CN115017834A - 地层压力预测方法和装置 - Google Patents

地层压力预测方法和装置 Download PDF

Info

Publication number
CN115017834A
CN115017834A CN202110232649.6A CN202110232649A CN115017834A CN 115017834 A CN115017834 A CN 115017834A CN 202110232649 A CN202110232649 A CN 202110232649A CN 115017834 A CN115017834 A CN 115017834A
Authority
CN
China
Prior art keywords
data
pressure
formation
model
stratum
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
CN202110232649.6A
Other languages
English (en)
Inventor
李宗杰
刘军
龚伟
黄超
杨子川
李海英
陈俊安
李弘艳
李伟
廖茂辉
黄诚
王来源
张永升
张�荣
王鹏
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.)
China Petroleum and Chemical Corp
Sinopec Northwest Oil Field Co
Original Assignee
China Petroleum and Chemical Corp
Sinopec Northwest Oil Field Co
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 China Petroleum and Chemical Corp, Sinopec Northwest Oil Field Co filed Critical China Petroleum and Chemical Corp
Priority to CN202110232649.6A priority Critical patent/CN115017834A/zh
Publication of CN115017834A publication Critical patent/CN115017834A/zh
Pending legal-status Critical Current

Links

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
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
    • 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)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Fluid Mechanics (AREA)
  • General Physics & Mathematics (AREA)
  • Mining & Mineral Resources (AREA)
  • Geology (AREA)
  • Evolutionary Computation (AREA)
  • Algebra (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geochemistry & Mineralogy (AREA)
  • Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)

Abstract

本发明提供一种地层压力预测方法，包括：S101：基于不完备的测井数据进行预处理和测井解释；S102：联合利用岩石物理模型、经验公式和浅层压实趋势补全全井段地层的弹性参数数据和密度数据；S103：基于所述全井段地层的密度数据计算上覆地层压力；S104：根据所述全井段地层的地层水性质计算静水压力；S105：根据选定的压实模型并基于所述上覆地层压力、所述静水压力构建正常压实趋势数据；S106：根据选定的压力预测模型并基于所述正常压实趋势数据、所述全井段地层的弹性参数数据、所述上覆地层压力和所述静水压力计算有效应力；S107：根据所述上覆地层压力和所述有效应力预测所述地层压力。本发明还提供一种地层压力预测装置。

Description

地层压力预测方法和装置
技术领域
本发明涉及地层压力预测领域，尤其是涉及地层压力预测方法，尤其是涉及在数据不完备情况下的地层压力预测方法。本发明还涉及地层压力预测装置。
背景技术
地层压力预测是地应力评价中一个重要的组成部分，地层压力预测的准确性对油气藏评价与开发有重要作用，直接影响后期钻井泥浆液密度选择、套管类型选择等。
常用压力预测方法中密度数据、速度数据是至关重要的，数据的不完备性或未精细处理会增加目的地层压力预测的不确定性，给钻井带来巨大风险。常用方法是根据经验公式来补足缺失的数据，很多广泛使用的经验公式一方面仅适用于构建经验公式的工区，另一方面一个经验公式往往仅适用于某一层系的数据，而地层压力预测需要的是全井段地层的速度、密度等曲线数据。未精细预测的密度数据会极大影响上覆地层压力的计算，进而影响后续正常压实趋势线的构建以及地层压力预测。
有鉴于此，当前希望提供在数据不完备情况下的地层压力预测方法。
上述描述仅作为了解本领域相关技术的背景，并非承认其属于现有技术。
发明内容
本发明旨在提供一种在数据不完备情况下的地层压力预测方法。
在本发明实施例中，提供一种地层压力预测方法，包括：
S101：基于不完备的测井数据进行预处理和测井解释；
S102：联合利用岩石物理模型、经验公式和浅层压实趋势补全全井段地层的弹性参数数据和密度数据；
S103：基于所述全井段地层的密度数据计算上覆地层压力；
S104：根据所述全井段地层的地层水性质计算静水压力；
S105：根据选定的压实模型并基于所述上覆地层压力、所述静水压力构建正常压实趋势数据；
S106：根据选定的压力预测模型并基于所述正常压实趋势数据、所述全井段地层的弹性参数数据、所述上覆地层压力和所述静水压力计算有效应力；
S107：根据所述上覆地层压力和所述有效应力预测所述地层压力。
在一些实施例中，所述地层压力预测方法还包括：
S100：获取测井数据并根据其是否包括全井段地层的弹性参数数据和密度数据判断所述测井数据是否完备。
在一些实施例中，所述步骤S101包括：
对所述测井数据进行环境校正和标准化处理；
进行测井解释；
基于所述测井解释的结果确定岩石物理模型；
基于所述测井解释的结果并结合区域认识，识别出所述全井段地层中的特殊岩性地层。
在一些实施例中，所述进行测井解释，包括：
根据可用的岩性与物性曲线和/或岩屑录井资料，得到与所述岩石物理模型关联的混合矿物的矿物组分与孔隙的孔隙度、饱和度曲线。
在一些实施例中，所述弹性参数是速度、阻抗或密度。
在一些实施例中，所述步骤S102包括：
利用所述岩石物理模型获得所述全井段地层中的目的地层的速度数据和/或密度数据；
基于利用所述岩石物理模型只获得所述目的地层的速度数据或密度数据其中一项，利用所述经验公式获得其中另一项；
利用所述岩石物理模型和所述经验公式获得所述全井段地层中的所述特殊岩性地层的速度数据和密度数据；
基于对所述全井段地层中的浅部地层的地质认识并利用邻区的实测曲线获得所述浅部地层的速度数据和密度数据。
在一些实施例中，所述利用所述岩石物理模型获得所述全井段地层中的目的地层的速度数据和/或密度数据，包括：
利用Voigt-Reuss-Hill平均模型计算所述混合矿物的弹性模量；
利用微分等效介质模型DEM将所述孔隙嵌入所述混合矿物以计算干岩石骨架的体积模量和剪切模量；
利用Wood方程或斑状饱和模型将所述孔隙中的气相与液相流体进行混合，以计算混合流体的体积模量；
利用Gassmann方程将所述混合流体加入到所述孔隙，以计算饱和岩石的体积模量和剪切模量，从而获得所述目的地层的速度数据以及密度数据。
在一些实施例中，所述经验公式为用于计算密度数据或速度数据的密度-速度经验公式。
在一些实施例中，所述密度-速度经验公式为多项式形式或指数形式。
在一些实施例中，所述压实模型为基于速度-有效应力关系的压实模型。
在一些实施例中，所述压实模型为基于速度-深度关系的压实模型。
在一些实施例中，所述压力预测模型为基于Eaton法的压力预测模型
在一些实施例中，所述压力预测模型为基于Bowers法的压力预测模型。
在一些实施例中，所述地层压力预测方法还包括：
判断所述地层压力的预测结果与工程参数的误差是否在预定范围内；
若不在，则重复步骤S105至S107，直至所述误差在预定范围内。
在本发明实施例中，提供一种地层压力预测装置，包括：
预处理和测井解释单元，配置成基于不完备的测井数据进行预处理和测井解释；
补全数据单元，配置成联合利用岩石物理模型、经验公式和浅层压实趋势补全全井段地层的弹性参数数据和密度数据；
第一计算单元，配置成基于所述全井段地层的密度数据计算上覆地层压力；
第二计算单元，配置成根据所述全井段地层的地层水性质计算静水压力；
正常压实趋势数据构建单元，配置成根据选定的压实模型并基于所述上覆地层压力、所述静水压力构建正常压实趋势数据；
有效应力计算单元，配置成根据选定的压力预测模型并基于所述正常压实趋势数据、所述全井段地层的弹性参数数据、所述上覆地层压力和所述静水压力计算有效应力；
地层压力预测单元，配置成根据所述上覆地层压力和所述有效应力预测所述地层压力。
由此，借助于本发明实施例的地层压力预测方法，至少通过岩石物理模型获得目的地层的数据，进而结合经验公式获得特殊岩性地层的数据，并且利用邻区的曲线获得浅部地层的数据；由此，通过联合利用岩石物理模型、经验公式和浅层压实趋势的综合性方法补足全井段地层中缺失的数据，克服用于预测地层压力的数据的不完备性。基于此，通过采用恰当的压实模型和压力预测模型，提高了地层压力预测结果的精度与合理性。使得根据本发明获得的地层压力预测结果在后续的工程应用中有重要的实际应用价值。
与本发明实施例提供的技术方案相比，某些发明人知悉的技术提供的地层压力预测方法仅根据经验公式来补足缺失的数据。基于此获得的数据难以适用于整个工区或全部层系，因此这种数据欠缺精度与合理性，极有可能影响上覆地层压力的计算、进而影响正常压实趋势线的构建以及地层压力预测结果。
本发明实施例的其他特征和优点部分可从下文的具体实施方式获知，部分可以通过本文的教导而由本领域技术人员推导而得。
附图说明
以下，结合附图来详细说明本公开的实施例，其中：
图1示出了根据本发明实施例的地层压力预测方法的流程图；
图2示出了根据本发明实施例的A井的原始测井曲线；
图3示出了根据本发明实施例的预测的全井段地层的密度曲线；
图4示出了根据本发明实施例的上覆地层压力与静水压力；
图5示出了根据本发明实施例的A井的地层压力预测结果的趋势线与实测曲线的比较；
图6示出了根据本发明实施例的地层压力预测装置。
具体实施方式
为使本发明的目的、技术方案和优点更加清晰明白，下面结合具体实施方式和附图，对本发明做详细说明。在此，本发明的示意性实施方式及其说明用于解释本发明，但并不作为对本发明的限定。
在本发明的一个实施例中，提供了一种地层压力预测方法，具体地提供了一种在数据不完备情况下的地层压力预测方法。通过这种方法提高了数据的完备性，进而提高了地层压力预测的精度与合理性。
在一些实施例中，在地层封闭条件下，上覆地层压力是由组成岩石的颗粒质点和孔隙中的流体共同承担的，如下式所示：
Pov＝Pp+Pe 式①
在式①中，Pov为上覆地层压力，Pe为有效压力、即岩石骨架承担的压力，Pp为地层孔隙压力、亦即要预测的地层压力。
工业界广泛应用的地层压力预测方法是基于表示为式①的有效应力理论。其理论基础是弹性参数、例如地震速度(在下文中简称速度)随有效应力的增加而增加，这种压力依赖性来源于颗粒接触面、微孔隙、裂缝的闭合，使得岩石矿物骨架变硬；通过打开颗粒接触与微孔隙等增加孔隙压力、使岩石矿物骨架变软，进而降低地震速度。这种理论在实验测量中得到验证，通过对比实验室测量的速度与压力的关系，可以发现速度-有效应力有很好的正相关关系，这种关系为利用包括速度在内的弹性参数进行地层压力预测奠定了基础。
基于上述有效应力理论进行压力预测的核心包括三方面：(1)计算上覆地层压力；(2)构建正常压力趋势线，即弹性参数在正常压实情况下的曲线或数据体；(3)建立弹性参数、例如速度与有效应力的关系，即所述弹性参数、例如速度受有效应力的影响程度。要实现这三方面的内容，需要必要数据的支撑，通常，弹性参数数据、例如速度数据与密度数据是必要的，实际应用中经常缺失必要的数据，尤其在新勘探区域。因此，克服数据的不完备性是地层压力预测中的非常重要的内容。
数据的不完备性存在不同的情况，常见的一种情况是研究区有速度数据，缺失密度数据，这种情况下得到密度数据的常用方法是根据经验公式利用速度数据得到密度数据。经验公式法存在的主要问题是无法质控密度数据的准确性；另一种情况是研究区既无速度数据，也无密度数据，而有部分岩性曲线与物性曲线可用，这种情况下经验公式是无能为力的。本发明针对上述难题，提出一种联合岩石物理模型、经验公式与浅层压实趋势来克服数据不完备性的综合性方法。
具体地，在如图1所示的实施例中，所述方法可包括如下步骤S101至S107。
S101：基于不完备的测井数据进行预处理和测井解释。
在一些实施例中，测井数据可包括但不限于自然电位(SP)测井曲线、自然伽马(GR)测井曲线、井径(CAL)测井曲线、声波时差(AC)测井曲线、密度(DEN)测井曲线、中子(CNL)测井曲线以及深/中/浅感应电阻率(RILD/RILM/RILS)测井曲线。
在一些实施例中，所述步骤S101可包括：
A1：对所述测井数据进行环境校正和标准化处理。
作为解释而非限制性地，可对所述测井数据、曲线进行深度对齐。
基于对所述测井数据的预处理，为后续处理提供质量较好的基础数据。
A2：进行测井解释。
在一些实施例中，测井解释指的是确定测井数据或测井信息与地质信息之间应用的关系，采用正确的方法把测井数据或测井信息加工成地质信息。
在一具体实施例中，所述测井解释可以是根据可用的岩性与物性曲线和/或岩屑录井资料，得到与用于补全全井段地层的弹性参数数据和密度数据的岩石物理模型相关联的混合矿物的矿物组分与孔隙的孔隙度、饱和度曲线。
A3：基于所述测井解释的结果确定岩石物理模型。
在一些实施例中，基于所述测井解释得到的混合矿物的矿物组分与孔隙的孔隙度、饱和度曲线来确定采用何种岩石物理模型。
在一些实施例中，所述岩石物理模型用于预测全井段地层中的目的地层的弹性参数数据和/或密度数据。
在一些实施例中，基于所述测井解释得到的结果用作所述岩石物理模型的输入和/或参数。
A4：基于所述测井解释的结果并结合区域认识，识别出所述全井段地层中的特殊岩性地层。
在一些实施例中，所述特殊岩性地层位于所述目的地层上方。
在一些实施例中，所述地层压力预测方法还包括：
S100：获取测井数据并根据其是否包括全井段地层的弹性参数数据和密度数据判断所述测井数据是否完备。
在一些实施例中，在判断所述测井数据不完备的情况下，执行所述步骤S101。
在一些实施例中，对于预测地层压力而言，缺乏所述弹性参数数据与密度数据之一即可视为测井数据不完备。
在一些实施例中，例如对于所述目的地层而言，通常的情况是存在弹性参数数据，但缺乏密度数据。
在一些实施例中，例如对于所述目的地层而言，也可能存在的情况是存在密度数据，但缺乏弹性参数数据。
在一些实施例中，例如对于所述特殊岩性地层而言，既缺乏弹性参数数据，又缺乏密度数据。
在本发明实施例中，用于预测地层压力的所述弹性参数可以是速度、阻抗或密度。其中，在一些实施例中，常常利用速度数据进行地层压力预测。在另一些实施例中，也可利用阻抗或密度等参数数据进行地层压力预测。
S102：联合利用岩石物理模型、经验公式和浅层压实趋势补全全井段地层的弹性参数数据和密度数据。
在一些实施例中并且如上所述地，要对全井段地层中的目的地层进行压力预测，需要全井段地层的弹性参数数据和密度数据。
在一些实施例中，所述全井段地层由目的地层、特殊岩性地层和浅部地层构成。
接下来，以弹性参数数据为速度数据为例作进一步说明。
在一些实施例中，所述步骤S102包括：
B1：利用所述岩石物理模型获得所述全井段地层中的目的地层的速度数据和/或密度数据。
在一些实施例中，在实际应用中，通常需要根据不同的岩性采用不同的岩石物理模型。
在一些实施例中，所述步骤B1包括：
C1：利用Voigt-Reuss-Hill平均模型计算所述混合矿物的弹性模量。
在一些实施例中，所述混合矿物的信息、例如其矿物组分通过测井解释得到。
C2：利用微分等效介质模型DEM将所述孔隙嵌入所述混合矿物以计算干岩石骨架的体积模量和剪切模量。
在一些实施例中，所述孔隙的信息、例如其孔隙度、饱和度曲线等通过测井解释得到。
C3：利用Wood方程或斑状饱和模型将所述孔隙中的气相与液相流体进行混合，以计算混合流体的体积模量；
C4：利用Gassmann方程将所述混合流体加入到所述孔隙，以计算饱和岩石的体积模量和剪切模量，从而获得所述目的地层的速度数据以及密度数据。
通过上述步骤，利用岩石物理模型获得所述目的地层的速度数据和密度数据。
在一些实施例中，所述速度数据包括纵波速度和横波速度。
B2：基于利用所述岩石物理模型只获得所述目的地层的速度数据或密度数据其中一项，利用所述经验公式获得其中另一项。
在一些实施例中，例如由于原始数据的缺失，通过岩石物理模型只能获得所述目的地层的速度数据或密度数据其中一项。在这种情况下，需要结合经验公式预测另一项。
B3：利用所述岩石物理模型和所述经验公式获得所述全井段地层中的所述特殊岩性地层的速度数据和密度数据。
在一些实施例中，对于所述特殊岩性地层，测井解释的结果有可能无法完全准确地反映岩石的组成，因此需要结合经验公式进行缺失数据或曲线的预测。
在一些实施例中，弹性参数之间的经验关系众多，对于地层压力预测而言常用的有密度-速度经验公式。通过所述密度-速度经验公式，可以通过速度数据预测密度数据，也可以通过密度数据预测速度数据。
在一些实施例中，所述密度-速度经验公式可以是多项式形式：
Figure BDA0002959108450000081
在一些实施例中，所述密度-速度经验公式可以是指数形式：
Figure BDA0002959108450000082
在式②和式③中，a、b、c与d、f为公式系数，不同岩性、不同地质情况有不同的系数值，VP为所述速度数据中的纵波速度，ρ为密度。
B4：基于对所述全井段地层中的浅部地层的地质认识并利用邻区的实测曲线获得所述浅部地层的速度数据和密度数据。
在一些实施例中，在实际操作中，通常较少地对所述全井段地层中的浅部地层进行测井作业，导致对于所述浅部地层仅有很少的数据或曲线或者无任何数据或曲线可用。在这种情况下，需要结合地区趋势、即浅层压实趋势来补足缺失的必要数据或曲线。
在一些实施例中，将邻区的弹性参数数据、例如速度数据和密度数据用作所述全井段地层中的浅部地层的弹性参数数据、例如速度数据和密度数据。其中，在一些实施例中，可以对领区的各数据作适当处理后用作所述浅部地层的速度数据和密度数据。
至此，通过上述步骤S102，联合利用岩石物理模型、经验公式和浅层压实趋势获得了目的地层、特殊岩性地层和浅部地层的速度数据和密度数据，也就是说补全了全井段地层的速度数据和密度数据。
在补足对于地层压力预测而言必要的数据之后，就可以根据有效应力理论进行地层压力预测。
S103：基于所述全井段地层的密度数据计算上覆地层压力。
在一些实施例中，根据所述全井段地层或者说全深度的密度数据计算上覆地层能压力。示例性公式如下：
Figure BDA0002959108450000091
在式④中，H为深度，ρ为密度数据，g为重力加速度。
S104：根据所述全井段地层的地层水性质计算静水压力。
示例性公式如下：
Ph＝ρw·g·h 式⑤
在式⑤中，Ph为静水压力，ρw为地层水密度，g为重力加速度，h为水柱高度。
S105：根据选定的压实模型并基于所述上覆地层压力、所述静水压力构建正常压实趋势数据。
在计算得到所述上覆地层压力与静水压力之后，就可以通过压实模型构建正常压实趋势数据、也称正常压实趋势线。
在一些实施例中，所述正常压实数据是速度数据、也称趋势速度。
在一些实施例中，所述压实模型可以基于速度-有效应力关系。
在一些实施例中，所述压实模型可以基于速度-深度关系。
在本发明实施例中，以速度-有效应力关系作为所述压实模型为例进行说明。通过所述速度-有效应力关系构建的正常压实趋势数据可示例性地表示为：
Figure BDA0002959108450000092
在式⑥中，vnormal为在正常压实趋势下的趋势速度；v0为零有效应力下的速度，可以是经验值；σnormal为在正常压实趋势下的正常有效应力；A和B为公式参数。
在式⑥中，所述正常有效应力通过计算上覆地层压力与静水压力之差得到：
σnormal＝Pov-Ph 式⑦
S106：根据选定的压力预测模型并基于所述正常压实趋势数据、所述全井段地层的弹性参数数据、所述上覆地层压力和所述静水压力计算有效应力。
在得到正常压实趋势数据后，就可以采用适用研究区或工区的压力预测模型，利用弹性参数数据、例如速度数据计算相应的有效应力。
在一些实施例中，所述压力预测模型是基于Eaton法的。
在一些实施例中，所述压力预测模型是基于Bowers法的。
在本发明实施例中，以基于Eaton法的压力预测模型为例进行说明，其可表示为：
σ＝σnormal(v/vnormal)n 式⑧
在式⑧中，v为所述全井段地层的速度数据；n为描述速度对有效应力敏感性的参数。
在一些实施例中，在实际应用中，需要用实测压力来约束所述参数n。
S107：根据所述上覆地层压力和所述有效应力预测所述地层压力。
结合式⑧和式①，要预测的地层压力可表示为：
Pp＝Pov-(Pov-Ph)(v/vnormal)n 式⑨
在一些实施例中，所述地层压力预测方法还包括：
判断所述地层压力的预测结果与工程参数的误差是否在预定范围内；
若不在，则重复步骤S105至S107，直至所述误差在预定范围内。
在一些实施例中，将预测的地层压力的趋势线与工程参数进行比较，若趋势线与工程参数的误差在预定范围内，则认为所述地层压力的预测结果是合理的，若所述误差不在所述预定范围内，则重复所述步骤S105至S107，直至所述误差在所述预定范围内，即表明地层压力的预测结果能够反映真实的地层压力。
在一些实施例中，所述误差的预定范围可根据实际情况确定。作为解释而非限制性地，可以是5％、10％、20％、30％，也可以是其他百分比。
在一些实施例中，也可通过如下方式判断地层压力的预测结果是否反映真实情况：取一定数量的工程参数样本点，分别与预测的地层压力的趋势线进行比较，若与所述趋势线的误差在预定范围内的工程参数样本点数量在总数量中达到一定比例，则认为所述地层压力的预测结果能够反映真实的地层压力。
在一些实施例中，所述比例可以是60％、70％、80％、90％或其他百分比。
在一些实施例中，所述工程参数可以是实测压力点数据或泥浆密度数据。
在一些实施例中，为了与泥浆密度等工程参数对比分析，通常需要计算地层压力系数，其值为地层压力与静水压力的比值。
接下来，参考图2至图5，结合A井说明本发明实施例的地层压力预测方法。
在图2中示出了A井的测井数据，即原始测井曲线，包括井径(CAL)测井曲线、自然伽马(GR)测井曲线、自然电位(SP)测井曲线和声波时差(AC)测井曲线。基于这些原始测井曲线，可判断至少缺失密度数据。因此，对于地层压力预测而言，测井数据是不完备的。
在图3中示出了根据本发明实施例的联合利用岩石物理模型、经验公式和浅层压实趋势的综合性方法得到的全井段地层的密度数据。其中浅部地层的密度数据是根据地区趋势结合邻区实测曲线获得的，中部地层的、在本实施例中即特殊岩性地层的密度数据是由经验公式获得的，深部地层的、在本实施例中即目的地层密度数据是由岩石物理模型得到的，将三者合并得到全井段地层/全深度的密度数据。
在图4中示出了根据所得到的密度数据计算得到的上覆地层压力以及根据地层水性质、例如地层水密度曲线计算得到的静水压力。
在图5中分别示出了预测的纵波速度数据和预测的地层压力的趋势线(图中的斜直线)与测量曲线的比较。可看出，经预测得到的地层压力的趋势线与实测数据及地质认识较为符合，能够对钻井工程起到指导作用。
在本发明的一个实施例中，提供了一种地层压力预测装置。
在如图6所示的实施例中，所述地层压力预测装置600可包括：预处理和测井解释单元610，配置成基于不完备的测井数据进行预处理和测井解释；补全数据单元620，配置成联合利用岩石物理模型、经验公式和浅层压实趋势补全全井段地层的弹性参数数据和密度数据；第一计算单元630，配置成基于所述全井段地层的密度数据计算上覆地层压力；第二计算单元640，配置成根据地层水性质计算静水压力；正常压实趋势数据构建单元650，配置成使用压实模型构建正常压实趋势数据；有效应力计算单元660，配置成使用压力预测模型并基于所述正常压实趋势数据、所述全井段地层的弹性参数数据、所述上覆地层压力和所述静水压力计算有效应力；地层压力预测单元670，配置成根据所述上覆地层压力和所述有效应力预测所述地层压力。
在一些实施例中，所述装置可以结合任一实施例的方法特征，反之亦然，在此不赘述。
在本发明的实施例的方法、程序、系统、装置等，可以在单个或多个连网的计算机中执行或实现，也可以在分布式计算环境中实践。在本说明书实施例中，在这些分布式计算环境中，可以由通过通信网络而被连接的远程处理设备来执行任务。
本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本领域技术人员可想到，上述实施例阐明的功能模块/单元或控制器以及相关方法步骤的实现，可以用软件、硬件和软/硬件结合的方式实现。
在本文中，针对本发明的多个实施例进行了描述，但为简明起见，各实施例的描述并不是详尽的，各个实施例之间相同相似的特征或部分可能会被省略。在本文中，各实施例的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
在本文中，术语“包括”、“包含”或者其变体意在涵盖式，而非穷尽式，从而包括一系列要素的过程、方法、产品或者设备可包括这些要素，而不排除还可包括没有明确列出的其他要素。
已参考上述实施例具体示出并描述了本发明的示例性系统及方法，其仅为实施本系统及方法的最佳模式的示例。本领域的技术人员可以理解的是可以在实施本系统及/或方法时对这里描述的系统及方法的实施例做各种改变而不脱离界定在所附权利要求中的本发明的精神及范围。所附权利要求意在界定本系统及方法的范围，故落入这些权利要求中及与其等同的系统及方法可被涵盖。对本系统及方法的以上描述应被理解为包括这里描述的全部的新的及非显而易见的元素的结合，而本申请或后续申请中可存在涉及任何新的及非显而易见的元素的结合的权利要求。此外，上述实施例是示例性的，对于在本申请或后续申请中可以要求保护的全部可能特征及元素组合中，没有一个单一特征或元素是必不可少的。

Claims (15)

1.一种地层压力预测方法，包括：
S101：基于不完备的测井数据进行预处理和测井解释；
S102：联合利用岩石物理模型、经验公式和浅层压实趋势补全全井段地层的弹性参数数据和密度数据；
S103：基于所述全井段地层的密度数据计算上覆地层压力；
S104：根据所述全井段地层的地层水性质计算静水压力；
S105：根据选定的压实模型并基于所述上覆地层压力、所述静水压力构建正常压实趋势数据；
S106：根据选定的压力预测模型并基于所述正常压实趋势数据、所述全井段地层的弹性参数数据、所述上覆地层压力和所述静水压力计算有效应力；
S107：根据所述上覆地层压力和所述有效应力预测所述地层压力。
2.根据权利要求1所述的地层压力预测方法，其特征在于，还包括：
S100：获取测井数据并根据其是否包括全井段地层的弹性参数数据和密度数据判断所述测井数据是否完备。
3.根据权利要求1所述的地层压力预测方法，其特征在于，所述步骤S101包括：
对所述测井数据进行环境校正和标准化处理；
进行测井解释；
基于所述测井解释的结果确定岩石物理模型；
基于所述测井解释的结果并结合区域认识，识别出所述全井段地层中的特殊岩性地层。
4.根据权利要求3所述的地层压力预测方法，其特征在于，所述进行测井解释，包括：
根据可用的岩性与物性曲线和/或岩屑录井资料，得到与所述岩石物理模型关联的混合矿物的矿物组分与孔隙的孔隙度、饱和度曲线。
5.根据权利要求4所述的地层压力预测方法，其特征在于，所述弹性参数是速度、阻抗或密度。
6.根据权利要求5所述的地层压力预测方法，其特征在于，所述步骤S102 包括：
利用所述岩石物理模型获得所述全井段地层中的目的地层的速度数据和/或密度数据；
基于利用所述岩石物理模型只获得所述目的地层的速度数据或密度数据其中一项，利用所述经验公式获得其中另一项；
利用所述岩石物理模型和所述经验公式获得所述全井段地层中的所述特殊岩性地层的速度数据和密度数据；
基于对所述全井段地层中的浅部地层的地质认识并利用邻区的实测曲线获得所述浅部地层的速度数据和密度数据。
7.根据权利要求6所述的地层压力预测方法，其特征在于，所述利用所述岩石物理模型获得所述全井段地层中的目的地层的速度数据和/或密度数据，包括：
利用Voigt-Reuss-Hill平均模型计算所述混合矿物的弹性模量；
利用微分等效介质模型DEM将所述孔隙嵌入所述混合矿物以计算干岩石骨架的体积模量和剪切模量；
利用Wood方程或斑状饱和模型将所述孔隙中的气相与液相流体进行混合，以计算混合流体的体积模量；
利用Gassmann方程将所述混合流体加入到所述孔隙，以计算饱和岩石的体积模量和剪切模量，从而获得所述目的地层的速度数据以及密度数据。
8.根据权利要求6所述的地层压力预测方法，其特征在于，所述经验公式为用于计算密度数据或速度数据的密度-速度经验公式。
9.根据权利要求8所述的地层压力预测方法，其特征在于，所述密度-速度经验公式为多项式形式或指数形式。
10.根据权利要求5所述的地层压力预测方法，其特征在于，所述压实模型为基于速度-有效应力关系的压实模型。
11.根据权利要求5所述的地层压力预测方法，其特征在于，所述压实模型为基于速度-深度关系的压实模型。
12.根据权利要求10或11所述的地层压力预测方法，其特征在于，所述压力预测模型为基于Eaton法的压力预测模型。
13.根据权利要求10或11所述的地层压力预测方法，其特征在于，所述压力预测模型为基于Bowers法的压力预测模型。
14.根据权利要求1所述的地层压力预测方法，其特征在于，还包括：
判断所述地层压力的预测结果与工程参数的误差是否在预定范围内；
若不在，则重复步骤S105至S107，直至所述误差在预定范围内。
15.一种地层压力预测装置，其特征在于，包括：
预处理和测井解释单元，配置成基于不完备的测井数据进行预处理和测井解释；
补全数据单元，配置成联合利用岩石物理模型、经验公式和浅层压实趋势补全全井段地层的弹性参数数据和密度数据；
第一计算单元，配置成基于所述全井段地层的密度数据计算上覆地层压力；
第二计算单元，配置成根据所述全井段地层的地层水性质计算静水压力；
正常压实趋势数据构建单元，配置成根据选定的压实模型并基于所述上覆地层压力、所述静水压力构建正常压实趋势数据；
有效应力计算单元，配置成根据选定的压力预测模型并基于所述正常压实趋势数据、所述全井段地层的弹性参数数据、所述上覆地层压力和所述静水压力计算有效应力；
地层压力预测单元，配置成根据所述上覆地层压力和所述有效应力预测所述地层压力。
CN202110232649.6A 2021-03-03 2021-03-03 地层压力预测方法和装置 Pending CN115017834A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110232649.6A CN115017834A (zh) 2021-03-03 2021-03-03 地层压力预测方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110232649.6A CN115017834A (zh) 2021-03-03 2021-03-03 地层压力预测方法和装置

Publications (1)

Publication Number Publication Date
CN115017834A true CN115017834A (zh) 2022-09-06

Family

ID=83064457

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110232649.6A Pending CN115017834A (zh) 2021-03-03 2021-03-03 地层压力预测方法和装置

Country Status (1)

Country Link
CN (1) CN115017834A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117434599A (zh) * 2023-08-08 2024-01-23 浙江大学 一种基于地震资料进行地层压力预测的方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117434599A (zh) * 2023-08-08 2024-01-23 浙江大学 一种基于地震资料进行地层压力预测的方法

Similar Documents

Publication Publication Date Title
Miah et al. Machine learning approach to model rock strength: prediction and variable selection with aid of log data
Cacas et al. Nested geological modelling of naturally fractured reservoirs
Verma et al. Estimation of total organic carbon and brittleness volume
Abed Hydraulic flow units and permeability prediction in a carbonate reservoir, Southern Iraq from well log data using non-parametric correlation
Hosseini et al. Geostatistical modeling and spatial distribution analysis of porosity and permeability in the Shurijeh-B reservoir of Khangiran gas field in Iran
US10087723B2 (en) Methodology for building realistic numerical forward stratigraphic models in data sparse environment
Dubrule et al. Geostatistics for permeability estimation
US10761231B2 (en) Generating a high-resolution lithology model for subsurface formation evaluation
Gamal et al. Predicting the rock sonic logs while drilling by random forest and decision tree-based algorithms
Jamshidnezhad Experimental design in petroleum reservoir studies
Bahrami et al. Assessing wellbore stability with a modified lade failure criterion
EP3455458B1 (en) Multi-step subsidence inversion for modeling lithospheric layer thickness through geological time
Haldorsen et al. Review of the stochastic nature of reservoirs
Kianoush et al. Determining the drilling mud window by integration of geostatistics, intelligent, and conditional programming models in an oilfield of SW Iran
Gowida et al. Prediction of sonic wave transit times from drilling parameters while horizontal drilling in carbonate rocks using neural networks
Sanei et al. Applied machine learning-based models for predicting the geomechanical parameters using logging data
CN115017834A (zh) 地层压力预测方法和装置
US11719851B2 (en) Method and system for predicting formation top depths
US10400594B2 (en) Petrophysical relationships using blind source separation techniques
Najeeb et al. Using different methods to predict oil in place in Mishrif formation/Amara oil field
Ringrose et al. The property model
US10802177B2 (en) Evaluating hydrocarbon reserves using tool response models
Neelova et al. INTERNAL AND EXTERNAL INSPECTION OF 3D GEOLOGICAL MODEL CONSTRUCTION QUALITY.
Worthington et al. Optimizing the value of reservoir simulation through quality-assured initialization
CA3040439A1 (en) Petrophysical field evaluation using self-organized map

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