CN114254960A - 一种低勘探程度区油气资源的评价方法 - Google Patents
一种低勘探程度区油气资源的评价方法 Download PDFInfo
- Publication number
- CN114254960A CN114254960A CN202210185588.7A CN202210185588A CN114254960A CN 114254960 A CN114254960 A CN 114254960A CN 202210185588 A CN202210185588 A CN 202210185588A CN 114254960 A CN114254960 A CN 114254960A
- Authority
- CN
- China
- Prior art keywords
- oil
- exploration
- area
- gas
- low
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 113
- 238000000034 method Methods 0.000 claims abstract description 58
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 17
- 238000012216 screening Methods 0.000 claims abstract description 4
- 239000004215 Carbon black (E152) Substances 0.000 claims description 12
- 229930195733 hydrocarbon Natural products 0.000 claims description 12
- 150000002430 hydrocarbons Chemical class 0.000 claims description 12
- 239000011435 rock Substances 0.000 claims description 6
- 239000007789 gas Substances 0.000 description 123
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 14
- 239000003345 natural gas Substances 0.000 description 7
- 239000003208 petroleum Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- HEDRZPFGACZZDS-UHFFFAOYSA-N Chloroform Chemical compound ClC(Cl)Cl HEDRZPFGACZZDS-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 235000014102 seafood Nutrition 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000238588 Balanus Species 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 208000035126 Facies Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 239000010426 asphalt Substances 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000001308 synthesis method Methods 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
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种低勘探程度区油气资源的评价方法,首先以低勘探程度区划分评价单元,选取与低勘探程度区评价单元相似的类比刻度区,并筛选类比刻度区的评价参数,再采用类比法对低勘探程度区评价单元相应的评价参数赋值,并结合实际情况以及专家评议对参数值进行调整,最后采用蒙特卡洛模拟法计算出评价单元油气资源量的概率值,该方法以客观、科学的方法实现了对低勘探程度区油气资源的评价,解决了当前低勘探程度区油气资源量难以准确评估的难题。
Description
技术领域
本发明涉及油气勘探领域,尤其是一种低勘探程度区油气资源的评价方法。
背景技术
随着常规油气勘探领域的探明程度越来越高,油气勘探逐渐走入深水、深地、极地等低勘探程度的前缘领域。前缘领域由于钻井数量少,仅有少量的区域地质或地球物理资料,而且资料精度一般较低,现有资料的生烃模拟也不能真实反应评价目标区的生排烃量,也无法应用油气田的发现趋势统计规律来预测待发现区的油气田,因此,不能有效预测低勘探程度地区的油气资源潜力。
在国外的油气资源评价方法中,油气田(藏)规模概率分布法是最常用的方法,该方法依据最终拟合的油气田(藏)规模序列预测未发现油气田(藏)的个数及规模大小。对勘探前沿地区,待发现资源评价采用基于(规模)类比的蒙特卡洛模拟法;较成熟地区主要采用统计法中的发现过程模型法。在油气空间分布预测上,国外以加拿大为例利用计算机模拟、数学地质和油藏地质分析相结合的方法进行待发现油气的位置预测,解决了单一运用地质因素分析法和数学统计法预测的瓶颈。
国内的油气公司主要以“成因法”(盆地模拟法、有机碳法、氯仿沥青“A”法、干酪根热降解法等)为较主要的评价方法,其次是“类比法”和“统计法”(以历史经验递推法为主),评价结果的表示是确定性的,而不是概率表示。中海油采用的“统计法”本质上是地质模型和统计模型综合法,并且它是概率表达的,强调资源的可采性和经济性,较前二者有了较大的发展。
目前针对低勘探程度盆地的资源评价,主要采用类比法,在确定相关参数上主要依靠专家评议,缺乏一套客观的指标评价体系,未对目标区域油气区块的油气地质条件、油气资源规模、油气勘探开发难易程度和经济效益等因素进行综合判别,尚未建立一套优选低勘探程度区域勘探开发目标区块的综合评价指标体系。
发明内容
为了解决上述技术问题,本发明提供了一种低勘探程度区油气资源的评价方法,该方法是以低勘探程度区为研究对象,将地质分析与地质统计相结合,通过类比法,在全球范围内选取与研究区类似的地区,按照油气田个数、规模和油气地质特征等关键参数逐一建立类比模板,对低勘探程度区油气资源评价参数进行赋值;基于蒙特卡洛模拟法,建立低勘探程度区油气资源潜力评价,为深水、深地、极地等新领域油气资源勘探提供有效指导。
本发明所采取的技术方案如下:一种低勘探程度区油气资源的评价方法,该方法包括如下过程:
首先,划分低勘探程度区评价单元;
其次,选取与低勘探程度区评价单元相似的类比刻度区;
再次,筛选类比刻度区的评价参数;
再次,采用类比法对低勘探程度区评价单元相应的评价参数赋值;
最后,采用蒙特卡洛模拟法,将赋值后的低勘探程度区评价单元的评价参数输入,运算得出低勘探程度区评价单元油气资源量的概率值,作为对低勘探程度区评价单元油气资源的评价。
所述类比刻度区的选取原则是:
1)刻度区属于中、高勘探程度;
2)盆地类型相同;
3)主力烃源岩时代相近;
4)储集层时代相近;
5)储集层岩相相似。
所述类比刻度区的数量至少为10个。
所述评价参数包括油气田个数、油气田规模和油气比。
所述油气田个数参数包括最小值、中值和最大值三方面,在所述低勘探程度区评价单元面积一定的前提下,所述低勘探程度区评价单元的油气田个数参照类比刻度区油气田密度的最小值、中值和最大值确定:
所述油气田个数按如下公式计算:
式中:
所述油气田规模参数包括最小值、中值和最大值三方面,所述低勘探程度区评价单元的油气田规模最小值以评价单元所在地区的油气田经济下限作为油气田规模最小值;
所述低勘探程度区评价单元的油气田规模中值和最大值选为类比刻度区的油气田规模的中值和最大值,其中:
所述类比刻度区的油气田规模的中值是指:各个类比刻度区规模油气田储量中值按大小排序后序列的中值;各个类比刻度区规模油气田储量中值是指:该类比刻度区中所有规模油气田按储量大小排序后序列的中值;
所述类比刻度区的油气田规模的最大值是指:各个类比刻度区规模油气田储量最大值按大小排序后序列的中值。
所述低勘探程度区评价单元的油气比选为地质条件最相似的类比刻度区的规模油气田的油气比。
进一步地,所述低勘探程度区评价单元的评价参数值根据地质风险评价、环境、实际技术情况以及专家评议进行调整。
进一步地,将通过蒙特卡洛模拟法运算得出的油气储量的概率值的均值,作为低勘探程度区评价单元的油气待发现资源量。
本发明由于采取上述技术方案,其相比于现有技术体现了如下显著的技术效果:
1、本发明以低勘探程度区为评价对象,通过类比法制定类比刻度区的选取原则,参照类比刻度区的参数值对评价单元参数进行赋值能够相对比较客观。
2、本发明将地质分析与类比统计相结合,形成了符合地质规律和数理统计学规律的低勘探程度区油气资源评价参数赋值方法。
3、本发明结合地质风险评价、环境、实际技术情况以及专家评议,对评价关键参数值进行调整,赋值更加客观灵活。
4、本发明通过多次迭代重复运算,基于蒙特卡洛模拟法建立了低勘探程度区油气资源潜力的科学评价流程。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制。
图1为低勘探程度区资源评价流程图;
图2为类比刻度区规模油气田密度直方图;
图3为类比刻度区规模油气田储量中值直方图;
图4为类比刻度区规模油气田储量最大值直方图;
图5为评价单元待发现油气资源量的概率分布图。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明。但本领域的技术人员应该知道,以下实施例并不是对本发明技术方案作的唯一限定,凡是在本发明技术方案精神实质下所做的任何等同变换或改动,均应视为属于本发明的保护范围。
本发明提供了一种低勘探程度区油气资源评价方法,该方法以待发现的低勘探程度区为评价对象,根据类比法设定选取类比刻度区,参照类比刻度区参数对待发现区油气数量和规模等各项参数赋值,基于蒙特卡洛模拟法运算出待发现区油气资源的概率值,从而为建立一种低勘探程度区油气资源提供评价。
如图1所示,本发明低勘探程度区资源评价流程大致为:1、划分低勘探程度区评价单元;2、制定类比刻度区选取原则,并统计筛选出类比刻度区参数;3、根据类比刻度区参数类比图版,对评价参数赋值并根据风险情况对赋值进行调整;4、基于蒙特卡洛模拟法确定评价单元待发现资源量。
1、划分低勘探程度区评价单元
在上述评价流程的基础上,以西巴伦支海盆地为例作为评价对象进行研究评价,西巴伦支海盆地已发现油田多集中于盆地南部,依据油气田分布和盆地构造特征,西巴伦支海盆地分为南部评价区和北部评价区。
南部评价区情况:已发现57个油气田,探明和控制储量43.71亿桶油当量,属于中等勘探程度区,本发明不做重点研究。
北部评价区情况:没有任何发现,属于新区,勘探程度低,定为一个整体评价单元。
本发明重点对勘探程度低的北部评价区进行参数获取。
2、类比刻度区的选取
所述类比刻度区的选取就是相似盆地的选取,原则上类比刻度区的数量不低于10个,类比刻度区的选取原则包括:
1)刻度区属于中、高勘探程度;
2)盆地类型相同;
3)主力烃源岩时代相近;
4)储集层时代相近;
5)储集层岩相相似。
以西巴伦支海盆地北部评价区为例,根据类比刻度区的选取原则,在全球范围内筛选出属于中高勘探程度、被动陆缘型盆地、中生界烃源岩且储集层以中生界碎屑岩为主的盆地,共计筛选出10个类比刻度区,即10个相似盆地,重点对盆地面积、已发现油气田数量、已发现油气储量及规模油气田特征参数进行统计。规模油气田指探明和控制储量不小于10MMboe(百万桶油当量)的油气田。
如表1所示:规模油气田特征中的储量最大值是指每个盆地的所有规模油气田中油气储量最大的,规模油气田特征中的储量中值是指每个盆地的所有规模油气田按储量大小进行排序后序列的中值。中值的计算是将所给的一组数从小到大或从大到小排列,这组数的个数如果是奇数个,取中间位置的数值作为中值,如果是偶数个,取中间位置两个数的平均值作为中值。
表1:与西巴伦支海盆地北部评价区相似盆地基本情况表
3、评价参数值的确定
(1)油气田个数的确定
一个区域规模油气田个数和该区面积有直接的关系,在面积为定值的情况下,以油气田密度确定油气田个数更为合理。
所以对于类比刻度区,有:
以北埃及盆地为例,根据公式(1)计算的油气田密度为80/5.14=15.56。
低勘探程度区评价单元的规模油气田密度,可以按照类比刻度区的油气田密度确定。如图2所示,按照规模油气田密度对筛选出来的10个相似盆地进行排序,如表1所示,北埃及盆地的油气田密度最大值15.56远高于其它值,属于异常值需剔除掉;故选用第二大密度值,伏令盆地的油气田密度3.71为可能的最大值;最小值为佩斯盆地的油气田密度0.54;密度中值为该密度序列的中值,如图2中选取了10个盆地作为研究对象,第5和第6个研究对象属于排在序列中间,所以取这两个数值的平均值,为:(1.83+1.18)/2=1.51,则密度中值为1.51。
评价油气田个数包括最小值、中值和最大值三方面,在所述低勘探程度区评价单元区域面积一定的前提下,油气田个数参照类比刻度区的油气田密度的最小值、中值和最大值分别确定。以西巴伦支海盆地北部评价单元为例,西巴伦支海盆地北部评价单元的面积为36.05×104km2 ,则西巴伦支海盆地北部评价单元规模油气田个数计算公式为:
式中:
根据公式(2)计算得出西巴伦支海盆地北部评价单元规模油气田个数的最小值、中值和最大值分别为19、54和134,见表2所示。
表2:西巴伦支海盆地北部评价单元规模油气田面积、密度、个数的最小值、中值、最大值
(2)油气田规模的确定
油气田规模通过油气储量表达。
油气田规模最小值:因经济下限以下的油气田中储存的油气对待发现资源量的经济意义不大,这里设置一个最低门槛,即经济门槛,以评价单元所在地区的油气田经济下限作为油气田规模最小值。经济下限因受地区、经济状况、技术条件、环境及风险等因素综合决定,不同地区所对应的油气田经济下限不同。
西巴伦支海盆地北部评价单元位于北极地区,则以北极地区的油气田经济下限作为最低门槛,设定为油气田规模最小值,这里油气储量经济下限值为10MMboe。
油气田规模中值:如图3所示,图表是由一组数据生成的直方图,数据来源于表1中10个相似盆地规模油气田的储量中值数据。图中显示为规模油气田储量中值的数值从大到小排序的直方图,以图3所示的直方图的数列中值作为油气田规模中值。
图中显示10个相似盆地储量中值的数值,均大于10MMboe,这10个数值按从大到小排序,取第5个位置和第6个位置的数值来计算油气田规模中值,第5个位置的数值为41.83,第6个位置的数值为38.50,计算这组数的中值为(41.83+38.50)/2 = 40.20 MMboe。则以40.20MMboe作为西巴伦支海盆地北部评价单元的油气田规模中值。
油气田规模最大值:如图4所示,图表是由一组数据生成的直方图,数据来源于表1中10个相似盆地规模油气田的储量最大值数据。图中显示为规模油气田储量最大值的数值从大到小排序的直方图,以图4所示的直方图的数列中值作为油气田规模最大值。
图中显示10个相似盆地储量最大值的数值,均大于10MMboe,这10个数值按从大到小排序,取第5个位置和第6个位置的数值来计算油气田规模最大值,第5个位置的数值为675.00MMboe,第6个位置的数值为673.00MMboe,计算这组数的中值为(675.00+673.00)/2= 674.00MMboe。则以674.00MMboe作为西巴伦支海盆地北部评价单元的油气田规模最大值。
(3)油气比参数的确定
影响油气比的因素主要是烃源岩类型和烃源岩成熟度,这与地层沉积相、地质年代和地层埋藏深度有关,不适合采用中值的方式来求取相应的参数,优选地质条件最为相似的刻度区来对比更为科学,因此参考相似刻度区的已发现规模油气田的储量累加的油气比来确定待发现区评价单元的石油、天然气和凝析油的占比。
实施例中与西巴伦支海盆地北部评价单元地质背景最相似的是西巴伦支海南部区域,参照最相似盆地已发现规模油气田的油气储量来计算石油、天然气和凝析油比例。如表1所示西巴伦支海南部盆地规模油气田个数为43个,即将43个油气田中石油、天然气、凝析油的储量分别累加计算得出石油、天然气、凝析油的各自的储量值;将石油、天然气、凝析油的各自的储量值分别与总储量(含石油、天然气、凝析油)相比,分别得出石油、天然气、凝析油的占比比值,以此作为待发现评价单元的油气比。
按照占比比值根据蒙特卡洛模拟法运算后的资源量总值来确定评价单元的石油、天然气和凝析油的资源量。
(4)评价参数值的调整
结合地质风险评价、环境、实际技术情况以及专家评议,对评价关键参数值进行调整。
考虑到西巴伦支海盆地北部评价单元所处的环境比南部更加恶劣,今后30年每年的钻井数量相当有限,因此下调了评价单元待发现油气田数量参数值,油气田个数的最小值、中值和最大值分别调整为15、40、100。
以西巴伦支海盆地北部评价单元为例,考虑到北部评价单元的油气成藏条件逊于西巴伦支海盆地南部,因此下调了评价单元待发现油气田规模参数值,中值由40.02调整为32,最大值由674调整为450。
综上所述,西巴伦支海盆地北部评价单元最终评价参数值确定如表3所示。
表3:
4、蒙特卡洛模拟法计算评价结果
将表3中获得的各项参数值输入到蒙特卡洛模拟运算软件中,通过重复迭代运算后得出西巴伦支海盆地北部评价单元的油气资源量,图5是基于蒙特卡洛模拟法得出的待发现油气资源量的概率分布图。
在蒙特卡洛模拟法对油气资源评价的方法中,认为一个趋于成熟的盆地待发现油气田个数n符合三角函数分布,待发现油气田规模S符合对数正态分布,如图5中左边的两个图所示,通过多次重复迭代运算,得到右边的图所示的待发现油气资源量的概率分布值,这就是蒙特卡洛模拟法对油气资源的评价计算方法。
图5中右边的图表两个纵坐标分别表示概率和频率,是软件模拟运行后生成的成果图,从该图一般读取4个数,分别是95%、50%、Mean和5%对应的待发现油气资源量的低值、均值和高值。如图所示,95%值=681.81,表示至少有95%的概率待发现油气资源量可以达到681.81百万桶油当量;50%和5%表示的含义也一样;Mean=944.04MMboe,表示均值,是估算出的待发现油气资源量的期望值为944.04百万桶油当量,一般统计结果采纳均值。蒙特卡洛模拟法的基础是需要获取一组油气田数量和油气田规模的参数值,这些参数值的获取通过上述类比法来实现。
Claims (9)
1.一种低勘探程度区油气资源的评价方法,其特征在于:
首先,划分低勘探程度区评价单元;
其次,选取与低勘探程度区评价单元相似的类比刻度区;
再次,筛选类比刻度区的评价参数;
再次,采用类比法对低勘探程度区评价单元相应的评价参数赋值;
最后,采用蒙特卡洛模拟法,将赋值后的低勘探程度区评价单元的评价参数输入,运算得出低勘探程度区评价单元油气资源量的概率值,作为对低勘探程度区评价单元油气资源的评价。
2.根据权利要求1所述的低勘探程度区油气资源的评价方法,其特征在于:所述类比刻度区的选取原则是:
1)刻度区属于中、高勘探程度;
2)盆地类型相同;
3)主力烃源岩时代相近;
4)储集层时代相近;
5)储集层岩相相似。
3.根据权利要求1或2所述的低勘探程度区油气资源的评价方法,其特征在于:
所述类比刻度区的数量至少为10个。
4.根据权利要求1所述的低勘探程度区油气资源的评价方法,其特征在于:
所述评价参数包括油气田个数、油气田规模和油气比。
6.根据权利要求4所述的低勘探程度区油气资源的评价方法,其特征在于:
所述油气田规模参数包括最小值、中值和最大值三方面,
所述低勘探程度区评价单元的油气田规模最小值以评价单元所在地区的油气田经济下限作为油气田规模最小值;
所述低勘探程度区评价单元的油气田规模中值和最大值选为类比刻度区的油气田规模的中值和最大值,其中:
所述类比刻度区的油气田规模的中值是指:各个类比刻度区规模油气田储量中值按大小排序后序列的中值;各个类比刻度区规模油气田储量中值是指:该类比刻度区中所有规模油气田按储量大小排序后序列的中值;
所述类比刻度区的油气田规模的最大值是指:各个类比刻度区规模油气田储量最大值按大小排序后序列的中值。
7.根据权利要求4所述的低勘探程度区油气资源的评价方法,其特征在于:
所述低勘探程度区评价单元的油气比选为地质条件最相似类比刻度区的规模油气田的油气比。
8.根据权利要求1或4-7之一所述的低勘探程度区油气资源的评价方法,其特征在于:
所述低勘探程度区评价单元的评价参数值根据地质风险评价、环境、实际技术情况以及专家评议进行调整。
9.根据权利要求1或4-7之一所述的低勘探程度区油气资源的评价方法,其特征在于:
将通过蒙特卡洛模拟法运算得出的油气储量的概率值的均值,作为低勘探程度区评价单元的油气待发现资源量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210185588.7A CN114254960A (zh) | 2022-02-28 | 2022-02-28 | 一种低勘探程度区油气资源的评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210185588.7A CN114254960A (zh) | 2022-02-28 | 2022-02-28 | 一种低勘探程度区油气资源的评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114254960A true CN114254960A (zh) | 2022-03-29 |
Family
ID=80797108
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210185588.7A Pending CN114254960A (zh) | 2022-02-28 | 2022-02-28 | 一种低勘探程度区油气资源的评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114254960A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115099578A (zh) * | 2022-06-01 | 2022-09-23 | 中国地质调查局油气资源调查中心 | 一种含油气盆地边缘地区的油气资源评价方法 |
WO2024012222A1 (zh) * | 2022-07-11 | 2024-01-18 | 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 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107589466A (zh) * | 2016-07-06 | 2018-01-16 | 中国石油化工股份有限公司 | 一种用于评价待发现资源量空间分布特征的方法 |
CN110490436A (zh) * | 2019-07-31 | 2019-11-22 | 中国地质科学院地质力学研究所 | 一种油气资源量评价方法及评价系统 |
CN112765527A (zh) * | 2019-10-21 | 2021-05-07 | 中国石油化工股份有限公司 | 页岩气资源量计算方法及系统 |
-
2022
- 2022-02-28 CN CN202210185588.7A patent/CN114254960A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107589466A (zh) * | 2016-07-06 | 2018-01-16 | 中国石油化工股份有限公司 | 一种用于评价待发现资源量空间分布特征的方法 |
CN110490436A (zh) * | 2019-07-31 | 2019-11-22 | 中国地质科学院地质力学研究所 | 一种油气资源量评价方法及评价系统 |
CN112765527A (zh) * | 2019-10-21 | 2021-05-07 | 中国石油化工股份有限公司 | 页岩气资源量计算方法及系统 |
Non-Patent Citations (2)
Title |
---|
何文军 等: "准噶尔盆地典型刻度区选择及其资源量计算方法体系建立", 《天然气地球科学》 * |
张凯逊 等: "阿富汗—塔吉克盆地含油气系统特征与资源潜力", 《中国地质》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115099578A (zh) * | 2022-06-01 | 2022-09-23 | 中国地质调查局油气资源调查中心 | 一种含油气盆地边缘地区的油气资源评价方法 |
CN115099578B (zh) * | 2022-06-01 | 2023-05-26 | 中国地质调查局油气资源调查中心 | 一种含油气盆地边缘地区的油气资源评价方法 |
WO2024012222A1 (zh) * | 2022-07-11 | 2024-01-18 | 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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110363325B (zh) | 复杂断块油藏多目标注采调控优化方法 | |
Tadeusiewicz | Neural networks in mining sciences–general overview and some representative examples | |
Amiri et al. | Improving water saturation estimation in a tight shaly sandstone reservoir using artificial neural network optimized by imperialist competitive algorithm–A case study | |
CN105528522A (zh) | 一种基于空间网格计算连续性油气藏资源量的方法及装置 | |
CN105134191B (zh) | 致密油油井储量的评价方法 | |
CN114254960A (zh) | 一种低勘探程度区油气资源的评价方法 | |
CN110318744B (zh) | 一种用于预测页岩气资源的方法 | |
CN104239743B (zh) | 确定岩性油气藏成藏概率的方法和装置 | |
Liu et al. | Developments in quantitative assessment and modeling of mineral resource potential: an overview | |
CN110412662A (zh) | 基于地震多属性深度学习的薄互层储层预测方法 | |
CN105447292A (zh) | 一种油气预探井筛选方法 | |
CN110489809B (zh) | 一种盆地油气资源整体评价方法及装置 | |
CN110413952B (zh) | 含油气盆地勘探程度的预测方法及装置 | |
Iltaf et al. | Facies and petrophysical modeling of Triassic Chang 6 tight sandstone reservoir, Heshui oil field, Ordos basin, China | |
CN112765527B (zh) | 页岩气资源量计算方法及系统 | |
CN112379435B (zh) | 相控岩溶型缝洞集合体刻画方法及装置 | |
Amer et al. | Permeability Prediction and Facies Distribution for Yamama Reservoir in Faihaa Oil Field: Role of Machine Learning and Cluster Analysis Approach | |
CN114482995A (zh) | 一种细粒沉积物泥质含量精细确定方法 | |
CN115685327A (zh) | 一种深水浊积砂体展布范围的预测方法 | |
Deng et al. | Machine learning based stereoscopic triple sweet spot evaluation method for shale reservoirs | |
CN110930020A (zh) | 非常规油气资源的经济可采资源量确定方法 | |
CN111287739A (zh) | 一种基于地层原油粘度的剩余油分布预测方法 | |
CN110488350B (zh) | 基于卷积神经网络的地震反演大数据生成方法 | |
CN115099578B (zh) | 一种含油气盆地边缘地区的油气资源评价方法 | |
Wang et al. | The Study of Optimizing Reservoir Model Using Experimental Design in Stochastic Models |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220329 |
|
RJ01 | Rejection of invention patent application after publication |