CN114086948B - 碳酸盐岩分类识别方法、装置、计算机设备及存储介质 - Google Patents
碳酸盐岩分类识别方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN114086948B CN114086948B CN202011443692.9A CN202011443692A CN114086948B CN 114086948 B CN114086948 B CN 114086948B CN 202011443692 A CN202011443692 A CN 202011443692A CN 114086948 B CN114086948 B CN 114086948B
- Authority
- CN
- China
- Prior art keywords
- carbonate
- logging
- category
- classification
- class
- 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
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 title claims abstract description 252
- 239000011435 rock Substances 0.000 title claims abstract description 150
- 238000000034 method Methods 0.000 title claims abstract description 58
- 239000011148 porous material Substances 0.000 claims abstract description 117
- 150000004649 carbonic acid derivatives Chemical class 0.000 claims abstract description 74
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 51
- 239000011707 mineral Substances 0.000 claims abstract description 51
- 239000000203 mixture Substances 0.000 claims abstract description 25
- 230000015572 biosynthetic process Effects 0.000 claims description 14
- 230000015654 memory Effects 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 4
- 238000005868 electrolysis reaction Methods 0.000 abstract description 6
- 235000019738 Limestone Nutrition 0.000 description 59
- 239000006028 limestone Substances 0.000 description 59
- 239000010459 dolomite Substances 0.000 description 45
- 229910000514 dolomite Inorganic materials 0.000 description 45
- 238000010521 absorption reaction Methods 0.000 description 15
- 238000004458 analytical method Methods 0.000 description 13
- 238000004590 computer program Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 12
- 229910021532 Calcite Inorganic materials 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 239000010440 gypsum Substances 0.000 description 7
- 229910052602 gypsum Inorganic materials 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000004445 quantitative analysis Methods 0.000 description 6
- 239000013078 crystal Substances 0.000 description 5
- 239000002245 particle Substances 0.000 description 5
- 239000004215 Carbon black (E152) Substances 0.000 description 4
- 239000002734 clay mineral Substances 0.000 description 4
- 230000008021 deposition Effects 0.000 description 4
- 230000005611 electricity Effects 0.000 description 4
- 229930195733 hydrocarbon Natural products 0.000 description 4
- 150000002430 hydrocarbons Chemical class 0.000 description 4
- 239000011505 plaster Substances 0.000 description 4
- 239000004568 cement Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 229910001748 carbonate mineral Inorganic materials 0.000 description 2
- 239000004927 clay Substances 0.000 description 2
- 238000005056 compaction Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 239000004570 mortar (masonry) Substances 0.000 description 2
- 239000003129 oil well Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 208000019888 Circadian rhythm sleep disease Diseases 0.000 description 1
- 241000195493 Cryptophyta Species 0.000 description 1
- 208000035126 Facies Diseases 0.000 description 1
- 208000001456 Jet Lag Syndrome Diseases 0.000 description 1
- 241000206608 Pyropia tenera Species 0.000 description 1
- 125000005587 carbonate group Chemical group 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 229910052570 clay Inorganic materials 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- -1 dolomitic Substances 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 208000033915 jet lag type circadian rhythm sleep disease Diseases 0.000 description 1
- 239000011499 joint compound Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Classifications
-
- 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
-
- 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
- E21B47/00—Survey of boreholes or wells
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Geology (AREA)
- Mining & Mineral Resources (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本申请提供了一种碳酸盐岩分类识别方法、装置、计算机设备及存储介质,属于地质勘探技术领域。该方法包括:基于多个碳酸盐岩样品的矿物成分信息,确定多个类别;基于多个类别的碳酸盐岩样品的孔隙发育信息,从多个类别中确定至少一个目标类别;基于每个目标类别的碳酸盐岩储层的孔隙度数据,将每个目标类别的碳酸盐岩储层的类别更新为孔隙类或致密类;基于上述每个分类类别的碳酸盐岩储层的测井曲线,确定每个分类类别对应的测井数据范围;基于测井数据范围,确定待识别的碳酸盐岩储层的类别。本申请在提高岩电解释的准确性的基础上,提高了对碳酸盐岩进行识别的可操作性以及识别结果对储集性能表达的准确性,具备实用的地质意义。
Description
技术领域
本申请涉及地质勘探技术领域,特别涉及一种碳酸盐岩分类识别方法、装置、计算机设备及存储介质。
背景技术
碳酸盐岩主要是由方解石和白云石等碳酸盐矿物组成的沉积岩,是主要的生油气岩和储油气岩。碳酸盐岩的结构多样,例如,碳酸盐岩包括颗粒、泥、胶结物、生物格架、晶粒、孔隙等多种结构。组成碳酸盐岩的矿物成分也种类繁多。
目前碳酸盐岩的分类方式,如福克分类、冯增昭分类等,主要依据碳酸盐岩的结构和矿物成分来进行分类和识别,类别识别结果能直接反映不同类别的碳酸盐岩的结构和矿物成分,如亮晶有孔虫藻灰岩、泥晶鲕粒灰岩等。
但是目前碳酸盐岩的分类并不能反映不同类别的碳酸盐岩的储集性能,各个类别的碳酸盐岩的测井曲线之间区别较小,无法应用测井曲线对碳酸盐岩进行定量识别,因此,亟需提供一种按照储集性能对碳酸盐岩进行分类,并通过测井曲线对碳酸盐岩进行识别的方案。
发明内容
本申请实施例提供了一种碳酸盐岩分类识别方法、装置、计算机设备及存储介质,能够按照储集性能来对碳酸盐岩进行分类。所述技术方案如下:
一方面,提供了一种碳酸盐岩分类识别方法,所述方法包括:
基于从地层中采集的多个碳酸盐岩样品的矿物成分信息,确定用于区别碳酸盐岩的多个类别;
基于所述多个类别的碳酸盐岩样品的孔隙发育信息,从所述多个类别中确定至少一个目标类别,每个所述目标类别的碳酸盐岩样品中存在孔隙;
基于每个所述目标类别的碳酸盐岩储层的孔隙度数据,将每个所述目标类别的碳酸盐岩储层的类别更新为孔隙类或致密类;
将所述多个类别中除所述至少一个目标类别之外的其他类别、每个所述目标类别下的孔隙类和每个所述目标类别下的致密类作为多个分类类别,基于每个所述分类类别的碳酸盐岩储层的至少两种测井曲线,确定每个所述分类类别对应的至少两个测井数据范围;
响应于待识别的碳酸盐岩储层的至少两种测井曲线中的测井特征值分别在任一分类类别对应的至少两个测井数据范围之内,将所述待识别的碳酸盐岩储层的类别确定为所述任一分类类别。
在一种可选的实现方式中,所述基于每个所述目标类别的碳酸盐岩储层的孔隙度数据,将每个所述目标类别的碳酸盐岩储层的类别更新为孔隙类或致密类,包括:
将每个所述目标类别的碳酸盐岩储层中,孔隙度数据大于第一孔隙度下限的碳酸盐岩储层的类别更新为孔隙类;
将每个所述目标类别的碳酸盐岩储层中,孔隙度数据小于或等于所述第一孔隙度下限的碳酸盐岩储层的类别更新为致密类。
在另一种可选的实现方式中,所述基于每个所述目标类别的碳酸盐岩储层的孔隙度数据,将每个所述目标类别的碳酸盐岩储层的类别更新为孔隙类或致密类,包括:
基于每个所述目标类别的碳酸盐岩储层的孔隙度数据,以及,每个所述目标类别的碳酸盐岩储层的深电阻率与浅电阻率之间的差值,将每个所述目标类别的碳酸盐岩储层的类别更新为孔隙类或致密类。
在另一种可选的实现方式中,所述基于每个所述目标类别的碳酸盐岩储层的孔隙度数据,以及,每个所述目标类别的碳酸盐岩储层的深电阻率与浅电阻率之间的差值,将每个所述目标类别的碳酸盐岩储层的类别更新为孔隙类或致密类,包括:
将每个所述目标类别的碳酸盐岩储层中,孔隙度数据大于第二孔隙度下限且所述差值大于阈值的碳酸盐岩储层的类别更新为孔隙类;
将每个所述目标类别的碳酸盐岩储层中,孔隙度数据小于或等于所述第二孔隙度下限或者所述差值小于或等于所述阈值的碳酸盐岩储层的类别更新为致密类。
在另一种可选的实现方式中,所述基于每个所述分类类别的碳酸盐岩储层的至少两种测井曲线,确定每个所述分类类别对应的至少两个测井数据范围,包括:
分别以横轴代表每两种测井曲线中的一种测井曲线的测井特征值,以纵轴代表所述每两种测井曲线中的另一种测井曲线的测井特征值,构建交会图;
对于每个分类类别,基于所述分类类别的碳酸盐岩储层的每两种测井曲线,在所述交会图中确定所述分类类别对应的多个交会点;基于所述多个交会点所形成的区域,确定所述分类类别对应的两个测井数据范围。
在另一种可选的实现方式中,所述基于所述分类类别的碳酸盐岩储层的每两种测井曲线,在所述交会图中确定所述分类类别对应的多个交会点,包括:
对所述分类类别的碳酸盐岩储层的每两种测井曲线进行采样,得到用于表示同一储层深度的两个测井特征值;
以所述两个测井特征值中的一个测井特征值为横坐标,所述两个测井特征值中的另一个测井特征值为纵坐标,在所述交会图中确定所述分类类别对应的交会点。
在另一种可选的实现方式中,所述基于所述多个交会点所形成的区域,确定所述分类类别对应的两个测井数据范围,包括:
将所述区域对应的横坐标范围确定为一个测井数据范围;
将所述区域对应的纵坐标范围确定为另一个测井数据范围。
另一方面,提供了一种碳酸盐岩分类识别装置,所述装置包括:
初始类别确定模块,用于基于从地层中采集的多个碳酸盐岩样品的矿物成分信息,确定用于区别碳酸盐岩的多个类别;
目标类别确定模块,用于基于所述多个类别的碳酸盐岩样品的孔隙发育信息,从所述多个类别中确定至少一个目标类别,每个所述目标类别的碳酸盐岩样品中存在孔隙;
类别更新模块,用于基于每个所述目标类别的碳酸盐岩储层的孔隙度数据,将每个所述目标类别的碳酸盐岩储层的类别更新为孔隙类或致密类;
范围确定模块,用于将所述多个类别中除所述至少一个目标类别之外的其他类别、每个所述目标类别下的孔隙类和每个所述目标类别下的致密类作为多个分类类别,基于每个所述分类类别的碳酸盐岩储层的至少两种测井曲线,确定每个所述分类类别对应的至少两个测井数据范围;
类别识别模块,用于响应于待识别的碳酸盐岩储层的至少两种测井曲线中的测井特征值分别在任一分类类别对应的至少两个测井数据范围之内,将所述待识别的碳酸盐岩储层的类别确定为所述任一分类类别。
在一种可选的实现方式中,所述类别更新模块,用于:
将每个所述目标类别的碳酸盐岩储层中,孔隙度数据大于第一孔隙度下限的碳酸盐岩储层的类别更新为孔隙类;
将每个所述目标类别的碳酸盐岩储层中,孔隙度数据小于或等于所述第一孔隙度下限的碳酸盐岩储层的类别更新为致密类。
在另一种可选的实现方式中,所述类别更新模块,用于基于每个所述目标类别的碳酸盐岩储层的孔隙度数据,以及,每个所述目标类别的碳酸盐岩储层的深电阻率与浅电阻率之间的差值,将每个所述目标类别的碳酸盐岩储层的类别更新为孔隙类或致密类。
在另一种可选的实现方式中,所述类别更新模块,用于:
将每个所述目标类别的碳酸盐岩储层中,孔隙度数据大于第二孔隙度下限且所述差值大于阈值的碳酸盐岩储层的类别更新为孔隙类;
将每个所述目标类别的碳酸盐岩储层中,孔隙度数据小于或等于所述第二孔隙度下限或者所述差值小于或等于所述阈值的碳酸盐岩储层的类别更新为致密类。
在另一种可选的实现方式中,所述范围确定模块,包括:
交会图构建单元,用于分别以横轴代表每两种测井曲线中的一种测井曲线的测井特征值,以纵轴代表所述每两种测井曲线中的另一种测井曲线的测井特征值,构建交会图;
交会点确定单元,用于对于每个分类类别,基于所述分类类别的碳酸盐岩储层的每两种测井曲线,在所述交会图中确定所述分类类别对应的多个交会点;范围确定单元,用于基于所述多个交会点所形成的区域,确定所述分类类别对应的两个测井数据范围。
在另一种可选的实现方式中,所述交会点确定单元,用于:
对所述分类类别的碳酸盐岩储层的每两种测井曲线进行采样,得到用于表示同一储层深度的两个测井特征值;
以所述两个测井特征值中的一个测井特征值为横坐标,所述两个测井特征值中的另一个测井特征值为纵坐标,在所述交会图中确定所述分类类别对应的交会点。
在另一种可选的实现方式中,所述范围确定单元,用于:
将所述区域对应的横坐标范围确定为一个测井数据范围;
将所述区域对应的纵坐标范围确定为另一个测井数据范围。
另一方面,提供了一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条程序代码,所述至少一条程序代码由所述处理器加载并执行,以实现上述任一种可选的实现方式中所述的碳酸盐岩分类识别方法。
另一方面,提供了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至少一条程序代码,所述至少一条程序代码由处理器加载并执行,以实现上述任一种可选的实现方式中所述的碳酸盐岩分类识别方法。
另一方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机程序代码,该计算机程序代码存储在计算机可读存储介质中,计算机设备的处理器从计算机可读存储介质读取该计算机程序代码,处理器执行该计算机程序代码,使得该计算机设备执行上述任一种可选的实现方式中所述的碳酸盐岩分类识别方法。
本申请提供了一种新的碳酸盐岩分类识别方法,在通过初始的多个类别反映碳酸盐岩的矿物成分的基础上,进一步基于碳酸盐岩储层的孔隙发育情况,进行更加细致的类别划分,得到能够更加直观准确的体现储集性能的多个分类类别,并且,由于孔隙发育情况以及矿物成分的不同,各个分类类别的碳酸盐岩储层在测井曲线上能够呈现出明显的区别,提高了分类类别所代表的岩性与测井曲线所代表的电性特征之间的对应性,也即是,提高了岩电解释的准确性,进而在岩电解释的准确性较高的基础上,能够基于每个分类类别的碳酸盐岩储层的测井曲线,确定每个分类类别对应的测井数据范围,实现对不同分类类别的碳酸盐岩储层的定量分析,从而能够基于所确定的测井数据范围,应用测井曲线,按照储集性能来识别碳酸盐岩储层所属的类别,提高了对碳酸盐岩进行识别的可操作性以及识别结果对储集性能表达的准确性,对碳酸盐岩储层的研究具有重要价值,具备实用的地质意义。
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碳酸盐岩分类识别方法的流程图;
图2是本申请实施例提供的一种碳酸盐岩分类识别方法的流程图;
图3是本申请实施例提供的一种面孔率直方图;
图4是本申请实施例提供的一种交会图的示意图;
图5是本申请实施例提供的一种交会图的示意图;
图6是本申请实施例提供的一种测井曲线的示意图;
图7是本申请实施例提供的一种岩电解释的示意图;
图8是本申请实施例提供的一种碳酸盐岩分类识别装置的框图;
图9是本申请实施例提供的一种计算机设备的框图。
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。
需要说明的是,本申请所使用的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象,而不是用于描述特定顺序。另外,对于本申请所使用的术语“至少一个”、“多个”、“每个”、“任一”,至少一个是指一个、两个或两个以上,多个是指两个或两个以上,而每个是指对应的多个中的每一个,任一是指多个中的任意一个。举例来说,多个分类类别包括3个分类类别,而每个分类类别是指这3个分类类别中的每一个分类类别,任一分类类别是指这3个分类类别中的任意一个,可以是第一个,可以是第二个、也可以是第三个。
此外,术语“包括”和“具有”以及它们的任意变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
碳酸盐岩主要是由方解石和白云石等碳酸盐矿物组成的沉积岩,是主要的生油气岩和储油气岩。世界上碳酸盐岩型油气田储量占总储量的50%,占总产量的60%。按照储集性能对碳酸盐岩进行合理分类是研究碳酸盐岩储层的重要基础,因此,本申请提供了一种能够反映储集性能的碳酸盐岩分类识别新方法,下面结合图1进行简要说明。
图1是本申请实施例提供的一种碳酸盐岩分类识别方法的流程图。参见图1,该碳酸盐岩分类识别方法可以应用在任一具有数据处理功能的计算机设备中,该碳酸盐岩分类识别方法包括以下步骤。
101、基于从地层中采集的多个碳酸盐岩样品的矿物成分信息,确定用于区别碳酸盐岩的多个类别。
组成碳酸盐岩的矿物成分种类繁多,例如,组成碳酸盐岩的矿物成分包括方解石、白云石、粘土、石膏等。矿物成分的种类以及矿物成分的含量均对碳酸盐岩的储集性能具有一定的影响,因此,基于能够体现矿物成分的种类和矿物成分的含量的矿物成分信息,确定出初始的多个类别,通过上述多个类别来反映组成碳酸盐岩的矿物成分。
102、基于多个类别的碳酸盐岩样品的孔隙发育信息,从多个类别中确定至少一个目标类别,每个目标类别的碳酸盐岩样品中存在孔隙。
孔隙是碳酸盐岩中储集油气的重要结构。由于沉积环境和形成原因的不同,部分碳酸盐岩中发育有孔隙,能够储藏油气,另一部分碳酸盐岩中未发育有孔隙,不能储藏油气。孔隙发育信息用于表示不同类别的碳酸盐岩样品的孔隙发育情况,基于孔隙发育信息,从初始的多个类别中,确定对应的碳酸盐岩样品中存在孔隙的目标类别。
103、基于每个目标类别的碳酸盐岩储层的孔隙度数据,将每个目标类别的碳酸盐岩储层的类别更新为孔隙类或致密类。
在发育有孔隙的碳酸盐岩储层中,有一部分储层的孔隙占比较大,具有研究和开采的价值,另一部分储层的岩石结构致密,孔隙占比较小,研究和开采的价值不足,因此,基于孔隙度数据,将目标类别的碳酸盐岩储层进一步区别为孔隙类和致密类,以通过更加细致的类别划分来更加直观准确的体现碳酸盐岩储层的储集性能(也可称为物性)。
其中,孔隙度数据是用于表征碳酸盐岩储层的有效孔隙度的数据。有效孔隙度是反映储层的储集性能的重要指标,是指岩石中互相连通的孔隙的体积与岩石总体积的比值。
104、将多个类别中除至少一个目标类别之外的其他类别、每个目标类别下的孔隙类和每个目标类别下的致密类作为多个分类类别,基于每个分类类别的碳酸盐岩储层的至少两种测井曲线,确定每个分类类别对应的至少两个测井数据范围。
一种测井曲线用于记录随深度变化的一种测井特征值,是基于岩层的电化学特性、导电特性、声学特性或者放射性等地球物理特性,通过测井仪器检测得到的。测井曲线能够反映不同深度的储层的岩石特征。
上述步骤101至步骤103已确定了反映碳酸盐岩的岩性和储集性能的多个分类类别,本步骤通过对每个分类类别的碳酸盐岩储层在测井曲线上的测井特征值进行统计,得到每个分类类别对应的测井数据范围,通过测井数据范围来表示每个分类类别的碳酸盐岩储层的测井特征值所属的数值范围,实现对不同分类类别的碳酸盐岩储层的定量分析。
105、响应于待识别的碳酸盐岩储层的至少两种测井曲线中的测井特征值分别在任一分类类别对应的至少两个测井数据范围之内,将待识别的碳酸盐岩储层的类别确定为该任一分类类别。
测井数据范围限定了一个分类类别的碳酸盐岩储层的测井特征值应属的数值范围,能够作为对碳酸盐岩所属的类别进行识别的判断条件。
例如,每个分类类别对应两个测井数据范围A1和A2,一个测井数据范围是基于一种测井曲线进行统计得到的,一种测井曲线用于反映岩石的一种地球物理特性。当需要识别碳酸盐岩储层所属的类别时,将该碳酸盐岩储层的测井曲线B1上的测井特征值与每个分类类别对应的测井数据范围A1进行比较,将该碳酸盐岩储层的测井曲线B2上的测井特征值与每个分类类别对应的测井数据范围A2进行比较;若测井曲线B1上的测井特征值在分类类别1对应的测井数据范围A1内,且测井曲线B2上的测井特征值在分类类别1对应的测井数据范围A2内,则将该碳酸盐岩储层的类别确定为分类类别1。其中,测井曲线B1与测井数据范围A1对应的测井曲线反映岩石的同一种地球物理特性,测井曲线B2与测井数据范围A2对应的测井曲线反映岩石的同一种地球物理特性。
本申请提供了一种新的碳酸盐岩分类识别方法,在通过初始的多个类别反映碳酸盐岩的矿物成分的基础上,进一步基于碳酸盐岩储层的孔隙发育情况,进行更加细致的类别划分,得到能够更加直观准确的体现储集性能的多个分类类别,并且,由于孔隙发育情况以及矿物成分的不同,各个分类类别的碳酸盐岩储层在测井曲线上能够呈现出明显的区别,提高了分类类别所代表的岩性与测井曲线所代表的电性特征之间的对应性,也即是,提高了岩电解释的准确性,进而在岩电解释的准确性较高的基础上,能够基于每个分类类别的碳酸盐岩储层的测井曲线,确定每个分类类别对应的测井数据范围,实现对不同分类类别的碳酸盐岩储层的定量分析,从而能够基于所确定的测井数据范围,应用测井曲线,按照储集性能来识别碳酸盐岩储层所属的类别,提高了对碳酸盐岩进行识别的可操作性以及识别结果对储集性能表达的准确性,对碳酸盐岩储层的研究具有重要价值,具备实用的地质意义。
图2是本申请实施例提供的一种碳酸盐岩分类识别方法的流程图。下面结合图2对碳酸盐岩分类识别方法进行详细说明,参见图2,该碳酸盐岩分类识别方法可以应用在任一具有数据处理功能的计算机设备中,该碳酸盐岩分类识别方法包括以下步骤。
201、计算机设备基于从地层中采集的多个碳酸盐岩样品的矿物成分信息,确定用于区别碳酸盐岩的多个类别。
需要说明的是,碳酸盐岩样品是基于从地层中采集的岩石制成的。在本申请实施例中,以碳酸盐岩样品是岩石薄片为例进行说明。进一步地,为便于观察和分析,碳酸盐岩样品也可以为铸体薄片。
矿物成分信息用于指示组成碳酸盐岩样品的矿物成分以及矿物成分的含量。可选地,计算机设备基于组成每个碳酸盐岩样品的矿物成分的含量,对多个碳酸盐岩样品进行聚类,得到用于区别碳酸盐岩的多个类别。
以某一油田为例,计算机设备确定的多个类别包括石灰岩类、白云质灰岩类、白云岩类、泥质灰岩类、泥岩类和膏岩类。在本申请实施例中,以石灰岩、白云质灰岩、白云岩、泥质灰岩、泥岩和膏岩这些名称来代表石灰岩类、白云质灰岩类、白云岩类、泥质灰岩类、泥岩类和膏岩类的碳酸盐岩。
其中,石灰岩中方解石的含量在第一范围内;白云质灰岩中方解石的含量在第二范围内,且白云石的含量在第三范围内;白云岩中白云石的含量在第四范围内;泥质灰岩中粘土类矿物的含量在第五范围内,且方解石的含量在第六范围内;泥岩中粘土类矿物的含量在第七范围内;膏岩中石膏的含量在第八范围内。可选地,第一范围为90%至100%,第二范围为50%至90%,第三范围为10%至50%,第四范围为90%至100%,第五范围为10%至50%,第六范围为50%至90%;第七范围为90%至100%;第八范围为90%至100%。
需要说明的是,计算机设备确定的多个类别与油田的地层中碳酸盐岩的矿物成分相关,本申请仅以某一油田为例进行说明,对于地层中碳酸盐岩构成不同的油田,通过与步骤201同理的过程,可确定出与上述示例不同的多个类别,本申请对多个类别的具体所指,不加以限定。
需要说明的是,在一些实施例中,计算机设备存储有每个碳酸盐岩样品与矿物成分信息的对应关系,计算机设备基于矿物成分信息,确定多个类别之前,还获取已存储的多个碳酸盐岩样品分别对应的多个矿物成分信息。在另一些实施例中,计算机设备存储有每个碳酸盐岩样品与薄片分析信息的对应关系,薄片分析信息包括碳酸盐岩样品的矿物成分信息。相应的,计算机设备基于矿物成分信息,确定多个类别之前,还从已存储的多个碳酸盐岩样品分别对应的多个薄片分析信息中,获取每个碳酸盐岩样品对应的矿物成分信息。其中,薄片分析信息是对每个碳酸盐岩样品的注解分析资料。
202、计算机设备基于多个类别的碳酸盐岩样品的孔隙发育信息,从多个类别中确定至少一个目标类别,每个目标类别的碳酸盐岩样品中存在孔隙。
在一种可选的实现方式中,孔隙发育信息用于指示碳酸盐岩样品中是否存在孔隙。若某一类别的碳酸盐岩样品的孔隙发育信息指示该类别的碳酸盐岩样品中存在孔隙,则将该类别确定为目标类别。例如,石灰岩的碳酸盐岩样品中存在孔隙,将石灰岩类确定为目标类别。
在另一种可选的实现方式中,孔隙发育信息包括面孔率,面孔率是指岩石薄片中的孔隙面积与岩石薄片的总面积的比值。相应的,上述步骤202包括:计算机设备响应于任一类别的碳酸盐岩样品的面孔率大于面孔率阈值,将该任一类别确定为目标类别。可选地,面孔率阈值可灵活配置,例如,面孔率为5%。
仍以上述油田为例,膏岩、泥岩和泥质灰岩的碳酸盐岩样品中均不存在孔隙,而石灰岩、白云岩和白云质灰岩由于形成于较高能的水动力环境中,往往易形成孔隙,对应的储层为有效储层。其中,石灰岩的薄片分析信息指示石灰岩的主要成分为颗粒灰岩,还包括少量白云质灰岩。颗粒灰岩的颗粒种类包括生屑、藻屑、内碎屑、鲕粒、包粒等,石灰岩的碳酸盐岩样品显示部分颗粒灰岩以及白云质灰岩粒间(溶)孔、体腔孔较发育。白云岩的薄片分析信息指示白云岩主要包括晶粒白云岩(也称为细粉晶白云岩)和泥晶白云岩,其中又以晶粒白云岩为主,且晶粒白云岩晶间(溶)孔较发育,泥晶白云岩孔隙相对不发育。因此,以上述油田为例,计算机设备确定的至少一个目标类别包括石灰岩类、白云质灰岩类和白云岩类。
需要说明的是,在一些实施例中,计算机设备存储有每个碳酸盐岩样品与孔隙发育信息的对应关系,计算机设备基于孔隙发育信息,确定至少一个目标类别之前,还获取已存储的多个碳酸盐岩样品分别对应的多个孔隙发育信息。在另一些实施例中,计算机设备存储有每个碳酸盐岩样品与薄片分析信息的对应关系,薄片分析信息还包括碳酸盐岩样品的孔隙发育信息,计算机设备基于孔隙发育信息,确定至少一个目标类别之前,还从已存储的多个碳酸盐岩样品分别对应的多个薄片分析信息中,获取每个碳酸盐岩样品对应的孔隙发育信息。
203、计算机设备基于每个目标类别的碳酸盐岩储层的孔隙度数据,将每个目标类别的碳酸盐岩储层的类别更新为孔隙类或致密类。
其中,孔隙度数据是依据岩层的地球物理特性,通过测井仪器检测得到的。孔隙度数据表现为孔隙度测井曲线,用于表示随深度连续变化的孔隙度测井特征值。可选地,孔隙度数据是以补偿中子测井技术、补偿密度测井技术和声波时差测井技术中的一种技术或者多种技术的结合为基础,进行检测得到的,本申请实施例以孔隙度数据是通过补偿中子测井技术检测得到的为例进行说明。
在一种可选的实现方式中,计算机设备将每个目标类别的碳酸盐岩储层中,孔隙度数据大于第一孔隙度下限的碳酸盐岩储层的类别更新为孔隙类;将每个目标类别的碳酸盐岩储层中,孔隙度数据小于或等于第一孔隙度下限的碳酸盐岩储层的类别更新为致密类。
例如,石灰岩类的碳酸盐岩储层(也即是石灰岩储层)的深度范围包括L1米至L2米,以及,L3米至L4米。其中,L1米至L2米的深度范围内的孔隙度数据大于第一孔隙度下限,则将L1米至L2米的深度范围内的碳酸盐岩储层的类别更新为孔隙类;L3米至L4米的深度范围内的孔隙度数据小于或等于第一孔隙度下限,则将L3米至L4米的深度范围内的碳酸盐岩储层的类别更新为致密类。
需要说明的是,第一孔隙度下限可依据具体油田灵活配置,例如,第一孔隙度下限用于表征5%至7%之间的有效孔隙度。其中,有效孔隙度是指岩石中互相连通的孔隙的体积与岩石总体积的比值。可选地,第一孔隙度下限与孔隙度数据中的孔隙度测井特征值都是从补偿中子的角度来表征有效孔隙度的。孔隙度测井特征值与有效孔隙度之间存在转换关系。例如,若有限孔隙度下限为5%,经过转换对应的第一孔隙度下限为3.5%。另外,在一些实施例中,计算机设备也可以将孔隙度数据转换为有效孔隙度,将第一孔隙度下限配置为5%至7%之间的任一数值,基于转换后的孔隙度数据和第一孔隙度下限之间的比较结果,确定碳酸盐岩储层为孔隙类或致密类。
上述技术方案,通过碳酸盐岩储层的孔隙度与孔隙度下限的比较,将碳酸盐岩储层进一步划分为孔隙类和致密类,使得碳酸盐岩的分类能够更加直观准确地体现不同类别的碳酸盐岩储层的储集性能,对碳酸盐岩储层的研究具有重要价值。
对于孔隙型储层,孔隙度数据已经能够很好的反映储层的储集性能,因此,基于孔隙度数据,确定储层属于孔隙类或者致密类即可。而对于以裂缝为主要储集空间和渗流通道的裂缝型储层,深电阻率和浅电阻率的差异能够更好的体现出裂缝的存在,因此,计算机设备可以基于每个目标类别的碳酸盐岩储层的孔隙度数据,以及,每个目标类别的碳酸盐岩储层的深电阻率与浅电阻率之间的差值,将每个目标类别的碳酸盐岩储层的类别更新为孔隙类或致密类,以提高类别确定的准确性。
其中,深电阻率和浅电阻率是通过电阻率测井技术检测得到的。相较于不存在裂缝的储层,存在裂缝的储层对应的深电阻率和浅电阻率的差值较大。上述计算机设备基于每个目标类别的碳酸盐岩储层的孔隙度数据,以及,每个目标类别的碳酸盐岩储层的深电阻率与浅电阻率之间的差值,将每个目标类别的碳酸盐岩储层的类别更新为孔隙类或致密类的步骤包括:计算机设备将每个目标类别的碳酸盐岩储层中,孔隙度数据大于第二孔隙度下限且差值大于阈值的碳酸盐岩储层的类别更新为孔隙类;将每个目标类别的碳酸盐岩储层中,孔隙度数据小于或等于第二孔隙度下限或者差值小于或等于该阈值的碳酸盐岩储层的类别更新为致密类。其中,上述阈值可依据已知的裂缝型储层的深电阻率与浅电阻率之间的差值进行配置,第二孔隙度下限可依据与第一孔隙度下限同理的过程进行配置。例如,若有效孔隙度下限为5%,经过转换对应的第二孔隙度下限为8%。
上述技术方案,对于裂缝型储层,还结合深电阻率与浅电阻率之间的差值,对储层所属的类别进行判断,能够进一步提高确定裂缝型储层的类别的准确性。
仍以上述油田为例,石灰岩储层可划分为孔隙类和致密类,其中,孔隙类的石灰岩储层可称为孔隙灰岩储层,致密类的石灰岩储层可称为致密灰岩。白云岩储层可划分为孔隙类和致密类,其中,孔隙类的白云岩储层可称为孔隙云岩,致密类的白云岩储层可称为致密云岩。另外,由于孔隙类的白云岩储层以晶粒白云岩为主,孔隙类的白云岩储层也可称为晶粒白云岩或者晶粒云岩;致密类的白云岩储层以泥晶白云岩为主,致密类的白云岩储层也可称为泥晶白云岩或者泥晶云岩。可选地,由于白云质灰岩不存在致密岩性,白云质灰岩储层不再进一步划分为孔隙类和致密类,白云质灰岩类的碳酸盐岩储层仍称为白云质灰岩储层。
为了更加清楚的说明孔隙类和致密类的类别划分所起到的地质意义,下面结合图3进行说明。图3所示的面孔率直方图统计了某一取心井的多个亮晶颗粒灰岩样品的面孔率和多个泥晶颗粒灰岩样品的面孔率,参见图3,亮晶颗粒灰岩样品以面孔率大于5%为主,占比达到79.27%;泥晶颗粒灰岩样品以面孔率小于5%为主,占比达到62.96%。由此可知,孔隙灰岩以亮晶颗粒灰岩为主,致密灰岩以泥晶颗粒灰岩为主。结合碳酸盐岩沉积背景可知,在水动力较强的沉积环境中,灰泥会被冲洗,沉积颗粒之间的孔隙空置,形成亮晶胶结物;而在水动力较弱的沉积环境中,颗粒和灰泥同时沉积,颗粒间的孔隙被灰泥充填,形成泥晶胶结物。综上,孔隙灰岩不仅能够代表较好的储集性能,也能够代表高能的沉积和成岩环境,孔隙类和致密类的类别划分具有实用的地质意义。
204、计算机设备将上述多个类别中除至少一个目标类别之外的其他类别、每个目标类别下的孔隙类和每个目标类别下的致密类作为多个分类类别,基于每个分类类别的碳酸盐岩储层的至少两种测井曲线,确定每个分类类别对应的至少两个测井数据范围。
一种测井曲线用于记录随深度变化的一种测井特征值,用于表征岩层的一种地球物理特性。可选地,测井曲线为光电吸收截面指数(Pe)曲线、补偿中子(CNC)曲线、电阻率(RT)曲线、补偿密度(DEN)曲线或者自然伽马曲线、声波时差曲线。
可选地,计算机设备基于两种测井曲线,构建交会图,基于交会图,确定两种测井曲线分别对应的两个测井数据范围。相应的,上述计算机设备基于每个分类类别的碳酸盐岩储层的至少两种测井曲线,确定每个分类类别对应的至少两个测井数据范围的步骤以下步骤2041至步骤2043。
2041、计算机设备分别以横轴代表每两种测井曲线中的一种测井曲线的测井特征值,以纵轴代表每两种测井曲线中的另一种测井曲线的测井特征值,构建交会图。
计算机设备基于两种测井曲线,构建一个交会图。例如,计算机设备以横轴代表补偿中子曲线的测井特征值,以纵轴代表体积光电截面吸收指数(U),构建了一个如图4所示的交会图。其中,体积光电截面吸收指数是光电吸收截面指数曲线的测井特征值与补偿密度曲线的测井特征值的乘积,也即是U=Pe×DEN。计算机设备还以横轴代表补偿密度曲线的测井特征值,以纵轴代表电阻率曲线的测井特征值,构建了一个如图5所示的交会图。其中,体积光电吸收界面指数的单位为b/cm3,也即是,平均光电吸收截面/立方厘米。补偿中子曲线的测井特征值的单位为%,也即是,百分比。补偿密度曲线的测井特征值的单位为g/cc,也即是克/立方厘米。电阻率曲线的测井特征值的单位为Ω·m,也即是欧姆·米。
2042、对于每个分类类别,计算机设备基于该分类类别的碳酸盐岩储层的每两种测井曲线,在交会图中确定该分类类别对应的多个交会点。
对于每个分类类别,计算机设备对该分类类别的碳酸盐岩储层的每两种测井曲线进行采样,得到用于表示同一储层深度的两个测井特征值;以两个测井特征值中的一个测井特征值为横坐标,两个测井特征值中的另一个测井特征值为纵坐标,在交会图中确定该分类类别对应的交会点。
仍以上述油田为例,多个分类类别包括孔隙灰岩类、致密灰岩类、泥质灰岩类、白云质灰岩类、晶粒云岩类、泥晶云岩类、膏岩类和泥岩类等8个类别。其中,孔隙灰岩类储层的主要岩性为孔隙灰岩;致密灰岩类储层的主要岩性为致密灰岩;泥质灰岩类储层的主要岩性为泥灰岩;白云质灰岩类储层的主要岩性为云质灰岩;晶粒云岩类储层的主要岩性为晶粒云岩;泥晶云岩类储层的主要岩性为泥晶云岩;膏岩类储层的主要岩性为膏岩;泥岩类储层的主要岩性为泥岩。图6示出了每个分类类别的碳酸盐岩储层的多种测井曲线:光电吸收截面指数曲线601;自然伽马曲线602;深电阻率曲线603;浅电阻率曲线604;声波时差曲线,也即是时差曲线605;补偿密度曲线,也即是密度曲线606;补偿中子曲线607。
计算机设备依据图6示出的测井曲线,以相同的储层深度为基准,分别从每个分类类别对应的两种测井曲线中进行采样,得到每个分类类别对应的两个测井特征值,分别将上述两个测井特征值对应在交会图的横轴和纵轴上,在交会图上确定上述两个测井特征值代表的交会点。上述以计算机设备在一个交会图上确定一个交会点为例进行说明,计算机设备分别在多个交会图上确定多个交会点的过程与上述过程同理,在此不再赘述。
例如,计算机设备在如图4所示的交会图上,基于补偿中子曲线和光电吸收截面指数曲线,确定多个交会点,得到添加交会点后的交会图。计算机设备还在如图5所示的交会图上,基于补偿密度曲线和电阻率曲线,确定多个交会点,得到添加交会点后的交会图。
2043、对于每个分类类别,计算机设备基于该分类类别对应的多个交会点所形成的区域,确定该分类类别对应的两个测井数据范围。
计算机设备基于一个交会图,将每个分类类别对应的区域的横坐标范围确定为一个测井数据范围;将每个分类类别对应的区域的纵坐标范围确定为另一个测井数据范围。上述以计算机设备基于一个交会图,确定两个测井数据范围为例进行说明,计算机设备分别基于多个交会图中的每个交会图,确定每个交会图对应的两个测井数据范围的过程均同理,在此不再赘述。
需要说明的是,在上述实施例中,计算机设备通过在交会图上同时体现多个分类类别对应的交会点,来确定每个分类类别对应的测井数据范围。在另一些实施例中,计算机设备也可以在确定初始的多个类别之后,基于该多个类别的碳酸盐岩储层的测井曲线,确定每个类别的碳酸盐岩储层的测井数据范围;在将目标类别的碳酸盐岩储层的类别更新为孔隙类或致密类之后,基于目标类别下的孔隙类的碳酸盐岩储层的测井曲线和目标类别下的致密类的碳酸盐岩储层的测井曲线,确定目标类别下的孔隙类对应的测井数据范围和目标类别下的致密类对应的测井数据范围。计算机设备确定测井数据范围的过程与上述步骤204同理,在此不再赘述。
仍以上述油田为例,多个类别包括石灰岩类、白云岩类、白云质灰岩类、泥质灰岩类、泥岩类和膏岩类等6个类别。其中,石灰岩的主要成岩矿物为方解石,白云岩的主要成岩矿物为白云石,泥质灰岩为主要成岩矿物包括粘土类矿物和方解石的过渡岩类,白云质灰岩为主要成岩矿物包括白云石和方解石的过渡岩类,泥岩的主要成岩矿物为粘土类矿物,膏岩的主要成岩矿物为石膏。
而矿物成分不同,会导致物理性质不同,从而在测井特征值上也存在区别。对于纯岩石来说,如方解石的补偿密度为2.71g/cm3,光电吸收截面指数为5.05b/电子,自然伽马为低于10API的值;白云石的补偿密度为2.87g/cm3,光电吸收截面指数为3.14b/电子,自然伽马为低于10API的值;泥岩的补偿密度小于2.6g/cm3,自然伽马为大于80API的值;膏岩的补偿密度大于2.9g/cm3,自然伽马为低于10API的值。因此,可以从补偿密度、光电吸收截面指数、体积光电截面吸收指数和自然伽马四方面来确定对应的测井数据范围。计算机设备通过测井曲线交会,得到的每个类别的测井数据范围如下表1所示。
表1
在将目标类别的碳酸盐岩储层的类别更新为孔隙类或致密类之后,基于目标类别下的孔隙类的碳酸盐岩储层的测井曲线和目标类别下的致密类的碳酸盐岩储层的测井曲线,得到如图4和图5所示的交会图。其中,在图4所示的交会图中,致密灰岩对应的多个交会点形成区域401;孔隙灰岩对应的多个交会点形成区域402;云质灰岩对应的多个交会点形成区域403;泥晶云岩对应的多个交会点形成区域404;晶粒云岩对应的多个交会点形成区域405;泥岩对应的多个交会点形成区域406。在图5所示的交会图中,致密灰岩对应的多个交会点形成区域501;孔隙灰岩对应的多个交会点形成区域502;泥晶云岩对应的多个交会点形成区域503;膏岩对应的多个交会点形成区域504;泥岩对应的多个交会点形成区域505。计算机设备基于上述交会图,得到的目标类别下的孔隙类和致密类分别对应的测井数据范围如下表2所示。
表2
205、计算机设备响应于待识别的碳酸盐岩储层的至少两种测井曲线中的测井特征值分别在任一分类类别对应的至少两个测井数据范围之内,将待识别的碳酸盐岩储层的类别确定为该任一分类类别。
当需要识别碳酸盐岩储层所属的分类类别时,将该碳酸盐岩储层的测井曲线传输至计算机设备,使计算机设备确定该碳酸盐岩储层所属的分类类别。
在一种可选的实现方式中,计算机设备已确定了每个分类类别对应的至少两个测井数据范围,其中每个测井数据范围与一种测井曲线相对应。计算机设备获取待识别的碳酸盐岩储层的,与每个测井数据范围对应的测井曲线;对于每种测井曲线,计算机设备将该测井曲线上各个深度的测井特征值与该测井曲线对应的,多个分类类别的测井数据范围进行比较;若某一深度范围内的碳酸盐岩储层对应的每种测井曲线均在某一分类类别对应的测井数据范围之内,则将该深度范围的碳酸盐岩储层的类别确定为该分类类别。
例如,某一油井的2519米至2526米的深度范围内的碳酸盐岩储层的补偿密度曲线的测井特征值均在2.4至2.62之间,且补偿中子曲线的测井特征值均在3.5至18之间,且体积光电截面吸收指数均在10到17之间,则该2519米至2526米的深度范围内的碳酸盐岩储层的类别为孔隙灰岩类。
在另一种可选地实现方式中,计算机设备已确定了初始的多个类别分别对应的至少两个测井数据范围,以及目标类别下的孔隙类和致密类分别对应的至少两个测井数据范围。对于待识别的碳酸盐岩储层的每个测井曲线,计算机设备将该测井曲线上各个深度的测井特征值与该测井曲线对应的多个类别的测井数据范围进行比较;若某一深度范围内的碳酸盐岩储层对应的每种测井曲线均在某一类别对应的测井数据范围之内,则将该深度范围的碳酸盐岩储层的类别确定为该类别;若该类别不是目标类别,则结束分类;若该类别是目标类别,则计算机设备将该测井曲线上各个深度的测井特征值与该测井曲线对应的目标类别下的孔隙类的测井数据范围和致密类的测井数据范围进行比较;若该碳酸盐岩储层对应的每种测井曲线均在目标类别下的孔隙类对应的测井数据范围之内,则将该碳酸盐岩储层的类别确定为该目标类别下的孔隙类;若该碳酸盐岩储层对应的每种测井曲线均在目标类别下的致密类对应的测井数据范围之内,则将该碳酸盐岩储层的类别确定为该目标类别下的致密类。
例如,某一油井的2497.2米至2506.3米的深度范围内的碳酸盐岩储层的补偿密度曲线的测井特征值均在2.4至2.71之间,且光电吸收截面指数均在4至5.05之间,且体积光电截面吸收指数均在10到17之间,且自然伽马均小于10,则该2497.2米至2506.3米的深度范围内的碳酸盐岩储层的类别为石灰岩类。石灰岩类为目标类别,进一步地,若该碳酸盐岩储层的补偿密度曲线的测井特征值均在2.6至2.71之间,且补偿中子曲线的测井特征值均在0至4.0之间,则该碳酸盐岩储层的类别为致密灰岩类。
本申请提供了一种新的碳酸盐岩分类识别方法,在通过初始的多个类别反映碳酸盐岩的矿物成分的基础上,进一步基于碳酸盐岩储层的孔隙发育情况,进行更加细致的类别划分,得到能够更加直观准确的体现储集性能的多个分类类别,并且,由于孔隙发育情况以及矿物成分的不同,各个分类类别的碳酸盐岩储层在测井曲线上能够呈现出明显的区别,提高了分类类别所代表的岩性与测井曲线所代表的电性特征之间的对应性,也即是,提高了岩电解释的准确性,进而在岩电解释的准确性较高的基础上,能够基于每个分类类别的碳酸盐岩储层的测井曲线,确定每个分类类别对应的测井数据范围,实现对不同分类类别的碳酸盐岩储层的定量分析,从而能够基于所确定的测井数据范围,应用测井曲线,按照储集性能来识别碳酸盐岩储层所属的类别,提高了对碳酸盐岩进行识别的可操作性以及识别结果对储集性能表达的准确性,对碳酸盐岩储层的研究具有重要价值,具备实用的地质意义。
需要说明的是,本申请提供的碳酸盐岩分类识别方法,以薄片鉴定技术作为强力支撑,利用薄片分析信息,确定了多个类别以及多个类别中的目标类别;同时又通过测井技术确定碳酸盐岩储层的孔隙度,依据孔隙度进行孔隙类和致密类的划分,使得类别的划分能够更加直观准确的反映碳酸盐岩储层的储集性能;通过反映岩层不同地球物理特性的多种测井曲线,对各个分类类别进行定量分析,得到测井数据范围,为岩相划分提供了依据;进而通过在纵向上具有连续性的测井曲线和测井数据范围的比较,来确定新的碳酸盐岩储层的类别,能够提高碳酸盐岩分类的准确性。下面结合图7对本申请提供的碳酸盐岩分类识别方法的地质意义进行进一步说明,图7示出了:碳酸盐岩储层的原始岩性,也即是原始类别;测井岩性,也即是通过本申请提供的碳酸盐岩分类识别方法确定的类别;薄片定名;铸体薄片的图像;碳酸盐岩储层的多种测井曲线,也即是碳酸盐岩储层的电性特征。通过图7可以看出,通过本申请的碳酸盐岩分识别类方法确定的类别不仅与测井曲线具有很好的一致性,还与薄片定名同样具有较好的对应性,本申请的碳酸盐岩分类识别方法提高了分类结果与测井曲线之间的匹配程度,也即是,提高了岩性与电性特征的对应性,提高了岩电解释的准确性,基于得到的分类结果,能够更好的对碳酸盐岩储层进行研究,在碳酸盐岩沉积相和储层分析研究中具有明显优势,具有很好的地质意义,实用性较强。
上述所有可选技术方案,可以采用任意结合形成本申请的可选实施例,在此不再一一赘述。
图8是本申请实施例提供的一种碳酸盐岩分类识别装置的框图。参见图8,该装置包括:
初始类别确定模块801,用于基于从地层中采集的多个碳酸盐岩样品的矿物成分信息,确定用于区别碳酸盐岩的多个类别;
目标类别确定模块802,用于基于多个类别的碳酸盐岩样品的孔隙发育信息,从多个类别中确定至少一个目标类别,每个目标类别的碳酸盐岩样品中存在孔隙;
类别更新模块803,用于基于每个目标类别的碳酸盐岩储层的孔隙度数据,将每个目标类别的碳酸盐岩储层的类别更新为孔隙类或致密类;
范围确定模块804,用于将多个类别中除至少一个目标类别之外的其他类别、每个目标类别下的孔隙类和每个目标类别下的致密类作为多个分类类别,基于每个分类类别的碳酸盐岩储层的至少两种测井曲线,确定每个分类类别对应的至少两个测井数据范围;
类别识别模块805,用于响应于待识别的碳酸盐岩储层的至少两种测井曲线中的测井特征值分别在任一分类类别对应的至少两个测井数据范围之内,将待识别的碳酸盐岩储层的类别确定为任一分类类别。
本申请在通过初始的多个类别反映碳酸盐岩的矿物成分的基础上,进一步基于碳酸盐岩储层的孔隙发育情况,进行更加细致的类别划分,得到能够更加直观准确的体现储集性能的多个分类类别,并且,由于孔隙发育情况以及矿物成分的不同,各个分类类别的碳酸盐岩储层在测井曲线上能够呈现出明显的区别,提高了分类类别所代表的岩性与测井曲线所代表的电性特征之间的对应性,也即是,提高了岩电解释的准确性,进而在岩电解释的准确性较高的基础上,能够基于每个分类类别的碳酸盐岩储层的测井曲线,确定每个分类类别对应的测井数据范围,实现对不同分类类别的碳酸盐岩储层的定量分析,从而能够基于所确定的测井数据范围,应用测井曲线,按照储集性能来识别碳酸盐岩储层所属的类别,提高了对碳酸盐岩进行识别的可操作性以及识别结果对储集性能表达的准确性,对碳酸盐岩储层的研究具有重要价值,具备实用的地质意义。
在一种可选的实现方式中,类别更新模块803,用于:
将每个目标类别的碳酸盐岩储层中,孔隙度数据大于第一孔隙度下限的碳酸盐岩储层的类别更新为孔隙类;
将每个目标类别的碳酸盐岩储层中,孔隙度数据小于或等于第一孔隙度下限的碳酸盐岩储层的类别更新为致密类。
在另一种可选的实现方式中,类别更新模块803,用于基于每个目标类别的碳酸盐岩储层的孔隙度数据,以及,每个目标类别的碳酸盐岩储层的深电阻率与浅电阻率之间的差值,将每个目标类别的碳酸盐岩储层的类别更新为孔隙类或致密类。
在另一种可选的实现方式中,类别更新模块803,用于:
将每个目标类别的碳酸盐岩储层中,孔隙度数据大于第二孔隙度下限且差值大于阈值的碳酸盐岩储层的类别更新为孔隙类;
将每个目标类别的碳酸盐岩储层中,孔隙度数据小于或等于第二孔隙度下限或者差值小于或等于阈值的碳酸盐岩储层的类别更新为致密类。
在另一种可选的实现方式中,范围确定模块804,包括:
交会图构建单元,用于分别以横轴代表每两种测井曲线中的一种测井曲线的测井特征值,以纵轴代表每两种测井曲线中的另一种测井曲线的测井特征值,构建交会图;
交会点确定单元,用于对于每个分类类别,基于分类类别的碳酸盐岩储层的每两种测井曲线,在交会图中确定分类类别对应的多个交会点;范围确定单元,用于基于多个交会点所形成的区域,确定分类类别对应的两个测井数据范围。
在另一种可选的实现方式中,交会点确定单元,用于:
对分类类别的碳酸盐岩储层的每两种测井曲线进行采样,得到用于表示同一储层深度的两个测井特征值;
以两个测井特征值中的一个测井特征值为横坐标,两个测井特征值中的另一个测井特征值为纵坐标,在交会图中确定分类类别对应的交会点。
在另一种可选的实现方式中,范围确定单元,用于:
将区域对应的横坐标范围确定为一个测井数据范围;
将区域对应的纵坐标范围确定为另一个测井数据范围。
需要说明的是:上述实施例提供的碳酸盐岩分类识别装置在进行碳酸盐岩的分类识别时,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,即将计算机设备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,上述实施例提供的碳酸盐岩分类识别装置与碳酸盐岩分类识别方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
本申请提供的碳酸盐岩分类识别方法的执行主体为任一具有数据处理功能的计算机设备。可选地,计算机设备为终端或者服务器。其中,终端可以为笔记本电脑、台式电脑、平板电脑或者智能手机等。图9是本申请实施例提供的一种计算机设备的框图,该计算机设备900可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(Central Processing Units,CPU)901和一个或一个以上的存储器902,其中,存储器902中存储有至少一条程序代码,至少一条程序代码由处理器901加载并执行以实现上述各个方法实施例提供的碳酸盐岩分类识别方法。当然,该计算机设备还可以具有有线或无线网络接口、键盘以及输入输出接口等部件,以便进行输入输出,该计算机设备还可以包括其他用于实现设备功能的部件,在此不做赘述。
在示例性实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有至少一条程序代码,上述至少一条程序代码可由计算机设备中的处理器执行以完成上述实施例中的碳酸盐岩分类识别方法。例如,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-Only Memory,只读光盘)、磁带、软盘和光数据存储设备等。
本申请还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机程序代码,该计算机程序代码存储在计算机可读存储介质中,计算机设备的处理器从计算机可读存储介质读取该计算机程序代码,处理器执行该计算机程序代码,使得该计算机设备执行上述各个方法实施例中的碳酸盐岩分类识别方法。
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,所述的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 (7)
1.一种碳酸盐岩分类识别方法,其特征在于,所述方法包括:
基于从地层中采集的多个碳酸盐岩样品的矿物成分信息,确定用于区别碳酸盐岩的多个类别,所述矿物成分信息用于指示组成碳酸盐岩样品的矿物成分以及矿物成分的含量;
基于所述多个类别的碳酸盐岩样品的孔隙发育信息,从所述多个类别中确定至少一个目标类别,每个所述目标类别的碳酸盐岩样品中存在孔隙,所述孔隙发育信息包括面孔率,所述面孔率是指岩石薄片中的孔隙面积与岩石薄片的总面积的比值,所述目标类别中的碳酸盐岩样品的面孔率大于面孔率阈值;
将每个所述目标类别的碳酸盐岩储层中,孔隙度数据大于第二孔隙度下限且深电阻率与浅电阻率之间的差值大于阈值的碳酸盐岩储层的类别更新为孔隙类;
将每个所述目标类别的碳酸盐岩储层中,孔隙度数据小于或等于所述第二孔隙度下限或者所述差值小于或等于所述阈值的碳酸盐岩储层的类别更新为致密类;
将所述多个类别中除所述至少一个目标类别之外的其他类别、每个所述目标类别下的孔隙类和每个所述目标类别下的致密类作为多个分类类别,基于每个所述分类类别的碳酸盐岩储层的至少两种测井曲线,确定每个所述分类类别对应的至少两个测井数据范围;
响应于待识别的碳酸盐岩储层的至少两种测井曲线中的测井特征值分别在任一分类类别对应的至少两个测井数据范围之内,将所述待识别的碳酸盐岩储层的类别确定为所述任一分类类别。
2.根据权利要求1所述的方法,其特征在于,所述基于每个所述分类类别的碳酸盐岩储层的至少两种测井曲线,确定每个所述分类类别对应的至少两个测井数据范围,包括:
分别以横轴代表每两种测井曲线中的一种测井曲线的测井特征值,以纵轴代表所述每两种测井曲线中的另一种测井曲线的测井特征值,构建交会图;
对于每个分类类别,基于所述分类类别的碳酸盐岩储层的每两种测井曲线,在所述交会图中确定所述分类类别对应的多个交会点;基于所述多个交会点所形成的区域,确定所述分类类别对应的两个测井数据范围。
3.根据权利要求2所述的方法,其特征在于,所述基于所述分类类别的碳酸盐岩储层的每两种测井曲线,在所述交会图中确定所述分类类别对应的多个交会点,包括:
对所述分类类别的碳酸盐岩储层的每两种测井曲线进行采样,得到用于表示同一储层深度的两个测井特征值;
以所述两个测井特征值中的一个测井特征值为横坐标,所述两个测井特征值中的另一个测井特征值为纵坐标,在所述交会图中确定所述分类类别对应的交会点。
4.根据权利要求2所述的方法,其特征在于,所述基于所述多个交会点所形成的区域,确定所述分类类别对应的两个测井数据范围,包括:
将所述区域对应的横坐标范围确定为一个测井数据范围;
将所述区域对应的纵坐标范围确定为另一个测井数据范围。
5.一种碳酸盐岩分类识别装置,其特征在于,所述装置包括:
初始类别确定模块,用于基于从地层中采集的多个碳酸盐岩样品的矿物成分信息,确定用于区别碳酸盐岩的多个类别,所述矿物成分信息用于指示组成碳酸盐岩样品的矿物成分以及矿物成分的含量;
目标类别确定模块,用于基于所述多个类别的碳酸盐岩样品的孔隙发育信息,从所述多个类别中确定至少一个目标类别,每个所述目标类别的碳酸盐岩样品中存在孔隙,所述孔隙发育信息包括面孔率,所述面孔率是指岩石薄片中的孔隙面积与岩石薄片的总面积的比值,所述目标类别中的碳酸盐岩样品的面孔率大于面孔率阈值;
类别更新模块,用于将每个所述目标类别的碳酸盐岩储层中,孔隙度数据大于第二孔隙度下限且深电阻率与浅电阻率之间的差值大于阈值的碳酸盐岩储层的类别更新为孔隙类;将每个所述目标类别的碳酸盐岩储层中,孔隙度数据小于或等于所述第二孔隙度下限或者所述差值小于或等于所述阈值的碳酸盐岩储层的类别更新为致密类;
范围确定模块,用于将所述多个类别中除所述至少一个目标类别之外的其他类别、每个所述目标类别下的孔隙类和每个所述目标类别下的致密类作为多个分类类别,基于每个所述分类类别的碳酸盐岩储层的至少两种测井曲线,确定每个所述分类类别对应的至少两个测井数据范围;
类别识别模块,用于响应于待识别的碳酸盐岩储层的至少两种测井曲线中的测井特征值分别在任一分类类别对应的至少两个测井数据范围之内,将所述待识别的碳酸盐岩储层的类别确定为所述任一分类类别。
6.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条程序代码,所述至少一条程序代码由所述处理器加载并执行,以实现如权利要求1-4任一项所述的碳酸盐岩分类识别方法。
7.一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中存储有至少一条程序代码,所述至少一条程序代码由处理器加载并执行,以实现如权利要求1-4任一项所述的碳酸盐岩分类识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011443692.9A CN114086948B (zh) | 2020-12-08 | 2020-12-08 | 碳酸盐岩分类识别方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011443692.9A CN114086948B (zh) | 2020-12-08 | 2020-12-08 | 碳酸盐岩分类识别方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114086948A CN114086948A (zh) | 2022-02-25 |
CN114086948B true CN114086948B (zh) | 2023-11-28 |
Family
ID=80295863
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011443692.9A Active CN114086948B (zh) | 2020-12-08 | 2020-12-08 | 碳酸盐岩分类识别方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114086948B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6088656A (en) * | 1998-11-10 | 2000-07-11 | Schlumberger Technology Corporation | Method for interpreting carbonate reservoirs |
GB0410589D0 (en) * | 2004-05-12 | 2004-06-16 | Schlumberger Holdings | Classification method for sedimentary rocks |
EP1672392A1 (en) * | 2004-12-17 | 2006-06-21 | Services Petroliers Schlumberger | Method for determining the water saturation of an underground formation |
CA2779230A1 (en) * | 2011-06-10 | 2012-12-10 | Schlumberger Canada Limited | Method for cost effective sampling and characterization of heterogeneous unconventional hydrocarbon regions |
CN105089662A (zh) * | 2015-07-24 | 2015-11-25 | 中国石油天然气股份有限公司 | 碳酸盐岩地层录井综合柱状图的校正方法及系统 |
WO2016161914A1 (zh) * | 2015-04-07 | 2016-10-13 | 四川行之智汇知识产权运营有限公司 | 一种利用地质和测井信息预测储层成岩相的方法 |
CN107133630A (zh) * | 2016-02-29 | 2017-09-05 | 中国石油化工股份有限公司 | 一种基于扫描图像判断碳酸盐岩孔隙类型的方法 |
CN107907654A (zh) * | 2017-11-07 | 2018-04-13 | 北京拓普莱博油气田开发技术研究院 | 一种确定灰岩油藏注入水最优矿化度的方法及装置 |
CN109165375A (zh) * | 2018-08-03 | 2019-01-08 | 中国石油天然气集团有限公司 | 基岩岩性识别和物性计算方法及装置 |
AU2020102001A4 (en) * | 2020-06-30 | 2020-10-01 | China University Of Geosciences, Beijing | Method for Identifying and Describing Deep Carbonate Karst Structures |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107807407B (zh) * | 2017-09-30 | 2019-10-11 | 中国石油天然气股份有限公司 | 一种油气区带有效性评价方法和装置 |
-
2020
- 2020-12-08 CN CN202011443692.9A patent/CN114086948B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6088656A (en) * | 1998-11-10 | 2000-07-11 | Schlumberger Technology Corporation | Method for interpreting carbonate reservoirs |
GB0410589D0 (en) * | 2004-05-12 | 2004-06-16 | Schlumberger Holdings | Classification method for sedimentary rocks |
EP1672392A1 (en) * | 2004-12-17 | 2006-06-21 | Services Petroliers Schlumberger | Method for determining the water saturation of an underground formation |
CA2779230A1 (en) * | 2011-06-10 | 2012-12-10 | Schlumberger Canada Limited | Method for cost effective sampling and characterization of heterogeneous unconventional hydrocarbon regions |
WO2016161914A1 (zh) * | 2015-04-07 | 2016-10-13 | 四川行之智汇知识产权运营有限公司 | 一种利用地质和测井信息预测储层成岩相的方法 |
CN105089662A (zh) * | 2015-07-24 | 2015-11-25 | 中国石油天然气股份有限公司 | 碳酸盐岩地层录井综合柱状图的校正方法及系统 |
CN107133630A (zh) * | 2016-02-29 | 2017-09-05 | 中国石油化工股份有限公司 | 一种基于扫描图像判断碳酸盐岩孔隙类型的方法 |
CN107907654A (zh) * | 2017-11-07 | 2018-04-13 | 北京拓普莱博油气田开发技术研究院 | 一种确定灰岩油藏注入水最优矿化度的方法及装置 |
CN109165375A (zh) * | 2018-08-03 | 2019-01-08 | 中国石油天然气集团有限公司 | 基岩岩性识别和物性计算方法及装置 |
AU2020102001A4 (en) * | 2020-06-30 | 2020-10-01 | China University Of Geosciences, Beijing | Method for Identifying and Describing Deep Carbonate Karst Structures |
Non-Patent Citations (6)
Title |
---|
大牛地气田碳酸盐岩储层类型测井判别及应用;赵永刚;李功强;宋立志;孙延飞;;天然气工业(12);44-47 * |
桑托斯盆地L油田盐下复杂岩性测井识别方法;侯秋元等;测井技术;第44卷(第1期);43-48 * |
歧口凹陷湖相碳酸盐岩储层岩性识别及储集类型研究;胡瑞波;常静春;张文胜;郭燕珩;董素杰;袁雪花;;测井技术(02);全文 * |
用地球物理测井方法识别碳酸盐岩储集层的岩性及孔隙结构――以巴西深海J油田案例;胡瑶;李军;苏俊磊;;地球物理学进展(第02期);735-742 * |
辽河坳陷大民屯凹陷静北潜山基岩储集层研究;倪国辉;鲍志东;杜旭东;张占文;李晓光;陈韶生;;石油勘探与开发(04);全文 * |
辽河坳陷雷家地区沙四段致密储层孔隙结构及物性下限;汪少勇;李建忠;王社教;李登华;;东北石油大学学报(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114086948A (zh) | 2022-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
El Sharawy et al. | Integration of electrofacies and hydraulic flow units to delineate reservoir quality in uncored reservoirs: A case study, Nubia Sandstone Reservoir, Gulf of Suez, Egypt | |
Peters et al. | Surface-piercing salt domes of interior North Oman, and their significance for the Ara carbonate ‘stringer’hydrocarbon play | |
Riazi | Application of integrated rock typing and flow units identification methods for an Iranian carbonate reservoir | |
Fan et al. | Pore structure evaluation of tight reservoirs in the mixed siliciclastic-carbonate sediments using fractal analysis of NMR experiments and logs | |
CN110412661B (zh) | 细粒岩油气藏甜点段优势段簇的评价方法及装置 | |
Chehrazi et al. | Pore-facies as a tool for incorporation of small-scale dynamic information in integrated reservoir studies | |
Scott et al. | Outcrop-based reservoir characterization of a kilometer-scale sand-injectite complex | |
CN106908856B (zh) | 一种湖相薄层白云岩储层的地震预测方法 | |
CN111425190A (zh) | 一种页岩气地层岩性识别方法、系统、存储介质、终端 | |
Abdideh et al. | Cluster analysis of petrophysical and geological parameters for separating the electrofacies of a gas carbonate reservoir sequence | |
Ba et al. | Brittle mineral prediction based on rock-physics modelling for tight oil reservoir rocks | |
Fanelli et al. | Reliable soil property maps over large areas: a case study in Central Italy | |
Mosobalaje et al. | Descriptive statistics and probability distributions of volumetric parameters of a Nigerian heavy oil and bitumen deposit | |
Francesconi et al. | Reservoir rock types application-Kashagan | |
Al-Jaberi et al. | Wireline logging response and true core analysis of the upper shale member of Zubair Formation, Rumaila oilfield, Southern Iraq | |
Tomutsa et al. | Geostatistical characterization and comparison of outcrop and subsurface facies: Shannon shelf sand ridges | |
CN114086948B (zh) | 碳酸盐岩分类识别方法、装置、计算机设备及存储介质 | |
Iltaf et al. | Facies and petrophysical modeling of Triassic Chang 6 tight sandstone reservoir, Heshui oil field, Ordos basin, China | |
Zhu et al. | Reservoir classification and log prediction of gas hydrate occurrence in the Qiongdongnan Basin, South China Sea | |
CN114059999B (zh) | 一种重力流沉积成因测井识别方法 | |
Gupta et al. | Rock typing in the upper Devonian-lower Mississippian woodford shale formation, Oklahoma, USA | |
CN114114453B (zh) | 一种判别砂岩胶结矿物类型的方法 | |
Derafshi et al. | Investigation and prediction of pore type system by integrating velocity deviation log, petrographic data and mercury injection capillary pressure curves in the Fahliyan Formation, the Persian Gulf Basin | |
Song et al. | Petrophysical characteristics and identification parameters of the Jurassic continental shale oil reservoirs in the Central Sichuan Basin | |
Odedede | Reservoir heterogeneity of Agbada Formation sandstone from PZ-2 well and PZ-4 well, Niger Delta: implications for reservoir management |
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 |