CN114565116A - 一种低渗储层物性参数的预测方法和装置 - Google Patents

一种低渗储层物性参数的预测方法和装置 Download PDF

Info

Publication number
CN114565116A
CN114565116A CN202011364070.7A CN202011364070A CN114565116A CN 114565116 A CN114565116 A CN 114565116A CN 202011364070 A CN202011364070 A CN 202011364070A CN 114565116 A CN114565116 A CN 114565116A
Authority
CN
China
Prior art keywords
reservoir
physical property
quality index
permeability
property quality
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
CN202011364070.7A
Other languages
English (en)
Inventor
傅巍
蔡超
田梅
李程
王欢
曲鹏
唐洁云
侯彦东
廖成君
陈俊年
弥一頔
何思宇
李思瞳
陈雪
刘慧�
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.)
Petrochina Co Ltd
Original Assignee
Petrochina Co Ltd
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 Petrochina Co Ltd filed Critical Petrochina Co Ltd
Priority to CN202011364070.7A priority Critical patent/CN114565116A/zh
Publication of CN114565116A publication Critical patent/CN114565116A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V9/00—Prospecting or detecting by methods not provided for in groups G01V1/00 - G01V8/00
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Mining
    • 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
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Abstract

本发明提供了一种低渗储层物性参数的预测方法和装置，该方法包括：根据取心井毛管压力曲线特征，对低渗储层进行分类；根据储层微观孔隙结构特征，定义物性品质指数；根据低渗储层的分类和物性品质指数，建立物性品质指数储层分类标准；根据物性品质指数储层分类标准，将孔隙度和渗透率分别进行回归，分类建立储层孔渗解释模型；将物性品质指数与测井曲线进行相关性分析后再进行拟合，建立物性品质指数解释模型；根据分类建立的储层孔渗解释模型和物性品质指数解释模型，对低渗储层物性参数进行预测。本发明提高了低渗储层测井物性解释模型准确率，对低渗储层物性参数进行准确预测，可以精确识别和评价低渗油藏有利储层的位置和范围。

Description

一种低渗储层物性参数的预测方法和装置
技术领域
本发明涉及石油地质勘探开发技术领域，尤其涉及一种低渗储层物性参数的预测方法和装置。
背景技术
本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
随着油气勘探规模的不断扩大和勘探程度的不断增加，低渗储层作为已成为勘探开发的重要目标。
但由于低渗储层孔隙结构复杂，矿物成分多样并存在微裂缝，导致相同孔隙度下对应的储层渗透率变化较大，降低了常规物性解释模型预测储层物性参数的准确率，制约了该类储层的勘探开发。储层物性主要受孔隙结构及微裂缝的影响，因此，如何有效地建立准确的物性解释模型是研究低渗储层特征的主要问题。
目前预测储层物性的测井解释模型是基于常规储层的计算方法，对复杂多变的低渗储层来说，准确率不高，难以实现低渗储层物性参数特征的准确预测。
因此，如何提供一种新的方案，其能够解决上述技术问题是本领域亟待解决的技术难题。
发明内容
本发明实施例提供一种低渗储层物性参数的预测方法，提高了低渗储层测井物性解释模型准确率，对低渗储层物性参数进行准确预测，可以精确识别和评价低渗油藏有利储层的位置和范围，以便在低渗油藏的勘探开发中快速找到有利目标及范围，为低渗油藏的有效勘探开发提供了坚实的技术保障，该方法包括：
根据取心井毛管压力曲线特征，对低渗储层进行分类；
根据储层微观孔隙结构特征，定义物性品质指数；
根据低渗储层的分类和物性品质指数，建立物性品质指数储层分类标准；
根据物性品质指数储层分类标准，将孔隙度和渗透率分别进行回归，分类建立储层孔渗解释模型；
将物性品质指数与测井曲线进行相关性分析后再进行拟合，建立物性品质指数解释模型；
根据分类建立的储层孔渗解释模型和物性品质指数解释模型，对低渗储层物性参数进行预测。
本发明实施例还提供一种低渗储层物性参数的预测装置，包括：
低渗储层分类模块，用于根据取心井毛管压力曲线特征，对低渗储层进行分类；
物性品质指数定义模块，用于根据储层微观孔隙结构特征，定义物性品质指数；
物性品质指数储层分类标准建立模块，用于根据低渗储层的分类和物性品质指数，建立物性品质指数储层分类标准；
储层孔渗解释模型建立模块，用于根据物性品质指数储层分类标准，将孔隙度和渗透率分别进行回归，分类建立储层孔渗解释模型；
物性品质指数解释模型建立模块，用于将物性品质指数与测井曲线进行相关性分析后再进行拟合，建立物性品质指数解释模型；
低渗储层物性参数预测模块，用于根据分类建立的储层孔渗解释模型和物性品质指数解释模型，对低渗储层物性参数进行预测。
本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种低渗储层物性参数的预测方法。
本发明实施例还提供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执行上述一种低渗储层物性参数的预测方法的计算机程序。
本发明实施例提供的一种低渗储层物性参数的预测方法和装置，包括：首先根据取心井毛管压力曲线特征，对低渗储层进行分类；然后根据储层微观孔隙结构特征，定义物性品质指数；接着根据低渗储层的分类和物性品质指数，建立物性品质指数储层分类标准；下一步根据物性品质指数储层分类标准，将孔隙度和渗透率分别进行回归，分类建立储层孔渗解释模型；再下一步将物性品质指数与测井曲线进行相关性分析后再进行拟合，建立物性品质指数解释模型；最后根据分类建立的储层孔渗解释模型和物性品质指数解释模型，对低渗储层物性参数进行预测。本发明实施例提高了低渗储层测井物性解释模型准确率，对低渗储层物性参数进行准确预测，可以精确识别和评价低渗油藏有利储层的位置和范围，以便在低渗油藏的勘探开发中快速找到有利目标及范围，为低渗油藏的有效勘探开发提供了坚实的技术保障。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1为本发明实施例一种低渗储层物性参数的预测方法示意图。
图2为本发明实施例一种低渗储层物性参数的预测方法的流程图。
图3为本发明实施例一种低渗储层物性参数的预测方法的一个实例中计算渗透率与实测渗透率关系图。
图4为运行本发明实施的一种低渗储层物性参数的预测方法的计算机装置示意图。
图5为本发明实施例一种低渗储层物性参数的预测装置示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
图1为本发明实施例一种低渗储层物性参数的预测方法示意图，如图1所示，本发明实施例提供一种低渗储层物性参数的预测方法，提高了低渗储层测井物性解释模型准确率，对低渗储层物性参数进行准确预测，可以精确识别和评价低渗油藏有利储层的位置和范围，以便在低渗油藏的勘探开发中快速找到有利目标及范围，为低渗油藏的有效勘探开发提供了坚实的技术保障，该方法包括：
步骤101：根据取心井毛管压力曲线特征，对低渗储层进行分类；
步骤102：根据储层微观孔隙结构特征，定义物性品质指数；
步骤103：根据低渗储层的分类和物性品质指数，建立物性品质指数储层分类标准；
步骤104：根据物性品质指数储层分类标准，将孔隙度和渗透率分别进行回归，分类建立储层孔渗解释模型；
步骤105：将物性品质指数与测井曲线进行相关性分析后再进行拟合，建立物性品质指数解释模型；
步骤106：根据分类建立的储层孔渗解释模型和物性品质指数解释模型，对低渗储层物性参数进行预测。
本发明实施例提供的一种低渗储层物性参数的预测方法，包括：首先根据取心井毛管压力曲线特征，对低渗储层进行分类；然后根据储层微观孔隙结构特征，定义物性品质指数；接着根据低渗储层的分类和物性品质指数，建立物性品质指数储层分类标准；下一步根据物性品质指数储层分类标准，将孔隙度和渗透率分别进行回归，分类建立储层孔渗解释模型；再下一步将物性品质指数与测井曲线进行相关性分析后再进行拟合，建立物性品质指数解释模型；最后根据分类建立的储层孔渗解释模型和物性品质指数解释模型，对低渗储层物性参数进行预测。本发明实施例提高了低渗储层测井物性解释模型准确率，对低渗储层物性参数进行准确预测，可以精确识别和评价低渗油藏有利储层的位置和范围，以便在低渗油藏的勘探开发中快速找到有利目标及范围，为低渗油藏的有效勘探开发提供了坚实的技术保障。
图2为本发明实施例一种低渗储层物性参数的预测方法的流程图，如图2所示，具体实施本发明实施例提供的一种低渗储层物性参数的预测方法时，可以包括：
根据取心井毛管压力曲线特征，对低渗储层进行分类；根据储层微观孔隙结构特征，定义物性品质指数；根据低渗储层的分类和物性品质指数，建立物性品质指数储层分类标准；根据物性品质指数储层分类标准，将孔隙度和渗透率分别进行回归，分类建立储层孔渗解释模型；将物性品质指数与测井曲线进行相关性分析后再进行拟合，建立物性品质指数解释模型；根据分类建立的储层孔渗解释模型和物性品质指数解释模型，对低渗储层物性参数进行预测。
具体实施本发明实施例提供的一种低渗储层物性参数的预测方法时，在一个实施例中，前述的根据取心井毛管压力曲线特征，对低渗储层进行分类，包括：
分析取心井毛管压力曲线特征，获取取心井的渗透率、孔隙度、排驱压力、最大孔喉半径、平均孔喉半径和吼道分选系数；
通过对取心井的渗透率、孔隙度、排驱压力、最大孔喉半径、平均孔喉半径和吼道分选系数进行参数优选以及分类对比，按照排驱压力高低、孔喉分布集中程度、孔喉半径大小以及分选程度好坏对低渗储层进行分类。
实施例中，根据取心井毛管压力曲线特征，对低渗储层进行分类，具体的包括：分析取心井毛管压力曲线特征，获取取心井的渗透率、孔隙度、排驱压力、最大孔喉半径、平均孔喉半径和吼道分选系数；通过对取心井的渗透率、孔隙度、排驱压力、最大孔喉半径、平均孔喉半径和吼道分选系数进行参数优选以及分类对比，按照排驱压力高低、孔喉分布集中程度、孔喉半径大小以及分选程度好坏对低渗储层进行分类。
利用岩心取心井毛管压力曲线特征，获得取心井的渗透率、孔隙度、排驱压力、最大孔喉半径、平均孔喉半径和吼道分选系数等参数，并通过对上述参数进行参数优选、分类对比，按照排驱压力高低、孔喉分布集中程度、孔喉半径大小以及分选程度好坏等因素将低渗储层分为Ⅰ、Ⅱ、Ⅲ类。
实施例中，根据储层微观孔隙结构特征，定义物性品质指数，主要包括：物性品质指数主要与储层微观孔隙结构特征相关，能够效评价储层孔隙结构特征。具体实施本发明实施例提供的一种低渗储层物性参数的预测方法时，在一个实施例中，按照如下方式，定义物性品质指数：
Figure BDA0002804898880000051
其中，R为物性品质指数；K为岩心实测渗透率，单位为10-3μm2；Φ为岩心实测孔隙度，单位为％。
前述提到的定义物性品质指数的表达式为举例说明，本领域技术人员可以理解，在实施时还可以根据需要对上述公式进行一定形式的变形和添加其它的参数或数据，或者提供其它的具体公式，这些变化例均应落入本发明的保护范围。
具体实施本发明实施例提供的一种低渗储层物性参数的预测方法时，在一个实施例中，前述的根据低渗储层的分类和物性品质指数，建立物性品质指数储层分类标准，主要包括：
以通过分析毛管压力曲线特征得到的低渗储层的分类为依据，充分利用实测岩心资料计算三类储层对应得到的物性品质指数，从而求得如表1所示的物性品质指数储层分类标准。
表1
分类 物性品质指数
Ⅰ >3
Ⅱ 1-3
Ⅲ <1
具体实施本发明实施例提供的一种低渗储层物性参数的预测方法时，在一个实施例中，前述的根据物性品质指数储层分类标准，将孔隙度和渗透率分别进行回归，分类建立储层孔渗解释模型，包括：
根据物性品质指数储层分类标准，将孔隙度和渗透率分为三类；
按照对应类别对储层的孔隙度和渗透率分别进行拟合计算回归，分类建立储层孔渗解释模型。
具体实施本发明实施例提供的一种低渗储层物性参数的预测方法时，在一个实施例中，按照如下方式，分类建立储层孔渗解释模型：
Ⅰ类：
Figure BDA0002804898880000061
Ⅱ类：
Figure BDA0002804898880000062
Ⅲ类：
Figure BDA0002804898880000063
其中，K为岩心实测渗透率，单位为10-3μm2；Φ为岩心实测孔隙度，单位为％；Vsh为泥质含量，单位为％。
前述提到的分类建立储层孔渗解释模型的表达式为举例说明，本领域技术人员可以理解，在实施时还可以根据需要对上述公式进行一定形式的变形和添加其它的参数或数据，或者提供其它的具体公式，这些变化例均应落入本发明的保护范围。
具体实施本发明实施例提供的一种低渗储层物性参数的预测方法时，在一个实施例中，前述的将物性品质指数与测井曲线进行相关性分析后再进行拟合，建立物性品质指数解释模型，包括：
将物性品质指数与测井曲线进行相关性分析，得到物性品质指数与测井曲线的相关关系；其中，测井曲线，包括：电阻率曲线，声波时差曲线，自然伽马曲线；物性品质指数与测井曲线的相关关系，包括：物性品质指数与电阻率曲线呈正相关关系，物性品质指数与声波时差曲线呈负相关关系，物性品质指数与自然伽马曲线呈负相关关系，
根据物性品质指数与测井曲线的相关关系，结合物性品质指数、电阻率曲线、声波时差曲线和自然伽马曲线进行拟合，建立物性品质指数解释模型。
实施例中，将将应用岩心实测数据计算得到的物性品质指数与各测井曲线进行相关性分析，得到以下结论；物性品质参数与电阻率曲线呈正相关，与声波时差曲线呈负相关，与自然伽马曲线呈负相关；根据物性品质指数与测井曲线的相关关系，结合四项参数进行拟合，建立用于测井数据计算的物性品质指数解释模型。
具体实施本发明实施例提供的一种低渗储层物性参数的预测方法时，在一个实施例中，按照如下方式，建立物性品质指数解释模型：
R＝0.7×e0.035×RT－0.0007×e0.02×AC－0.631×GR2－1.047×GR+1
其中，R为物性品质指数；RT为电阻率曲线，单位为Ω·m；AC为声波时差曲线，单位为μs/m；GR为自然伽马曲线，单位为API。
前述提到的建立物性品质指数解释模型的表达式为举例说明，本领域技术人员可以理解，在实施时还可以根据需要对上述公式进行一定形式的变形和添加其它的参数或数据，或者提供其它的具体公式，这些变化例均应落入本发明的保护范围。
具体实施本发明实施例提供的一种低渗储层物性参数的预测方法时，在一个实施例中，前述的根据分类建立的储层孔渗解释模型和物性品质指数解释模型，对低渗储层物性参数进行预测，包括：
根据物性品质指数解释模型，对单井进行物性品质的计算，并对照物性品质指数储层分类标准，按类别选择相应的储层孔渗解释模型，对全井的低渗储层物性参数进行预测。
实施例中，根据分类建立的储层孔渗解释模型和物性品质指数解释模型，对低渗储层物性参数进行预测，主要包括：
根据物性品质指数解释模型，对单井进行物性品质的计算，并对照物性品质指数储层分类标准，按类别选择相应的储层孔渗解释模型，对全井的低渗储层物性参数进行预测，计算求取全井的物性参数，实现了对目的层测井渗透率优化计算的目的，提高了物性解释模型的准确性。
本发明实施例还提供一种低渗储层物性参数的预测方法的步骤，主要包括：
步骤一：利用取心井毛管压力曲线特征，对低渗储层进行直观有效的分类；
步骤二：定义物性品质指数概念，有效评价储层孔隙结构特征；
步骤三：依据之前对低渗储层的分类标准，结合物性品质指数的取值范围，建立基于物性品质指数的储层分类标准；
步骤四：按物性品质指数储层分类标准对孔隙度和渗透率分别进行回归，得到分类建立储层孔渗解释模型；
步骤五：将应用岩石物理计算得到的物性品质指数与电阻率、声波时差和自然伽马测井曲线进行拟合，得到应用测井资料计算的物性品质指数解释模型。
步骤六：利用物性品质的解释模型以及分类建立的储层孔渗解释模型，完成对低渗储层区块物性参数的准确预测和计算。
本发明实施例还提供一种利用一种低渗储层物性参数的预测方法的实例，具体如下。
某区块砂岩油藏物性较差，整体为中孔低渗级别，孔隙结构复杂多变，孔隙度与渗透率对应关系差，因此，准确找到物性较好的储层是寻找有利目标区的关键所在。
步骤一：本区主要发育砂砾岩储层，物性较差，渗透率平均90×10-3μm2，依据四口取心井的毛管压力曲线特征数据分析，将储层分为Ⅰ、Ⅱ、Ⅲ三类，Ⅰ类排驱压力低，孔喉分布集中、孔喉粗、分选中等，Ⅱ类排驱压力中等，孔喉分布相对集中，孔喉较粗，分选较差，Ⅲ类排驱压力高，孔喉细，分选差。
步骤二：对三类储层分别定义并计算物性品质指数，并归类，分类建立储层孔渗解释模型。
分类建立储层孔渗解释模型：
Ⅰ类：
Figure BDA0002804898880000081
Ⅱ类：
Figure BDA0002804898880000082
Ⅲ类：
Figure BDA0002804898880000083
其中，K为岩心实测渗透率，单位为10-3μm2；Φ为岩心实测孔隙度，单位为％；Vsh为泥质含量，单位为％。
接下来，将物性品质指数与测井曲线进行相关性分析后再进行拟合，建立物性品质指数解释模型，主要包括：
R＝0.7×e0.035×RT－0.0007×e0.02×AC－0.631×GR2－1.047×GR+1
其中，R为物性品质指数；RT为电阻率曲线，单位为Ω·m；AC为声波时差曲线，单位为μs/m；GR为自然伽马曲线，单位为API。
步骤三：根据分类建立的储层孔渗解释模型和物性品质指数解释模型，对低渗储层物性参数进行预测，依据求取的各井物性品质指数代入相应类别物性品质解释模型，求得各井预测渗透率数值。经过计算，如图3本发明实施例一种低渗储层物性参数的预测方法的一个实例中计算渗透率与实测渗透率关系图和表2渗透率误差分析表所示，实测渗透率数据与模型计算得到的预测渗透率数据相对误差平均仅为20％。
表2
层号 计算渗透率 实测渗透率 相对误差％
20 152.13 118.22 29
47 50.18 41.83 20
12 87.01 73.92 18
23 77.85 75.50 3
36 92.92 91.45 2
48 68.03 69.25 2
34 33.68 37.17 9
25 50.09 55.29 9
53 90.67 101.09 10
46 13.19 14.92 12
31 171.73 200.35 14
15 151.71 190.15 20
37 27.49 44.15 38
30 206.49 262.81 21
45 6.04 10.12 40
16 102.89 174.64 41
41 59.94 107.68 44
通过上述实例可知，本发明实施例提供了一种提高低渗储层测井物性解释模型准确率的方法，可以对低渗储层物性参数进行准确计算，为低渗油藏有利储层的位置和范围的确定提供了技术保障。
图4为运行本发明实施的一种低渗储层物性参数的预测方法的计算机装置示意图，如图4所示，本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种低渗储层物性参数的预测方法。
本发明实施例还提供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执行实现上述一种低渗储层物性参数的预测方法的计算机程序。
本发明实施例中还提供了一种低渗储层物性参数的预测装置，如下面的实施例所述。由于该装置解决问题的原理与一种低渗储层物性参数的预测方法相似，因此该装置的实施可以参见一种低渗储层物性参数的预测方法的实施，重复之处不再赘述。
图5为本发明实施例一种低渗储层物性参数的预测装置示意图，如图5所示，本发明实施例还提供一种低渗储层物性参数的预测装置，包括：
低渗储层分类模块501，用于根据取心井毛管压力曲线特征，对低渗储层进行分类；
物性品质指数定义模块502，用于根据储层微观孔隙结构特征，定义物性品质指数；
物性品质指数储层分类标准建立模块503，用于根据低渗储层的分类和物性品质指数，建立物性品质指数储层分类标准；
储层孔渗解释模型建立模块504，用于根据物性品质指数储层分类标准，将孔隙度和渗透率分别进行回归，分类建立储层孔渗解释模型；
物性品质指数解释模型建立模块505，用于将物性品质指数与测井曲线进行相关性分析后再进行拟合，建立物性品质指数解释模型；
低渗储层物性参数预测模块506，用于根据分类建立的储层孔渗解释模型和物性品质指数解释模型，对低渗储层物性参数进行预测。
具体实施本发明实施例提供的一种低渗储层物性参数的预测装置时，在一个实施例中，前述的低渗储层分类模块，具体用于：
分析取心井毛管压力曲线特征，获取取心井的渗透率、孔隙度、排驱压力、最大孔喉半径、平均孔喉半径和吼道分选系数；
通过对取心井的渗透率、孔隙度、排驱压力、最大孔喉半径、平均孔喉半径和吼道分选系数进行参数优选以及分类对比，按照排驱压力高低、孔喉分布集中程度、孔喉半径大小以及分选程度好坏对低渗储层进行分类。
具体实施本发明实施例提供的一种低渗储层物性参数的预测装置时，在一个实施例中，前述的物性品质指数定义模块，具体用于按照如下方式，定义物性品质指数：
Figure BDA0002804898880000111
其中，R为物性品质指数；K为岩心实测渗透率，单位为10-3μm2；Φ为岩心实测孔隙度，单位为％。
具体实施本发明实施例提供的一种低渗储层物性参数的预测装置时，在一个实施例中，前述的储层孔渗解释模型建立模块，具体用于：
根据物性品质指数储层分类标准，将孔隙度和渗透率分为三类；
按照对应类别对储层的孔隙度和渗透率分别进行拟合计算回归，分类建立储层孔渗解释模型。
具体实施本发明实施例提供的一种低渗储层物性参数的预测装置时，在一个实施例中，前述的储层孔渗解释模型建立模块，还用于按照如下方式，分类建立储层孔渗解释模型：
Ⅰ类：
Figure BDA0002804898880000112
Ⅱ类：
Figure BDA0002804898880000113
Ⅲ类：
Figure BDA0002804898880000114
其中，K为岩心实测渗透率，单位为10-3μm2；Φ为岩心实测孔隙度，单位为％；Vsh为泥质含量，单位为％。
具体实施本发明实施例提供的一种低渗储层物性参数的预测装置时，在一个实施例中，前述的物性品质指数解释模型建立模块，具体用于：
将物性品质指数与测井曲线进行相关性分析，得到物性品质指数与测井曲线的相关关系；其中，测井曲线，包括：电阻率曲线，声波时差曲线，自然伽马曲线；物性品质指数与测井曲线的相关关系，包括：物性品质指数与电阻率曲线呈正相关关系，物性品质指数与声波时差曲线呈负相关关系，物性品质指数与自然伽马曲线呈负相关关系，
根据物性品质指数与测井曲线的相关关系，结合物性品质指数、电阻率曲线、声波时差曲线和自然伽马曲线进行拟合，建立物性品质指数解释模型。
具体实施本发明实施例提供的一种低渗储层物性参数的预测装置时，在一个实施例中，前述的物性品质指数解释模型建立模块，还用于按照如下方式，建立物性品质指数解释模型：
R＝0.7×e0.035×RT－0.0007×e0.02×AC－0.631×GR2－1.047×GR+1
其中，R为物性品质指数；RT为电阻率曲线，单位为Ω·m；AC为声波时差曲线，单位为μs/m；GR为自然伽马曲线，单位为API。
具体实施本发明实施例提供的一种低渗储层物性参数的预测装置时，在一个实施例中，前述的低渗储层物性参数预测模块，具体用于：
根据物性品质指数解释模型，对单井进行物性品质的计算，并对照物性品质指数储层分类标准，按类别选择相应的储层孔渗解释模型，对全井的低渗储层物性参数进行预测。
综上，本发明实施例提供的一种低渗储层物性参数的预测方法和装置，包括：首先根据取心井毛管压力曲线特征，对低渗储层进行分类；然后根据储层微观孔隙结构特征，定义物性品质指数；接着根据低渗储层的分类和物性品质指数，建立物性品质指数储层分类标准；下一步根据物性品质指数储层分类标准，将孔隙度和渗透率分别进行回归，分类建立储层孔渗解释模型；再下一步将物性品质指数与测井曲线进行相关性分析后再进行拟合，建立物性品质指数解释模型；最后根据分类建立的储层孔渗解释模型和物性品质指数解释模型，对低渗储层物性参数进行预测。本发明实施例提高了低渗储层测井物性解释模型准确率，对低渗储层物性参数进行准确预测，可以精确识别和评价低渗油藏有利储层的位置和范围，以便在低渗油藏的勘探开发中快速找到有利目标及范围，为低渗油藏的有效勘探开发提供了坚实的技术保障。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (18)

1.一种低渗储层物性参数的预测方法，其特征在于，包括：
根据取心井毛管压力曲线特征，对低渗储层进行分类；
根据储层微观孔隙结构特征，定义物性品质指数；
根据低渗储层的分类和物性品质指数，建立物性品质指数储层分类标准；
根据物性品质指数储层分类标准，将孔隙度和渗透率分别进行回归，分类建立储层孔渗解释模型；
将物性品质指数与测井曲线进行相关性分析后再进行拟合，建立物性品质指数解释模型；
根据分类建立的储层孔渗解释模型和物性品质指数解释模型，对低渗储层物性参数进行预测。
2.如权利要求1所述的方法，其特征在于，根据取心井毛管压力曲线特征，对低渗储层进行分类，包括：
分析取心井毛管压力曲线特征，获取取心井的渗透率、孔隙度、排驱压力、最大孔喉半径、平均孔喉半径和吼道分选系数；
通过对取心井的渗透率、孔隙度、排驱压力、最大孔喉半径、平均孔喉半径和吼道分选系数进行参数优选以及分类对比，按照排驱压力高低、孔喉分布集中程度、孔喉半径大小以及分选程度好坏对低渗储层进行分类。
3.如权利要求1所述的方法，其特征在于，按照如下方式，定义物性品质指数：
Figure FDA0002804898870000011
其中，R为物性品质指数；K为岩心实测渗透率，单位为10-3μm2；Φ为岩心实测孔隙度，单位为％。
4.如权利要求1所述的方法，其特征在于，根据物性品质指数储层分类标准，将孔隙度和渗透率分别进行回归，分类建立储层孔渗解释模型，包括：
根据物性品质指数储层分类标准，将孔隙度和渗透率分为三类；
按照对应类别对储层的孔隙度和渗透率分别进行拟合计算回归，分类建立储层孔渗解释模型。
5.如权利要求4所述的方法，其特征在于，按照如下方式，分类建立储层孔渗解释模型：
Ⅰ类：
Figure FDA0002804898870000021
Ⅱ类：
Figure FDA0002804898870000022
Ⅲ类：
Figure FDA0002804898870000023
其中，K为岩心实测渗透率，单位为10-3μm2；Φ为岩心实测孔隙度，单位为％；Vsh为泥质含量，单位为％。
6.如权利要求1所述的方法，其特征在于，将物性品质指数与测井曲线进行相关性分析后再进行拟合，建立物性品质指数解释模型，包括：
将物性品质指数与测井曲线进行相关性分析，得到物性品质指数与测井曲线的相关关系；其中，测井曲线，包括：电阻率曲线，声波时差曲线，自然伽马曲线；物性品质指数与测井曲线的相关关系，包括：物性品质指数与电阻率曲线呈正相关关系，物性品质指数与声波时差曲线呈负相关关系，物性品质指数与自然伽马曲线呈负相关关系，
根据物性品质指数与测井曲线的相关关系，结合物性品质指数、电阻率曲线、声波时差曲线和自然伽马曲线进行拟合，建立物性品质指数解释模型。
7.如权利要求6所述的方法，其特征在于，按照如下方式，建立物性品质指数解释模型：
R＝0.7×e0.035×RT－0.0007×e0.02×AC－0.631×GR2－1.047×GR+1
其中，R为物性品质指数；RT为电阻率曲线，单位为Ω·m；AC为声波时差曲线，单位为μs/m；GR为自然伽马曲线，单位为API。
8.如权利要求1所述的方法，其特征在于，根据分类建立的储层孔渗解释模型和物性品质指数解释模型，对低渗储层物性参数进行预测，包括：
根据物性品质指数解释模型，对单井进行物性品质的计算，并对照物性品质指数储层分类标准，按类别选择相应的储层孔渗解释模型，对全井的低渗储层物性参数进行预测。
9.一种低渗储层物性参数的预测装置，其特征在于，包括：
低渗储层分类模块，用于根据取心井毛管压力曲线特征，对低渗储层进行分类；
物性品质指数定义模块，用于根据储层微观孔隙结构特征，定义物性品质指数；
物性品质指数储层分类标准建立模块，用于根据低渗储层的分类和物性品质指数，建立物性品质指数储层分类标准；
储层孔渗解释模型建立模块，用于根据物性品质指数储层分类标准，将孔隙度和渗透率分别进行回归，分类建立储层孔渗解释模型；
物性品质指数解释模型建立模块，用于将物性品质指数与测井曲线进行相关性分析后再进行拟合，建立物性品质指数解释模型；
低渗储层物性参数预测模块，用于根据分类建立的储层孔渗解释模型和物性品质指数解释模型，对低渗储层物性参数进行预测。
10.如权利要求9所述的装置，其特征在于，低渗储层分类模块，具体用于：
分析取心井毛管压力曲线特征，获取取心井的渗透率、孔隙度、排驱压力、最大孔喉半径、平均孔喉半径和吼道分选系数；
通过对取心井的渗透率、孔隙度、排驱压力、最大孔喉半径、平均孔喉半径和吼道分选系数进行参数优选以及分类对比，按照排驱压力高低、孔喉分布集中程度、孔喉半径大小以及分选程度好坏对低渗储层进行分类。
11.如权利要求9所述的装置，其特征在于，物性品质指数定义模块，具体用于按照如下方式，定义物性品质指数：
Figure FDA0002804898870000031
其中，R为物性品质指数；K为岩心实测渗透率，单位为10-3μm2；Φ为岩心实测孔隙度，单位为％。
12.如权利要求9所述的装置，其特征在于，储层孔渗解释模型建立模块，具体用于：
根据物性品质指数储层分类标准，将孔隙度和渗透率分为三类；
按照对应类别对储层的孔隙度和渗透率分别进行拟合计算回归，分类建立储层孔渗解释模型。
13.如权利要求12所述的装置，其特征在于，储层孔渗解释模型建立模块，还用于按照如下方式，分类建立储层孔渗解释模型：
Ⅰ类：
Figure FDA0002804898870000041
Ⅱ类：
Figure FDA0002804898870000042
Ⅲ类：
Figure FDA0002804898870000043
其中，K为岩心实测渗透率，单位为10-3μm2；Φ为岩心实测孔隙度，单位为％；Vsh为泥质含量，单位为％。
14.如权利要求9所述的装置，其特征在于，物性品质指数解释模型建立模块，具体用于：
将物性品质指数与测井曲线进行相关性分析，得到物性品质指数与测井曲线的相关关系；其中，测井曲线，包括：电阻率曲线，声波时差曲线，自然伽马曲线；物性品质指数与测井曲线的相关关系，包括：物性品质指数与电阻率曲线呈正相关关系，物性品质指数与声波时差曲线呈负相关关系，物性品质指数与自然伽马曲线呈负相关关系，
根据物性品质指数与测井曲线的相关关系，结合物性品质指数、电阻率曲线、声波时差曲线和自然伽马曲线进行拟合，建立物性品质指数解释模型。
15.如权利要求14所述的装置，其特征在于，物性品质指数解释模型建立模块，还用于按照如下方式，建立物性品质指数解释模型：
R＝0.7×e0.035×RT－0.0007×e0.02×AC－0.631×GR2－1.047×GR+1
其中，R为物性品质指数；RT为电阻率曲线，单位为Ω·m；AC为声波时差曲线，单位为μs/m；GR为自然伽马曲线，单位为API。
16.如权利要求9所述的装置，其特征在于，低渗储层物性参数预测模块，具体用于：
根据物性品质指数解释模型，对单井进行物性品质的计算，并对照物性品质指数储层分类标准，按类别选择相应的储层孔渗解释模型，对全井的低渗储层物性参数进行预测。
17.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8任一项所述方法。
18.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行实现权利要求1至8任一项所述方法的计算机程序。
CN202011364070.7A 2020-11-27 2020-11-27 一种低渗储层物性参数的预测方法和装置 Pending CN114565116A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011364070.7A CN114565116A (zh) 2020-11-27 2020-11-27 一种低渗储层物性参数的预测方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011364070.7A CN114565116A (zh) 2020-11-27 2020-11-27 一种低渗储层物性参数的预测方法和装置

Publications (1)

Publication Number Publication Date
CN114565116A true CN114565116A (zh) 2022-05-31

Family

ID=81711273

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011364070.7A Pending CN114565116A (zh) 2020-11-27 2020-11-27 一种低渗储层物性参数的预测方法和装置

Country Status (1)

Country Link
CN (1) CN114565116A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116413187A (zh) * 2023-04-14 2023-07-11 西南石油大学 一种基于毛管压力资料的储层渗透率预测方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116413187A (zh) * 2023-04-14 2023-07-11 西南石油大学 一种基于毛管压力资料的储层渗透率预测方法及系统
CN116413187B (zh) * 2023-04-14 2024-01-05 西南石油大学 一种基于毛管压力资料的储层渗透率预测方法及系统

Similar Documents

Publication Publication Date Title
CN110717249B (zh) 页岩气储层测井孔隙度快速预测方法及系统
CN111425193B (zh) 一种基于聚类分析测井岩石物理相划分的储层可压性评价方法
CN104533400B (zh) 一种重构测井曲线的方法
CN106897544B (zh) 对来自压裂的非常规地层的油气生产进行建模的方法
CN111665560A (zh) 油气层识别方法、装置、计算机设备及可读存储介质
CN112796738A (zh) 一种阵列声波测井和常规测井结合的地层渗透率计算方法
CN103630939A (zh) 一种气层识别评价方法
CN110306978A (zh) 一种非均质油藏储层物性参数预测方法
CN103527172B (zh) 可变岩电耦合指数含水饱和度计算方法
CN112145165A (zh) 一种微裂缝-孔隙型储层动静态渗透率转换方法
CN113027433B (zh) 计算强非均质性砂砾岩储层渗透率的方法和装置
CN114565116A (zh) 一种低渗储层物性参数的预测方法和装置
CN111537417B (zh) 一种岩样孔隙发育状况评估方法
CN114564498A (zh) 一种低渗储层定量分类评价方法和装置
CN112253087A (zh) 一种基于多源测井资料的生物扰动储集层物性计算方法
CN112327357A (zh) 基于三维地震资料的烃源岩成熟度预测方法及装置
CN112147713B (zh) 泥页岩总有机碳含量分段预测方法
CN114060015A (zh) 一种致密砂岩含气性的评价方法及装置
Amanipoor Providing a subsurface reservoir quality maps in oil fields by geostatistical methods
CN111781661A (zh) 少井地区沉积微相平面展布预测方法及装置
US11905809B2 (en) Determining reservoir heterogeneity for optimized drilling location
CN108875109B (zh) 一种异常地层压力的预测方法及系统
CN108931813B (zh) 一种识别礁盖、礁核、礁基的方法
CN113622903A (zh) 储层改造方法及装置
CN115481571A (zh) 一种基于灰色关联和k近邻的煤层含气量定性评价的方法

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