CN115130309A - 采用结合度的页岩储层脆性测定方法、设备、介质及终端 - Google Patents
采用结合度的页岩储层脆性测定方法、设备、介质及终端 Download PDFInfo
- Publication number
- CN115130309A CN115130309A CN202210782914.2A CN202210782914A CN115130309A CN 115130309 A CN115130309 A CN 115130309A CN 202210782914 A CN202210782914 A CN 202210782914A CN 115130309 A CN115130309 A CN 115130309A
- Authority
- CN
- China
- Prior art keywords
- shale
- brittleness
- correlation
- mineral components
- mineral
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 94
- 239000011707 mineral Substances 0.000 claims abstract description 90
- 238000011156 evaluation Methods 0.000 claims abstract description 39
- 239000002245 particle Substances 0.000 claims abstract description 38
- 239000011435 rock Substances 0.000 claims abstract description 36
- 238000013210 evaluation model Methods 0.000 claims abstract description 15
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 13
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 13
- 238000010219 correlation analysis Methods 0.000 claims description 20
- 239000010433 feldspar Substances 0.000 claims description 16
- 239000010453 quartz Substances 0.000 claims description 16
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 16
- NIFIFKQPDTWWGU-UHFFFAOYSA-N pyrite Chemical compound [Fe+2].[S-][S-] NIFIFKQPDTWWGU-UHFFFAOYSA-N 0.000 claims description 13
- 239000011028 pyrite Substances 0.000 claims description 13
- 229910052683 pyrite Inorganic materials 0.000 claims description 13
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 2
- 238000007596 consolidation process Methods 0.000 claims 1
- 238000000691 measurement method Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 10
- 238000004364 calculation method Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 239000002734 clay mineral Substances 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 229910001748 carbonate mineral Inorganic materials 0.000 description 3
- 229910021532 Calcite Inorganic materials 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000012098 association analyses Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 229910000514 dolomite Inorganic materials 0.000 description 2
- 239000010459 dolomite Substances 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 241000219000 Populus Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000005056 compaction Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000005137 deposition process Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000021185 dessert Nutrition 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- -1 etc. Substances 0.000 description 1
- 238000000445 field-emission scanning electron microscopy Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000003079 shale oil Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
本发明属于岩石脆性评价技术领域，公开了一种采用结合度的页岩储层脆性测定方法、设备、介质及终端，包括：采用灰色关联法分析页岩的矿物成分、颗粒排列结构与脆性指数的相关性；基于页岩的矿物成分、颗粒排列结构与脆性指数的相关性确定矿物成分、颗粒排列结构对页岩脆性的影响程度；基于矿物成分、颗粒排列结构对页岩脆性的影响程度结合页岩的总有机碳含量构建基于矿物成分和结构定向熵的脆性评价模型；利用所述基于矿物成分和结构定向熵的脆性评价模型进行页岩脆性评价。本发明的采用结合度的页岩储层脆性测定方法既保留了矿物组分的影响，又考虑颗粒定向排列结构的作用，能够较好的适用于定向结构发育泥页岩，能有效的预测页岩的可压裂性。
Description
技术领域
本发明属于岩石脆性评价技术领域，尤其涉及一种采用结合度的页岩储层脆性测定方法、设备、介质及终端。
背景技术
目前，岩石脆性的评价方法多达十几种，大体可分为三大类：矿物法、泊-杨法和岩石力学实验法三种。
现有技术1认为矿物成分与岩石脆性有直接的关系，并提出了利用矿物成分刻画脆性的方法。随后，许多学者在此基础上改进了脆性评价公式，但是应用矿物成分评价页岩的脆性仍有诸多缺陷：对于脆性矿物的认定缺乏统一的判别标准、不同种类的矿物对脆性的权重系数认识不清、忽略了矿物各向异性等因素。基于应力-应变曲线评价页岩脆性是相对简单直观的方法。现有技术2将归一化的弹性模量和泊松比的平均值作为计算页岩的脆性指标，岩石脆性指数与泊松比呈负相关，与杨氏模量呈正相关。现有技术3简化了弹性参数评价脆性的公式，直接利用杨氏模量和泊松比的比例表示脆性。现有技术4进一步改进了弹性参数脆性方法，将归一化弹性模量和泊松比的比值作为脆性的衡量指标。该方法计算简便，可以反应岩石的综合特征，可以直接通过测井数据计算得到，但是受规则形状取芯和横向对比困难等限制；基于岩石硬度脆性方法对岩石样品要求较低，制样相对简便，但是该方法无法刻画应力加载条件、环境等外部因素的影响，结构相差较大。
综上，现有技术对页岩脆性评价做了大量的研究工作，主要集中在矿物组分、岩石力学特征及储层性质等方面，意识到页岩脆性评价对油气开发的重要性，但仍没有对其成因机制给出完善的科学解释。
对于层状泥页岩而言，页岩脆性不仅与矿物成分密切相关，还与其本身的层状结构紧密相联。矿物定向排列的特征致使其力学特征和硬度特性等具有各向异性，促使了弱力学面的形成。泥页岩的层理结构不仅反映了沉积过程中的压实应变，也在一定程度上刻画了页岩裂缝的发育程度，其在力学上表现出的差异影响着页岩的钻井和压裂设计。现有技术1忽略了页理化程度对页岩脆性的影响，当页岩页理化较发育时，脆性是矿物成分和页理化发育程度两种因素共同作用的结果。
通过上述分析，现有技术存在的问题及缺陷为：现有的页岩脆性评价方法评价结果不准确、不全面，没有综合考虑组分与结构因素的双重影响。
发明内容
针对现有技术存在的问题，本发明提供了一种采用结合度的页岩储层脆性测定方法、设备、介质及终端。
本发明是这样实现的，一种采用结合度的页岩储层脆性测定方法，所述采用结合度的页岩储层脆性测定方法包括：
采用灰色关联法，基于页岩矿物成分、页岩微观结构与脆性之间的关系，建立基于矿物成分和结构定向熵的脆性评价模型，进行页岩储层脆性评价。
进一步，所述基于矿物成分和结构定向熵的脆性评价模型如下：
其中，VQ表示石英含量、VF表示长石含量、VC表示碳酸盐岩含量、VP表示黄铁矿、
表示定向熵；TOC表示总有机碳。
进一步，所述采用结合度的页岩储层脆性测定方法包括以下步骤：
步骤一，采用灰色关联法分析页岩的矿物成分、颗粒排列结构与脆性指数的相关性；
步骤二，基于所述页岩的矿物成分、颗粒排列结构与脆性指数的相关性确定矿物成分、颗粒排列结构对页岩脆性的影响程度；
步骤三，基于矿物成分、颗粒排列结构对页岩脆性的影响程度结合页岩的总有机碳含量构建基于矿物成分和结构定向熵的脆性评价模型；
步骤四，利用所述基于矿物成分和结构定向熵的脆性评价模型进行页岩脆性评价。
进一步，所述步骤一中，采用灰色关联法分析页岩的矿物成分、颗粒排列结构与脆性指数的相关性包括：
(1)获取页岩的矿物成分和微结构参数，并将弹性模量/泊松比作为关联分析的母序列，将页岩的矿物成分、颗粒排列结构作为关联分析的子序列；
(2)对获取的页岩的矿物成分和微结构参数进行无量纲化处理；
(3)计算关联分析的子序列和母序列的关联度，确定页岩的矿物成分、页岩颗粒排列结构与脆性指数的相关性。
进一步，所述步骤(1)中，将页岩的矿物成分、颗粒排列结构作为关联分析的子序列包括：
将石英含量VQ、长石含量VF、碳酸盐岩含量VC、黄铁矿VP、定向熵
作为关联指标；所述关联指标为关联分析的子序列。
进一步，所述步骤(2)中，无量纲化处理公式如下：
其中，Ei表示第i个参数的无量纲值，Xi和Xmax分别表示各井第i个参数的实际值和最大值；
所述步骤(2)中，计算关联分析的子序列和母序列的关联系数包括：
(2.1)计算相关的参数的差序列：
Δi(k)＝|y(k)-xi(k)|；
(2.2)计算各子序列和母序列间关联系数：
其中，k表示各序列中参数代号；ρ表示分辨系数，在(0,∞)区间内分布。
(2.3)取子序列和母序列关联系数的平均数作为关联度，利用下式基于各子序列的关联系数确定关联分析的各子序列的权重系数：
其中，ri表示关联度，N表示数据个数。
进一步，所述页岩的总有机碳计算公式如下：
其中，Vi表示页岩无机矿物含量的体积含量，TOC表示总有机碳。
本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述采用结合度的页岩储层脆性测定方法的步骤。
本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行所述采用结合度的页岩储层脆性测定方法的步骤。
本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于执行所述采用结合度的页岩储层脆性测定方法的步骤。
结合上述的技术方案和解决的技术问题，请从以下几方面分析本发明所要保护的技术方案所具备的优点及积极效果为：
第一、针对上述现有技术存在的技术问题以及解决该问题的难度，紧密结合本发明的所要保护的技术方案以及研发过程中结果和数据等，详细、深刻地分析本发明技术方案如何解决的技术问题，解决问题之后带来的一些具备创造性的技术效果。具体描述如下：
本发明在矿物组分泥页岩脆性评价的基础上，将定向熵纳入脆性评价公式，对于定向性较好的泥页岩的评价效果较好，其与压裂后产量的相关性优于常规的脆性指数。
第二，把技术方案看做一个整体或者从产品的角度，本发明所要保护的技术方案具备的技术效果和优点，具体描述如下：
本发明的采用结合度的页岩储层脆性测定方法既保留了矿物组分的影响，又考虑颗粒定向排列结构的作用，能够较好的适用于定向结构发育泥页岩，能有效的预测页岩的可压裂性。
附图说明
图1是本发明实施例提供的采用结合度的页岩储层脆性测定方法流程图；
图2是本发明实施例提供的泥页岩中矿物成分与岩石力学参数散点图；
图3是本发明实施例提供的鄂尔多斯盆地延长组X井富有机质页岩井剖面综合柱状图；
图4是本发明实施例提供的长7页岩剖面测井及脆性评价综合柱状图；
图5是本发明实施例提供的YY-2井长7泥页岩小层平均脆性指数与产气量拟合关系图。
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，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
一、解释说明实施例。为了使本领域技术人员充分了解本发明如何具体实现，该部分是对权利要求技术方案进行展开说明的解释说明实施例。
如图1所示，本发明实施例提供的采用结合度的页岩储层脆性测定方法包括以下步骤：
S101，采用灰色关联法分析页岩的矿物成分、颗粒排列结构与脆性指数的相关性；
S102，基于所述页岩的矿物成分、颗粒排列结构与脆性指数的相关性确定矿物成分、颗粒排列结构对页岩脆性的影响程度；
S103，基于矿物成分、颗粒排列结构对页岩脆性的影响程度结合页岩的总有机碳含量构建基于矿物成分和结构定向熵的脆性评价模型；
S104，利用所述基于矿物成分和结构定向熵的脆性评价模型进行页岩脆性评价。
本发明实施例提供的采用灰色关联法分析页岩的矿物成分、颗粒排列结构与脆性指数的相关性包括：
(1)获取页岩的矿物成分和微结构参数，并将弹性模量/泊松比作为关联分析的母序列，将页岩的矿物成分、颗粒排列结构作为关联分析的子序列；
(2)对获取的页岩的矿物成分和微结构参数进行无量纲化处理；
(3)计算关联分析的子序列和母序列的关联度，确定页岩的矿物成分、页岩颗粒排列结构与脆性指数的相关性。
步骤(1)中，本发明实施例提供的将页岩的矿物成分、颗粒排列结构作为关联分析的子序列包括：
将石英含量VQ、长石含量VF、碳酸盐岩含量VC、黄铁矿VP、定向熵
作为关联指标；所述关联指标为关联分析的子序列。
步骤(2)中，本发明实施例提供的无量纲化处理公式如下：
其中，Ei表示第i个参数的无量纲值，Xi和Xmax分别表示各井第i个参数的实际值和最大值。
步骤(2)中，本发明实施例提供的计算关联分析的子序列和母序列的关联系数包括：
(2.1)计算相关的参数的差序列：
Δi(k)＝|y(k)-xi(k)|；
(2.2)计算各子序列和母序列间关联系数：
其中，k表示各序列中参数代号；ρ表示分辨系数，在(0,∞)区间内分布。
(2.3)取子序列和母序列关联系数的平均数作为关联度，利用下式基于各子序列的关联系数确定关联分析的各子序列的权重系数：
其中，ri表示关联度，N表示数据个数。
本发明实施例提供的页岩的总有机碳计算公式如下：
其中，Vi表示页岩无机矿物含量的体积含量，TOC表示总有机碳。
本发明实施例提供的基于矿物成分和结构定向熵的脆性评价模型如下：
其中，VQ表示石英含量、VF表示长石含量、VC表示碳酸盐岩含量、VP表示黄铁矿、
表示定向熵；TOC表示总有机碳。
下面结合具体实施例对本发明的技术方案做进一步说明。
1细粒岩颗粒定向排列对脆性的影响
脆性指数被视为页岩油气储层可压裂性评价中的重要指标，反映了储层压裂的难易程度及所形成裂缝的复杂程度，脆性指数较高的储层压裂时能迅速形成复杂的网状裂缝。
本发明实施例应用灰色关联法，基于页岩矿物成分、页岩微观结构与脆性之间的关系，结合工业生产与理论分析构建评价页岩储层脆性的新方法，建立考虑矿物成分和微结构双重因素的脆性评价模型。新的岩石脆性计算方法既保留了矿物组分的影响，又考虑颗粒定向排列结构的作用。
1.1矿物成分和定向排列结构对岩石脆性的影响
矿物成分是岩石的内在属性，利用矿物成分评价页岩脆性是最广泛的方法之一。为了探究矿物成分对岩石脆性的影响，将三轴力学实验测得的泥岩的弹性模量与泊松比的比值作为脆性评价的度量指标，分别建立了矿物组与岩石参数之间的关系。拟合结果呈现石英、长石等脆性矿物含量与岩石脆性具有正比的关系，尤其当岩石中TOC含量较高时，随着石英、长石总含量的增加，杨氏模量和硬度随之升高(图2)。结果还显示碳酸盐矿物含量与岩石脆性具有比较明显的相关性。但是，碳酸盐岩与脆性的关系还受到石英、长石等硅质矿物的影响。当碳酸盐矿物含量超过10％，碳酸盐矿物含量与泥页岩脆性具有很强的相关性。此外，黏土矿物对泥页岩脆性的贡献系数为负值，证明了黏土矿物含量与泥页岩脆性呈负相关，黏土矿物含量越高，泥页岩脆性越弱。而泥页岩中TOC的含量与脆性没有明显的关系。
基于上述分析结果，发现泥页岩脆性主要受石英、长石、黄铁矿等矿物的影响，由于黄铁矿含量相对较少，故石英和长石是影响岩石脆性的主要矿物。方解石、白云石对泥页岩脆性的贡献次之，仅次于石英和长石。虽然样品中白云石、方解石、黄铁矿矿物含量较少，但对泥页岩的脆性贡献较大，因此在脆性评价时不能忽略这几类矿物的影响。此外，黏土矿物的贡献系数为负值，证明了黏土矿物含量与脆性呈负相关。
泥页岩的脆性是岩石多种因素综合作用的结果，不仅受岩石本身的矿物组分影响，还与岩石的结构特征相关。因此，仅依靠矿物含量评价泥岩脆性具有一定的偏差。基于常规测井及动态测井的方法，测量了鄂尔多斯盆地X1井延长组7段地层的矿物成分和岩石力学参数等数据。选取了三个矿物成分相同的样品点的岩石力学参数，脆性指数的计算采用Rickman提出的脆性评价方法，结果显示脆性指数相差较大。分别计算来自不同深度样品的
值，发现三块页岩样品的结构定向熵值存在差异，证明页岩脆性与颗粒定向排列结构存在联系(图3)。
1.2考虑颗粒排列结构的泥页岩脆性评价方法
(1)脆性指标计算
综上所述，层状泥页岩的脆性与石英、长石、碳酸盐岩、黄铁矿等矿物含量及颗粒排列结构相关。在评价泥页岩脆性的过程中，若缺少弹性模量和泊松比等参数时，可以借助矿物成分和
值等参数进行预测。为了建立泥页岩脆性评价数学模型，首先要建议各个参数与脆性指数(IB)的相关性。
本发明实施例采用灰色关联法分矿物成分、颗粒微结构等参数与脆性指数的相关性。本发明实施例将弹性模量/泊松比(IB)、石英含量(VQ)、长石含量(VF)、碳酸盐岩含量(VC)、黄铁矿(VP)、定向熵
作为关联指标(表1)，进一步计算参数之间的权重系数。
(1)母序列和子序列
弹性模量/泊松比作为岩石脆性的评价指标，即关联分析的母序列。VQ、VF、VC、VP、
作为子序列。
表1 层状泥页岩矿物成分和微结构参数统计表
(2)数据无量纲化
无量纲化是通过数学变换消除原始指标单位及其数值数量级影响的过程，这是进行指标评估的前提。无量纲化过程就是将指标实际值转化为指标评估值的过程。因此，首先对数据进行无量纲化处理，具体见公式1。
式中，Ei为第i个参数的无量纲值，Xi和Xmax分别为各井第i个参数的实际值和最大值。
表2 参数归一化处理结果统计表
(3)关联系数
关联系数为两种属性值或二分标志关联或结合程度的度量，指的是两个属性出现频数。首先，计算关联系数要求取相关的参数的差序列，即：
Δi(k)＝|y(k)-xi(k)| (2)
表3为差序列参数结果统计表，k为各序列中参数代号，取值为1到2。
表3 差序列参数结果统计表
上表6-5可知二级最大差Δmax＝1，二级最小差Δmin＝0.0058。一个母序列a1可以有若干个比较子序列a1,a2,a3,…,an,各子序列和母序列间关联系数为ξ(ai)，具体计算公式见3。
ρ为分辨系数，在(0,∞)区间内分布。ρ越小，分辨力越大，一般ρ的取值区间为(0,1)，具体取值可视情况而定。当ρ≤0.55时，分辨力最好，ρ通常取0.5。
表4 参数关联系数结果统计表
| 序号 | 样品编号 | 1 | 2 | 3 | 4 | 5 |
| ξ<sub>1</sub> | #Kath-1 | 0.7603 | 0.9297 | 0.4151 | 0.4151 | 0.9551 |
| ξ<sub>2</sub> | #Kath-4 | 0.6962 | 0.3854 | 0.3781 | 0.9440 | 0.7737 |
| ξ<sub>3</sub> | #Kath-9 | 0.6208 | 0.5190 | 0.4342 | 0.9017 | 0.9094 |
| ξ<sub>4</sub> | #Kath-15 | 0.6018 | 0.6304 | 0.3372 | 0.3372 | 0.6995 |
| ξ<sub>5</sub> | #Kath-17 | 0.8418 | 0.5072 | 0.5568 | 0.4965 | 0.6915 |
| ξ<sub>6</sub> | #Kath-21 | 0.7497 | 0.4908 | 0.5507 | 0.5949 | 0.7134 |
| ξ<sub>7</sub> | #Kath-24 | 1.0000 | 0.5928 | 0.9289 | 0.4480 | 0.8816 |
| ξ<sub>8</sub> | #Kath-30 | 0.6817 | 0.5174 | 0.8817 | 0.4180 | 0.6979 |
| ξ<sub>9</sub> | #Kath-32 | 0.8410 | 0.5699 | 0.8299 | 0.4925 | 0.5521 |
| ξ<sub>10</sub> | #Kath-33 | 0.7366 | 0.5879 | 0.7164 | 0.4729 | 0.5677 |
| ξ<sub>11</sub> | #Kath-38 | 0.7632 | 0.5454 | 0.9699 | 0.4740 | 0.5563 |
| ξ<sub>12</sub> | #Kath-39 | 0.7256 | 0.5719 | 0.7256 | 0.3882 | 0.7691 |
| ξ<sub>13</sub> | #Kath-40 | 0.5708 | 0.6690 | 0.6635 | 0.5241 | 0.5304 |
| ξ<sub>14</sub> | #Kath-41 | 0.6262 | 0.4610 | 0.4311 | 0.3498 | 0.9447 |
| ξ<sub>15</sub> | #Kath-43 | 0.9029 | 0.8834 | 0.8006 | 0.5910 | 0.6225 |
| ξ<sub>16</sub> | #Kath-44 | 0.6272 | 0.6971 | 0.6971 | 0.4333 | 0.6991 |
| ξ<sub>17</sub> | #Kath-49 | 0.6039 | 0.7237 | 0.5798 | 0.4546 | 0.7595 |
| ξ<sub>18</sub> | #Kath-50 | 0.8265 | 0.6431 | 0.5257 | 0.5441 | 0.5958 |
| ξ<sub>19</sub> | #Kath-52 | 0.8340 | 0.9140 | 0.8158 | 0.5645 | 0.5508 |
| ξ<sub>20</sub> | #Kath-63 | 0.7809 | 0.8858 | 0.8634 | 0.5615 | 0.6502 |
求得子序列和母序列关联系数后，取其平均数作为关联度，表示比较数列和参考数列间的关联程度，计算公式见4。
式中，ri为关联度，N为数据个数。将计算得到的关联系数带入公式4。
表5 矿物成分与定向熵参数对于脆性的权重系数
| 参数 | 石英 | 长石 | 碳酸盐岩 | 黄铁矿 | 定向熵 |
| 关联度 | 0.7396 | 0.6963 | 0.6551 | 0.5203 | 0.7060 |
| 权重系数 | 0.2271 | 0.2099 | 0.2011 | 0.1597 | 0.2168 |
(4)脆性评价指标
通过权重系数可知，各个参数对泥页岩脆性的影响程度由大到小排列为：石英>定向熵>长石>碳酸盐岩>黄铁矿。TOC体积含量和成分含量之间的关系为Vom＝2.1TOC，则无机矿物含量的体积含量为：
考虑到
值与脆性呈负相关，泥页岩的脆性指数可以表示为以下公式。
表6 层状泥页岩脆性指数统计表
(2)现场应用效果验证
为了验证脆性公式的准确性，以鄂尔多斯盆地延安地区的一口生产YY-2井为例，对1450.00～1550.00m页岩层段的脆性进行评价。分别采用了四种脆性评价方法，分别为：基于矿物组分的脆性评价方法、考虑TOC的影响脆性评价方法、基于岩石力学脆性评价方法、基于定向熵和矿物组分的脆性评价方法。
YY-2为页岩气产能较好的一口井，井资料齐全。通过对录井、测井资料综合分析，该井长7段泥页岩厚49.00m，深度为1476.00-1550.00m，井段岩性为黑色页岩，电性特征表现为泥质含量较低，具有大段泥页岩中夹有砂质泥岩的特征，且录井气测异常明显，为典型的页岩气甜点层段。从下到上地层可分为5个小层，其中2小层和3小层储层物性最好，表现出高TOC、高气测、高孔隙度、高渗透率、高伽马、低声速差的特征；其次是1、4、5小层，这几个层段的含气性、孔隙度、渗透率稍差一些。4、5小层为灰黑色砂质泥岩，可见砂质层状条带发育，岩心显示页理发育较差，2、3小层为高有机质黑色页岩，页理发育程度高，泥质含量高，吸水性较好，可塑性差。1小层由深灰色粉砂质泥页岩、浅灰色泥岩砂质组成、深灰色泥岩组成，无页理发育，矿颗粒呈次圆状，分选中等，较为致密。
在1450.00～1550.00m层段每隔4～5m取心，共取岩心16块。采用多尺度多视域FE-SEM拼接及图像识别技术计算了每块页岩样品的
值。图4为YY-2井脆性与测试产气量的剖面。对比四种脆性曲线与气测曲线的变化情况，发现BI3和BI4与气测值吻合较好，但是BI4与气测曲线吻合度更高(图4)。
进一步计算了每个小层压裂后的平均产气量和脆性(见表4)，2、3、4小层都具有较高的TOC含量、孔隙度，但是2、3小层的压后产量明显较高，这种现象可能是因为颗粒的定向排列结构导致的。进一步计算了常用的脆性指数及本发明实施例提出的脆性指数与产气量的关系，脆性公式的表达式见附录F。拟合系数分别为0.3302、0.0086、0.8010、0.9070(图5)。因此，本发明实施例认为基于结构定向熵和组分的脆性评价方法能够较好的适用于定向结构发育泥页岩，能有效的预测页岩的可压裂性。
表7 YY-2井测井解释参数统计表
2、小结
本发明鉴于泥页岩定向结构，建立了基于矿物成分和结构定向熵的脆性评价模型，对生产井进行脆性评价，效果较好。
二、应用实施例。为了证明本发明的技术方案的创造性和技术价值，该部分是对权利要求技术方案进行具体产品上或相关技术上的应用实施例。
将本发明实施例提供的采用结合度的页岩储层脆性测定方法应用于定向性好的页岩进行脆性评价，评价结果准确且全面。
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；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。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，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。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。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种采用结合度的页岩储层脆性测定方法，其特征在于，所述采用结合度的页岩储层脆性测定方法包括：
采用灰色关联法，基于页岩矿物成分、页岩微观结构与脆性之间的关系，建立基于矿物成分和结构定向熵的脆性评价模型，进行页岩储层脆性评价。
2.如权利要求1所述采用结合度的页岩储层脆性测定方法，其特征在于，所述基于矿物成分和结构定向熵的脆性评价模型如下：
其中，VQ表示石英含量、VF表示长石含量、VC表示碳酸盐岩含量、VP表示黄铁矿、
表示定向熵；TOC表示总有机碳。
3.如权利要求1所述采用结合度的页岩储层脆性测定方法，其特征在于，所述采用结合度的页岩储层脆性测定方法包括以下步骤：
步骤一，采用灰色关联法分析页岩的矿物成分、颗粒排列结构与脆性指数的相关性；
步骤二，基于所述页岩的矿物成分、颗粒排列结构与脆性指数的相关性确定矿物成分、颗粒排列结构对页岩脆性的影响程度；
步骤三，基于矿物成分、颗粒排列结构对页岩脆性的影响程度结合页岩的总有机碳含量构建基于矿物成分和结构定向熵的脆性评价模型；
步骤四，利用所述基于矿物成分和结构定向熵的脆性评价模型进行页岩脆性评价。
4.如权利要求3所述采用结合度的页岩储层脆性测定方法，其特征在于，所述步骤一中，采用灰色关联法分析页岩的矿物成分、颗粒排列结构与脆性指数的相关性包括：
(1)获取页岩的矿物成分和微结构参数，并将弹性模量/泊松比作为关联分析的母序列，将页岩的矿物成分、颗粒排列结构作为关联分析的子序列；
(2)对获取的页岩的矿物成分和微结构参数进行无量纲化处理；
(3)计算关联分析的子序列和母序列的关联度，确定页岩的矿物成分、页岩颗粒排列结构与脆性指数的相关性。
5.如权利要求4所述采用结合度的页岩储层脆性测定方法，其特征在于，所述步骤(1)中，将页岩的矿物成分、颗粒排列结构作为关联分析的子序列包括：
将石英含量VQ、长石含量VF、碳酸盐岩含量VC、黄铁矿VP、定向熵
作为关联指标；所述关联指标为关联分析的子序列；
所述步骤(2)中，无量纲化处理公式如下：
其中，Ei表示第i个参数的无量纲值，Xi和Xmax分别表示各井第i个参数的实际值和最大值。
6.如权利要求4所述采用结合度的页岩储层脆性测定方法，其特征在于，所述步骤(2)中，计算关联分析的子序列和母序列的关联系数包括：
(2.1)计算相关的参数的差序列：
Δi(k)＝|y(k)-xi(k)|；
(2.2)计算各子序列和母序列间关联系数：
其中，k表示各序列中参数代号；ρ表示分辨系数，在(0,∞)区间内分布。
(2.3)取子序列和母序列关联系数的平均数作为关联度，利用下式基于各子序列的关联系数确定关联分析的各子序列的权重系数：
其中，ri表示关联度，N表示数据个数。
7.如权利要求3所述采用结合度的页岩储层脆性测定方法，其特征在于，所述页岩的总有机碳计算公式如下：
其中，Vi表示页岩无机矿物含量的体积含量，TOC表示总有机碳。
8.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1-7任意一项所述采用结合度的页岩储层脆性测定方法的步骤。
9.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1-7任意一项所述采用结合度的页岩储层脆性测定方法的步骤。
10.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于执行如权利要求1-7任意一项所述采用结合度的页岩储层脆性测定方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210782914.2A CN115130309B (zh) | 2022-07-05 | 2022-07-05 | 采用结合度的页岩储层脆性测定方法、设备、介质及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210782914.2A CN115130309B (zh) | 2022-07-05 | 2022-07-05 | 采用结合度的页岩储层脆性测定方法、设备、介质及终端 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115130309A true CN115130309A (zh) | 2022-09-30 |
| CN115130309B CN115130309B (zh) | 2024-07-05 |
Family
ID=83382034
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210782914.2A Active CN115130309B (zh) | 2022-07-05 | 2022-07-05 | 采用结合度的页岩储层脆性测定方法、设备、介质及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115130309B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106802977A (zh) * | 2016-12-14 | 2017-06-06 | 同济大学 | 一种用于烧结矿性能指标预测及综合质量评价方法 |
| CN110276827A (zh) * | 2019-05-29 | 2019-09-24 | 中国石油大学(华东) | 一种基于泥页岩储层的有效性的评价方法 |
| CN113622905A (zh) * | 2021-07-20 | 2021-11-09 | 中国地质大学（武汉） | 一种基于多因素综合分析的页岩储层脆性评价方法 |
| CN114548520A (zh) * | 2022-01-24 | 2022-05-27 | 中国地质大学（武汉） | 一种页岩油压裂潜力预测方法、系统、设备及终端 |
-
2022
- 2022-07-05 CN CN202210782914.2A patent/CN115130309B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106802977A (zh) * | 2016-12-14 | 2017-06-06 | 同济大学 | 一种用于烧结矿性能指标预测及综合质量评价方法 |
| CN110276827A (zh) * | 2019-05-29 | 2019-09-24 | 中国石油大学(华东) | 一种基于泥页岩储层的有效性的评价方法 |
| CN113622905A (zh) * | 2021-07-20 | 2021-11-09 | 中国地质大学（武汉） | 一种基于多因素综合分析的页岩储层脆性评价方法 |
| CN114548520A (zh) * | 2022-01-24 | 2022-05-27 | 中国地质大学（武汉） | 一种页岩油压裂潜力预测方法、系统、设备及终端 |
Non-Patent Citations (2)
| Title |
|---|
| 贺中华;陈晓翔;梁虹;杨朝晖;黄法苏;曾信波;: "典型喀斯特岩性组合结构的流域水文干旱机制研究――以贵州省为例", 地质科学, no. 01, 15 January 2015 (2015-01-15) * |
| 贺军;李明;刘莹;王壮壮;: "基于结构熵权-多层次灰色关联的配电网规划方案综合决策", 电子技术应用, no. 01, 6 January 2015 (2015-01-06) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115130309B (zh) | 2024-07-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108009705B (zh) | 一种基于支持向量机技术的页岩储层可压性评价方法 | |
| CN106896410B (zh) | 利用声波测井资料解释岩石的变形模量和脆性指数的方法 | |
| CN113792936A (zh) | 一种随钻岩性智能识别方法、系统、设备和存储介质 | |
| Olson et al. | Constraining the spatial distribution of fracture networks in naturally fractured reservoirs using fracture mechanics and core measurements | |
| CN109655909A (zh) | 计算页岩全角度各向异性脆性指数的方法及系统 | |
| CN107346455A (zh) | 一种用于识别页岩气产能的方法 | |
| CN105527652A (zh) | 一种岩石脆性的测井方法和装置 | |
| CN109543352B (zh) | 页岩断裂韧性预测方法、装置及电子设备 | |
| CN112282742B (zh) | 一种页岩油优质储层的预测方法 | |
| CN105372631A (zh) | 基于遗传-偏最小二乘算法的极化雷达反演方法及其应用 | |
| Baghbani et al. | Prediction of parallel desiccation cracks of clays using a classification and regression tree (CART) technique | |
| CN115390155A (zh) | 针对非均质储层的测井解释方法、装置、电子设备及介质 | |
| CN106285652B (zh) | 确定页岩游离气体饱和度的方法 | |
| Beijing et al. | Crack detection and evolution law for rock mass under SHPB impact tests | |
| CN117744362A (zh) | 致密砂岩储层可压裂性定量评价方法、系统、设备及终端 | |
| CN115130309A (zh) | 采用结合度的页岩储层脆性测定方法、设备、介质及终端 | |
| Yang et al. | Intelligent rating method of tunnel surrounding rock based on one-dimensional convolutional neural network | |
| Sarkheil et al. | The fracture network modeling in naturally fractured reservoirs using artificial neural network based on image loges and core measurements | |
| CN110847887A (zh) | 一种细粒沉积陆相页岩裂缝识别评价方法 | |
| CN115356772A (zh) | 一种考虑夹层类型的陆相页岩气储层脆性评价方法 | |
| Nuo et al. | Application of multigene genetic programming for estimating elastic modulus of reservoir rocks | |
| CN111781658A (zh) | 一种页岩气层分类图版的建立方法及应用 | |
| CN109580906B (zh) | 基于岩石物理的页岩脆性识别图版的制作方法及系统 | |
| CN110083930A (zh) | 页岩风化指数的构建方法及装置 | |
| CN116010789B (zh) | 一种碳酸盐岩储层类型识别方法、装置、设备及应用 |
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 |