CN114240212A - 地质参数对资源量影响权重的确定方法及设备 - Google Patents
地质参数对资源量影响权重的确定方法及设备 Download PDFInfo
- Publication number
- CN114240212A CN114240212A CN202111580833.6A CN202111580833A CN114240212A CN 114240212 A CN114240212 A CN 114240212A CN 202111580833 A CN202111580833 A CN 202111580833A CN 114240212 A CN114240212 A CN 114240212A
- Authority
- CN
- China
- Prior art keywords
- resource amount
- geological parameter
- sample data
- determining
- geological
- 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
- 238000000034 method Methods 0.000 title claims abstract description 85
- 238000004364 calculation method Methods 0.000 claims abstract description 54
- 230000036961 partial effect Effects 0.000 claims abstract description 46
- 238000012417 linear regression Methods 0.000 claims abstract description 44
- 238000012545 processing Methods 0.000 claims abstract description 12
- 239000007789 gas Substances 0.000 claims description 63
- 238000004590 computer program Methods 0.000 claims description 21
- 238000012360 testing method Methods 0.000 claims description 19
- 238000012216 screening Methods 0.000 claims description 18
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 239000003079 shale oil Substances 0.000 claims description 6
- 238000001134 F-test Methods 0.000 claims description 5
- 239000003034 coal gas Substances 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 abstract description 13
- 230000008569 process Effects 0.000 description 12
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 10
- 239000011159 matrix material Substances 0.000 description 9
- 238000005070 sampling Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 230000002596 correlated effect Effects 0.000 description 5
- 238000012854 evaluation process Methods 0.000 description 5
- 239000003345 natural gas Substances 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000010998 test method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 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
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000004090 dissolution Methods 0.000 description 1
- 238000004836 empirical method Methods 0.000 description 1
- 150000004677 hydrates Chemical class 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- G06F17/17—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method
-
- 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)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Mathematical Optimization (AREA)
- Development Economics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Pure & Applied Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Agronomy & Crop Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Algebra (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供地质参数对资源量影响权重的确定方法及设备，该方法包括：获取待勘测区域的多组样本数据，其中，待勘测区域储藏有非常规油气资源，样本数据为预设资源量计算方式中所使用的各目标地质参数的数据；基于预设资源量计算方式和多组样本数据，计算各组样本数据的资源量结果；对各组样本数据的资源量结果和多组样本数据进行多元线性回归拟合处理，得到资源量与各目标地质参数的线性回归模型，并基于线性回归模型，确定各目标地质参数的偏回归系数；基于各目标地质参数的偏回归系数，确定各目标地质参数对资源量影响的权重。本发明可以降低了人为主观因素的影响，达到了提高页岩气资源评价结果准确性的目的。
Description
技术领域
本发明涉及非常规油气资源技术领域，尤其涉及一种地质参数对资源量影响权重的确定方法及设备。
背景技术
非常规油气是指在目前技术条件下不能采出，或采出不具有经济效益的石油和天然气资源。一般包括致密和超致密砂岩油气、页岩油气、超重(稠)油、沥青砂岩、煤层气、水溶气、天然气水合物等。
以页岩气为例，页岩气是蕴藏于页岩层可供开采的天然气资源，勘探人员在前期勘探中，需要对页岩气资源量进行评价。由于地质变量的不确定性和页岩气成藏条件的不均一性，导致页岩气资源评价中的测不准特点将始终存在。
同时由于页岩气区块地质条件不同，不同地区资源量计算需选取不同的计算方法，如较为定性分析的类比法，定量分析的体积法等。由于非常规储层天然气的聚集机理和过程复杂，故一般采用体积法进行资源量计算。又由于目前页岩气勘探地质资料少、认识程度低，故在页岩气资源评价方法选择中，广泛采用概率体积法，或以概率体积法为主、以类比法及统计法等作为辅助的综合评价法。
在利用各种方式计算资源量的过程中，由于各个区块地质条件不一致，方法选取不一致，同时参与计算的影响因素均不唯一，所以各种影响因素所占的权重必然不同。因此判断主要影响因素并赋予相应的权重，有针对性的减小误差，是在资源评价过程中减少误差较为重要的一环。
然而，目前在对资源量评价过程中，对各种影响因素所占权重的确定多采用统计法、类比法或经验法，但是在资源量评价过程中发现得到的各种影响因素所占权重并不准确，无法有针对性的减少采样误差。
发明内容
本发明实施例提供了一种地质参数对资源量影响权重的确定方法及设备，以解决目前在资源量评价过程中各种影响因素所占权重不准确的问题。
第一方面，本发明实施例提供了一种地质参数对资源量影响权重的确定方法，包括：
获取待勘测区域的多组样本数据，其中，待勘测区域储藏有非常规油气资源，样本数据为预设资源量计算方式中所使用的各目标地质参数的数据；
基于预设资源量计算方式和多组样本数据，计算各组样本数据的资源量结果；
对各组样本数据的资源量结果和多组样本数据进行多元线性回归拟合处理，得到资源量与各目标地质参数的线性回归模型，并基于线性回归模型，确定各目标地质参数的偏回归系数；
基于各目标地质参数的偏回归系数，确定各目标地质参数对资源量影响的权重。
在一种可能的实现方式中，基于线性回归模型，确定各目标地质参数的偏回归系数之前，还包括：
基于线性回归模型，确定资源量与各目标地质参数之间的复相关系数，并对复相关系数进行显著性检验；
当显著性检验结果表明资源量与各目标地质参数之间存在相关关系时，执行基于线性回归模型，确定各目标地质参数的偏回归系数的步骤。
在一种可能的实现方式中，显著性检验包括F检验法。
在一种可能的实现方式中，基于各目标地质参数的偏回归系数，确定各目标地质参数对资源量影响的权重，包括：
针对每个目标地质参数，基于该目标地质参数的偏回归系数在所有目标地质参数的偏回归系数中的占比，确定该目标地质参数对资源量影响的权重。
在一种可能的实现方式中，基于各目标地质参数的偏回归系数，确定各目标地质参数对资源量影响的权重后，还包括：
基于各目标地质参数对资源量影响的权重，筛选出对资源量影响最大的地质参数，并对该地质参数中的数据进行筛选处理。
在一种可能的实现方式中，筛选出对资源量影响最大的地质参数，并对该地质参数中的数据进行筛选处理，包括：
对第一地质参数的数据进行马氏距离筛选，并在第一地质参数的数据中剔除大于马氏距离的异常数据，得到第一地质参数的可靠数据，其中，第一地质参数为对资源量影响最大的地质参数；
根据预设资源量计算方式、可靠数据以及除第一地质参数外的其他样本数据，计算待勘测区域的资源量。
在一种可能的实现方式中，非常规油气资源包括以下任一项：页岩气、页岩油、煤气层、致密砂岩气、超致密砂岩气、致密砂岩油。
第二方面，本发明实施例提供了一种地质参数对资源量影响权重的确定装置，包括：
获取数据模块，用于获取待勘测区域的多组样本数据，其中，待勘测区域储藏有非常规油气资源，样本数据为预设资源量计算方式中所使用的各目标地质参数的数据；
计算资源量模块，用于基于预设资源量计算方式和多组样本数据，计算各组样本数据的资源量结果；
确定系数模块，用于对各组样本数据的资源量结果和多组样本数据进行多元线性回归拟合处理，得到资源量与各目标地质参数的线性回归模型，并基于线性回归模型，确定各目标地质参数的偏回归系数；
确定权重模块，用于基于各目标地质参数的偏回归系数，确定各目标地质参数对资源量影响的权重。
确定系数模块，还用于：
基于线性回归模型，确定资源量与各目标地质参数之间的复相关系数，并对复相关系数进行显著性检验；
当显著性检验结果表明资源量与各目标地质参数之间存在相关关系时，执行基于线性回归模型，确定各目标地质参数的偏回归系数的步骤。
在一种可能的实现方式中，显著性检验包括F检验法。
在一种可能的实现方式中，确定权重模块，具体用于：
针对每个目标地质参数，基于该目标地质参数的偏回归系数在所有目标地质参数的偏回归系数中的占比，确定该目标地质参数对资源量影响的权重。
在一种可能的实现方式中，确定权重模块，还用于：
基于各目标地质参数对资源量影响的权重，筛选出对资源量影响最大的地质参数，并对该地质参数中的数据进行筛选处理。
在一种可能的实现方式中，确定权重模块，还用于：
对第一地质参数的数据进行马氏距离筛选，并在第一地质参数的数据中剔除大于马氏距离的异常数据，得到第一地质参数的可靠数据，其中，第一地质参数为对资源量影响最大的地质参数；
根据预设资源量计算方式、可靠数据以及除第一地质参数外的其他样本数据，计算待勘测区域的资源量。
在一种可能的实现方式中，非常规油气资源包括以下任一项：页岩气、页岩油、煤气层、致密砂岩气、超致密砂岩气、致密砂岩油。
第三方面，本发明实施例提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
第四方面，本发明实施例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存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
本发明实施例提供一种地质参数对资源量影响权重的确定方法，首先获取待勘测区域的多组样本数据，然后，基于预设资源量计算方式和多组样本数据，计算各组样本数据的资源量结果。之后，对各组样本数据的资源量结果和多组样本数据进行多元线性回归拟合处理，得到资源量与各目标地质参数的线性回归模型，并基于线性回归模型，确定各目标地质参数的偏回归系数。最后，基于各目标地质参数的偏回归系数，确定各目标地质参数对资源量影响的权重。
本发明从资源量计算方式中的各地质参数出发，通过对多组样本数据的资源量结果和多组样本数据进行拟合处理，从而得到了各地质参数对资源量影响的权重，降低了人为主观因素的影响，达到了提高页岩气资源评价结果准确性的目的，便于定量判断待勘测区域的各地质参数对资源量评价的影响。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种地质参数对资源量影响权重的确定方法的实现流程图；
图2是本发明实施例提供的一种地质参数对资源量影响权重的确定装置的结构示意图；
图3是本发明实施例提供的电子设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。
近年来，随着人们对清洁能源的逐渐重视，非常规油气的勘测也越来越广泛。但是正如背景技术所描述的，以页岩气为例，在利用各种方式计算资源量的过程中，由于各个区块地质条件不一致，方法选取不一致，同时参与计算的影响因素均不唯一，所以各种影响因素所占的权重必然不同。因此判断主要影响因素并赋予相应的权重，有针对性的减小误差，是在资源评价过程中减少误差较为重要的一环。然而现有方法得到的权重并不准确，因此，亟需一种准确的地质参数对资源量影响权重的确定方法，便于对主要影响因素进行进一步的分析，以提高资源量评价结果的准确性。
为了解决现有技术问题，本发明实施例提供了一种地质参数对资源量影响权重的确定方法及设备。下面首先对本发明实施例所提供的地质参数对资源量影响权重的确定方法进行介绍。
地质参数对资源量影响权重的确定方法的执行主体，可以是地质参数对资源量影响权重的确定装置，该地质参数对资源量影响权重的确定装置可以是具有处理器和存储器的电子设备，例如移动电子设备或者非移动电子设备。本发明实施例不作具体限定。
参见图1，其示出了本发明实施例提供的地质参数对资源量影响权重的确定方法的实现流程图，详述如下：
步骤S110、获取待勘测区域的多组样本数据。
其中，待勘测区域储藏有非常规油气资源，具体的，非常规油气资源可以包括但不限于页岩气、页岩油、煤气层、致密砂岩气、超致密砂岩气、致密砂岩油中的任意一种。
样本数据为预设资源量计算方式中所使用的各目标地质参数的数据。各目标地质参数的数据可以是待勘测区域内的所有采样点的采样数据。直接参与非常规油气资源量计算的采样数据，一般通过选取均值或利用概率赋值得到一个针对样本具有代表性的采样数据。对于待勘测评价的整个地质靶区，所能获取的信息应始终被看作是样本数据，因此必然存在不可消除的抽样误差。根据统计学中的置信区间与经验法则可知，样本数据越大，样本取均值越接近总体均值，因此，在进行资源量计算前应该考虑数据的典型性与代表性。只有在样本数据较为集中，离散程度低的时候均值才具有统计学意义上的代表性。
预设资源量计算方式可以根据使用场景和待勘测区域进行选取，可以为体积法或概率体积法。当然也可以根据使用场景和待勘测区域选取其他资源量计算方法。
步骤S120、基于预设资源量计算方式和多组样本数据，计算各组样本数据的资源量结果。
基于选定的预设资源量计算方式和上述已经采集的多组样本数据，分别计算每组样本数据对应的资源量结果。
步骤S130、对各组样本数据的资源量结果和多组样本数据进行多元线性回归拟合处理，得到资源量与各目标地质参数的线性回归模型，并基于线性回归模型，确定各目标地质参数的偏回归系数。
确定地质参数对资源量影响权重，实际上是探寻各地质参数对资源量计算结果影响的相关程度。
由于资源量的计算方式中涉及多个地质参数，多个地质参数与资源量的关系是一组随机变量影响一个变量的关系，因此，可以对各组样本数据的资源量结果和多组样本数据进行多元线性回归拟合处理，得到资源量与各目标地质参数的线性回归模型。
在一些实施例中，由于根据样本数据计算的复相关系数带有—定的随机性，样本数据越少，随机性则越大。为了避免虚假相关，必须对相关系数的显著性进行检验，通过显著性检验来确定其相关性。通过利用复相关系数的求取，从而确定所选定的多个地质参数是否相关。
具体的，基于线性回归模型，确定资源量与各目标地质参数之间的复相关系数，并对复相关系数进行显著性检验。显著性检验方法很多，都可以均进行检验，例如可以采用F检验法。
当显著性检验结果表明资源量与各目标地质参数之间存在相关关系时，即可基于线性回归模型，确定各目标地质参数的偏回归系数。
其中，复相关系数是反映一个随机变量与一组随机变量(两个或两个以上)之间相关程度的指标，是包含所有变量在内的综合测定指标。复相关系数介于0到1之间，复相关系数越大，表明变量之间的相关程度越密切。复相关系数＝1，表示完全相关；复相关系数＝0，表示完全无关。同时，由于每个变量又具有其各自的偏回归系数，偏回归系数是指在其它变量保持不变的条件下，变量Xi改变一个单位时因变量Y的平均改变量。
以下对多元线性回归拟合处理的过程、复相关系数和偏相关系数的求取进行详细说明：
X1、X2、…、Xp是预设资源量计算方式中所使用的各目标地质参数，y1、y2、…、yn是n组样本数据按照预设资源量计算方式计算得到的各组样本数据的资源量结果。
其中，资源量与各目标地质参数的线性回归模型为：
其中，
是常数项，
称为偏回归系数。εi为随机误差。
然后利用最小二乘法估算各目标地质参数的偏回归系数的矩阵
具体过程为：
经过整理即可得到
其中，X为样本数据的矩阵，Y为各组样本数据的资源量矩阵。
然后计算Y与
之间的简单相关系数，此简单相关系数即为Y与X1、X2、…、Xp之间的复相关系数R，计算公式如下：
其中
为各组样本数据的资源量结果的平均值，
通过上面的X矩阵和
矩阵即可求得。
计算出复相关系数之后，需要进行显著性检验，即检验其是否符合相关性，显著性检验的目的是排除干扰确定其的确有相关性而不是偶然相关。本发明实施例中采用的是F检验法，具体检验过程如下：
做出备择假设：因变量Y与自变量X1,X2,…,Xk之间的复相关系数为0，即完全无关。
其计算公式为：
其中，k为地质参数的个数，n为样本含量，R为复相关系数，统计量服从n-k-1个自由度的F分布。
当F>F0.05(n-k-1)时，则在5％水平上拒绝原假设(Y与一系列变量X复相关系数为0)，即相关。相关系数对应相关程度表如下表一：
表一
从表一中可以看出，复相关系数越大，变量之间越相关。
步骤S140、基于各目标地质参数的偏回归系数，确定各目标地质参数对资源量影响的权重。
具体的，针对每个目标地质参数，基于该目标地质参数的偏回归系数在所有目标地质参数的偏回归系数中的占比，确定该目标地质参数对资源量影响的权重。
进一步的，在确定各地质参数对资源量影响的权重后，即可筛选出对资源量影响最大的地质参数。对于资源量计算影响权重最大的地质参数，需要对该地质参数进行有效的控制以及预处理，首先是针对采样数据，在当地地质条件下，采样数据应尽量丰富、采样均匀，TOC、Ro等成藏参数、渗透率、孔隙度等物性参数多方面考虑。
在沉积地质条件的考虑中，充分考虑区块地质实际条件，控制采样数据准确性以及精度，同时考虑如沉积地质旋回、褶皱等特殊地质条件，对采样数据进行分区块的精确分析考量。
具体的，对于资源量计算影响权重最大的地质参数，可以对该地质参数中的数据进行筛选处理，可以采用马氏距离进行筛选，剔除异常数据。
距离是度量样品之间相似程度的数量指标，马氏距离不受指标量纲的影响，即与原始数据的测量单位无关，且考虑了地质参数之间相关性，标准化数据和中心化数据计算出的二点之间的马氏距离相同，可以排除变量之间的相关性的干扰。若数据距离大于马氏距离，则可视为异常值进行剔除。
具体的，对第一地质参数的数据进行马氏距离筛选，并在第一地质参数的数据中剔除大于马氏距离的异常数据，得到第一地质参数的可靠数据，其中，第一地质参数为对资源量影响最大的地质参数。根据预设资源量计算方式、可靠数据以及除第一地质参数外的其他样本数据，计算待勘测区域的资源量。可以有效提高求取资源量的可信度。
将资源量的各地质参数求取与资源量的偏回归系数，即可确定权重最大的地质参数，然后，利用马氏距离对该地质参数的数据进行更有效的筛选，对异常值进行剔除，有针对性地提高该地质参数的数据的准确性，最终提高资源量计算的可信度。
本发明提供的权重的确定方法，首先获取待勘测区域的多组样本数据，然后，基于预设资源量计算方式和多组样本数据，计算各组样本数据的资源量结果。之后，对各组样本数据的资源量结果和多组样本数据进行多元线性回归拟合处理，得到资源量与各目标地质参数的线性回归模型，并基于线性回归模型，确定各目标地质参数的偏回归系数。最后，基于各目标地质参数的偏回归系数，确定各目标地质参数对资源量影响的权重。
本发明从资源量计算方式中的各地质参数出发，通过对多组样本数据的资源量结果和多组样本数据进行拟合处理，从而得到了各地质参数对资源量影响的权重，便于定量判断待勘测区域的各地质参数对资源量评价的影响。
本发明从资源量计算方式的具体影响因素入手，考虑了不同地质参数所占权重，目的在于面对选用某种计算方式进行资源量计算时，可利用本发明对不同地质参数的权重进行求取，定量的判断该区块主控地质参数，并对主控地质参数的误差进行控制，即对不同地质参数合理地赋予响应的权重，使资源量计算结果的误差控制在合理的有效范围内。丰富完善了求取资源评价的体系系统，达到了提高页岩气资源评价结果准确性的目的，对资源评价可信度可以进行更好的把握。
此外，目前较少有针对资源量求取的变量权重展开讨论，该权重的确定方法，基于资源量求取的工作，填补了资源量求取中变量权重的空白，降低了人为主观因素的影响，将专家赋权重法优化，提出了地质参量的权重定量求取的方法。本方法考虑地质区块的特殊性，对利用计算方式进行资源量求取的区块均可进行权重求取，同时该方法可以推广至全部需要公式计算的资源量求取中，各领域各方法求取资源量中，本方法具有可推广性以及普适性。
下面以涪陵礁石坝气田为例具体说明。
涪陵礁石坝气田，其位于中国重庆市涪陵区，构造上位于四川盆地东部边界断裂-齐岳山大断裂中部以西，是一个受到北东向和近南北向两组断裂控制、轴向北东的似箱状断背斜。背斜主体断裂不发育，其周缘地区主要发育逆断层，成藏保存条件良好。页岩气层为上奥陶统五峰组—下志留统龙马溪组龙一段，主要发育深水陆棚相，岩性主要为以灰黑色含放射虫碳质笔石页岩、含炭粉砂泥页岩；纵向上分布连续，总厚度在70.1～86.6m。有机质类型以Ⅰ型为主，TOC含量介于在0.46％～7.13％之间，平均为2.66％；Ro值为2.2％～3.1％,处于过成熟早期阶段。脆性矿物含量高，介于33.9％～90.3％之间，平均为56.5％，有利于后期改造；页岩气层孔隙度分布于1.17％～8.61％，平均为4.87％，主要发育纳米级有机孔和黏土矿物间微孔，裂缝系统不发育，有利于页岩气富集与保存。构造主体为似箱状背斜，构造相对稳定，边界断裂多为逆断层，封闭性好，压力系数高，保存条件好。现场含气量介于0.63％～9.63％m3/t,平均为4.61m3/t。
本发明实施例中采用概率体积法进行资源量计算，页岩气资源量为泥页岩质量与单位质量泥页岩所含天然气(含气量)之概率乘积。具体公式如下：
假设Q为页岩气资源量，A为含气泥页岩面积(km2)，h为有效页岩厚度(m)，ρ为泥页岩密度(t/m3)，q为含气量(m3/t)，则根据概率体积法得到的页岩气资源量为：
Q＝A·h·ρ·q；
其中含气量q的求取最为复杂。方法为可以采用分解法对(总)含气量进行分别求取。在泥页岩地层层系中，天然气的赋存方式可能为游离态、吸附态或者溶解态，可分别采取不同的方法进行计算。在此不再赘述，直接将含气量数据筛选后即可计算。
原始样本数据为5组20个，每组样本数据包括4个地质变量，如下表二种所示，
表二
多元线性回归拟合处理及计算的相关数据如下：
其中，X矩阵为所有样本数据，Y为每组样本数据的资源量结果矩阵，
利用
即可计算出各目标地质参数的偏回归系数的矩阵
然后，利用
公式，计算求得复相关系数R＝0.831，根据表一中的复相关系数取值范围，即可得到R＝0.831为高度相关，即资源量与上述的四个地质参量之间是高度相关的。
接着，对复相关系数进行显著性检验，利用F分布进行显著性检验，根据公式
其中，k为地质参数的个数，此处k＝4，n为样本数据含量，此处n＝20，R＝0.831，计算求得F＝6.12。
首先，提出假设H0：因变量Y与自变量X1,X2,X3,X4之间的复相关系数为0。然后，确定显著性水平：α＝0.01。
接着，作出决策：
(1)统计样本数量、地质参数个数。其中，n＝20，k＝4；
(2)根据公式计算F＝6.12；
(3)通过查F检验临界值表得出对于显著性水平α＝0.001的双边检验临界值是Fα＝4.893。由于F>Fα，故拒绝零假设，说明因变量Y页岩气资源量与自变量X1含气量、X2有效泥页岩厚度、X3泥页岩密度以及X4含气泥页岩面积之间有相关关系。
F检验临界值表如下所示：
F检验临界值表(α＝0.01(a))
最后，可以求得含气量的影响权重为0.219，有效页岩厚度的影响权重为0.205，泥页岩密度的影响权重为0.166，含气泥页岩面积的影响权重为0.166。根据上面权重数据可以看出，该地区影响评价的主要地质参数是含气量，其次为有效泥页岩厚度，泥页岩密度以及含气泥页岩面积为影响较低的地质参数。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
基于上述实施例提供的地质参数对资源量影响权重的确定方法，相应地，本发明还提供了应用于该地质参数对资源量影响权重的确定方法的地质参数对资源量影响权重的确定装置的具体实现方式。请参见以下实施例。
如图2所示，提供了一种地质参数对资源量影响权重的确定装置200，该装置包括：
获取数据模块210，用于获取待勘测区域的多组样本数据，其中，待勘测区域储藏有非常规油气资源，样本数据为预设资源量计算方式中所使用的各目标地质参数的数据；
计算资源量模块220，用于基于预设资源量计算方式和多组样本数据，计算各组样本数据的资源量结果；
确定系数模块230，用于对各组样本数据的资源量结果和多组样本数据进行多元线性回归拟合处理，得到资源量与各目标地质参数的线性回归模型，并基于线性回归模型，确定各目标地质参数的偏回归系数；
确定权重模块240，用于基于各目标地质参数的偏回归系数，确定各目标地质参数对资源量影响的权重。
确定系数模块230，还用于：
基于线性回归模型，确定资源量与各目标地质参数之间的复相关系数，并对复相关系数进行显著性检验；
当显著性检验结果表明资源量与各目标地质参数之间存在相关关系时，执行基于线性回归模型，确定各目标地质参数的偏回归系数的步骤。
在一种可能的实现方式中，显著性检验包括F检验法。
在一种可能的实现方式中，确定权重模块240，具体用于：
针对每个目标地质参数，基于该目标地质参数的偏回归系数在所有目标地质参数的偏回归系数中的占比，确定该目标地质参数对资源量影响的权重。
在一种可能的实现方式中，确定权重模块240，还用于：
基于各目标地质参数对资源量影响的权重，筛选出对资源量影响最大的地质参数，并对该地质参数中的数据进行筛选处理。
在一种可能的实现方式中，确定权重模块240，还用于：
对第一地质参数的数据进行马氏距离筛选，并在第一地质参数的数据中剔除大于马氏距离的异常数据，得到第一地质参数的可靠数据，其中，第一地质参数为对资源量影响最大的地质参数；
根据预设资源量计算方式、可靠数据以及除第一地质参数外的其他样本数据，计算待勘测区域的资源量。
在一种可能的实现方式中，非常规油气资源包括以下任一项：页岩气、页岩油、煤气层、致密砂岩气、超致密砂岩气、致密砂岩油。
图3是本发明实施例提供的电子设备的示意图。如图3所示，该实施例的电子设备3包括：处理器30、存储器31以及存储在所述存储器31中并可在所述处理器30上运行的计算机程序32。所述处理器30执行所述计算机程序32时实现上述各个变压器升高座及套管的监测方法实施例中的步骤，例如图1所示的步骤110至步骤140。或者，所述处理器30执行所述计算机程序32时实现上述各装置实施例中各模块的功能，例如图2所示模块210至240的功能。
示例性的，所述计算机程序32可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器31中，并由所述处理器30执行，以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序32在所述电子设备3中的执行过程。例如，所述计算机程序32可以被分割成图2所示的模块210至240。
所述电子设备3可包括，但不仅限于，处理器30、存储器31。本领域技术人员可以理解，图3仅仅是电子设备3的示例，并不构成对电子设备3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述电子设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器30可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。
所述存储器31可以是所述电子设备3的内部存储单元，例如电子设备3的硬盘或内存。所述存储器31也可以是所述电子设备3的外部存储设备，例如所述电子设备3上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器31还可以既包括所述电子设备3的内部存储单元也包括外部存储设备。所述存储器31用于存储所述计算机程序以及所述电子设备所需的其他程序和数据。所述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、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单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/电子设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/电子设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个地质参数对资源量影响权重的确定方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种地质参数对资源量影响权重的确定方法，其特征在于，包括：
获取待勘测区域的多组样本数据，其中，所述待勘测区域储藏有非常规油气资源，所述样本数据为预设资源量计算方式中所使用的各目标地质参数的数据；
基于所述预设资源量计算方式和所述多组样本数据，计算各组样本数据的资源量结果；
对所述各组样本数据的资源量结果和所述多组样本数据进行多元线性回归拟合处理，得到资源量与所述各目标地质参数的线性回归模型，并基于所述线性回归模型，确定各目标地质参数的偏回归系数；
基于所述各目标地质参数的偏回归系数，确定所述各目标地质参数对资源量影响的权重。
2.如权利要求1所述的方法，其特征在于，所述基于所述线性回归模型，确定各目标地质参数的偏回归系数之前，还包括：
基于所述线性回归模型，确定所述资源量与所述各目标地质参数之间的复相关系数，并对所述复相关系数进行显著性检验；
当显著性检验结果表明资源量与所述各目标地质参数之间存在相关关系时，执行基于所述线性回归模型，确定各目标地质参数的偏回归系数的步骤。
3.如权利要求2所述的方法，其特征在于，所述显著性检验包括F检验法。
4.如权利要求1所述的方法，其特征在于，所述基于所述各目标地质参数的偏回归系数，确定所述各目标地质参数对资源量影响的权重，包括：
针对每个目标地质参数，基于该目标地质参数的偏回归系数在所有目标地质参数的偏回归系数中的占比，确定该目标地质参数对资源量影响的权重。
5.如权利要求1所述的方法，其特征在于，所述基于所述各目标地质参数的偏回归系数，确定所述各目标地质参数对资源量影响的权重后，还包括：
基于所述各目标地质参数对资源量影响的权重，筛选出对资源量影响最大的地质参数，并对该地质参数中的数据进行筛选处理。
6.如权利要求5所述的方法，其特征在于，所述筛选出对资源量影响最大的地质参数，并对该地质参数中的数据进行筛选处理，包括：
对第一地质参数的数据进行马氏距离筛选，并在所述第一地质参数的数据中剔除大于马氏距离的异常数据，得到第一地质参数的可靠数据，其中，所述第一地质参数为对资源量影响最大的地质参数；
根据所述预设资源量计算方式、所述可靠数据以及除所述第一地质参数外的其他样本数据，计算所述待勘测区域的资源量。
7.如权利要求1至6任一项所述的方法，其特征在于：
所述非常规油气资源包括以下任一项：页岩气、页岩油、煤气层、致密砂岩气、超致密砂岩气、致密砂岩油。
8.一种地质参数对资源量影响权重的确定装置，其特征在于，包括：
获取数据模块，用于获取待勘测区域的多组样本数据，其中，所述待勘测区域储藏有非常规油气资源，所述样本数据为预设资源量计算方式中所使用的各目标地质参数的数据；
计算资源量模块，用于基于所述预设资源量计算方式和所述多组样本数据，计算各组样本数据的资源量结果；
确定系数模块，用于对所述各组样本数据的资源量结果和所述多组样本数据进行多元线性回归拟合处理，得到资源量与所述各目标地质参数的线性回归模型，并基于所述线性回归模型，确定各目标地质参数的偏回归系数；
确定权重模块，用于基于所述各目标地质参数的偏回归系数，确定所述各目标地质参数对资源量影响的权重。
9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述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如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111580833.6A CN114240212A (zh) | 2021-12-22 | 2021-12-22 | 地质参数对资源量影响权重的确定方法及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111580833.6A CN114240212A (zh) | 2021-12-22 | 2021-12-22 | 地质参数对资源量影响权重的确定方法及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114240212A true CN114240212A (zh) | 2022-03-25 |
Family
ID=80761298
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111580833.6A Pending CN114240212A (zh) | 2021-12-22 | 2021-12-22 | 地质参数对资源量影响权重的确定方法及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114240212A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115146976A (zh) * | 2022-07-11 | 2022-10-04 | 中国地质大学（北京） | 影响待勘测区块评价的主要地质参数的选取方法及设备 |
| CN115270386A (zh) * | 2022-04-22 | 2022-11-01 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种滩槽演变主控因子权重的定量评价方法及系统 |
| CN115358285A (zh) * | 2022-07-11 | 2022-11-18 | 中国地质大学（北京） | 待勘测区块关键地质参数的选取方法、装置、及设备 |
| CN116842327A (zh) * | 2023-05-18 | 2023-10-03 | 中国地质大学（北京） | 资源量评价中异常数据的处理方法、装置及设备 |
| CN117236036A (zh) * | 2023-09-25 | 2023-12-15 | 中国石油天然气集团有限公司 | 一种定量预测气藏中氦气含量的方法及装置 |
| WO2024103921A1 (zh) * | 2023-07-27 | 2024-05-23 | 中国地质大学（北京） | 地质参数门槛值的确定方法、装置、设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102663218A (zh) * | 2011-10-28 | 2012-09-12 | 天津大学 | 氟喹诺酮类抗菌药基于理化性质的药时曲线预测模型 |
| CN104462859A (zh) * | 2014-12-31 | 2015-03-25 | 中国石油天然气股份有限公司 | 油气资源可采系数确定方法 |
| CN110806954A (zh) * | 2019-09-19 | 2020-02-18 | 平安科技（深圳）有限公司 | 评估云主机资源的方法、装置、设备及存储介质 |
| CN111046341A (zh) * | 2019-12-12 | 2020-04-21 | 重庆地质矿产研究院 | 一种基于主成分分析的非常规天然气压裂效果评价及产能预测方法 |
| CN111046585A (zh) * | 2019-12-27 | 2020-04-21 | 中国地质调查局成都地质调查中心 | 基于多元线性回归分析的页岩气甜点预测方法 |
| CN111861277A (zh) * | 2020-08-04 | 2020-10-30 | 张超 | 一种油气资源经济性评价方法 |
-
2021
- 2021-12-22 CN CN202111580833.6A patent/CN114240212A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102663218A (zh) * | 2011-10-28 | 2012-09-12 | 天津大学 | 氟喹诺酮类抗菌药基于理化性质的药时曲线预测模型 |
| CN104462859A (zh) * | 2014-12-31 | 2015-03-25 | 中国石油天然气股份有限公司 | 油气资源可采系数确定方法 |
| CN110806954A (zh) * | 2019-09-19 | 2020-02-18 | 平安科技（深圳）有限公司 | 评估云主机资源的方法、装置、设备及存储介质 |
| CN111046341A (zh) * | 2019-12-12 | 2020-04-21 | 重庆地质矿产研究院 | 一种基于主成分分析的非常规天然气压裂效果评价及产能预测方法 |
| CN111046585A (zh) * | 2019-12-27 | 2020-04-21 | 中国地质调查局成都地质调查中心 | 基于多元线性回归分析的页岩气甜点预测方法 |
| CN111861277A (zh) * | 2020-08-04 | 2020-10-30 | 张超 | 一种油气资源经济性评价方法 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115270386A (zh) * | 2022-04-22 | 2022-11-01 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种滩槽演变主控因子权重的定量评价方法及系统 |
| CN115270386B (zh) * | 2022-04-22 | 2023-09-12 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种滩槽演变主控因子权重的定量评价方法及系统 |
| CN115146976A (zh) * | 2022-07-11 | 2022-10-04 | 中国地质大学（北京） | 影响待勘测区块评价的主要地质参数的选取方法及设备 |
| CN115358285A (zh) * | 2022-07-11 | 2022-11-18 | 中国地质大学（北京） | 待勘测区块关键地质参数的选取方法、装置、及设备 |
| CN116842327A (zh) * | 2023-05-18 | 2023-10-03 | 中国地质大学（北京） | 资源量评价中异常数据的处理方法、装置及设备 |
| CN116842327B (zh) * | 2023-05-18 | 2024-05-10 | 中国地质大学（北京） | 资源量评价中异常数据的处理方法、装置及设备 |
| WO2024103921A1 (zh) * | 2023-07-27 | 2024-05-23 | 中国地质大学（北京） | 地质参数门槛值的确定方法、装置、设备及存储介质 |
| CN117236036A (zh) * | 2023-09-25 | 2023-12-15 | 中国石油天然气集团有限公司 | 一种定量预测气藏中氦气含量的方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114240212A (zh) | 地质参数对资源量影响权重的确定方法及设备 | |
| CN110717249B (zh) | 页岩气储层测井孔隙度快速预测方法及系统 | |
| CN104278991B (zh) | 盐湖相烃源岩有机碳和生烃潜量的多元测井计算方法 | |
| WO2019128685A1 (zh) | 一种元素俘获能谱测井的伽马能谱解谱方法及装置 | |
| CN107728231B (zh) | 一种预测核磁共振测井横向弛豫时间t2分布的方法 | |
| Arrhenius et al. | Age determination of Pacific chalk ooze by radiocarbon and titanium content | |
| CN109060592B (zh) | 一种页岩损失气量获取方法、装置及终端设备 | |
| WO2024012222A1 (zh) | 待勘测区块关键地质参数的选取方法、装置、及设备 | |
| CN114186879A (zh) | 地质参数对资源量计算误差影响的评估方法及设备 | |
| CN115146976A (zh) | 影响待勘测区块评价的主要地质参数的选取方法及设备 | |
| CN108387711B (zh) | Toc表征参数、脆性表征参数的确定方法和装置 | |
| CN108227033B (zh) | 砂岩储层的孔隙度的预测方法、装置及计算机存储介质 | |
| CN103898890A (zh) | 一种基于bp神经网络的双桥静力触探数据的土层量化分层方法 | |
| CN110847887A (zh) | 一种细粒沉积陆相页岩裂缝识别评价方法 | |
| CN115522912A (zh) | 基于大数据的电缆吸附卡风险定量评价方法、系统及介质 | |
| CN113379311A (zh) | 页岩气资源评价可靠性的判断方法、装置、设备和存储介质 | |
| CN111691878B (zh) | 用于页岩的岩相品质分级评价方法及装置 | |
| CN109779618B (zh) | 地层剩余油饱和度确定方法及装置 | |
| CN109577946B (zh) | 一种利用测井数据识别鲕粒滩类型的方法 | |
| CN113153259A (zh) | 碳酸盐岩矿物组分的确定方法、装置、设备及存储介质 | |
| CN117150207B (zh) | 伴生氦气资源量的评价方法、设备及存储介质 | |
| CN116842327B (zh) | 资源量评价中异常数据的处理方法、装置及设备 | |
| CN113449261B (zh) | 页岩气储层开采性分析方法及装置 | |
| CN116434861A (zh) | 生物成因硅含量的确定方法、装置、存储介质及电子设备 | |
| CN117328852B (zh) | 海陆过渡相页岩气有利区确定方法、终端及介质 |
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 |