CN114663453A - 储层多尺度裂缝网络定量描述方法及装置 - Google Patents
储层多尺度裂缝网络定量描述方法及装置 Download PDFInfo
- Publication number
- CN114663453A CN114663453A CN202210241390.6A CN202210241390A CN114663453A CN 114663453 A CN114663453 A CN 114663453A CN 202210241390 A CN202210241390 A CN 202210241390A CN 114663453 A CN114663453 A CN 114663453A
- Authority
- CN
- China
- Prior art keywords
- discrete
- crack
- fracture
- rectangular window
- attribute
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供了一种储层多尺度裂缝网络定量描述方法及装置。该方法利用三维多尺度地震几何属性体,通过裂缝扫描,得到能定量描述裂缝的方位信息,从而对地下裂缝的分布特征进行定量描述和刻画,得到多尺度裂缝网络体系的分布,准确有效地对地下油气、地热与页岩气储层中的多尺度裂缝网络进行预测,提高地震解释中裂缝系统的描述精度。本发明方法及装置可以为油气和地热能源的高效勘探开发和井位部署等提供可靠的指导。
Description
技术领域
本发明涉及油气、地热和页岩气勘探开发领域,是一种从地震数据中提取并定量描述不同尺度裂缝网络空间分布,进而确定油气、地热或页岩气有利储层分布、指导其更加可靠的评价和高效开发的方法及装置。
背景技术
世界能源发展已经进入到从化石能源向清洁新能源转换的关键时期,尤其是开发利用以页岩气为代表的清洁化石能源和以地热为代表的可再生清洁能源,对于我国能源结构调整、实现国家“双碳”战略目标、改善自然生态和人居环境,实现国家可持续、高质量快速发展等具有重要的意义,埋深超过4000米的大规模深层页岩气储层和超过5000米的超临界地热资源可作为国家重要的战略清洁能源,而掌握深部储层勘探开发的技术和装置是保证能源革命胜利的关键。
在地下能源勘探开发中,岩石断裂产生的破裂面或裂隙常常是油气水的运移通道和储集场所,联合称为“运聚系统”。其中,好的断裂发育是水热型地热系统的主控因素,冷水沿深大断裂入渗,经深循环加热后上涌;在页岩气开采中,水平井和水力压裂改造的设计同样需要详细了解天然裂缝相对方向。因此,为了提高我国地热勘查开发水平,提高能源勘探中井位部署的成功率,制定出合理的开发方案,既需要识别出裂缝,又要对地下构造裂缝的分布特征进行定量描述和刻画。
裂缝能够在地震数据上表现出一种横向不连续性,随着地震勘探技术的进步,可以通过裂缝的地震特征对其进行识别,并常用一些地震属性方法进行辅助判断。但在实际地下环境中,裂缝型储层具有孔隙度低,非均质性强且裂缝分布方向复杂的特点,如何有效准确地对地下储层中的裂缝进行预测和定量描述是油气及地热能开采开发的重点和关键所在。
传统的地震属性解释方法,主要应用了地震波的动力学、运动学或几何学等特征,从数学、物理角度对裂缝进行描述,对于能直接定量描述裂缝的信息,如地应力方向、裂缝方位等不能很好突出和提取,因此目前的裂缝刻画技术难以直接用于指导裂缝型储层的综合解释。
发明内容
本发明是要提供一种储层多尺度裂缝网络定量描述方法及装置,该装置在筛选出有效地震解释方法的基础上,对裂缝的发育位置及方向特征进行描述,从而识别裂缝并精细刻画出来,为地震综合解释提供依据。
为了实现上述发明目的,本发明提供了储层多尺度裂缝网络定量描述方法的技术方案,包括以下步骤:
步骤(1):在已知地质背景下,通过地震精细解释,利用人机交互方法挑选出与主干断裂吻合度较好且能够检测到隐伏裂缝的三维多尺度地震几何属性U;
步骤(2):设置阈值β,将属性U中所有符合条件的有效属性数据筛选出来,得到属性U1;
步骤(3):设置一个矩形窗W,其宽度和高度均为d个采样点,利用各向异性高斯函数G对在矩形窗W内的属性U1进行方位扫描,获取到矩形窗W中心点(i,j)对应的裂缝方位角度并存储到数据F(i,j)中,即:
式中, σu和σv是高斯窗G的长和宽,其中,θ为高斯窗G的旋转角度,i和j表示矩形窗W的中心点位置,i∈(0,M),j∈(0,N),θ∈[0°,180°],属性U1具有M×N个采样点;将矩形窗W移动1个采样点,重复步骤(3),直至完成对属性U1的扫描;
步骤(4):设置离散裂缝绘制密度参数n,并根据该参数设置一个宽度和高度均为n个采样点的矩形窗P,离散裂缝刻画参数n的值越大,表示最终得到的离散裂缝越稀疏,反之,则最终得到的离散裂缝越密集,设置m个离散的角度分布区间,每个角度分布区间的跨度为
式中,1≤l≤m,θl P表示角度集θP位于第l个离散角度分布区间中的角度值,Cl表示位于第l个离散的角度分布区间中的元素数量,γ为筛选矩形窗P中主要离散裂缝的方位角度的阈值,若有多个离散角度分布区间中的元素数量满足则在矩形窗P中主要离散裂缝的方位角度就有多个;
步骤(6):首先,根据下式计算矩形窗P中离散裂缝两端点的坐标(Dx1,Dy1)和(Dx2,Dy2):
式中,长度L=n*Δs,Δs表示地震数据的道间距,单位是米;然后,据矩形窗P中离散裂缝两端点两个端点坐标得到相应的离散裂缝向量,将矩形窗P移动n个采样点,重复步骤(5)到步骤(6),直至完成对数据体F的扫描并得到离散裂缝数据;
步骤(7):基于上一步得到的离散裂缝数据,生成离散裂缝平面分布图像以指导钻井井位设计。
本发明同时提供了储层多尺度裂缝网络定量描述装置,所述装置包括以下模块:
属性图像建立模块,用于获取待测工区地震裂缝预测结果,利用真实的地震数据进行地震属性解释,得到能够检测到隐伏裂缝的属性图像;
离散裂缝预处理模块,用于对裂缝数据获取时的有效属性图像进行预处理;
离散裂缝图像模块,用于对输入的离散裂缝数据进行计算,得到最终的离散裂缝平面分布图像。
其中,所述离散裂缝预处理模块包括:
第一确定单元,用于根据获得的属性图像有效数据分布值域,计算获得有效裂缝;
勘测单元,用于根据预设方位区间,扫描获得裂缝方位角度数值;
分析单元:用于根据裂缝数目及裂缝方位分析离散裂缝绘制密度,得到离散裂缝绘制参数;
统计单元:用于根据离散裂缝绘制参数及裂缝方位角度数值,统计离散角度分布区间;
计算单元:用于计算离散裂缝两端点的坐标,得到相应的离散裂缝向量数据;
综合上述的技术方案,本发明的优点在于:1)本发明基于优选后的三维多尺度地震几何属性数据进行计算,得到的结果符合深层非常规裂缝储层发育认识,适合复杂地区隐伏断裂的精细描述;2)离散裂缝网络空间不仅能体现裂缝的分布特征,还对裂缝方向进行了定量描述,从而提高解释精度,为钻井井位的部署提供有效依据,减小油气、地热与页岩气勘探开发的风险。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本申请实施例中所需要使用的附图做简单的介绍,很明显的,下面所描述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相关的附图。
图1是本发明实施例提供的储层多尺度裂缝网络定量描述方法流程图。
图2是本发明实施例通过人机交互方法挑选出的三维多尺度地震几何属性——最小负曲率属性,其横、纵坐标分别表示线号和道号,图中的黑色线条反映了由地下裂缝构造在北东-南西向和北西-南东向上造成的地层不连续特征。
图3是本发明实施例基于图2所示的属性利用本发明方法生成的离散裂缝平面分布图件。图中横、纵坐标分别表示线号和道号,背景颜色为白色,黑色线条表示离散裂缝分布。
图4是本发明实施例提供的储层多尺度裂缝网络定量描述装置的功能模块示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。因此,此处所描述的具体实施例仅用以解释本发明,并非旨在限制要求保护的本发明的范围,凡是在本发明实施例的基础上在没有做出创造性劳动的前提下进行的等同变换和改进获得的所有其他实施例,均不应排除在本发明的保护范围之外。
如图1所示,本发明提供的储层多尺度裂缝网络定量描述方法,包括以下步骤:
S1:在已知地质背景下,通过地震精细解释,利用人机交互方法挑选出与主干断裂吻合度较好且能够检测到隐伏裂缝的最小负曲率属性U,如图2所示是挑选出的三维多尺度地震几何属性——最小负曲率属性,图中横坐标表示线号,共M=701条线,线间距为25米,纵坐标表示道号,共N=601道,道间距为Δs=25米,从图中能够看到由地下裂缝构造在北东-南西向和北西-南东向上造成的不连续特征(深色线条);
S2:设置阈值β=0,将属性U中所有β<0的有效属性数据筛选出来,得到属性U1;
S3:设置一个矩形窗W,其宽度和高度均为d=50个采样点,利用各向异性高斯函数G对在矩形窗W内的属性U1进行方位扫描,获取到矩形窗W中心点(i,j)对应的裂缝方位角度并存储到数据F(i,j)中,即:
式中, σu=50和σv=10是高斯窗G的长和宽,其中,θ为高斯窗G的旋转角度,i和j表示矩形窗W的中心点位置,i∈(0,M),j∈(0,N),θ∈[0°,10°,20°,…,170°],属性U1具有M×N个采样点;将矩形窗W移动1个采样点,重复步骤S3,直至完成对属性U1的扫描;
S4:设置离散裂缝绘制密度参数n=5,并根据该参数设置一个宽度和高度均为n个采样点的矩形窗P,离散裂缝绘制密度参数n的值越大,表示最终得到的离散裂缝越稀疏,反之,则最终得到的离散裂缝越密集,设置m=18个离散的角度分布区间,每个角度分布区间的跨度为
式中,1≤l≤m,θl P表示角度集θP位于第l个离散角度分布区间中的角度值,Cl表示位于第l个离散的角度分布区间中的元素数量;
S6:先根据下式计算矩形窗P中离散裂缝两端点的坐标(Dx1,Dy1)和(Dx2,Dy2):
式中,长度L=n*Δs,Δs表示地震数据的道间距,单位是米;然后,据矩形窗P中离散裂缝两端点两个端点坐标得到相应的离散裂缝向量;将矩形窗P移动n个采样点,重复步骤S5-S6,直至完成对数据体F的扫描并得到离散裂缝数据;
S7:基于上一步得到的离散裂缝数据,生成的离散裂缝平面分布图像如图3所示,利用本发明方法生成的离散裂缝平面分布图件,可以看出,离散裂缝分布趋势与图2中最小负曲率属性所反映的地下裂缝构造的不连续特征一致,且每一条离散裂缝都能由具体的方位角度进行定量描述,以指导钻井井位设计。
如图4所示,本发明同时提供了储层多尺度裂缝网络定量描述装置,该装置用于执行上述油气、地热与页岩气储层多尺度裂缝网络定量描述方法,该装置具体包括:
属性图像建立模块M1,用于对真实地震数据进行属性解释,得到能够检测到隐伏裂缝的属性图像;
离散裂缝预处理模块M2,用于对裂缝数据获取时的有效属性图像进行预处理,该模块包括:
第一确定单元U201,用于根据获得的属性图像有效数据分布值域,计算获得有效裂缝;
勘测单元U202,用于根据预设方位区间,扫描获得裂缝方位角度数值;
分析单元U203:用于根据裂缝数目及裂缝方位分析离散裂缝绘制密度,得到离散裂缝绘制参数;
统计单元U204:用于根据离散裂缝绘制参数及裂缝方位角度数值,统计离散角度分布区间;
计算单元U205:用于计算离散裂缝两端点的坐标,得到相应的离散裂缝向量数据;
离散裂缝图像模块M3,用于对输入的离散裂缝数据进行计算,得到最终的离散裂缝平面分布图像。
应当理解,本发明的实施方式可以通过硬件、软件或二者结合的方式来实现,以软件方式例如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,软件部分可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行,其硬件部分可以利用专用逻辑来实现。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,也可以理解为本发明的全部或部分技术方案可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备执行本发明各个实施例所述方法的全部或部分步骤。上述存储器包括但不限于在诸如磁盘、CD或只读存储器、随机存储器等各种可以存储程序代码的介质。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用由各种类型的处理器执行的软件实现,也可以由上述硬件电路和软件的结合例如固件来实现。
上述各实施例仅用于说明本发明,但本发明的保护范围并不局限于此,本发明技术方案的各实施步骤等都是可以有所变化的,凡是在本发明技术方案的基础上进行的等同变换和改进,均不应排除在本发明的保护范围之外。
Claims (2)
1.储层多尺度裂缝网络定量描述方法,其特征在于,主要包括以下步骤:
步骤(1):在已知地质背景下,通过地震精细解释,利用人机交互方法挑选出与主干断裂吻合度较好且能够检测到隐伏裂缝的三维多尺度地震几何属性U;
步骤(2):设置阈值β,将属性U中所有符合条件的有效属性数据筛选出来,得到属性U1;
步骤(3):设置一个矩形窗W,其宽度和高度均为d个采样点,利用各向异性高斯函数G对在矩形窗W内的属性U1进行方位扫描,获取到矩形窗W中心点(i,j)对应的裂缝方位角度并存储到数据F(i,j)中,即:
式中, σu和σv是高斯窗G的长和宽,其中,θ为高斯窗G的旋转角度,i和j表示矩形窗W的中心点位置,i∈(0,M),j∈(0,N),θ∈[0°,180°],属性U1具有M×N个采样点;将矩形窗W移动1个采样点,重复步骤(3),直至完成对属性U1的扫描;
步骤(4):设置离散裂缝绘制密度参数n,并根据该参数设置一个宽度和高度均为n个采样点的矩形窗P,离散裂缝刻画参数n的值越大,表示最终得到的离散裂缝越稀疏,反之,则最终得到的离散裂缝越密集,设置m个离散的角度分布区间,每个角度分布区间的跨度为
式中,1≤l≤m,θl P表示角度集θP位于第l个离散角度分布区间中的角度值,Cl表示位于第l个离散的角度分布区间中的元素数量,γ为筛选矩形窗P中主要离散裂缝的方位角度的阈值,若有多个离散角度分布区间中的元素数量满足则在矩形窗P中主要离散裂缝的方位角度就有多个;
步骤(6):首先,根据下式计算矩形窗P中离散裂缝两端点的坐标(Dx1,Dy1)和(Dx2,Dy2):
式中,长度L=n*Δs,Δs表示地震数据的道间距,单位是米;然后,据矩形窗P中离散裂缝两端点两个端点坐标得到相应的离散裂缝向量,将矩形窗P移动n个采样点,重复步骤(5)到步骤(6),直至完成对数据体F的扫描并得到离散裂缝数据;
步骤(7):基于上一步得到的离散裂缝数据,生成离散裂缝平面分布图像以指导钻井井位设计。
2.一种实施权利要求1所述的储层多尺度裂缝网络定量描述方法的装置,其特征在于,包括以下模块:
属性图像建立模块,用于获取待测工区地震裂缝预测结果,利用真实的地震数据进行地震属性解释,得到能够检测到隐伏裂缝的属性图像;
离散裂缝预处理模块,用于对裂缝数据获取时的有效属性图像进行预处理;
离散裂缝图像模块,用于对输入的离散裂缝数据进行计算,得到最终的离散裂缝平面分布图像;
其中,所述离散裂缝预处理模块包括:
第一确定单元,用于根据获得的属性图像有效数据分布值域,计算获得有效裂缝;
勘测单元,用于根据预设方位区间,扫描获得裂缝方位角度数值;
分析单元:用于根据裂缝数目及裂缝方位分析离散裂缝绘制密度,得到离散裂缝绘制参数;
统计单元:用于根据离散裂缝绘制参数及裂缝方位角度数值,统计离散角度分布区间;
计算单元:用于计算离散裂缝两端点的坐标,得到相应的离散裂缝向量数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210241390.6A CN114663453B (zh) | 2022-03-11 | 2022-03-11 | 储层多尺度裂缝网络定量描述方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210241390.6A CN114663453B (zh) | 2022-03-11 | 2022-03-11 | 储层多尺度裂缝网络定量描述方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114663453A true CN114663453A (zh) | 2022-06-24 |
CN114663453B CN114663453B (zh) | 2023-04-18 |
Family
ID=82029071
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210241390.6A Active CN114663453B (zh) | 2022-03-11 | 2022-03-11 | 储层多尺度裂缝网络定量描述方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114663453B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102375154A (zh) * | 2010-08-20 | 2012-03-14 | 中国石油天然气集团公司 | 基于宽方位三维地震的裂缝参数确定方法 |
CN102540250A (zh) * | 2010-12-08 | 2012-07-04 | 同济大学 | 基于方位保真角度域成像的裂缝型油气储层地震探测方法 |
US20170227664A1 (en) * | 2016-02-09 | 2017-08-10 | Saudi Arabian Oil Company | Smoothing Seismic Data |
CN109061734A (zh) * | 2018-05-24 | 2018-12-21 | 中国石油天然气集团有限公司 | 一种地震数据的处理方法及装置 |
CN110988986A (zh) * | 2019-12-25 | 2020-04-10 | 成都理工大学 | 改善深层碳酸盐岩储层刻画精度的地震资料低频增强方法 |
US20210003727A1 (en) * | 2019-07-04 | 2021-01-07 | Chengdu University Of Technology | Optimization design method for volumetric fracturing construction parameters of infilled well of unconventional oil and gas reservoir |
-
2022
- 2022-03-11 CN CN202210241390.6A patent/CN114663453B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102375154A (zh) * | 2010-08-20 | 2012-03-14 | 中国石油天然气集团公司 | 基于宽方位三维地震的裂缝参数确定方法 |
CN102540250A (zh) * | 2010-12-08 | 2012-07-04 | 同济大学 | 基于方位保真角度域成像的裂缝型油气储层地震探测方法 |
US20170227664A1 (en) * | 2016-02-09 | 2017-08-10 | Saudi Arabian Oil Company | Smoothing Seismic Data |
CN109061734A (zh) * | 2018-05-24 | 2018-12-21 | 中国石油天然气集团有限公司 | 一种地震数据的处理方法及装置 |
US20210003727A1 (en) * | 2019-07-04 | 2021-01-07 | Chengdu University Of Technology | Optimization design method for volumetric fracturing construction parameters of infilled well of unconventional oil and gas reservoir |
CN110988986A (zh) * | 2019-12-25 | 2020-04-10 | 成都理工大学 | 改善深层碳酸盐岩储层刻画精度的地震资料低频增强方法 |
Non-Patent Citations (3)
Title |
---|
吕丙南;陈学华;徐赫;刘芸菲;罗鑫;周晨;: "空间域加窗二维希尔伯特变换在三维地震资料体边缘检测中的应用" * |
朱志勇;: "叠前纵波裂缝预测在平桥页岩气储层中的应用" * |
马晓宇;王军;李勇根;李文科;: "基于蚂蚁追踪的叠前裂缝预测技术" * |
Also Published As
Publication number | Publication date |
---|---|
CN114663453B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Schweizer et al. | Uncertainty assessment in 3-D geological models of increasing complexity | |
Dong et al. | Fracture identification by semi-supervised learning using conventional logs in tight sandstones of Ordos Basin, China | |
CN108875122B (zh) | 利用随钻测井数据计算地质参数的人工智能方法和系统 | |
CN106526693A (zh) | 裂缝识别方法和装置 | |
CN103198363B (zh) | 一种基于ct孔隙分析的储层产气量预测方法及装置 | |
CN101738639A (zh) | 提高岩石裂缝参数计算精度的方法 | |
CN103592690A (zh) | 基于电成像测井孔隙度谱信息自动识别储层裂缝的方法 | |
CN103403768A (zh) | 有关地下岩层的模型的方法和系统 | |
CN107895092B (zh) | 一种基于复杂非线性注采建模的井间连通定量评价方法 | |
CN105019892A (zh) | 一种模拟缝洞型储集体电测井响应的方法 | |
Qifeng et al. | Logging-while-drilling formation dip interpretation based on long short-term memory | |
Qu et al. | An extended ITL-VIKOR model using triangular fuzzy numbers for applications to water-richness evaluation | |
Wei et al. | Characterization of saturation and pressure distribution based on deep learning for a typical carbonate reservoir in the Middle East | |
CN104866664B (zh) | 一种防渗止水帷幕体施工难度预测方法 | |
Amrollahinasab et al. | Simultaneous interpretation of SCAL data with different degrees of freedom and uncertainty analysis | |
Liu et al. | Automatic fracture segmentation and detection from image logging using mask R-CNN | |
CN114663453B (zh) | 储层多尺度裂缝网络定量描述方法及装置 | |
CN117251802A (zh) | 一种基于迁移学习的非均质储层参数预测方法及系统 | |
CN114488297A (zh) | 一种断层识别方法及装置 | |
CN111155980B (zh) | 一种水流优势通道识别方法及装置 | |
Sarkheil et al. | The fracture network modeling in naturally fractured reservoirs using artificial neural network based on image loges and core measurements | |
CN114876454A (zh) | 一种大斜度井复杂岩性水淹层识别方法及系统 | |
CN114460639B (zh) | 页岩油储层渗透率的预测方法及装置 | |
CN111236934B (zh) | 水淹级别确定方法和装置 | |
CN115407407A (zh) | 针对碳酸盐岩古溶洞及其充填的三维地质模型构建方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |