鸿儒
张志虎
李辉
尚锁贵
邓津辉
张向前
陈靖
袁亚东
穆贵鹏
杨旭
杜波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China National Offshore Oil Corp CNOOC
CNOOC China Ltd Tianjin Branch
Original Assignee
China National Offshore Oil Corp CNOOC
CNOOC China Ltd Tianjin Branch
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China National Offshore Oil Corp CNOOC, CNOOC China Ltd Tianjin Branch filed Critical China National Offshore Oil Corp CNOOC
Priority to CN202111334337.2A priority Critical patent/CN114065108A/zh
Publication of CN114065108A publication Critical patent/CN114065108A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Mining & Mineral Resources (AREA)
  • Economics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Agronomy & Crop Science (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本公开涉及一种基于元素录井的变质岩潜山储层优势岩相评价方法，涉及石油天然气勘探开发技术领域。所述的储层优势岩相评价方法，包括：获取预设的矿物发育指数模型及其对应的多个用于评价的第一元素录井数据；根据所述设定预设的矿物发育指数模型及其对应的多个用于评价的第一元素录井数据，得到矿物发育指数；基于所述矿物发育指数及获取的设定矿物发育指数，评价储层优势岩相。本公开实施例可实现变质岩潜山储层优势岩相评价。

Description

一种基于元素录井的变质岩潜山储层优势岩相评价方法
技术领域
本公开涉及石油天然气勘探开发技术领域，尤其涉及一种储层优势岩相的评价方法及装置、电子设备和存储介质。
背景技术
变质岩作为一种特殊的油气储层，越来越受到重视，尤其是近年来锦州25-1南油田、渤中19-6气田的发现，使得变质岩储层油气田的勘探和开发持续发热。但是变质岩储层岩性复杂，且变质岩原生孔隙不发育，储集空间主要是岩层受力形成的裂缝，而裂缝的发育能力受岩性的控制，因此变质岩优势岩性的评价显得尤为重要。
研究表明，变质岩储层裂缝的发育能力与浅色矿物和暗色矿物的占比相关，浅色矿物主要为长英质矿物，在相同受力情况下，其相比暗色矿物更容易发育裂缝，而暗色矿物表现出更多的韧性。基于上述浅色矿物含量发育更多则发育裂缝能力越强的理论基础和统计分析表明，混合花岗岩类、花岗片麻岩类、二长片麻岩类等浅色矿物含量较多的变质岩类型发育储层的能力更强，为优势岩性，而暗色矿物含量较多的角闪岩类、中基性侵入体为非优势岩性。目前对优势岩性的识别主要是依靠测井资料和实验室的薄片鉴定，但是这两种方法均存在一定的局限性：一、测井资料属于钻井完钻后的测量资料，无法满足现场实时评价的需求；二、实验薄片资料难以形成连续的评价数据曲线，同时实验室的薄片鉴定资料也属于钻井完钻后的实验分析资料，无法满足现场实时评价的需求。
发明内容
本公开提出了一种基于元素录井的变质岩潜山储层优势岩相评价方法技术方案。
根据本公开的一方面，提供了一种储层优势岩相的评价方法，包括：
获取矿物发育指数模型及其对应的多个用于评价的第一元素录井数据；
根据所述设定矿物发育指数模型及其对应的多个用于评价的第一元素录井数据，得到矿物发育指数；
基于所述矿物发育指数及获取的设定矿物发育指数，评价储层优势岩相。
优选地，在获取矿物发育指数模型之前，需要确定所述矿物发育指数模型，其确定的方法，包括：
获取多个用于建模的第一元素录井数据；
基于所述矿物含量及所述多个用于建模的第一元素录井数据，确定所述矿物发育指数模型。
优选地，在所述获取多个用于建模的第一元素录井数据之前，确定多个用于建模的第一元素录井数据，其确定方法，包括：
获取多个第二元素录井数据及其对应的矿物含量；
分别将所述矿物含量与所述多个第二元素录井数据进行相关性分析，得到相关系数；
基于所述相关系数及获取的设定相关系数确定多个用于建模的第一元素录井数据。
优选地，所述基于所述矿物含量及所述多个用于建模的第一元素录井数据，确定所述矿物发育指数模型的方法，包括:
对所述矿物含量及所述多个用于建模的第一元素录井数据进行归一化处理，得到归一化的矿物含量及多个用于建模的第一元素录井数据；
对所述归一化的矿物含量及多个用于建模的第一元素录井数据进行多元回归，得到所述矿物发育指数模型。
优选地，所述的储层优势岩相的评价方法，还包括：
若评价结果为储层优势岩相，则获取待评价储层的地层综合评价资料；
根据所述待评价储层的地层综合评价资料得到净毛比；
基于所述净毛比及获取的第一设定净毛比对所述储层优势岩相进一步评价，得到最终的储层优势岩相评价结果。
优选地，所述的储层优势岩相的评价方法，还包括：
若评价结果为储层非优势岩相，则获取待评价储层的地层综合评价资料；
根据所述待评价储层的地层综合评价资料得到净毛比；
基于所述净毛比及获取的第二设定净毛比对所述储层非优势岩相进一步评价，得到最终的储层非优势岩相评价结果。
优选地，所述根据所述待评价储层的地层综合评价资料得到净毛比方法，包括：
获取所述待评价储层的地层综合评价资料中的解释储层厚度及地层厚度；
根据所述解释储层厚度与地层厚度之比，得到净毛比。
根据本公开的一方面，提供了一种储层优势岩相的评价装置，包括：
获取单元，用于获取矿物发育指数模型及其对应的多个用于评价的第一元素录井数据；
确定单元，用于根据所述设定矿物发育指数模型及其对应的多个用于评价的第一元素录井数据，得到矿物发育指数；
评价单元，用于基于所述矿物发育指数及获取的设定矿物发育指数评价储层优势岩相。
根据本公开的一方面，提供了一种电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：执行上述储层优势岩相的评价方法。
根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述储层优势岩相的评价方法。
在本公开实施例中，提供的储层优势岩相的评价方法及装置、电子设备和存储介质，可实现储层优势岩相的评价，以解决以下问题：(1)测井资料属于钻井完钻后的测量资料，无法满足现场实时评价的需求；(2)实验薄片资料难以形成连续的评价数据曲线，同时实验室的薄片鉴定资料也属于钻井完钻后的实验分析资料，无法满足现场实时评价的需求。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的储层优势岩相的评价的流程图；
图2为据本公开实施例在渤海B工区某口井太古界变质岩潜山的优势岩相应用实例；
图3根据一示例性实施例示出的一种电子设备800的框图；
图4是根据一示例性实施例示出的一种电子设备1900的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。
此外，本公开还提供了储层优势岩相的评价装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种储层优势岩相的评价方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
图1示出根据本公开实施例的储层优势岩相的评价方法的流程图，如图1所示，所述储层优势岩相的评价方法，包括：步骤S101：获取矿物发育指数模型及其对应的多个用于评价的第一元素录井数据；步骤S102：根据所述设定矿物发育指数模型及其对应的多个用于评价的第一元素录井数据，得到矿物发育指数；步骤S103：基于所述矿物发育指数及获取的设定矿物发育指数，评价储层优势岩相。可实现储层优势岩相的评价，以解决以下问题：(1)测井资料属于钻井完钻后的测量资料，无法满足现场实时评价的需求；(2)实验薄片资料难以形成连续的评价数据曲线，同时实验室的薄片鉴定资料也属于钻井完钻后的实验分析资料，无法满足现场实时评价的需求。
步骤S101：获取矿物发育指数模型及其对应的多个用于评价的第一元素录井数据。
在本公开中，在获取矿物发育指数模型之前，需要确定所述矿物发育指数模型，其确定的方法，包括：获取多个用于建模的第一元素录井数据；基于所述矿物含量及所述多个用于建模的第一元素录井数据，确定所述矿物发育指数模型。其中，用于建模的第一元素录井数据与所述用于评价的第一元素录井数据的元素相同。
例如，建模的第一元素录井数据与所述用于评价的第一元素录井数据的元素可相同，分别为硅(Si)元素、钠(Na)元素、钾(K)元素、铁(Fe)元素及镁(Mg)元素。
在本公开中，在所述获取多个用于建模的第一元素录井数据之前，确定多个用于建模的第一元素录井数据，其确定方法，包括：获取多个第二元素录井数据及其对应的矿物含量；分别将所述矿物含量与所述多个第二元素录井数据进行相关性分析，得到对应的多个相关系数；基于所述多个相关系数及获取的设定相关系数确定多个用于建模的第一元素录井数据。其中，所述设定相关系数可配置为0.5。相关性分析方法，可为线性相关性分析、指数相关性分析、幂相关性分析的一种或几种，或其他的多个相关系数。
在本实施例及其他可能的实施例中，在所述获取多个用于建模的第一元素录井数据之前，确定多个用于建模的第一元素录井数据，其确定方法，包括：获取多个第二元素录井数据及其对应的矿物含量，以及至少2个相关性分析模型；分别利用至少2个相关性分析模型，分别将所述矿物含量与所述多个第二元素录井数据进行相关性分析，得到所述至少2个相关性分析模型对应的多个相关系数；将所述至少2个相关性分析模型对应的多个相关系数取均值，得到最终的多个相关系数。
例如，多个第二元素录井数据可为17个，分别将所述矿物含量与所述17个第二元素录井数据进行相关性分析，得到17个第二元素录井数据对应的17个相关系数；基于所述17个相关系数及获取的设定相关系数确定多个用于建模的第一元素录井数据。
又例如，至少2个相关性分析模型可为线性相关性分析、指数相关性分析、幂相关性分析对应的线性相关性分析模型、指数相关性分析模型、幂相关性分析模型的任何2个或3个模型，利用线性相关性分析模型分别将所述矿物含量与17个第二元素录井数据进行相关性分析，得到所述线性相关性分析模型对应的17个第一相关系数；利用指数相关性分析模型分别将所述矿物含量与17个第二元素录井数据进行相关性分析，得到所述线性相关性分析模型对应的17个第二相关系数；分别将所述17个第一相关系数及17个第二相关系数取均值，得到最终的17个相关系数。
在本实施例及其他可能的实施例中，在所述获取多个用于建模的第一元素录井数据之前，确定多个用于建模的第一元素录井数据，其确定方法，包括：获取预设的筛选模型及多个第二元素录井数据及其对应的矿物含量；将所述多个第二元素录井数据作为自变量，所述多个第二元素录井数据对应的矿物含量作为因变量，利用所述预设的筛选模型对所述预设的筛选模型进行筛选，得到对应的多个回归系数；基于所述多个回归系数及获取的设定回归系数确定多个用于建模的第一元素录井数据。其中，所述回归系数可配置为0.5，显然本领域人员可根据需要调整所述回归系数。
例如，预设的筛选模型的数学表达式为：
Figure BDA0003350045130000071
其中，min表示取最小值，
Figure BDA0003350045130000072
表示归一化后的多个第二元素录井数据，yi表示原始的矿物含量或归一化后的矿物含量，λ表示设定的惩罚参数(λ≥0),βj表示回归系数，i∈[1,n]，j∈[0,p]。
在本公开中，所述基于所述矿物含量及所述多个用于建模的第一元素录井数据，确定所述矿物发育指数模型的方法，包括:对所述矿物含量及所述多个用于建模的第一元素录井数据进行归一化处理，得到归一化的矿物含量及多个用于建模的第一元素录井数据；或，对所述多个用于建模的第一元素录井数据进行归一化处理，得到归一化的多个用于建模的第一元素录井数据；对所述归一化的矿物含量及多个用于建模的第一元素录井数据进行多元回归，得到所述矿物发育指数模型。
例如，为消除各元素在量级上的差异，使各元素间具有可对比性，故对元素录井数据作归一化处理，所述归一化处理具体为：
X′＝(X-Xmin)/(Xmax-Xmin)
其中，X为所需元素录井值，X＇为该元素归一化值，Xmin、Xmax分别为该元素在研究工区中的最低测量值和最高测量值。本例中：Simax＝40，Simin＝25，Namax＝5，Namin＝0，Kmax＝5，Kmin＝0，Femax＝10，Femin＝0，Mgmax＝10，Mgmin＝0。
在本实施例及其他可能的实施例中，所述设定的矿物发育指数模型为：
S＝0.906+0.076Si＇+0.143Na＇+0.01K＇-0.587Fe＇-0.114Mg＇。
其中，S为变质岩浅色矿物发育指数，Si＇为Si元素归一化值，Na＇为Na元素归一化值，K＇为K元素归一化值，Fe＇为Fe元素归一化值，Mg＇为Mg元素归一化值。
在本实施例及其他可能的实施例中，本发明实施例以渤海B工区太古界变质岩潜山地层为例，现通过元素录井数据构建一条浅色矿物发育指数曲线用于开展变质岩潜山优势岩相评价。
收集工区已钻井的元素录井数据、实验薄片分析浅色矿物含量数据、地层综合评价结果(资料)。收集B工区已完钻的3口井的元素录井数据，43份薄片分析浅色矿物含量数据及地层综合评价结果。其中元素录井数据为：硅(Si)元素数据、钠(Na)元素数据、钾(K)元素数据、铁(Fe)元素数据、镁(Mg)元素数据。硅(Si)元素数据、钠(Na)元素数据、钾(K)元素数据、铁(Fe)元素数据、镁(Mg)元素数据是从17种元素数据(多个第二元素录井数据及其对应的矿物含量)里面挑选反应比较好的元素数据(标准数据，用于建模的第一元素录井数据)。用薄片的浅色矿物含量分别与元素数据做相关性分析，挑选的相关性系数高(相关系数大于0.5)的元素。其中，相关性分析方法，可为线性相关性分析、指数相关性分析、幂相关性分析的一种或几种。其中，地层综合评价资料，包括：岩心描述资料(例如，地层特征)、测井及录井解释资料等。
选取工区目标元素归一化数据作为标准数据(用于建模的第一元素录井数据)。B工区43份实验薄片分析浅色矿物含量数据同口井同深度段的硅(Si)元素归一化数据、钠(Na)元素归一化数据、钾(K)元素归一化数据、铁(Fe)元素归一化数据、镁(Mg)元素归一化数据为标准数据(用于建模的第一元素录井数据)。
建立工区的浅色矿物发育指数模型。已工区的标准数据为基础，利用EXCEL软件建立浅色矿物含量与目标元素归一化数据的多元回归方程(设定的矿物发育指数模型)：
S＝0.906+0.076Si＇+0.143Na＇+0.01K＇-0.587Fe＇-0.114Mg＇。
其中，S为变质岩浅色矿物发育指数，Si＇为Si元素归一化值，Na＇为Na元素归一化值，K＇为K元素归一化值，Fe＇为Fe元素归一化值，Mg＇为Mg元素归一化值。
步骤S102：根据所述设定矿物发育指数模型及其对应的多个用于评价的第一元素录井数据，得到矿物发育指数。
在本实施例及其他可能的实施例中，多个用于评价的第一元素录井数据与用于建模的第一元素录井数据相同。
例如，获取其他工区太古界变质岩潜山的薄片分析浅色矿物含量数据及地层综合评价结果(资料)。其中，用于评价的第一元素录井数据，为：硅(Si)元素数据、钠(Na)元素数据、钾(K)元素数据、铁(Fe)元素数据、镁(Mg)元素数据。硅(Si)元素数据、钠(Na)元素数据、钾(K)元素数据、铁(Fe)元素数据、镁(Mg)元素数据。对上述对矿物含量及所述多个用于建模的第一元素录井数据进行归一化处理，得到归一化的矿物含量及多个用于评价的第一元素录井数据；或，对所述多个用于评价的第一元素录井数据进行归一化处理，得到归一化的多个用于评价的第一元素录井数据；利用多元回归方程(设定的矿物发育指数模型)得到矿物发育指数。
步骤S103：基于所述矿物发育指数及获取的设定矿物发育指数，评价储层优势岩相。
在本实施例及其他可能的实施例中，所述基于所述矿物发育指数及获取的设定矿物发育指数，评价储层优势岩相的方法，包括：获取设定矿物发育指数；若所述矿物发育指数大于或等于所述矿物发育指数，则评价为储层优势岩相；否则，评价为储层非优势岩相。其中，设定矿物发育指数可配置为0.78，显然本领域人员可以根据需要自行对设定矿物发育指数进行选择或配置。
在本公开中，所述的储层优势岩相的评价方法，还包括：若评价结果为储层优势岩相，则获取待评价储层的地层综合评价资料；根据所述待评价储层的地层综合评价资料得到净毛比；基于所述净毛比及获取的第一设定净毛比对所述储层优势岩相进一步评价，得到最终的储层优势岩相评价结果。其中，所述根据所述待评价储层的地层综合评价资料得到净毛比方法，包括：获取所述待评价储层的地层综合评价资料中的解释储层厚度及地层厚度；根据所述解释储层厚度与地层厚度之比，得到净毛比。其中，第一设定净毛比可配置为0.5，显然本领域人员可以根据需要自行对第一设定净毛比进行选择或配置。
在本公开中，所述的储层优势岩相的评价方法，还包括：若评价结果为储层非优势岩相，则获取待评价储层的地层综合评价资料；根据所述待评价储层的地层综合评价资料得到净毛比；基于所述净毛比及获取的第二设定净毛比对所述储层非优势岩相进一步评价，得到最终的储层非优势岩相评价结果。其中，所述根据所述待评价储层的地层综合评价资料得到净毛比方法，包括：获取所述待评价储层的地层综合评价资料中的解释储层厚度及地层厚度；根据所述解释储层厚度与地层厚度之比，得到净毛比。其中，第二设定净毛比可配置为0.4，显然本领域人员可以根据需要自行对第二设定净毛比进行选择或配置。
在本实施例及其他可能的实施例中，工区变质岩潜山优势岩相解释标准的建立。利用多元回归方程可计算得到浅色矿物发育指数，将该结果与区域关键井的地层综合评价资料进行对比统计，得到如表1所示的浅色矿物变质岩潜山优势岩相评价标准。其中，地层综合评价资料，包括：岩心描述资料(例如，地层特征)、测井及录井解释资料等。表1为渤海B工区太古界变质岩潜山的优势岩相评价标准，不同地区，其变化范围有所不同。
表1基于浅色矿物发育指数的变质岩潜山优势岩相评价标准
Figure BDA0003350045130000111
在钻井作业过程中，可利用浅色矿物发育指数计算结果，参照表1所示评价标准对变质岩优势岩相进行初步判定。
图2为据本公开实施例在渤海B工区某口井太古界变质岩潜山的优势岩相应用实例。在图2中，曲线S为浅色矿物发育指数计算结果，优势岩相道是利用浅色矿物发育指数计算结果，参照表1所示评价标准对变质岩优势岩相进行初步判定结果。共划分出优势岩相发育区和非优势岩相发育区，分别用√和×标出。
本公开实施例以净毛比来提高优势岩相划分结果的准确性，如图2所示，净毛比(净毛比是测井解释的储层厚度与地层厚度之比)较高，平均在0.5以上时，划分的优势岩相段综合解释储层较多；净毛比较小，平均在0.4以下时，非优势岩相段综合解释储层较少。
综上，本公开利用元素录井数据构建了一条表征变质岩潜山浅色矿物发育含量的浅色矿物发育指数曲线属于录井解释方法的创新，拓展了元素录井的应用范围。本公开以元素录井数据为基础，故能在钻井阶段得到浅色矿物发育指数曲线进行变质岩潜山优势岩相的划分。
储层优势岩相的评价方法的执行主体可以是储层优势岩相的评价装置，例如，储层优势岩相的评价方法可以由终端设备或服务器或其它处理设备执行，其中，终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中，该储层优势岩相的评价方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
同时，本公开还提出了一种储层优势岩相的评价装置，所述储层优势岩相的评价装置，包括：获取单元，用于获取预设的矿物发育指数模型及其对应的多个用于评价的第一元素录井数据；确定单元，用于根据所述设定预设的矿物发育指数模型及其对应的多个用于评价的第一元素录井数据，得到矿物发育指数；评价单元，用于基于所述矿物发育指数及获取的设定矿物发育指数评价储层优势岩相。可实现储层优势岩相的评价，以解决以下问题：(1)测井资料属于钻井完钻后的测量资料，无法满足现场实时评价的需求；(2)实验薄片资料难以形成连续的评价数据曲线，同时实验室的薄片鉴定资料也属于钻井完钻后的实验分析资料，无法满足现场实时评价的需求。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为上述方法。电子设备可以被提供为终端、服务器或其它形态的设备。
图3是根据一示例性实施例示出的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。
参照图3，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图4是根据一示例性实施例示出的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图4，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种储层优势岩相的评价方法，其特征在于，包括：
获取预设的矿物发育指数模型及其对应的多个用于评价的第一元素录井数据；
根据所述预设的矿物发育指数模型及其对应的多个用于评价的第一元素录井数据，得到矿物发育指数；
基于所述矿物发育指数及获取的设定矿物发育指数，评价储层优势岩相。
2.根据权利要求1所述的储层优势岩相的评价方法，其特征在于，在获取预设的矿物发育指数模型之前，需要确定所述预设的矿物发育指数模型，其确定的方法，包括：
获取多个用于建模的第一元素录井数据；
基于所述矿物含量及所述多个用于建模的第一元素录井数据，确定所述预设的矿物发育指数模型。
3.根据权利要求2所述的储层优势岩相的评价方法，其特征在于，在所述获取多个用于建模的第一元素录井数据之前，确定多个用于建模的第一元素录井数据，其确定方法，包括：
获取多个第二元素录井数据及其对应的矿物含量；
分别将所述矿物含量与所述多个第二元素录井数据进行相关性分析，得到相关系数；
基于所述相关系数及获取的设定相关系数确定多个用于建模的第一元素录井数据。
4.根据权利要求2或3所述的储层优势岩相的评价方法，其特征在于，所述基于所述矿物含量及所述多个用于建模的第一元素录井数据，确定所述预设的矿物发育指数模型的方法，包括:
对所述矿物含量及所述多个用于建模的第一元素录井数据进行归一化处理，得到归一化的矿物含量及多个用于建模的第一元素录井数据；
对所述归一化的矿物含量及多个用于建模的第一元素录井数据进行多元回归，得到所述预设的矿物发育指数模型。
5.根据权利要求1-4任一项所述的储层优势岩相的评价方法，其特征在于，还包括：
若评价结果为储层优势岩相，则获取待评价储层的地层综合评价资料；
根据所述待评价储层的地层综合评价资料得到净毛比；
基于所述净毛比及获取的第一设定净毛比对所述储层优势岩相进一步评价，得到最终的储层优势岩相评价结果。
6.根据权利要求1-4任一项所述的储层优势岩相的评价方法，其特征在于，还包括：
若评价结果为储层非优势岩相，则获取待评价储层的地层综合评价资料；
根据所述待评价储层的地层综合评价资料得到净毛比；
基于所述净毛比及获取的第二设定净毛比对所述储层非优势岩相进一步评价，得到最终的储层非优势岩相评价结果。
7.根据权利要求5或6所述的储层优势岩相的评价方法，其特征在于，所述根据所述待评价储层的地层综合评价资料得到净毛比方法，包括：
获取所述待评价储层的地层综合评价资料中的解释储层厚度及地层厚度；
根据所述解释储层厚度与地层厚度之比，得到净毛比。
8.一种储层优势岩相的评价装置，其特征在于，包括：
获取单元，用于获取预设的矿物发育指数模型及其对应的多个用于评价的第一元素录井数据；
确定单元，用于根据所述设定预设的矿物发育指数模型及其对应的多个用于评价的第一元素录井数据，得到矿物发育指数；
评价单元，用于基于所述矿物发育指数及获取的设定矿物发育指数评价储层优势岩相。
9.一种电子设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至7中任意一项所述的储层优势岩相的评价方法。
10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的储层优势岩相的评价方法。
CN202111334337.2A 2021-11-11 2021-11-11 一种基于元素录井的变质岩潜山储层优势岩相评价方法 Pending CN114065108A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111334337.2A CN114065108A (zh) 2021-11-11 2021-11-11 一种基于元素录井的变质岩潜山储层优势岩相评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111334337.2A CN114065108A (zh) 2021-11-11 2021-11-11 一种基于元素录井的变质岩潜山储层优势岩相评价方法

Publications (1)

Publication Number Publication Date
CN114065108A true CN114065108A (zh) 2022-02-18

Family

ID=80275237

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111334337.2A Pending CN114065108A (zh) 2021-11-11 2021-11-11 一种基于元素录井的变质岩潜山储层优势岩相评价方法

Country Status (1)

Country Link
CN (1) CN114065108A (zh)

Similar Documents

Publication Publication Date Title
CN111581488B (zh) 一种数据处理方法及装置、电子设备和存储介质
CN110909815B (zh) 神经网络训练、图像处理方法、装置及电子设备
EP3312702B1 (en) Method and device for identifying gesture
CN113139484B (zh) 人群定位方法及装置、电子设备和存储介质
CN109447258B (zh) 神经网络模型的优化方法及装置、电子设备和存储介质
CN112382346A (zh) 含油饱和度的确定方法及装置、电子设备和存储介质
CN111984765B (zh) 知识库问答过程关系检测方法及装置
CN114065108A (zh) 一种基于元素录井的变质岩潜山储层优势岩相评价方法
CN115935816B (zh) 钻井参数确定方法、装置、设备及存储介质
CN116796503A (zh) 一种页岩有机物碳含量计算模型建立方法和装置
WO2023097952A1 (zh) 预训练模型发布方法及装置、电子设备、存储介质和计算机程序产品
CN115495865A (zh) 黏土矿物含量的确定方法及装置、电子设备和存储介质
CN112211624A (zh) 储层的破裂压力确定方法及装置、电子设备和存储介质
CN111814879B (zh) 储层岩石物理相的分类方法及装置、电子设备和存储介质
CN111583144B (zh) 图像降噪方法及装置、电子设备和存储介质
CN111949924B (zh) 渗透率的确定方法及装置、电子设备和存储介质
CN109754452B (zh) 图像渲染的处理方法、装置、电子设备及存储介质
CN113946228A (zh) 语句推荐方法、装置、电子设备和可读存储介质
CN112149312B (zh) 沉积微相的确定方法及装置、电子设备和存储介质
CN115438458A (zh) 地层古孔隙度的还原方法及装置、电子设备和存储介质
CN113123784B (zh) 低孔裂缝性砂岩储层裂缝渗透率获取方法和装置
CN111914983B (zh) 交互方法及装置、音箱、电子设备和存储介质
CN117852913A (zh) 一种致密砂岩气藏单井日产气量预测方法及装置
CN115841181B (zh) 剩余油分布预测方法、装置、设备及存储介质
CN116150597A (zh) 基于多网络的试井解释方法及装置、电子设备、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