CN114580233A - 一种基于r/s分析与有限差分法的致密油储层天然裂缝识别方法及系统 - Google Patents
一种基于r/s分析与有限差分法的致密油储层天然裂缝识别方法及系统 Download PDFInfo
- Publication number
- CN114580233A CN114580233A CN202210138661.5A CN202210138661A CN114580233A CN 114580233 A CN114580233 A CN 114580233A CN 202210138661 A CN202210138661 A CN 202210138661A CN 114580233 A CN114580233 A CN 114580233A
- Authority
- CN
- China
- Prior art keywords
- crack
- natural
- analysis
- fracture
- curve
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000011161 development Methods 0.000 claims abstract description 100
- 206010017076 Fracture Diseases 0.000 claims description 129
- 208000010392 Bone Fractures Diseases 0.000 claims description 91
- 238000012216 screening Methods 0.000 claims description 29
- 238000010206 sensitivity analysis Methods 0.000 claims description 16
- 238000009795 derivation Methods 0.000 claims description 12
- 238000013459 approach Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 abstract 1
- 238000003384 imaging method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000005070 sampling Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 3
- 239000011435 rock Substances 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 230000005251 gamma ray Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000009096 changqing Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
Images
Classifications
-
- 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
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- 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
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Pure & Applied Mathematics (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Fluid Mechanics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开一种基于R/S分析与有限差分法的致密油储层天然裂缝识别方法及系统，该系统包括测井曲线裂缝敏感性分析模块，R/S分析模块，有限差分法分析模块，裂缝类型判别模块，线密度实测数据监督迭代模块。本发明引入了离散数据有限差分法，通过求取R/S曲线的二次导数，达到精确判断R/S曲线下凹段的目的；通过判断GR曲线是否通过R/S独立分析以达到区分层理缝与高角度缝的目的；通过自适应的迭代循环将识别的天然裂缝线密度数据向实测数据逼近。本发明不仅可以较准确的指示不同类型天然裂缝发育位置，输出裂缝线密度数据，还极大的降低了油田天然裂缝识别与预测工作的成本，对于致密油储层天然裂缝的预测工作具有较高的实用价值。
Description
技术领域
本发明属于非常规油气田勘探开发技术领域，尤其涉及一种基于R/S分析与有限差分法的致密油储层天然裂缝识别方法及系统。
背景技术
储层天然裂缝的识别与预测一直以来都是油气地质探勘与工程开发领域中一个必须解决的问题。准确且高效的识别储层裂缝的发育位置不仅有助于提高有利区预测的准确度，也可以制定更为详细的压裂施工方案。常规测井成本低廉、钻井数量巨大，可以作为识别储层天然裂缝的基础数据。基于R/S分析的储层裂缝识别方法是以常规测井为数据基础，通过对多条常规测井曲线做R/S分析，然后识别R/S曲线下凹抖动段来确定裂缝发育位置(图1)。
传统的基于R/S分析和有限差分法的致密油储层天然裂缝识别方法具有三个重要缺陷：
1.R/S曲线下凹段的识别不准确、不精细，工作量大
传统的基于R/S分析和有限差分法的致密油储层天然裂缝识别方法需要通过肉眼来判断R/S曲线下凹段。R/S曲线为双对数空间域的曲线，其数据点分布前松后密。因此，在利用肉眼识别R/S曲线下凹段的过程中，不可避免的增加了大量的人为因素。整个识别过程不仅工作量大，还会造成大量的异常点遗漏。影响最终的裂缝识别结果；
2.识别结果没有区分不同类型的天然裂缝
由于不同岩性中裂缝发育特征不同，尤其是在致密油储层中，泥岩中主要以层理缝为主，而砂岩中主要以高角度剪切分为主。因此，在利用常规测井资料识别天然裂缝的过程中，识别方法不可一概而论，必须分类讨论。但是，在传统的基于“R/S”分析中的储层天然裂缝识别技术中裂缝识别的结果以裂缝线密度的形式表达，完全没有考虑不同类型的裂缝线密度各为多少。
3.优选参数确定过于主观
传统的基于R/S分析的致密油储层天然裂缝识别方法需要通过肉眼来判断R/S曲线下凹段。但是，下凹程度没有界定依据。下凹程度与裂缝发育程度是否相关也没有确定。
发明内容
本发明针对上述问题，提出一种基于R/S分析与有限差分法的致密油储层天然裂缝识别方法及系统。首先，针对R/S曲线下凹段的识别不准确、不精细，工作量大的问题，本发明引入了离散数据有限差分法，通过求取R/S曲线的二次导数，达到精确判断R/S曲线下凹段的目的。其次，针对识别结果没有区分不同类型的天然裂缝的问题，依据致密油储层野外和岩心的观测结论，增加对自然伽马测井曲线(GR)的R/S独立分析步骤，通过判断GR曲线是否通过R/S独立分析以达到区分层理缝与高角度缝的目的。最后，针对优选参数确定过于主观的问题，加入了利用实测数据监督的自适应迭代循环步骤。加入基于成像测井、岩心观测数据等实测手段获得的天然裂缝线密度数据对识别结果的监督，通过自适应的迭代循环将识别的天然裂缝线密度数据向实测数据逼近，最终获得的可以推广应用的优选参数。
为了实现上述目的，本发明采用以下技术方案：
本发明一方面提出一种基于R/S分析与有限差分法的致密油储层天然裂缝识别系统，包括测井曲线裂缝敏感性分析模块，R/S分析模块，有限差分法分析模块，裂缝类型判别模块，线密度实测数据监督迭代模块；
所述测井曲线裂缝敏感性分析模块用于选取裂缝段和非裂缝段的测井曲线数据，通过绘制交会图的方式，判别分析出对于天然裂缝信息较为敏感的测井曲线；
所述R/S分析模块用于对测井曲线裂缝敏感性分析模块得出的测井曲线进行R/S分析，得到各测井曲线的R/S值；
所述有限差分法分析模块用于通过离散数据求导法则对各测井曲线的R/S 值进行二次求导，剔除掉各测井曲线的R/S值的二次导数中所有小于0的值，并计算得到裂缝发育指数；
所述裂缝类型判别模块用于通过裂缝发育指数到天然裂缝发育段，对天然裂缝发育段的GR曲线进行R/S分析，得出天然裂缝类型；
所述线密度实测数据监督迭代模块用于设置筛选阈值，当裂缝发育指数大于或等于该筛选阈值时，进行裂缝线密度计算，并基于得出的裂缝线密度计算裂缝识别误差率，预设裂缝识别误差率，当裂缝识别误差率小于预设的裂缝识别误差率时，通过逐步增加筛选阈值的大小，以达到对识别结果的循环迭代，最终逼近识别裂缝线密度。
进一步地，所述裂缝类型判别模块具体用于：
通过裂缝发育指数得到天然裂缝发育段，裂缝发育指数不为零的层段，即为天然裂缝发育段，对天然裂缝发育段的GR曲线进行R/S分析，当GR曲线通过 R/S分析时，则天然裂缝发育段属于发育层理缝；当GR曲线未通过R/S分析时，则天然裂缝发育段属于发育高角度裂缝。
进一步地，所述线密度实测数据监督迭代模块具体用于：
获取不同类型天然裂缝的线密度数据；设置筛选阈值，当裂缝发育指数大于或等于该筛选阈值时，进行实际裂缝线密度计算，并基于不同类型天然裂缝的线密度数据和得出的实际裂缝线密度计算裂缝识别误差率；预设裂缝识别误差率，当实际裂缝识别误差率小于预设的裂缝识别误差率时，则增加筛选阈值的大小直至实际裂缝识别误差率达到预设裂缝识别误差率，以达到对识别结果的循环迭代，最终逼近识别裂缝线密度。
本发明另一方面提出一种基于R/S分析与有限差分法的致密油储层天然裂缝识别方法，包括：
步骤1：通过测井曲线裂缝敏感性分析模块选取裂缝段和非裂缝段的测井曲线数据，通过绘制交会图的方式，判别分析出对于天然裂缝信息较为敏感的测井曲线；
步骤2：通过R/S分析模块对测井曲线裂缝敏感性分析模块得出的测井曲线进行R/S分析，得到各测井曲线的R/S值；
步骤3：采用有限差分法分析模块，通过离散数据求导法则对各测井曲线的R/S值进行二次求导，剔除掉各测井曲线的R/S值的二次导数中所有小于0的值，并计算得到裂缝发育指数；
步骤4：采用裂缝类型判别模块，通过裂缝发育指数得到天然裂缝发育段，对天然裂缝发育段的GR曲线进行R/S分析，得出天然裂缝类型；
步骤5：通过线密度实测数据监督迭代模块设置筛选阈值，当裂缝发育指数大于或等于该筛选阈值时，进行裂缝线密度计算，并基于得出的裂缝线密度计算裂缝识别误差率，预设裂缝识别误差率，当裂缝识别误差率小于预设的裂缝识别误差率时，通过逐步增加筛选阈值的大小，以达到对识别结果的循环迭代，最终逼近识别裂缝线密度。
进一步地，所述步骤4包括：
采用裂缝类型判别模块，通过裂缝发育指数得到天然裂缝发育段，裂缝发育指数不为零的层段，即为天然裂缝发育段，对天然裂缝发育段的GR曲线进行 R/S分析，当GR曲线通过R/S分析时，则天然裂缝发育段属于发育层理缝；当 GR曲线未通过R/S分析时，则天然裂缝发育段属于发育高角度裂缝。
进一步地，所述步骤5包括：
通过线密度实测数据监督迭代模块获取不同类型天然裂缝的线密度数据；设置筛选阈值，当裂缝发育指数大于或等于该筛选阈值时，进行实际裂缝线密度计算，并基于不同类型天然裂缝的线密度数据和得出的实际裂缝线密度计算裂缝识别误差率；预设裂缝识别误差率，当实际裂缝识别误差率小于预设的裂缝识别误差率时，则增加筛选阈值的大小直至实际裂缝识别误差率达到预设裂缝识别误差率，以达到对识别结果的循环迭代，最终逼近识别裂缝线密度。
与现有技术相比，本发明具有的有益效果：
本发明将有限差分引入到传统的基于R/S分析的储层天然裂缝识别方法中，同时加入了自然伽马测井曲线(GR曲线)的独立R/S分析区分了不同类型的天然裂缝，最后利用不同类型天然裂缝的线密度数据作为实测监督数据，迭代循环得到最为符合工区裂缝发育状况的天然裂缝识别结果。
本发明不仅可以相对准确的指示不同类型天然裂缝发育位置，输出裂缝线密度数据，还极大的降低了油田天然裂缝识别与预测工作的成本，对于致密油储层天然裂缝的预测工作具有较高的实用价值。
附图说明
图1为基于“R/S”分析和有限差分法的常规测井曲线识别裂缝方法原理图；
图2为本发明实施例一种基于R/S分析与有限差分法的致密油储层天然裂缝识别系统架构示意图；
图3为本发明实施例裂缝类型判别模块数据处理流程图；
图4为本发明实施例线密度实测数据监督迭代模块数据处理流程图；
图5为本发明实施例非裂缝段与裂缝段测井信息交会图示例图；
图6为本发明实施例垂直-X井各测井曲线f”(R(n)/S(n))值分布图；
图7为本发明实施例垂直-X井裂缝识别结果与测井识别结果对比图。
具体实施方式
下面结合附图和具体的实施例对本发明做进一步的解释说明：
如图1所示，一种基于R/S分析与有限差分法的致密油储层天然裂缝识别系统，采用模块化设计思路，输入测井曲线，输出裂缝发育位置(即天然裂缝发育段)，裂缝类型以及不同类型裂缝的线密度数据(图2)。该系统具体包括测井曲线裂缝敏感性分析模块，R/S分析模块，有限差分法分析模块，裂缝类型判别模块，线密度实测数据监督迭代模块。
下面对各模块分别介绍：
1.测井曲线裂缝敏感性分析模块
结合工区岩心、成像测井等可以直观反映裂缝发，育的资料数据，在井上标定天然裂缝发育位置，作为实测裂缝发育数据。然后选取裂缝(发育)段和非裂缝(发育)段的测井曲线数据，通过绘制交会图的方式，判别分析出对于天然裂缝信息较为敏感的测井曲线，以这些测井曲线作为天然裂缝识别的数据基础。
2.R/S分析模块
R/S分析法中R称为极差，是最大累计离差与最小累计离差之差，代表时间序列的复杂程度；S称为标准差，即变差的平方根，代表时间序列的平均趋势。二者之比R/S就代表无因次的时间序列相对波动强度。其中，过程序列全层段级差及标准差的具体表达式分别见式1式2。
式中：Z(i)表示所选用的测井曲线数据；
n表示逐点分析层段测井采样点总数；
u表示由端点开始在0～n依次增加的样点数；
i，j表示样点个数的变量；
R(n)表示过程序列全层段极差；
S(n)表示过程序列全层段标准差；
R/S分析模块用于计算R(n)/S(n)，即第n个样点所对应的极差与标准差之比，在n由3(前2个点由于数学公式上的限制而无从计算)到测井采样点总个数的变化过程中，每一个n值，都有一个R(n)/S(n)值与之对应。
3.有限差分法分析模块
在利用“R/S”分析获得了多条测井曲线的R/Sk曲线之后，进入有限差分法分析模块。该模块通过离散数据求导法则对测井曲线R/Sk值进行二次求导。通过判别R/Sk值的二次导数(f″(R/S)k)的正负来判别R/Sk曲线的上凸和下凹现象。
式中：h为计算步长；
剔除掉f″(R/S)k所有小于0的值以后，通过式5计算得到裂缝发育指数F。式中C为放大参数，仅用于数值的放大，以便绘图，根据实际情况选择。
F＝f″(R/S)1×f″(R/S)2×f″(R/S)3×...×f″(R/S)k×C (5)
4.裂缝类型判别模块
通过观察致密油储层野外与岩心中的裂缝发育特征，发现泥页岩中天然裂缝以层理缝为主，砂岩中天然裂缝以高角度裂缝为主。基于这一认识，本发明通过对裂缝发育段的GR曲线作“R/S”分析以达到区分裂缝种类的目的。
由之前模块获得天然裂缝发育段，具体地，F值为裂缝发育指数，F值不为零的层段，为天然裂缝发育段。对裂缝发育段的GR曲线进行“R/S”分析。若GR 曲线未通过“R/S”分析(即裂缝发育指数为零)则说明地层岩性变化小，为发育高角度裂缝；若通过“R/S”分析(即裂缝发育指数不为零)则说明岩性变化大，为发育层理缝(图3)。
5.线密度实测数据监督迭代模块
通过前四个模块可以得到天然裂缝识别线密度(CFD)，具体地，裂缝类型判别模块中通过F值得到了天然裂缝发育段，在一组地层内，天然裂缝发育段的个数与该组地层厚度的比值为天然裂缝识别线密度。通过岩性、成像测井等可以直观反映天然裂缝发育特征的资料获取不同类型天然裂缝的线密度数据(MFD)。以公式6得到裂缝识别误差率AC。
AC＝((|MFD-CFD|/CFD))*100％ (6)
以获取的不同类型天然裂缝的线密度数据(MFD)为监督数据，预设一个裂缝识别误差率AP，通过逐步增加筛选阈值Ti的大小，以达到对识别结果的循环迭代，最终逼近识别裂缝线密度CFD(图4)。
作为一种可实施方式，为验证本发明效果，进行如下具体示例：
研究对象为鄂尔多斯盆地长庆油田华池区块延长组长7段致密油储层。基础数据为一口直井(里-X井)和一口水平井(水平-X井)，二者均包含成像测井资料。首先通过测井曲线裂缝敏感性分析模块选择用于做天然裂缝识别的测井曲线种类。
1.测井曲线裂缝敏感性分析模块
选取了自然伽马(GR)曲线、声波时差(AC)曲线、密度(DEN)曲线、井径(CAL)曲线、自然电位(SP)曲线、浅侧向电阻率(LL8)曲线等常规测井曲线做交互图分析(图5)。
分析四幅交会图后发现，AC曲线和DEN曲线对裂缝的区分性较强，CAL 曲线和LL8曲线次之，SP曲线和GR曲线对于裂缝的区分新最小。因此，本次研究选取AC曲线、DEN曲线、CAL曲线和LL8曲线作为裂缝识别的数据基础。
2.R/S分析模块有限差分法分析模块
里-X井各测井曲线f″(R/S)k值分布图(AC曲线、LL8曲线、CAL曲线、 GR曲线和DEN曲线)如图6所示。为了方便显示，采用对数坐标作图。图6 中F值为单井裂缝发育指数，由以下公式计算得到：
F＝KAC*KLL8*KDEN*....*KCAL*C
其中，C为放大参数，仅用于数值的放大，以便绘图，根据实际情况选择，本次设定为1010。KAC、KLL8、KDEN、...、KCAL分别为AC、LL8、DEN、...、CAL 测井曲线对应R/S值的二次导数。
3.裂缝类型判别模块与线密度实测数据监督迭代模块
统计了水平-X井的成像测井资料以后发现，研究区长7段天然裂缝倾角呈现出两种类型。一种为小于倾角20°的层理缝，另一种为倾角大于50°的剪切缝。其中层理缝的数量占到了所有裂缝类型的60％以上。因此，研究区的裂缝种类为两种，分别是高角度裂缝和层理缝。
表1工区长7段裂缝统计表
直井的井轨迹与层理缝近垂直，可以作为实测层理缝线密度。水平井井轨迹与高角度裂缝近垂直，可以作为实测高角度裂缝线密度。将这2口成像测井资料解释得到的裂缝线密度作为裂缝识别工作中的实测数据，用于监督识别工作中的循环迭代。
设定预设识别误差率AP为20％，初始筛选阈值Ti为0.0001，筛选步长K为 0.0001。最终迭代循环10621次完成识别，得到实际裂缝识别误差率AC为19.62％，筛选阈值Ti为0.0262。层理缝线密度最终为0.165条/m，高角度缝线密度最终为 0.059条/m。最终识别得到的不同类型的裂缝发育位置也和实际裂缝发育位置符合度较高(图7)。
在上述实施例的基础上，本发明还提出一种基于R/S分析与有限差分法的致密油储层天然裂缝识别方法，包括：
步骤1：通过测井曲线裂缝敏感性分析模块选取裂缝段和非裂缝段的测井曲线数据，通过绘制交会图的方式，判别分析出对于天然裂缝信息较为敏感的测井曲线；
步骤2：通过R/S分析模块对测井曲线裂缝敏感性分析模块得出的测井曲线进行R/S分析，得到各测井曲线的R/S值；
步骤3：采用有限差分法分析模块，通过离散数据求导法则对各测井曲线的 R/S值进行二次求导，剔除掉各测井曲线的R/S值的二次导数中所有小于0的值，并计算得到裂缝发育指数；
步骤4：采用裂缝类型判别模块，通过裂缝发育指数得到天然裂缝发育段，对天然裂缝发育段的GR曲线进行R/S分析，得出天然裂缝类型；
步骤5：通过线密度实测数据监督迭代模块设置筛选阈值，当裂缝发育指数大于或等于该筛选阈值时，进行裂缝线密度计算，并基于得出的裂缝线密度计算裂缝识别误差率，预设裂缝识别误差率，当裂缝识别误差率小于预设的裂缝识别误差率时，通过逐步增加筛选阈值的大小，以达到对识别结果的循环迭代，最终逼近待识别裂缝线密度。
进一步地，所述步骤4包括：
采用裂缝类型判别模块，通过裂缝发育指数得到天然裂缝发育段，裂缝发育指数不为零的层段，即为天然裂缝发育段，对天然裂缝发育段的GR曲线进行 R/S分析，当GR曲线通过R/S分析时，则天然裂缝发育段属于发育层理缝；当 GR曲线未通过R/S分析时，则天然裂缝发育段属于发育高角度裂缝。
进一步地，所述步骤5包括：
通过线密度实测数据监督迭代模块获取不同类型天然裂缝的线密度数据；设置筛选阈值，当裂缝发育指数大于或等于该筛选阈值时，进行实际裂缝线密度计算，并基于不同类型天然裂缝的线密度数据和得出的实际裂缝线密度计算裂缝识别误差率；预设裂缝识别误差率，当实际裂缝识别误差率小于预设的裂缝识别误差率时，则增加筛选阈值的大小直至实际裂缝识别误差率达到预设裂缝识别误差率，以达到对识别结果的循环迭代，最终逼近待识别裂缝线密度。
综上，本发明将有限差分引入到传统的基于R/S分析的储层天然裂缝识别方法中，同时加入了自然伽马测井曲线(GR曲线)的独立R/S分析区分了不同类型的天然裂缝，最后利用不同类型天然裂缝的线密度数据作为实测监督数据，迭代循环得到最为符合工区裂缝发育状况的天然裂缝识别结果。
本发明不仅可以相对准确的指示不同类型天然裂缝发育位置，输出裂缝线密度数据，还极大的降低了油田天然裂缝识别与预测工作的成本，对于致密油储层天然裂缝的预测工作具有较高的实用价值。
以上所示仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (6)
1.一种基于R/S分析与有限差分法的致密油储层天然裂缝识别系统，其特征在于，包括测井曲线裂缝敏感性分析模块，R/S分析模块，有限差分法分析模块，裂缝类型判别模块，线密度实测数据监督迭代模块；
所述测井曲线裂缝敏感性分析模块用于选取裂缝段和非裂缝段的测井曲线数据，通过绘制交会图的方式，判别分析出对于天然裂缝信息较为敏感的测井曲线；
所述R/S分析模块用于对测井曲线裂缝敏感性分析模块得出的测井曲线进行R/S分析，得到各测井曲线的R/S值；
所述有限差分法分析模块用于通过离散数据求导法则对各测井曲线的R/S值进行二次求导，剔除掉各测井曲线的R/S值的二次导数中所有小于0的值，并计算得到裂缝发育指数；
所述裂缝类型判别模块用于通过裂缝发育指数到天然裂缝发育段，对天然裂缝发育段的GR曲线进行R/S分析，得出天然裂缝类型；
所述线密度实测数据监督迭代模块用于设置筛选阈值，当裂缝发育指数大于或等于该筛选阈值时，进行裂缝线密度计算，并基于得出的裂缝线密度计算裂缝识别误差率，预设裂缝识别误差率，当裂缝识别误差率小于预设的裂缝识别误差率时，通过逐步增加筛选阈值的大小，以达到对识别结果的循环迭代，最终逼近识别裂缝线密度。
2.根据权利要求1所述的一种基于R/S分析与有限差分法的致密油储层天然裂缝识别系统，其特征在于，所述裂缝类型判别模块具体用于：
通过裂缝发育指数得到天然裂缝发育段，裂缝发育指数不为零的层段，即为天然裂缝发育段，对天然裂缝发育段的GR曲线进行R/S分析，当GR曲线通过R/S分析时，则天然裂缝发育段属于发育层理缝；当GR曲线未通过R/S分析时，则天然裂缝发育段属于发育高角度裂缝。
3.根据权利要求1所述的一种基于R/S分析与有限差分法的致密油储层天然裂缝识别系统，其特征在于，所述线密度实测数据监督迭代模块具体用于：
获取不同类型天然裂缝的线密度数据；设置筛选阈值，当裂缝发育指数大于或等于该筛选阈值时，进行实际裂缝线密度计算，并基于不同类型天然裂缝的线密度数据和得出的实际裂缝线密度计算裂缝识别误差率；预设裂缝识别误差率，当实际裂缝识别误差率小于预设的裂缝识别误差率时，则增加筛选阈值的大小直至实际裂缝识别误差率达到预设裂缝识别误差率，以达到对识别结果的循环迭代，最终逼近识别裂缝线密度。
4.一种基于权利要求1-3任一所述一种基于R/S分析与有限差分法的致密油储层天然裂缝识别系统的一种基于R/S分析与有限差分法的致密油储层天然裂缝识别方法，其特征在于，包括：
步骤1：通过测井曲线裂缝敏感性分析模块选取裂缝段和非裂缝段的测井曲线数据，通过绘制交会图的方式，判别分析出对于天然裂缝信息较为敏感的测井曲线；
步骤2：通过R/S分析模块对测井曲线裂缝敏感性分析模块得出的测井曲线进行R/S分析，得到各测井曲线的R/S值；
步骤3：采用有限差分法分析模块，通过离散数据求导法则对各测井曲线的R/S值进行二次求导，剔除掉各测井曲线的R/S值的二次导数中所有小于0的值，并计算得到裂缝发育指数；
步骤4：采用裂缝类型判别模块，通过裂缝发育指数得到天然裂缝发育段，对天然裂缝发育段的GR曲线进行R/S分析，得出天然裂缝类型；
步骤5：通过线密度实测数据监督迭代模块设置筛选阈值，当裂缝发育指数大于或等于该筛选阈值时，进行裂缝线密度计算，并基于得出的裂缝线密度计算裂缝识别误差率，预设裂缝识别误差率，当裂缝识别误差率小于预设的裂缝识别误差率时，通过逐步增加筛选阈值的大小，以达到对识别结果的循环迭代，最终逼近识别裂缝线密度。
5.根据权利要求4所述的一种基于R/S分析与有限差分法的致密油储层天然裂缝识别方法，其特征在于，所述步骤4包括：
采用裂缝类型判别模块，通过裂缝发育指数得到天然裂缝发育段，裂缝发育指数不为零的层段，即为天然裂缝发育段，对天然裂缝发育段的GR曲线进行R/S分析，当GR曲线通过R/S分析时，则天然裂缝发育段属于发育层理缝；当GR曲线未通过R/S分析时，则天然裂缝发育段属于发育高角度裂缝。
6.根据权利要求4所述的一种基于R/S分析与有限差分法的致密油储层天然裂缝识别方法，其特征在于，所述步骤5包括：
通过线密度实测数据监督迭代模块获取不同类型天然裂缝的线密度数据；设置筛选阈值，当裂缝发育指数大于或等于该筛选阈值时，进行实际裂缝线密度计算，并基于不同类型天然裂缝的线密度数据和得出的实际裂缝线密度计算裂缝识别误差率；预设裂缝识别误差率，当实际裂缝识别误差率小于预设的裂缝识别误差率时，则增加筛选阈值的大小直至实际裂缝识别误差率达到预设裂缝识别误差率，以达到对识别结果的循环迭代，最终逼近识别裂缝线密度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210138661.5A CN114580233A (zh) | 2022-02-15 | 2022-02-15 | 一种基于r/s分析与有限差分法的致密油储层天然裂缝识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210138661.5A CN114580233A (zh) | 2022-02-15 | 2022-02-15 | 一种基于r/s分析与有限差分法的致密油储层天然裂缝识别方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114580233A true CN114580233A (zh) | 2022-06-03 |
Family
ID=81771059
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210138661.5A Pending CN114580233A (zh) | 2022-02-15 | 2022-02-15 | 一种基于r/s分析与有限差分法的致密油储层天然裂缝识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114580233A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115345385A (zh) * | 2022-10-14 | 2022-11-15 | 中科数智能源科技(深圳)有限公司 | 基于rs分形的裂缝预测方法、装置及存储介质 |
-
2022
- 2022-02-15 CN CN202210138661.5A patent/CN114580233A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115345385A (zh) * | 2022-10-14 | 2022-11-15 | 中科数智能源科技(深圳)有限公司 | 基于rs分形的裂缝预测方法、装置及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CA2673637C (en) | Method and apparatus for multi-dimensional data analysis to identify rock heterogeneity | |
| CN107576772B (zh) | 一种利用测井数据定量评价煤体结构类型的方法 | |
| CN105760673B (zh) | 一种河流相储层地震敏感参数模板分析方法 | |
| CN112526107B (zh) | 裂缝型致密砂岩储层甜点识别与定量表征的方法 | |
| CA2852635C (en) | Permeability prediction systems and methods using quadratic discriminant analysis | |
| US10914861B2 (en) | Inversion-based workflow for consistent interpretation of nuclear density images in horizontal wells | |
| CN110333543B (zh) | 基于反射系数分析的低阻体解释及成像方法与系统 | |
| CN113792936A (zh) | 一种随钻岩性智能识别方法、系统、设备和存储介质 | |
| CN112100930B (zh) | 一种基于卷积神经网络和Eaton公式的地层孔隙压力计算方法 | |
| CN114580233A (zh) | 一种基于r/s分析与有限差分法的致密油储层天然裂缝识别方法及系统 | |
| US20230160304A1 (en) | Method and system for predicting relative permeability curve based on machine learning | |
| CN107861162B (zh) | 基于微电极测井资料的天然裂缝识别方法及系统 | |
| CN113283182B (zh) | 地层压力预测分析方法、装置、介质及设备 | |
| CN106707355A (zh) | 一种沉积岩岩性自动识别方法 | |
| CN109826623B (zh) | 一种致密砂岩储层层理缝的地球物理测井判识方法 | |
| CN109403960B (zh) | 利用录井气测峰形态判断储层流体性质的方法 | |
| CN111626377A (zh) | 一种岩相识别方法、装置、设备及存储介质 | |
| CN116432855A (zh) | 一种基于掘进数据的隧道塌方情况的预测方法 | |
| CN108872391B (zh) | 用于评价岩体稳定状态的物探分析方法 | |
| Tavakkoli et al. | Application of multivariate cluster analysis in logfacies determination and reservoir zonation, case study of Marun Field, South of Iran | |
| CN112147711A (zh) | 野外快速获取海相页岩总有机碳方法及系统 | |
| CN113027427A (zh) | 一种基于贝叶斯理论的含可信度地层压力随钻修正方法 | |
| CN114810013B (zh) | 储气库注气井吸气能力和采气井供气能力确定方法及装置 | |
| CN116956754B (zh) | 一种结合深度学习的裂缝型漏失压力计算方法 | |
| Saleh et al. | Permeability Estimation For Upper Shale Member In Southern Iraqi Oil Field Using Machine learning and Hydraulic Flow Units Methods |
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 |