CN115217470A - 页岩中厘米-微米级尺度旋回划分及驱动因素识别方法 - Google Patents
页岩中厘米-微米级尺度旋回划分及驱动因素识别方法 Download PDFInfo
- Publication number
- CN115217470A CN115217470A CN202210851136.8A CN202210851136A CN115217470A CN 115217470 A CN115217470 A CN 115217470A CN 202210851136 A CN202210851136 A CN 202210851136A CN 115217470 A CN115217470 A CN 115217470A
- Authority
- CN
- China
- Prior art keywords
- centimeter
- convolution
- shale
- micron scale
- analysis
- 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 66
- 230000008021 deposition Effects 0.000 claims abstract description 48
- 238000004458 analytical method Methods 0.000 claims abstract description 26
- 238000010183 spectrum analysis Methods 0.000 claims abstract description 17
- 230000008859 change Effects 0.000 claims description 17
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 13
- 239000011707 mineral Substances 0.000 claims description 13
- 238000009826 distribution Methods 0.000 claims description 12
- 238000004445 quantitative analysis Methods 0.000 claims description 10
- 239000011435 rock Substances 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000000737 periodic effect Effects 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 7
- 238000000556 factor analysis Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 238000005498 polishing Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000011065 in-situ storage Methods 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 2
- 238000011161 development Methods 0.000 abstract description 6
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 abstract description 6
- 239000003345 natural gas Substances 0.000 abstract description 3
- 239000003209 petroleum derivative Substances 0.000 abstract description 3
- 238000002474 experimental method Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 10
- 238000001914 filtration Methods 0.000 description 9
- 238000009966 trimming Methods 0.000 description 8
- 208000035126 Facies Diseases 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 125000004122 cyclic group Chemical group 0.000 description 4
- 239000010453 quartz Substances 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 229910052700 potassium Inorganic materials 0.000 description 3
- 239000013049 sediment Substances 0.000 description 3
- 238000004062 sedimentation Methods 0.000 description 3
- 230000006698 induction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000003079 shale oil Substances 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 210000003462 vein Anatomy 0.000 description 2
- 235000015076 Shorea robusta Nutrition 0.000 description 1
- 244000166071 Shorea robusta Species 0.000 description 1
- 206010040925 Skin striae Diseases 0.000 description 1
- DLHONNLASJQAHX-UHFFFAOYSA-N aluminum;potassium;oxygen(2-);silicon(4+) Chemical compound [O-2].[O-2].[O-2].[O-2].[O-2].[O-2].[O-2].[O-2].[Al+3].[Si+4].[Si+4].[Si+4].[K+] DLHONNLASJQAHX-UHFFFAOYSA-N 0.000 description 1
- 239000002734 clay mineral Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000009514 concussion Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 229910052655 plagioclase feldspar Inorganic materials 0.000 description 1
- 229910052683 pyrite Inorganic materials 0.000 description 1
- 239000011028 pyrite Substances 0.000 description 1
- NIFIFKQPDTWWGU-UHFFFAOYSA-N pyrite Chemical compound [Fe+2].[S-][S-] NIFIFKQPDTWWGU-UHFFFAOYSA-N 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- VBWSWBQVYDBVGA-NAHFVJFTSA-N uranium-234;uranium-235;uranium-238 Chemical compound [234U].[235U].[238U] VBWSWBQVYDBVGA-NAHFVJFTSA-N 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- E21B47/00—Survey of boreholes or wells
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/148—Wavelet transforms
-
- 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
- E21B2200/00—Special features related to earth drilling for obtaining oil, gas or water
- E21B2200/20—Computer models or simulations, e.g. for reservoirs under production, drill bits
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mining & Mineral Resources (AREA)
- Geology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Geochemistry & Mineralogy (AREA)
- Data Mining & Analysis (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Geophysics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开页岩中厘米‑微米级尺度旋回划分及驱动因素识别方法,属于石油天然气勘探与开发技术领域。本发明利用微区XRF定量元素分析、频谱分析和小波分析的实验方法精细识别并划分了页岩中厘米‑微米级尺度旋回,方法简便且可操作性强;本发明在旋回时间尺度识别的基础上,重建了厘米‑微米级尺度旋回记录的古环境演化特征,确定了厘米‑微米级尺度旋回的驱动因素;本发明在厘米‑微米级尺度旋回划分及驱动因素识别的基础上,可以进一步阐明页岩沉积时期高频古环境演化规律。
Description
技术领域
本发明属于石油天然气勘探与开发技术领域,具体涉及页岩中厘米-微米级尺度旋回划分及驱动因素识别方法。
背景技术
随着石油与天然气勘探程度的不断提高以及对油气资源需求的不断增长,页岩油气资源潜力巨大,逐渐被认为是未来油气工业发展的重要接替领域及增储上产的重要组成部分。陆相页岩被认为是良好的页岩油勘探开发目标。纹层是页岩的基本组成单元,页岩中不同类型纹层的发育通常具有旋回性。但这种厘米-微米级尺度旋回的发育规律及驱动因素仍不明确。因此需要对陆相页岩中厘米-微米级尺度旋回进行精细划分,明确旋回的驱动因素,阐明高频古环境演化规律,这对陆相页岩沉积成因研究及页岩内有利储层预测具有重要指导意义。
现今对于页岩中厘米-微米级尺度旋回划分的方法主要有2种。方法一:通过年纹层厚度(一年内形成的纹层状沉积物的厚度)的周期性变化识别。部分学者们将地质历史时期页岩中发育的亮-暗层偶解释为年纹层,通过肉眼识别的方法统计年纹层厚度的变化来识别厘米-微米级尺度旋回及其时间尺度。该方法能够有效应用的条件是必须保证地层中发育年纹层,但地质历史时期亮-暗层偶是否确实在一年内形成需要明确。另外在半深湖-深湖区,古环境演化可能不能引起页岩成分的明显变化,受人眼分辨率的制约,肉眼统计年纹层厚度的方法还可能导致旋回信息的遗漏。因此该方法的应用存在较大的局限性。方法二:通过岩心灰度值的周期性变化来识别。岩石中矿物成分的变化将引起岩心灰度值发生改变,部分学者通过高清摄影与计算机灰度识别的方法提取岩心灰度值的周期性变化,通过频谱及小波分析划分厘米-微米级尺度旋回。再根据目的层段沉积速率的计算,获取厘米-微米级尺度旋回的时间尺度。该方法能够有效应用的条件是必须保证地层中灰度值的变化易于识别。但在有机质含量较高的层位(如鄂尔多斯盆地延长组长73段),岩心表面颜色均表现为黑色,矿物成分或纹层类型变化引起的灰度值变化很难识别,这导致该方法的应用也存在一定的局限性。
在厘米-微米级尺度旋回划分的基础之上,学者们仅通过时间尺度的对应性来识别旋回的驱动因素。但部分驱动因素的时间尺度分布范围存在交叉,如热带大气准两年震荡(2年)、厄尔尼诺效应(2-7年)与太阳活动Schwabe准周期(7-14年),这使得仅通过时间尺度的对应性来识别旋回的驱动因素存在多解性。旋回划分方法的局限性及旋回时间尺度的多解性制约了旋回驱动因素的识别。
发明内容
针对上述问题,本发明提出页岩中厘米-微米级尺度旋回划分及驱动因素识别方法,这种方法适用性更广,克服了传统旋回划分方法的局限性,也能够避免多个时间尺度交叉对旋回驱动因素的识别的影响。
页岩中厘米-微米级尺度旋回划分及驱动因素识别方法,具体步骤如下:
步骤一:基于岩心样品的微区XRF元素定量分析与指标优选
挑选不同深度的岩心样品,岩心样品的长度大于10cm,将岩心样品表面剖光;利用Bruker M4 Tornado微区高性能荧光光谱仪开展微区XRF元素定量分析:测试步长为20-40μm,扫描速率为12ms/点,扫描时间大于8h;得到元素定量分析结果,通过薄片显微观察或采用扫描电镜观察结合能谱分析的方法识别出不同类型纹层及不同纹层中主要的矿物类型,根据主要矿物类型选取特征元素,将不同类型纹层中的特征元素进行图像叠合,获取能够明显识别纹层类型及厚度变化的元素叠合图件;
以元素叠加图件为约束,利用“Line scan”功能对垂直纹层方向选取线分析位置,获得选定直线上的所有原子序数在11以上的元素相对百分含量;然后选择能够反映矿物成分及纹层类型变化的元素或元素比值作为旋回识别指标;这些旋回识别指标需要满足在沉积物搬运、沉积及成岩过程中相对稳定。
步骤二:厘米-微米级尺度旋回的识别与划分
利用Acycle2.3软件中的“Spectral Analysis”及“Wavelet transform”功能对不同深度的岩心样品分别就其选择的旋回识别指标开展频谱分析及小波分析,具体过程为:选取频谱分析中置信度高于90%的频率,转化为旋回厚度,保留与小波分析结果对应的旋回厚度;对其他深度的岩心样品重复上述步骤。
第三步:页岩沉积速率计算与旋回时间尺度确定
根据工区的实际情况,选取对岩性变化敏感的测井曲线,利用Acycle2.3软件中“Detrending/Curve Fitting”功能对曲线进行预处理;采用COCO法计算页岩的沉积速率,并提取出置信度高于90%的沉积速率;再采用eCOCO法建立利用COCO法挑选出的沉积速率在垂向上的分布特征,得到不同深度的岩心样品对应的沉积速率;从而得到旋回的时间尺度;
T=D/v
式中,T为旋回的时间尺度;
D为旋回厚度;
v为沉积速率;
第四步:厘米-微米级尺度旋回记录的古环境演化特征与驱动因素分析
对岩心样品进行厘米-微米级尺度旋回的滤波分析,将滤波结果与步骤一中得到的元素叠合图件进行对应,以滤波结果为约束,在元素叠合图件上选取旋回的不同半周期,开展原位地球化学分析,重建厘米-微米级尺度旋回记录的古环境演化特征;将旋回的时间尺度及重建的古环境演化特征与可能的驱动因素所引起的环境周期性演化特征及时间尺度进行匹配,若匹配不成功,则与其他的驱动因素重新匹配,直至匹配成功,则该成功匹配的驱动因素为控制厘米-微米级尺度旋回形成的古环境演化的驱动因素。
上述的页岩中厘米-微米级尺度旋回划分及驱动因素识别方法可以用于识别陆相页岩或海相页岩中的厘米-微米级尺度旋回划分及驱动因素。
本发明的有益之处在于:
(1)本发明利用微区XRF定量元素分析、频谱分析和小波分析的实验方法精细识别并划分了页岩中厘米-微米级尺度旋回,方法简便且可操作性强。由于地球化学参数对矿物成分及纹层特征变化具有较高的敏感性,该方法可以用于绝大部分页岩中的厘米-微米级尺度旋回识别,解决了传统方法局限性较强的问题。
(2)本发明在旋回时间尺度识别的基础上,重建了厘米-微米级尺度旋回记录的古环境演化特征。由于不同驱动因素对古环境演化的控制存在差异,将旋回时间尺度及古环境演化特征与可能的驱动因素进行匹配,有效避免了识别结果的多解性,能够揭示控制厘米-微米级尺度旋回形成的古环境演化驱动因素。
(3)在厘米-微米级尺度旋回划分及驱动因素识别的基础上,可以进一步阐明页岩沉积时期高频古环境演化规律,能够为有机质富集过程、页岩沉积成因解释及页岩内有利储层预测等提供有利指导。
附图说明
图1为实施例2中的页岩中不同类型元素含量及元素比值分布特征图;
图2为实施例2中的长73段页岩Mo/Ti频谱及小波分析结果图(其中A图为频谱分析结果图,B图为小波分析结果图);
图3为实施例2中COCO法与eCOCO法计算长73段页岩的沉积速率图(其中A图为COCO法计算沉积速率结果图;B图为eCOCO法计算沉积速率垂向分布特征图);
图4为实施例2中重建的厘米-微米级尺度旋回记录的古环境演化特征图。
具体实施方式
在本发明中所使用的术语,除非有另外说明,一般具有本领域普通技术人员通常理解的含义。
下面结合具体实施例,并参照数据进一步详细的描述本发明。以下实施例只是为了举例说明本发明,而非以任何方式限制本发明的范围。
实施例1
页岩中厘米-微米级尺度旋回划分及驱动因素识别方法,具体步骤如下:
步骤一:基于岩心样品的微区XRF元素定量分析与指标优选
首先在研究区内选择不同深度的岩心样品,将岩心样品表面剖光,利用Bruker M4Tornado微区高性能荧光光谱仪开展微区XRF元素定量分析,测试步长尽可能小,以提高旋回识别的准确性,作为一种优选的范围,本发明中岩心样品的长度大于10cm;光谱仪的测试步长为20-40μm,扫描速率设置为12ms/点,扫描时间设置为8h以上。
得到元素定量分析结果,通过薄片显微观察或采用扫描电镜观察结合能谱分析的方法识别出不同类型纹层及不同纹层中主要的矿物类型,根据主要矿物类型选取特征元素,将不同类型纹层中的特征元素进行图像叠合,获取能够明显识别纹层类型及厚度变化的元素叠合图件。
以元素叠加图件为约束,利用“Line scan”功能垂直纹层方向选取线分析位置,获得选定直线上的所有原子序数在11以上的元素相对百分含量。挑选能够反映矿物成分及纹层类型变化的元素或元素比值作为旋回识别指标,由于不同类型纹层中矿物成分存在差异,而挑选的旋回指标能够体现这种差异,因此,挑选在不同类型纹层中的元素含量或元素比值存在显著差异的指标作为旋回识别指标。此外,这些指标还需要满足在沉积物搬运、沉积及成岩过程中相对稳定,比如旋回识别指标可以选择Al、Al/Ti、Mo/Ti、V/Ti、C值等,具体根据工区实际情况选择旋回识别指标。旋回识别指标在不同类型纹层中的数值存在肉眼可见的差异(如图1),并且在相同纹层中该指标数值的分布规律具有一致性,以C值为例,所有粉砂级长英质纹层的C值均明显比富有机质纹层中低(数值均相差约8左右)。这里的相对稳定指在沉积物搬运、沉积及成岩过程中,该旋回识别指标的值不发生显著变化。
步骤二:厘米-微米级尺度旋回的识别与划分
利用Acycle2.3软件中的“Spectral Analysis”及“Wavelet transform”功能对步骤一中挑选的旋回识别指标开展频谱分析及小波分析。具体如下:
(1)挑选出频谱分析中置信度高于90%的频率,并将其转化为旋回厚度。
(2)将挑选出的旋回厚度与小波分析结果对应,保证挑选出的厘米-微米级尺度旋回在岩心样品长度内稳定存在。
(3)对研究区其他深度的岩心样品的旋回识别指标重复步骤二中的(1)和(2)操作,得到不同深度岩样的旋回厚度,并确保识别出的厘米-微米级尺度旋回在研究区内稳定存在。
第三步:页岩沉积速率计算与旋回时间尺度确定
(1)根据工区的实际情况,选取对岩性变化敏感的测井曲线,这种测井曲线需要满足在不同岩性中的数值存在明显差异,比如选取的感应测井曲线,在泥质含量高的岩性中数值较高,而在砂质含量高的岩性中数值较低。利用Acycle2.3软件中“Detrending/CurveFitting”功能进行预处理,作为一种优选方案,Detrending window选择35%,DetrendingModel选择LOWESS(red)。(2)采用COCO法基于预处理后的测井曲线计算页岩的沉积速率,挑选处置信度高于90%的沉积速率值;具体可以采用Acycle2.3软件的“CorrelationCoefficient(COCO/eCOCO)”功能。(3)采用eCOCO法,建立利用COCO法挑选出沉积速率的在垂向上的分布特征,并读出不同深度的岩心样品所对应的沉积速率;具体可以采用Acycle2.3软件的“Correlation Coefficient(COCO/eCOCO)”功能实现。(4)将识别出的厘米-微米级尺度的旋回厚度除以沉积速率,得到旋回的时间尺度:
T=D/v
式中,T为旋回的时间尺度;
D为旋回厚度;
v为沉积速率。
第四步:厘米-微米级尺度旋回记录的古环境演化特征与驱动因素分析
对岩心样品进行厘米-微米级尺度旋回的滤波分析,将滤波结果与第一步中得到的元素叠合图件进行对应。以滤波结果为约束,在元素叠合图件上选取旋回的不同半周期,开展原位地球化学分析,重建厘米-微米级尺度旋回记录的古环境演化特征。将旋回的时间尺度及重建的古环境演化特征与可能的驱动因素所引起的环境周期性演化特征及时间尺度进行匹配,若匹配不成功,则与其他的驱动因素重新匹配,直至匹配成功,则该成功匹配的驱动因素为控制厘米-微米级尺度旋回形成的古环境演化的驱动因素。这种驱动因素可以为季节更替、大气环流、太阳活动周期等。
实施例2
一种鄂尔多斯盆地三叠系延长组长73段陆相页岩中厘米-微米级尺度旋回划分及驱动因素识别方法,其具体步骤如下:
步骤一:基于岩心样品的微区XRF元素定量分析与指标优选
选取鄂尔多斯盆地N70井中延长组长73段典型湖相页岩(长度>10cm),将岩心表面剖光,利用Bruker M4 Tornado微区高性能荧光光谱仪开展微区XRF元素定量分析,测试步长选取25-35μm,扫描速率设置为12ms/点,扫描时间设置为8h以上,得到岩心表面元素含量及分布的数据。
根据薄片显微观察或通过扫描电镜观察结合能谱分析,识别出不同类型纹层中主要的矿物类型,根据主要矿物类型选取特征元素:在本实施例中,粉砂级长英质纹层中以钾长石为主,另含有石英和斜长石,则选取K,Al和Si为该纹层的特征元素(图1B-D);富有机质纹层中含有大量粘土矿物及黄铁矿,则选定Fe、S元素为富有机质纹层的特征元素(图1E-F)。将Al、Si、K、Fe和S元素图像进行叠加获取不同岩性样品的元素叠加图件(图1A)。作为一种具体的方案,此处可以利用不同元素的色彩进行叠加,岩石中某种元素含量越低,其代表颜色越淡。
以元素叠加图件为约束,选取垂直纹层的方向,利用“Line scan”功能获取选定直线上的所有原子序数在11以上的元素相对百分含量。实际分析结果表明,不同类型纹层之间Mo/Ti及C值(C值指的是Σ(Fe+Mn+Cr+Ni+V+Co)/Σ(Ca+Mg+K+Na+Sr+Ba))存在较大差异(图1G-H),同时两种元素比值在垂向上存在明显的周期性变化特征(图1G-H),因此选用Mo/Ti及C值作为厘米-微米级尺度旋回识别指标。其中,C值计算公式中Fe、Mn、Cr、Ni、V、Co、Ca、Mg、K、Na、Sr、Ba均为元素符号,代表各元素含量。
其中以元素叠加图件为约束指的是:由于不同类型纹层中含有的主要元素类型不同,因此在元素叠加图件中可以识别出纹层及纹层的展布方向,如图1A中显示纹层为水平展布,因此,在Line scan的过程中,选取沿着垂直纹层的方向进行扫描,本实施例中线扫描区域的长度与岩心样品长度一致。
步骤二:厘米-微米级尺度旋回的识别与划分
利用Acycle2.3软件中的“Spectral Analysis”及“Wavelet transform”功能对不同岩心样品Mo/Ti及C值的分析结果开展频谱分析及小波分析。挑选置信度高于90%的频率并将其转化为旋回厚度。将挑选出的旋回厚度与小波分析结果对应,选出厘米-微米级尺度旋回在岩心样品长度内稳定存在的旋转厚度,如图2所示,以N70号井在深度1719.2m处的岩心样品为例,采用Mo/Ti作为旋回识别指标,得到26.6mm、5.91mm和1.83mm三个旋回厚度,此时,对应的长73段页岩中明显发育厘米-微米级尺度旋回,并且厘米-微米级尺度旋回在岩心长度内稳定发育(图2B)。将不同深度的岩心样品进行以上步骤,得到分别以Mo/T和C值作为旋回识别指标的旋回厚度,如表1,本实施例中研究区普遍发育18.0-26.7mm(厘米级)、3.6-5.9mm(毫米级)以及1.5-2.8mm(毫米-微米级)三个尺度的旋回。
表1鄂尔多斯盆地三叠系延长组长73段页岩中稳定存在的厘米-微米级尺度旋回
*时间尺度A-利用Mo/Ti识别的旋回时间尺度;时间尺度B-利用C值识别的旋回时间尺度
第三步:陆相页岩沉积速率计算与旋回时间尺度确定
由于长73段沉积时期存在火山喷发,火山灰带入了大量放射性铀元素(U)将影响GR曲线对岩性的识别,因此选用感应测井曲线CILD对沉积速率进行计算;利用Acycle2.3软件中“Detrending/Curve Fitting”功能进行预处理,作为一种优选方案,Detrendingwindow选择35%,Detrending Model选择LOWESS(red)。
以CILD测井数据为基础,以研究地层沉积时期的地球轨道参数为约束,利用COCO法和eCOCO法对预处理后的测井曲线进行沉积速率计算分析:
利用COCO法计算得到整个研究地层沉积时期所包含的沉积速率结果如图3所示,其中,长73段页岩沉积速率为5.4cm/kyr的置信度高于99%(图3A)。此外,沉积速率为4cm/kyr及10cm/kyr的置信度也高于90%(图3A)。由于研究地层不同深度处的页岩可能具有不同的沉积速率,采用COCO法计算得出的沉积速率的峰可能有多个,但置信度高于99%的沉积速率认为是可信的或是沉积地层的主要沉积速率。
由于eCOCO法计算沉积速率时需要对沉积速率参数进行预设定,再在该预设沉积速率区间内计算置信度,因此,以COCO法计算出的沉积速率作为eCOCO法中计算沉积速率预设值的参考,利用eCOCO法获取垂向上不同深度处页岩的沉积速率(图3B),其中,eH0SL指零假设检验H0显著性水平,沉积速率在某深度处的颜色越红代表该沉积速率越可信。读取沉积速率时,一般读取图3B中的红色区域对应的沉积速率,因为图3B中红色越深的沉积速率代表其在对应深度处的可信度更高。
最后,将旋回厚度与沉积速率相除,得到采用Mo/Ti和C值作为旋回识别指标的不同深度的岩心样品的时间尺度的范围均为360-500yr、81-110yr和30-57yr(如表1)。
第四步:厘米-微米级尺度旋回记录的古环境演化特征与驱动因素分析
选取岩心样品,开展厘米-微米级尺度旋回的滤波分析,将滤波结果与第一步中得到的元素叠合图件进行对应,结果如图4所示;其中,图4A-E中红色的线指的是Mo/Ti比值或者C值的分布特征,黑色的线代表旋回I或者旋回III的滤波结果;以图4A为例:红色的线指的是Mo/Ti比值的分布特征,黑色的线代表旋回I的滤波结果。此外,图4中SSFL为粉砂级长英质纹层,ORL为富有机质纹层。
将Mo/Ti以及C值在岩心长度范围内的分布特征与滤波结果相匹配,两者分别可以指示氧化还原环境以及湿度的演化特征(图4A-D)。然后,以滤波结果为约束,选取旋回的不同半周期,开展微钻取样+干酪根C同位素测试,得到分析古温度的演化过程(如图4E),作为一种具体方案,本实施例中选取了7个微钻取样的位置,得到7个干酪根C同位素值(数值具体对应图4E中的横坐标),图4E中红色虚线为C同位素分布的趋势线或包络线。其中,半周期的含义是指:以图4A为例,a、b两点间为旋回I的负半周期,b、c两点为旋回I的正半周期。
根据古环境演化重建结果,得到长73段厘米-微米级尺度旋回记录了干热-冷湿的古环境周期性变化特征:干热背景下还原性相对较弱指示了湖平面的降低,而冷湿背景下还原性较强指示了湖平面的升高。
而太阳活动周期通常具有~11yr、~22yr、30-50yr、~88yr、~210yr、350-500yr、~1000yr和~2241yr等八个准周期。太阳活动周期将引起地球表面日照量的变化及云量的变化,进而引起温度及降雨量的周期性变化:在太阳活动强烈期表现为温度升高,云量减少,降雨量降低,气候干热,湖平面降低;而在太阳活动衰弱期表现为温度降低,云量增加,降雨量升高,气候冷湿,湖平面升高的特征。由此可见,长73段页岩中旋回的时间尺度及古环境演化特征与太阳活动周期及其控制的环境演化特征非常相似,由此确定太阳活动周期是控制本实施例中的页岩厘米-微米级尺度旋回形成的古环境演化驱动因素。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作其它形式的限制,任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型,仍属于本发明技术方案的保护范围。
Claims (4)
1.页岩中厘米-微米级尺度旋回划分及驱动因素识别方法,其特征在于,具体步骤如下:
步骤一:基于岩心样品的微区XRF元素定量分析与指标优选
挑选不同深度的岩心样品,岩心样品的长度大于10cm,将岩心样品表面剖光,进行微区XRF元素定量分析;其中,扫描速率为12ms/点,扫描时间大于8h;得到元素定量分析结果,挑选不同类型纹层中的特征元素进行图像叠合,获取能够识别纹层类型及厚度变化的元素叠合图件;
以元素叠加图件为约束,对垂直纹层方向选取线分析位置,获得选定直线上的所有原子序数在11以上的元素相对百分含量;然后选择能够反映矿物成分及纹层类型变化的元素或元素比值作为旋回识别指标;
步骤二:厘米-微米级尺度旋回的识别与划分
对不同深度的岩心样品分别就其选择的旋回识别指标开展频谱分析及小波分析:选取频谱分析中置信度高于90%的频率,转化为旋回厚度,保留与小波分析结果对应的旋回厚度;
第三步:页岩沉积速率计算与旋回时间尺度确定
根据工区的实际情况,选取对岩性变化敏感的测井曲线,并对曲线进行预处理;采用COCO法计算页岩的沉积速率,并提取出置信度高于90%的沉积速率;再采用eCOCO法建立利用COCO法挑选出的沉积速率在垂向上的分布特征,得到不同深度的岩心样品对应的沉积速率;从而得到旋回的时间尺度;
T=D/v
式中,T为旋回的时间尺度;
D为旋回厚度;
v为沉积速率;
第四步:厘米-微米级尺度旋回记录的古环境演化特征与驱动因素分析
对岩心样品进行厘米-微米级尺度旋回的滤波分析,将滤波结果与步骤一中得到的元素叠合图件进行对应,以滤波结果为约束,在元素叠合图件上选取旋回的不同半周期,开展原位地球化学分析,重建厘米-微米级尺度旋回记录的古环境演化特征;将旋回的时间尺度及重建的古环境演化特征与可能的驱动因素所引起的环境周期性演化特征及时间尺度进行匹配,若匹配不成功,则与其他的驱动因素重新匹配,直至匹配成功,则该成功匹配的驱动因素为控制厘米-微米级尺度旋回形成的古环境演化的驱动因素。
2.根据权利要求1请求保护的页岩中厘米-微米级尺度旋回划分及驱动因素识别方法,其特征在于,微区XRF元素定量分析时,使用Bruker M4 Tornado微区高性能荧光光谱仪,测试步长的大小范围为20-40μm。
3.根据权利要求1请求保护的页岩中厘米-微米级尺度旋回划分及驱动因素识别方法,其特征在于,步骤一中不同类型纹层是通过薄片显微观察或采用扫描电镜观察结合能谱分析的方法识别得到。
4.权利要求1-3所述的方法的用途,其特征在于,用于识别陆相页岩或海相页岩中的厘米-微米级尺度旋回划分及驱动因素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210851136.8A CN115217470B (zh) | 2022-07-19 | 2022-07-19 | 页岩中厘米-微米级尺度旋回划分及驱动因素识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210851136.8A CN115217470B (zh) | 2022-07-19 | 2022-07-19 | 页岩中厘米-微米级尺度旋回划分及驱动因素识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115217470A true CN115217470A (zh) | 2022-10-21 |
CN115217470B CN115217470B (zh) | 2024-06-14 |
Family
ID=83611875
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210851136.8A Active CN115217470B (zh) | 2022-07-19 | 2022-07-19 | 页岩中厘米-微米级尺度旋回划分及驱动因素识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115217470B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116228453A (zh) * | 2023-03-15 | 2023-06-06 | 中国石油大学(华东) | 页岩有机质富集控制因素评价方法、系统、设备及终端 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3843063A1 (de) * | 1988-12-21 | 1990-06-28 | Siemens Ag | Verfahren zur verschwelung von oelschiefer, oelsanden oder aehnlichen oelhaltigen feststoffen |
EP1509033A1 (en) * | 2003-08-19 | 2005-02-23 | Alcatel | Method and devices for connecting IP terminations and PSTN terminations |
CN1588135A (zh) * | 2004-07-16 | 2005-03-02 | 中国科学院上海光学精密机械研究所 | 背入射式高密度石英反射光栅 |
CA2536388A1 (en) * | 2003-08-20 | 2005-03-03 | Bg Medicine, Inc. | Methods and systems for profiling biological systems |
RU2443001C1 (ru) * | 2010-08-05 | 2012-02-20 | Сергей Петрович Алексеев | Способ сбора информации об экологическом состоянии региона и автоматизированная система аварийного и экологического мониторинга окружающей среды региона |
RU2012153733A (ru) * | 2012-12-12 | 2014-06-27 | Открытое акционерное общество "Государственный научно-исследовательский навигационно-гидрографический институт" (ОАО "ГНИНГИ") | Способ геохимической разведки |
CN105201492A (zh) * | 2015-09-07 | 2015-12-30 | 山东科技大学 | 综合识别巨厚煤层内部沉积间断面的方法 |
CN105572757A (zh) * | 2015-11-03 | 2016-05-11 | 山东科技大学 | 一种描述煤系细粒沉积结构的方法 |
CN107515957A (zh) * | 2016-06-17 | 2017-12-26 | 中国石油化工股份有限公司 | 泥页岩层序地层划分方法 |
CN108828666A (zh) * | 2018-08-07 | 2018-11-16 | 中国石油大学(华东) | 一种正断层附近地层埋藏史的恢复方法 |
CN108919369A (zh) * | 2018-05-16 | 2018-11-30 | 中国海洋石油集团有限公司 | 一种定量识别米兰科维奇周期的方法 |
CN108957555A (zh) * | 2017-05-19 | 2018-12-07 | 中国石油化工股份有限公司 | 地层沉积过程平面周期性分析方法 |
CN110762268A (zh) * | 2018-07-09 | 2020-02-07 | 重庆川仪调节阀有限公司 | 一种调节阀内部尺寸设计方法 |
CN110865580A (zh) * | 2019-11-27 | 2020-03-06 | 中国船舶重工集团公司第七0七研究所 | 基于时分复用的半球谐振陀螺全差分控制系统及控制方法 |
CN112360410A (zh) * | 2020-11-23 | 2021-02-12 | 中国石油天然气股份有限公司 | 一种提高低渗透油藏水驱驱油效率的方法 |
CN113466957A (zh) * | 2021-07-13 | 2021-10-01 | 中国地质大学(北京) | 基于天文旋回的储集体定层方法及装置 |
CN114002750A (zh) * | 2021-09-27 | 2022-02-01 | 中国石油大学(北京) | 页岩层序识别方法、装置、电子设备及存储介质 |
-
2022
- 2022-07-19 CN CN202210851136.8A patent/CN115217470B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3843063A1 (de) * | 1988-12-21 | 1990-06-28 | Siemens Ag | Verfahren zur verschwelung von oelschiefer, oelsanden oder aehnlichen oelhaltigen feststoffen |
EP1509033A1 (en) * | 2003-08-19 | 2005-02-23 | Alcatel | Method and devices for connecting IP terminations and PSTN terminations |
CA2536388A1 (en) * | 2003-08-20 | 2005-03-03 | Bg Medicine, Inc. | Methods and systems for profiling biological systems |
CN1588135A (zh) * | 2004-07-16 | 2005-03-02 | 中国科学院上海光学精密机械研究所 | 背入射式高密度石英反射光栅 |
RU2443001C1 (ru) * | 2010-08-05 | 2012-02-20 | Сергей Петрович Алексеев | Способ сбора информации об экологическом состоянии региона и автоматизированная система аварийного и экологического мониторинга окружающей среды региона |
RU2012153733A (ru) * | 2012-12-12 | 2014-06-27 | Открытое акционерное общество "Государственный научно-исследовательский навигационно-гидрографический институт" (ОАО "ГНИНГИ") | Способ геохимической разведки |
CN105201492A (zh) * | 2015-09-07 | 2015-12-30 | 山东科技大学 | 综合识别巨厚煤层内部沉积间断面的方法 |
CN105572757A (zh) * | 2015-11-03 | 2016-05-11 | 山东科技大学 | 一种描述煤系细粒沉积结构的方法 |
CN107515957A (zh) * | 2016-06-17 | 2017-12-26 | 中国石油化工股份有限公司 | 泥页岩层序地层划分方法 |
CN108957555A (zh) * | 2017-05-19 | 2018-12-07 | 中国石油化工股份有限公司 | 地层沉积过程平面周期性分析方法 |
CN108919369A (zh) * | 2018-05-16 | 2018-11-30 | 中国海洋石油集团有限公司 | 一种定量识别米兰科维奇周期的方法 |
CN110762268A (zh) * | 2018-07-09 | 2020-02-07 | 重庆川仪调节阀有限公司 | 一种调节阀内部尺寸设计方法 |
CN108828666A (zh) * | 2018-08-07 | 2018-11-16 | 中国石油大学(华东) | 一种正断层附近地层埋藏史的恢复方法 |
CN110865580A (zh) * | 2019-11-27 | 2020-03-06 | 中国船舶重工集团公司第七0七研究所 | 基于时分复用的半球谐振陀螺全差分控制系统及控制方法 |
CN112360410A (zh) * | 2020-11-23 | 2021-02-12 | 中国石油天然气股份有限公司 | 一种提高低渗透油藏水驱驱油效率的方法 |
CN113466957A (zh) * | 2021-07-13 | 2021-10-01 | 中国地质大学(北京) | 基于天文旋回的储集体定层方法及装置 |
CN114002750A (zh) * | 2021-09-27 | 2022-02-01 | 中国石油大学(北京) | 页岩层序识别方法、装置、电子设备及存储介质 |
Non-Patent Citations (4)
Title |
---|
JIE LIU: "Sedimentation in a Continental High-Frequency Oscillatory Lake in an Arid Climatic Background: A Case Study of the Lower Eocene in the Dongying Depression, China", JOURNAL OF EARTH SCIENCE, vol. 28, no. 4, 31 August 2017 (2017-08-31), pages 628 - 644, XP036284877, DOI: 10.1007/s12583-016-0635-2 * |
WEI GUO: "Influence of sediment supply rate on sequence stratigraphic architecture change: A case study from the Kaiping Sag, northern South China Sea", MARINE AND PETROLEUM GEOLOGY, 5 May 2021 (2021-05-05), pages 1 - 12 * |
王健;操应长;李俊良;乐友喜: "北部湾盆地涠西南凹陷南坡古近系流二段滩坝砂体分布规律", 沉积学报, vol. 31, no. 003, 30 June 2013 (2013-06-30), pages 536 - 544 * |
陆静: "黑碳在古城开封地层沉积旋回划分中的应用", 基础科学, 15 March 2015 (2015-03-15), pages 23 - 40 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116228453A (zh) * | 2023-03-15 | 2023-06-06 | 中国石油大学(华东) | 页岩有机质富集控制因素评价方法、系统、设备及终端 |
Also Published As
Publication number | Publication date |
---|---|
CN115217470B (zh) | 2024-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100437147C (zh) | 多参数降维油气水层识别方法 | |
CN110441813B (zh) | 一种湖相优质烃源岩的发育分布的预测方法 | |
Martin et al. | Sedimentology and stratigraphy of an intra-cratonic basin coal seam gas play: Walloon Subgroup of the Surat Basin, eastern Australia | |
Turner et al. | Chemostratigraphic, palynostratigraphic, and sequence stratigraphic analysis of the Woodford Shale, Wyche Farm Quarry, Pontotoc County, Oklahoma | |
CN104991274A (zh) | 多种地质因素定量约束下的单一圈闭级的有利区优选方法 | |
Abyat et al. | Biostratigraphy and lithostratigraphy of Tarbur Formation (Upper Cretaceous) in southwest of Khorram Abad (southwest Iran) | |
De et al. | Depositional environment and geomechanical properties of Cambay Shale: potential reservoir for shale oil and gas in India | |
CN115217470A (zh) | 页岩中厘米-微米级尺度旋回划分及驱动因素识别方法 | |
Soreghan et al. | The paleoclimatic and geochronologic utility of coring red beds and evaporites: a case study from the RKB core (Permian, Kansas, USA) | |
CN107144566B (zh) | 利用化学-沉积相表征细粒沉积岩非均质性的方法 | |
Carlucci et al. | Trilobite biofacies along an Ordovician (Sandbian) carbonate buildup to basin gradient, southwestern Virginia | |
Hamon et al. | Integrated workflow for characterizing and modeling a mixed sedimentary system: The Ilerdian Alveolina Limestone Formation (Graus–Tremp Basin, Spain) | |
Ahmad et al. | Organic Geochemistry and Source Rock Characteristics of Salt Range Formation, Potwar Basin, Pakistan. | |
CN115204563A (zh) | 一种适用于砂岩型铀矿找矿目标层的评价方法 | |
Aisner‐Williams et al. | Facies and sequence stratigraphic architecture of the Mural Limestone (Albian), Arizona: Carbonate response to global and local factors and implications for reservoir characterization | |
Williams et al. | A predictive geospatial exploration model for Mississippi valley type Pb–Zn mineralization in the southeast Missouri lead district | |
Roush | Regional stratigraphic and core-based characterization of the Cline Shale, Midland Basin, Texas | |
Bashkova et al. | The Deep Structure of the Proterozoic Complex of the Sedimentary Cover the East European Platform: Oil and Gas Potential | |
Timm et al. | Geochemical and micropaleontological evidence of paleoenvironmental change in the Late Cretaceous Western Interior Seaway from the Niobrara to the Pierre Shale Formation | |
Stromberg et al. | Characterisation of the Neoarchean Fortescue Group Stratigraphy–Integrated downhole geochemical mineralogical correlation from new diamond drilling | |
CN114594518B (zh) | 基于井震交替的开发后期复杂断块精细地层对比方法 | |
CN111781330B (zh) | 基于多露头点的碳酸盐岩沉积旋回特征的研究方法 | |
Fang et al. | Characterization of lacustrine basin paleosalinity and its control on calcareous lithofacies distribution: a case study in the eastern Dongying Sag, China | |
CN115238986A (zh) | 一种沥青分布预测方法、装置及计算机可读存储介质 | |
Waid et al. | Sequence stratigraphy in mixed carbonate & clastic successions: examples from the lower Silurian of Ohio in core and outcrop |
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 |