CN115308205B - 一种细粒混积岩划分方法、系统、介质及终端 - Google Patents
一种细粒混积岩划分方法、系统、介质及终端 Download PDFInfo
- Publication number
- CN115308205B CN115308205B CN202210955995.1A CN202210955995A CN115308205B CN 115308205 B CN115308205 B CN 115308205B CN 202210955995 A CN202210955995 A CN 202210955995A CN 115308205 B CN115308205 B CN 115308205B
- Authority
- CN
- China
- Prior art keywords
- fine
- rock
- mixed
- mixed rock
- grained
- 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.)
- Active
Links
- 239000011435 rock Substances 0.000 title claims abstract description 209
- 238000000034 method Methods 0.000 title claims abstract description 64
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 93
- 239000011707 mineral Substances 0.000 claims abstract description 93
- 230000008021 deposition Effects 0.000 claims abstract description 52
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 38
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 38
- 230000008878 coupling Effects 0.000 claims abstract description 38
- 238000010168 coupling process Methods 0.000 claims abstract description 38
- 238000005859 coupling reaction Methods 0.000 claims abstract description 38
- 238000004458 analytical method Methods 0.000 claims abstract description 31
- 238000005070 sampling Methods 0.000 claims abstract description 15
- 238000009826 distribution Methods 0.000 claims abstract description 13
- 238000005553 drilling Methods 0.000 claims abstract description 12
- 239000004927 clay Substances 0.000 claims description 37
- 229910001748 carbonate mineral Inorganic materials 0.000 claims description 22
- 239000002734 clay mineral Substances 0.000 claims description 18
- 239000010419 fine particle Substances 0.000 claims description 18
- 239000002245 particle Substances 0.000 claims description 14
- 239000000843 powder Substances 0.000 claims description 13
- 238000000638 solvent extraction Methods 0.000 claims description 13
- 230000015572 biosynthetic process Effects 0.000 claims description 10
- 238000005755 formation reaction Methods 0.000 claims description 10
- 239000013049 sediment Substances 0.000 claims description 10
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 claims description 9
- 239000010433 feldspar Substances 0.000 claims description 9
- 239000010453 quartz Substances 0.000 claims description 9
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 9
- 239000005416 organic matter Substances 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 4
- 229910001919 chlorite Inorganic materials 0.000 claims description 3
- 229910052619 chlorite group Inorganic materials 0.000 claims description 3
- QBWCMBCROVPCKQ-UHFFFAOYSA-N chlorous acid Chemical compound OCl=O QBWCMBCROVPCKQ-UHFFFAOYSA-N 0.000 claims description 3
- 229910052900 illite Inorganic materials 0.000 claims description 3
- NLYAJNPCOHFWQQ-UHFFFAOYSA-N kaolin Chemical compound O.O.O=[Al]O[Si](=O)O[Si](=O)O[Al]=O NLYAJNPCOHFWQQ-UHFFFAOYSA-N 0.000 claims description 3
- 229910052622 kaolinite Inorganic materials 0.000 claims description 3
- VGIBGUSAECPPNB-UHFFFAOYSA-L nonaaluminum;magnesium;tripotassium;1,3-dioxido-2,4,5-trioxa-1,3-disilabicyclo[1.1.1]pentane;iron(2+);oxygen(2-);fluoride;hydroxide Chemical compound [OH-].[O-2].[O-2].[O-2].[O-2].[O-2].[F-].[Mg+2].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[K+].[K+].[K+].[Fe+2].O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2 VGIBGUSAECPPNB-UHFFFAOYSA-L 0.000 claims description 3
- 239000013078 crystal Substances 0.000 claims description 2
- 238000003860 storage Methods 0.000 claims description 2
- 210000004884 grey matter Anatomy 0.000 claims 1
- 238000002372 labelling Methods 0.000 claims 1
- 239000003079 shale oil Substances 0.000 abstract description 19
- 238000011161 development Methods 0.000 abstract description 13
- YQCIWBXEVYWRCW-UHFFFAOYSA-N methane;sulfane Chemical compound C.S YQCIWBXEVYWRCW-UHFFFAOYSA-N 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000002441 X-ray diffraction Methods 0.000 abstract description 6
- 235000021185 dessert Nutrition 0.000 abstract description 3
- 238000007431 microscopic evaluation Methods 0.000 abstract 1
- 239000010410 layer Substances 0.000 description 64
- 238000010586 diagram Methods 0.000 description 15
- 230000008901 benefit Effects 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 229910021532 Calcite Inorganic materials 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 235000011850 desserts Nutrition 0.000 description 4
- 229910000514 dolomite Inorganic materials 0.000 description 4
- 239000010459 dolomite Substances 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 239000004576 sand Substances 0.000 description 4
- 239000002356 single layer Substances 0.000 description 4
- 239000004215 Carbon black (E152) Substances 0.000 description 3
- 229930195733 hydrocarbon Natural products 0.000 description 3
- 150000002430 hydrocarbons Chemical class 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 239000002956 ash Substances 0.000 description 2
- 238000005266 casting Methods 0.000 description 2
- 238000005136 cathodoluminescence Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 206010035148 Plague Diseases 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- BVKZGUZCCUSVTD-UHFFFAOYSA-N carbonic acid Chemical compound OC(O)=O BVKZGUZCCUSVTD-UHFFFAOYSA-N 0.000 description 1
- 238000009388 chemical precipitation Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000011028 pyrite Substances 0.000 description 1
- 229910052683 pyrite Inorganic materials 0.000 description 1
- NIFIFKQPDTWWGU-UHFFFAOYSA-N pyrite Chemical compound [Fe+2].[S-][S-] NIFIFKQPDTWWGU-UHFFFAOYSA-N 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N1/04—Devices for withdrawing samples in the solid state, e.g. by cutting
- G01N1/08—Devices for withdrawing samples in the solid state, e.g. by cutting involving an extracting tool, e.g. core bit
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/2813—Producing thin layers of samples on a substrate, e.g. smearing, spinning-on
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/38—Diluting, dispersing or mixing samples
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N15/1468—Optical investigation techniques, e.g. flow cytometry with spatial resolution of the texture or inner structure of the particle
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/20—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by using diffraction of the radiation by the materials, e.g. for investigating crystal structure; by using scattering of the radiation by the materials, e.g. for investigating non-crystalline materials; by using reflection of the radiation by the materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/20—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by using diffraction of the radiation by the materials, e.g. for investigating crystal structure; by using scattering of the radiation by the materials, e.g. for investigating non-crystalline materials; by using reflection of the radiation by the materials
- G01N23/20008—Constructional details of analysers, e.g. characterised by X-ray source, detector or optical system; Accessories therefor; Preparing specimens therefor
- G01N23/2005—Preparation of powder samples therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
- G01N33/243—Earth materials for determining biological parameters concerning composting, biodegradability or bioavailability
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24317—Piecewise classification, i.e. whereby each classification requires several discriminant rules
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N2015/0042—Investigating dispersion of solids
- G01N2015/0061—Investigating dispersion of solids in solids, e.g. petrography
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N2015/1493—Particle size
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Medicinal Chemistry (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Food Science & Technology (AREA)
- Remote Sensing (AREA)
- Geology (AREA)
- Crystallography & Structural Chemistry (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Dispersion Chemistry (AREA)
Abstract
本发明公开了一种细粒混积岩划分方法、系统、介质及终端,通过岩心描述、薄片采集和观察,宏观和微观相结合准确识别细粒混积岩样品的沉积构造类型及其垂向分布特征。运用微钻取样技术,避开成岩矿物,对具有不同类型沉积构造的样品进行取样,采用X射线衍射矿物含量分析和高精度碳硫分析仪,获取样品中不同类型矿物的含量值和样品的总有机碳含量;明确指出不同类型纹层组合或层耦的混合沉积现象;在细粒混积岩类型名称的最前面加上总有机碳含量。本发明的方案,不仅有效避开了成岩矿物的影响,而且能更完整、更准确地准确地表征不同类型的细粒混积岩,使细粒混积岩类型序列变得更加细致,这对明确页岩油气开发甜点,具有重要的指导意义。
Description
技术领域
本发明属于细粒混积岩划分技术领域,尤其涉及一种细粒混积岩划分方法、系统、介质及终端。
背景技术
近年来,随着全球非常规油气资源勘探和开发的不断突破,页岩油气资源已成为当今和未来油气勘探的主要领域。
细粒混积岩作为页岩油气资源的烃源岩和储层,是陆相盆地页岩油气勘探和开发的核心研究载体。页岩油气地质理论和勘探实践表明,如何正确划分细粒混积岩是有效识别页岩油气开发甜点的核心问题,也是页岩油气成功勘探的关键。可见,建立一套可应用于理论研究和生产实践的细粒混积岩划分方法,并明确优质细粒混积岩类型是目前亟待解决的关键技术问题。
针对陆相细粒混积岩划分,前人也做了一些探索。他们主要根据矿物成分的三角图投点开展细粒混积岩划分,即将获取的细粒混积岩矿物含量投入三个端元分别为石英+长石含量、碳酸盐含量、粘土矿物(或火山碎屑)含量的划分三角图中,三角图常以不同端元矿物含量的10%、25%、50%、75%为界划分出不同的区域,根据样品点在三角图中的不同区域命名为不同类型的细粒混积岩,最后结合样品的沉积构造(纹层状、层状、块状等)综合命名。
上述方法存在的问题及缺陷为:
(1)在细粒混积岩矿物含量的获取方法方面,现有利用薄片观察统计不同类型矿物含量的方法中,薄片只能观察整块样品的局部,不能准确地表征整块样品的矿物含量特征,并且在矿物含量估计过程中主观性较强。
(2)由于陆相细粒混积岩通常具有较强的非均质性。而现有陆相细粒混积岩划分方法中,用地质锤采集样品不能准确区分不同类型的细粒混积岩,造成对不同类型细粒混积岩发育的精确位置和发育的准确厚度的判断出现较大误差;以及不能有效剔除成岩矿物,而成岩矿物的混入会导致细粒混积岩类型识别出现错误。
(3)在沉积构造表述方面,一块样品通常发育两种或两种以上不同类型的纹层,例如,灰质纹层、粘土质纹层、粉砂质纹层等。不同类型的纹层具有不同的沉积成因和不同的储层及岩石力学特征,现有技术笼统用“纹层状”表述样品的沉积构造,难以表征不同类型纹层组合或层耦的混合沉积现象。
(4)总有机碳含量(TOC)是优质细粒混积岩类型识别和页岩油气资源评价的关键参数,不同类型细粒混积岩的TOC含量具有明显差异。通常,细粒混积岩的TOC值小于0.5%,代表了差烃源岩;细粒混积岩的TOC值分布于0.5~1.0%,代表了有效烃源岩;细粒混积岩的TOC值分布于1.0~2.0%,代表了好烃源岩;细粒混积岩的TOC值分布于2.0~4.0%,代表了优质烃源岩;细粒混积岩的TOC值大于4.0%,代表了极优质烃源岩。在以往的技术方案中,这一参数极少被用于细粒混积岩类型划分。
上述对于现有技术的分析为本申请发明人出于研发目的所作出,并不一定属于现有技术的公开。
发明内容
针对现有技术存在的问题,本发明提供了一种细粒混积岩划分方法、系统、介质及终端。不仅有效避开了成岩矿物的影响,而且能更完整、更准确地准确地表征不同类型的细粒混积岩,使细粒混积岩类型序列变得更加细致,这对明确页岩油气开发甜点,具有重要的指导意义。
本发明是这样实现的,一种细粒混积岩划分方法,包括:
对岩心详细描述,将肉眼可以识别的具有不同沉积构造的层段进行标记并系统取样,每块样品的一半用于薄片观察,另一半根据薄片微观观察结果,进一步区分出肉眼不能识别、但薄片能观察到的具有不同沉积构造的部分并标记。运用微钻取样技术,在避开成岩矿物的情况下,对具有不同沉积构造的部分系统取粉末样,均匀混合后进行矿物含量分析和总有机碳含量(TOC)分析,获取样品中不同类型矿物的含量值和总有机碳含量(TOC);所述不同类型包括纹层状类型和细粒混积岩类型;将纹层状划分多种层耦类型,确定不同层耦类型纹层组合或层耦的混合沉积;在细粒混积岩类型名称的前面标注总有机碳含量(TOC)。
其中,粉末样品均匀混合后采用X射线衍射矿物含量分析,获取样品中不同类型矿物的含量值;在沉积构造表述上,将“纹层状”细分为灰质-粘土质层耦、灰质-粉砂质层耦、粘土质-粉砂质层耦、灰质-粘土质-粉砂质层耦类型,明确指出不同类型纹层组合或层耦的混合沉积现象;在细粒混积岩类型名称的最前面加上总有机碳含量(TOC)。
进一步,所述细粒混积岩划分方法还包括:
细粒混积岩的TOC值小于0.5%,命名为极贫有机质;细粒混积岩的TOC值分布于0.5~1.0%,命名为贫有机质;细粒混积岩的TOC值分布于1.0~2.0%,命名为含有机质;细粒混积岩的TOC值分布于2.0~4.0%,命名为富有机质;细粒混积岩的TOC值大于4.0%,命名为极富有机质。
进一步,所述细粒混积岩划分方法包括以下步骤:
步骤一,进行系统的岩芯描述,薄片采集和观察,宏观和微观相结合准确识别出细粒混积岩样品的沉积构造类型及其垂向分布特征,运用微钻,在避开成岩矿物的情况下,对具有不同类型沉积构造的细粒混积岩进行系统取样;
步骤二,采用X射线衍射仪和高精度碳硫分析仪对每个样品进行矿物成分分析和总有机碳含量分析,获得每个样品中不同矿物成分含量和总有机碳含量(TOC);
步骤三,采用基于矿物含量的细粒混积岩三角图划分方法对细粒混积岩类型进行划分,确定4大类18小类基本岩石类型。
步骤四,在划分出的基本岩石类型的名称前冠以沉积构造,并在沉积构造前标注不同样品的总有机碳含量(TOC)。
进一步,所述步骤一中,通过开展系统的岩芯描述、薄片采集和观察,对每一个细粒混积岩样品的颜色、沉积构造、生物特征以及矿物组成进行精细描述,重点识别出样品的沉积构造类型及其垂向分布特征。
进一步,所述步骤二中,采用X射线衍射仪和高精度碳硫分析仪对每个样品进行矿物成分分析和总有机碳含量(TOC)分析,获得每个样品中不同类型矿物的含量和总有机碳含量(TOC)。细粒混积岩沉积构造包括块状构造、纹层状构造和层状构造;其中块状构造是粘土矿物、碳酸盐矿物和陆源碎屑矿物中两种或者三种分散或均匀混合的结果,没有一定的成层性;层状构造是指由不同的混积岩或非混积岩按照一定的厚度比例混合而形成层理构造,单个岩层厚度差别很大,从微米级到米级不等。将小于1cm的单层定义为纹层状,大于1cm的定义为层状;纹层状构造包括灰质-粘土质层耦、灰质-粉砂质层耦、粘土质-粉砂质层耦以及灰质-粘土质-粉砂质层耦类型。
进一步,所述步骤三中,采用基于矿物含量的细粒混积岩三角图划分方法对细粒混积岩类型进行划分;其中,所述三角图的三端元分别是:①粘土矿物端元A,是高岭石、伊利石和绿泥石在内的粘土矿物的总和,粒度均为粘土级;②碳酸盐岩端元C,包括化学、生物-化学成因的各类碳酸盐矿物,主要为方解石和白云石;细粒混积岩③陆源碎屑矿物端元S,包括碎屑石英和长石在内的矿物;在陆相细粒混积岩中,陆源碎屑颗粒的石英和长石粒度为分散状混入的粉砂级颗粒,此外陆源碎屑颗粒常呈砂岩条带混合到细粒混积岩中。
利用S-A-C三角图划分出4大类18小类岩石类型,其中4大类分别为灰质大类、粘土质大类、砂质大类和混合质大类。其中,混合质大类属于真正的混积岩或狭义的混积岩;灰质大类、粘土质大类、砂质大类分别按照10%、25%、50%、75%、90%含量标准以及三角形角分线再细分出5类。对于粘土与碳酸盐矿物混合沉积的细粒混积岩分类按照简化的“二元图解”分类。
进一步,所述步骤四中,在划分出的基本岩石类型的名称前冠以沉积构造,包括块状、层状、灰质-粘土质层耦、灰质-粉砂质层耦、粘土质-粉砂质层耦、灰质-粘土质-粉砂质层耦;在沉积构造前标注不同样品的总有机碳含量(TOC),即极贫有机质、贫有机质、含有机质、富有机质、极富有机质。
本发明的另一目的在于提供一种应用所述的细粒混积岩划分方法的细粒混积岩划分系统,所述细粒混积岩划分系统包括:
样品观察分析模块,用于开展系统的岩芯描述、薄片采集和观察,宏观和微观结合准确识别出细粒混积岩样品的沉积构造类型及垂向分布特征,进一步对具有不同沉积构造的细粒混积岩进行微钻系统取样;
矿物成分含量确定模块,用于采用X射线衍射仪和高精度碳硫分析仪对每个样品进行矿物成分分析和总有机碳含量(TOC)分析,获得每个样品中不同矿物成分含量和总有机碳含量(TOC);
岩石类型划分模块,用于采用基于矿物含量的细粒混积岩三角图划分方法对细粒混积岩类型进行划分,确定4大类18小类岩石类型。
本发明的另一目的在于提供一种终端,所述终端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的细粒混积岩划分方法的步骤。
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的细粒混积岩划分方法的步骤。
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、针对现有陆相细粒混积岩划分方法存在的不足,本方法作出了相应的改进。
首先,在细粒混积岩矿物含量的获取方法方面,本方法通过详细的岩芯和薄片观察,运用微钻技术进行系统取样,将取出的样品粉末均匀混合后采用X射线衍射(XRD)矿物含量分析,获取样品中不同类型矿物的含量值,有效解决了成岩矿物不能有效剔除的问题,以及薄片观察统计矿物含量过程中出现的主观性和片面性的问题。
其次,在沉积构造表述方面,将“纹层状”进一步细分为灰质-粘土质层耦、灰质-粉砂质层耦、粘土质-粉砂质层耦、灰质-粘土质-粉砂质层耦等类型,明确指出了不同类型纹层组合或层耦的混合沉积现象。
最后,在细粒混积岩类型名称的最前面加上了总有机碳含量(TOC),其中,细粒混积岩的TOC值小于0.5%,命名为极贫有机质;细粒混积岩的TOC值分布于0.5~1.0%,命名为贫有机质;细粒混积岩的TOC值分布于1.0~2.0%,命名为含有机质;细粒混积岩的TOC值分布于2.0~4.0%,命名为富有机质;细粒混积岩的TOC值大于4.0%,命名为极富有机质,对更清晰、更准确地识别优质细粒混积岩类型具有重要意义。
第二,本发明提供的细粒混积岩划分方法,完成了对所有细粒混积岩样品的类型划分和命名。这对明确页岩油气开发甜点,具有重要的指导意义。相比目前已有的技术,本发明具有明显的客观性、准确性和全面性,有非常显著的进步。
第三,作为本发明的权利要求的创造性辅助证据,本申请还公开以下几个重要方面的有益效果:
(1)本发明的技术方案转化后的预期收益和商业价值为:
主要表现在服务于中国石化胜利油田页岩油勘探与开发,也应用于渤海湾盆地其他坳陷、江汉盆地等地区的页岩油气勘探。因该方法成功揭示了陆相含油页岩非均质的本质,有效解决了页岩油气开发甜点准确识别的核心问题,不仅有助于节约页岩油气勘探成本和减少勘探周期,而且对于钻水平井至关重要,必将促进陆相页岩油的高效开发和产能建设,具有重要意义。本发明的技术方案得到了中石化胜利油田、中石化江汉油田、中海油天津分公司等的高度认可,获得了很大的经济社会效益,具有很大的推广价值。
(2)本发明的技术方案解决了人们一直渴望解决、但始终未能获得成功的技术难题:
如何正确划分细粒混积岩是有效识别页岩油气开发甜点的核心问题,也是页岩油气成功勘探的关键。因此,油气勘探开发人员一直渴望建立一套可应用于理论研究和生产实践的细粒混积岩划分方法,并运用该方法进一步明确优质细粒混积岩类型。本发明建立了这种方法,面对细粒混积岩非均质性强的问题,本方法将微钻技术引入本发明的样品系统采集工作,不仅有效解决了长期困扰油气勘探开发人员的成岩矿物不能有效避开的难题,而且可以对岩芯和薄片观察中具有细微区别的细粒混积岩分别精细取样,使勘探开发实践中,单井岩芯的细粒混积岩类型序列更加细致和准确。
(3)本发明的技术方案克服了技术偏见:
本发明克服了技术偏见,因为本发明在对陆相细粒混积岩划分时考虑全面,为以粘土矿物、碳酸盐矿物、陆源碎屑矿物为主要组成的细粒混积岩建立了“三元图解”分类,为以粘土与碳酸盐矿物混合沉积的细粒混积岩建立了简化的“二元图解”分类,完善了现有技术只用“三元图解”划分细粒混积岩的方法;本发明在对细粒混积岩命名时,充分考虑了它的沉积构造和总有机碳含量,相比现有技术,不仅能更准确地准确地表征不同类型的细粒混积岩,而且能更清晰地识别优质的细粒混积岩类型,具有重要意义。
附图说明
为了更清楚地说明本发明实施条例的技术方案,下面将对本发明实施例中所需要使用的附图做简单的介绍,显而易见地,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的附图。
图1是本发明实施例提供的细粒混积岩划分方法流程图;
图2是本发明实施例提供的基于矿物含量的细粒混积岩(页岩)分类方案三元图;
图3是本发明实施例提供的基于矿物含量的细粒混积岩(页岩)分类方案二元图。
图中:
S:硅质碎屑矿物总和(石英+长石);
A:粘土矿物总和;
C:碳酸盐矿物(方解石和白云石)总和;
富硅质大类:(A)SS含粘土硅质页岩,(C)SS含碳酸质硅质页岩,ASS粘土质硅质页岩,CSS碳酸质硅质页岩;
SS:(纯)硅质页岩;
富碳酸质大类:(S)C含硅碳酸盐岩,(A)C含粘土碳酸盐岩,SC硅质碳酸盐岩,AC粘土质碳酸盐岩,CC(纯)碳酸盐岩;
富粘土质大类:(S)AS(含硅质)粘土质页岩,(C)AS(含碳酸质)粘土质页岩,SAS硅质粘土质页岩;CAS:碳酸质粘土质页岩;AA:(纯)粘土页岩;
混合质大类:(C)A-SMS含碳酸质粘土质-硅质混合页岩,(A)C-SMS含粘土质碳酸质-硅质混合页岩,(C)S-AMS含碳酸质硅质-粘土质混合页岩。
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用以解释本发明,并不用于限定本发明。
术语解释:陆相盆地:在陆地地区形成的沉积盆地;细粒混积岩:在机械搬运、生物成因-化学沉淀、火山喷发、热液上涌等地质因素共同作用下(至少2种),形成的以长英质矿物、粘土矿物和碳酸盐矿物为主要组成矿物,并以矿物成分混合或层耦(单个纹层150μm左右)的方式产出沉积岩,其粒径一般小于62.5μm。
本发明实施例提供的细粒混积岩划分方法在细粒混积岩矿物含量获取方面,通过岩心描述、薄片采集和观察,宏观和微观相结合准确识别细粒混积岩样品的沉积构造类型及垂向分布特征,运用微钻技术对具有不同类型沉积构造的样品进行系统取样,将所取粉末样均匀混合后采用X射线衍射矿物含量分析和高精度碳硫分析仪,获取样品中不同类型矿物的含量值和样品的总有机碳含量(TOC);在沉积构造表述方面,将“纹层状”细分为灰质-粘土质层耦、灰质-粉砂质层耦、粘土质-粉砂质层耦、灰质-粘土质-粉砂质层耦类型,明确指出不同类型纹层组合或层耦的混合沉积现象;在细粒混积岩类型名称的最前面加上总有机碳含量TOC。
如图1所示,本发明实施例提供的细粒混积岩划分方法包括以下步骤:
S101,开展系统的岩芯描述、薄片采集和观察,宏观和微观结合准确识别出细粒混积岩样品的沉积构造类型及垂向分布特征,运用微钻,在避开成岩矿物的情况下,对具有不同类型沉积构造的细粒混积岩进行系统取样;
S102,采用X射线衍射仪和高精度碳硫分析仪对每个样品进行矿物成分分析和总有机碳含量(TOC)分析,获得每个样品中不同矿物成分含量和总有机碳含量(TOC);
S103,采用基于矿物含量的细粒混积岩三角图划分方法对细粒混积岩类型进行划分,确定4大类18小类岩石类型。
S104,在划分出的基本岩石类型的名称前冠以沉积构造,并在沉积构造前标注不同样品的总有机碳含量(TOC)。
作为优选,本发明实施例提供的细粒混积岩划分方法具体包括:
首先开展系统的岩芯描述,将肉眼可以识别的具有不同沉积构造的层段进行标记并系统取样,每块样品的一半用于薄片观察,另一半根据薄片微观观察结果,进一步区分出肉眼不能识别、但薄片能观察到的具有不同沉积构造的部分并标记。
在此过程中,对每一个细粒混积岩样品的颜色、沉积构造、生物特征以及矿物组成等方面进行精细的描述,重点识别出它们的沉积构造类型及其垂向分布特征。运用微钻取样技术,在避开成岩矿物的情况下,对具有不同沉积构造的细粒混积岩系统取粉末样。
在此基础上,采用X射线衍射仪和高精度碳硫分析仪对每个粉末样进行矿物成分分析和总有机碳含量(TOC)分析,获得每个样品中不同矿物成分含量和总有机碳含量(TOC)(注:细粒混积岩沉积构造包括块状构造、纹层状构造和层状构造,其中块状构造是粘土矿物、碳酸盐矿物和陆源碎屑矿物中两种或者三种分散或均匀混合的结果,没有一定的成层性;层状构造是指由不同的混积岩或非混积岩按照一定的厚度比例混合而形成层理构造。单个岩层厚度差别很大,从微米级到米级不等。一般将小于1cm的单层定义为纹层状,大于1cm的定义为层状。纹层状构造一般包括灰质-粘土质层耦、灰质-粉砂质层耦、粘土质-粉砂质层耦、灰质-粘土质-粉砂质层耦等类型)。
结合图2及图3,本发明实施例采用基于矿物含量的细粒混积岩三角图划分方法对细粒混积岩类型进行划分。该方法中三角图的三端元分别是:①粘土矿物端元(A),高岭石、伊利石、绿泥石等粘土矿物的总和,它们粒度均为粘土级。②碳酸盐岩端元(C),包括化学、生物-化学成因的各类碳酸盐矿物,主要为方解石和白云石。在细粒混积岩中,碳酸盐矿物常为泥晶结构,偶夹粒度较粗的颗粒碳酸盐矿物。③陆源碎屑矿物端元(S),主要指碎屑石英、长石等矿物。在陆相细粒混积岩中,陆源碎屑颗粒的石英和长石粒度一般为分散状混入的粉砂级颗粒,此外陆源碎屑颗粒常呈砂岩条带混合到细粒混积岩中。
利用S-A-C三角图可以划分出4大类18小类岩石类型,其中4大类分别为灰质大类、粘土质大类、砂质大类和混合质大类。混合质大类属于真正的混积岩或狭义的混积岩。灰质大类、粘土质大类、砂质大类分别按照10%、25%、50%、75%、90%含量标准以及三角形角分线再细分出5类。这样的分类可以很好地区分混合作用趋势。由于在陆相细粒混积岩中粘土与碳酸盐矿物的混合沉积最常见,因此对于粘土与碳酸盐矿物混合沉积的细粒混积岩分类可按照简化的“二元图解”分类。在划分出的细粒混积岩名称前冠以它们的沉积构造,即块状、层状、灰质-粘土质层耦、灰质-粉砂质层耦、粘土质-粉砂质层耦、灰质-粘土质-粉砂质层耦等。最后,将不同样品的总有机碳含量(TOC)名称(即极贫有机质、贫有机质、含有机质、富有机质、极富有机质)放在沉积构造之前。
本发明实施例提供的细粒混积岩划分系统包括:
样品观察分析模块,用于开展系统的岩芯描述、薄片采集和观察,宏观和微观结合准确识别出细粒混积岩样品的沉积构造类型及垂向分布特征,对具有不同沉积构造的细粒混积岩进行微钻系统取样;
矿物成分含量确定模块,用于采用X射线衍射仪对每个样品进行矿物成分分析和总有机碳含量(TOC)分析,获得每个样品中不同矿物成分含量;
岩石类型划分模块,用于采用基于矿物含量的细粒混积岩三角图划分方法对细粒混积岩类型进行划分,确定4大类18小类岩石类型。
二、实施例相关效果的证据。本发明实施例在研发或者使用过程中取得了一些积极效果,和现有技术相比的确具备很大的优势,下面内容结合试验过程的数据、图表等进行描述。
本发明实施例选取渤海湾盆地东营凹陷内的NY1井、FY1井、LY1井和沾化凹陷内的Luo69井的连续细粒混积岩作为细粒混积岩划分的实施对象。首先,针对NY1井、FY1井、LY1井和Luo69井开展系统的岩芯描述、薄片采集和观察(本发明实施例采用了德国LeicaDM2500显微镜对薄片观察和描述开展研究),详细描述细粒混积岩的宏观和微观的岩石结构、沉积构造、碳酸盐矿物的分布特征以及生物化石等,准确区分具有不同沉积构造的部分并标记,结合阴极发光(本发明实施例采用了英国CITL CL8200 MK5型阴极发光仪结合德国Leica DM2500显微镜开展研究)仔细判别细粒混积岩中可能出现的成岩矿物(例如亮晶方解石、黄铁矿细条带等);根据薄片观察,剔除页岩受到明显成岩作用的深度范围,在未受到明显成岩作用的区域,运用微钻技术(本实例采用了美国NEW WAVE MicroMill微区取样仪)对具有不同沉积构造的部分进行系统采集样品的工作,完成样品采集后,对钻取的样品粉末进行XRD矿物成分分析(本发明实施例采用了荷兰帕纳科公司生产的XPert PRO DY2198型X-射线衍射仪)和总有机碳含量(TOC)分析(本发明实施例采用美国力克LECO CS600高精度碳硫分析仪),确定不同沉积构造样品中不同矿物成分含量和总有机碳含量(TOC)。
将每个样品XRD矿物成分分析得到的不同矿物的含量进行组合,组合规则是:石英和长石含量之和作为硅质碎屑矿物总和(S),粘土矿物含量作为粘土矿物总和(A),方解石和白云石含量之和作为碳酸盐矿物总和(C)。所有样品的硅质碎屑矿物总和(S)、粘土矿物总和(A)、碳酸盐矿物总和(C)计算完成后,投到基于矿物含量的细粒混积岩分类方案三元图和二元图中,需要注意的是二元图仅限于粘土与碳酸盐矿物混合沉积的细粒混积岩。
对投在细粒混积岩分类方案三元图和二元图不同类型区的样品分别命名,命名的基本原则分别如图2和图3所示。在所有被命名的细粒混积岩样品前冠以它们各自的沉积构造,包括块状、层状、灰质-粘土质层耦、灰质-粉砂质层耦、粘土质-粉砂质层耦、灰质-粘土质-粉砂质层耦等;进一步将每个样品的TOC含量所代表的名称加在沉积构造之前(样品的TOC值小于0.5%,命名为极贫有机质;样品的TOC值分布于0.5~1.0%,命名为贫有机质;样品的TOC值分布于1.0~2.0%,命名为含有机质;样品的TOC值分布于2.0~4.0%,命名为富有机质;样品的TOC值大于4.0%,命名为极富有机质),从而完成对所有细粒混积岩样品的类型划分和命名。这对明确页岩油气开发甜点,具有重要的指导意义。相比目前已有的技术,本发明在矿物含量分析方面具有明显的客观性、在细粒混积岩类型识别方面具有明显的准确性,在细粒混积岩命名方面具有明显的全面性,这对页岩油气勘探的节本增效具有重要的指导意义,有非常显著的进步。
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终端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。本发明的系统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做的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种细粒混积岩划分方法,其特征在于,包括:
岩心描述、薄片采集和观察;
运用微钻取样,将样品均匀混合后进行矿物含量分析和总有机碳含量分析,获取样品中不同类型矿物的含量值和总有机碳含量;
所述不同类型包括纹层状类型和细粒混积岩类型;
将纹层状划分多种层耦类型,确定不同层耦类型纹层组合或层耦的混合沉积;
在细粒混积岩类型名称的前面标注总有机碳含量;
所述运用微钻取样时,避开成岩矿物,对具有不同沉积构造的细粒混积岩系统取样。
2.如权利要求1所述细粒混积岩划分方法,其特征在于,所述将纹层状划分多种层耦类型包括:
灰质-粘土质层耦、灰质-粉砂质层耦、粘土质-粉砂质层耦、灰质-粘土质-粉砂质层耦。
3.如权利要求1所述细粒混积岩划分方法,其特征在于,所述岩心详细描述、薄片采集和观察包括:
宏观和微观结合准确识别出细粒混积岩样品的沉积构造类型及其垂向分布特征;对每一个细粒混积岩样品的颜色、沉积构造、生物特征以及矿物组成从宏观和微观的角度综合分析,准确识别出样品的沉积构造类型及其垂向分布特征,以及样品中成岩矿物的特征与分布。
4.如权利要求1所述细粒混积岩划分方法,其特征在于,所述进行矿物含量分析和总有机碳含量分析,获取样品中不同类型矿物的含量值和总有机碳含量包括:
采用X射线衍射仪对每个样品进行矿物成分分析和总有机碳含量分析,获得每个样品中不同矿物成分含量和总有机碳含量;
细粒混积岩沉积构造包括块状构造、纹层状构造和层状构造;其中块状构造是粘土矿物、碳酸盐矿物和陆源碎屑矿物中两种或者三种分散或均匀混合的结果;层状构造是由不同的混积岩或非混积岩混合而形成层理构造;将单个岩层中厚度小于1cm的单个岩层定义为纹层状,大于1cm的单个岩层定义为层状;纹层状构造包括灰质-粘土质层耦、灰质-粉砂质层耦、粘土质-粉砂质层耦以及灰质-粘土质-粉砂质层耦类型。
5.如权利要求1所述细粒混积岩划分方法,其特征在于,采用基于矿物含量的细粒混积岩三角图划分方法对细粒混积岩类型进行划分;
其中,所述细粒混积岩三角图的三端元分别是:
①粘土矿物端元A,是高岭石、伊利石和绿泥石在内的粘土矿物的总和,粒度均为粘土级;
②碳酸盐岩端元C,包括化学、生物-化学成因的各类碳酸盐矿物,在细粒混积岩中,碳酸盐矿物为泥晶结构,偶夹粒度较粗的颗粒碳酸盐矿物;
③陆源碎屑矿物端元S,包括碎屑石英和长石在内的矿物;在陆相细粒混积岩中,陆源碎屑颗粒的石英和长石粒度为分散状混入的粉砂级颗粒,陆源碎屑颗粒呈砂岩条带混合到细粒混积岩中;
利用细粒混积岩三角图划分出4大类18小类岩石类型,其中4大类分别为灰质大类、粘土质大类、砂质大类和混合质大类;
混合质大类属于真正的混积岩或狭义的混积岩;
灰质大类、粘土质大类、砂质大类分别按照10%、25%、50%、75%、90%含量标准以及三角形角分线再分出5类。
6.如权利要求1所述细粒混积岩划分方法,其特征在于,在细粒混积岩类型名称的前面标注总有机碳含量包括:
在划分出的基本岩石类型的名称前冠以沉积构造,包括块状、层状、灰质-粘土质层耦、灰质-粉砂质层耦、粘土质-粉砂质层耦、灰质-粘土质-粉砂质层耦;在沉积构造前标注不同样品的总有机碳含量,即极贫有机质、贫有机质、含有机质、富有机质、极富有机质。
7.一种应用如权利要求1~6任意一项所述细粒混积岩划分方法的系统,其特征在于,包括:
样品观察分析模块,用于岩心描述、薄片采集和观察,宏观和微观结合准确识别出细粒混积岩样品的沉积构造类型及垂向分布特征,对具有不同沉积构造的细粒混积岩进行微钻系统取样;
矿物成分含量确定模块,用于采用X射线衍射仪对每个样品进行矿物成分分析和总有机碳含量分析,获得每个样品中不同矿物成分含量;
岩石类型划分模块,用于采用基于矿物含量的细粒混积岩三角图划分方法对细粒混积岩类型进行划分。
8.一种终端,其特征在于,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1~6任意一项所述细粒混积岩划分方法的步骤。
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1~6任意一项所述细粒混积岩划分方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210955995.1A CN115308205B (zh) | 2022-08-10 | 2022-08-10 | 一种细粒混积岩划分方法、系统、介质及终端 |
US18/363,686 US11879884B1 (en) | 2022-08-10 | 2023-08-01 | Classification method and system for fine-grained mixed sedimentary rocks, medium, and terminal |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210955995.1A CN115308205B (zh) | 2022-08-10 | 2022-08-10 | 一种细粒混积岩划分方法、系统、介质及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115308205A CN115308205A (zh) | 2022-11-08 |
CN115308205B true CN115308205B (zh) | 2023-05-02 |
Family
ID=83861739
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210955995.1A Active CN115308205B (zh) | 2022-08-10 | 2022-08-10 | 一种细粒混积岩划分方法、系统、介质及终端 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11879884B1 (zh) |
CN (1) | CN115308205B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117273978A (zh) * | 2023-11-23 | 2023-12-22 | 东北石油大学三亚海洋油气研究院 | 一种基于分析测试细粒沉积岩岩石分类方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103852787A (zh) * | 2014-02-24 | 2014-06-11 | 长江大学 | 一种砂岩储层成岩地震相表征方法 |
CN111368857A (zh) * | 2018-12-10 | 2020-07-03 | 中国石油化工股份有限公司 | 一种泥页岩的分类方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2414072B (en) * | 2004-05-12 | 2006-07-26 | Schlumberger Holdings | Classification method for sedimentary rocks |
CN104007484A (zh) * | 2014-06-06 | 2014-08-27 | 董春梅 | 一种泥页岩的分类方法 |
US10502863B2 (en) * | 2015-02-13 | 2019-12-10 | Schlumberger Technology Corporation | Diagenetic and depositional rock analysis |
CN106840741B (zh) * | 2016-12-22 | 2019-08-06 | 中国石油天然气股份有限公司 | 细粒沉积岩分析实验的样品选取方法及系统 |
CN108387413B (zh) * | 2018-01-22 | 2019-02-26 | 中国科学院地质与地球物理研究所 | 一种提取流体包裹体气体的真空研磨装置 |
CN108680594A (zh) * | 2018-03-27 | 2018-10-19 | 中国石油化工股份有限公司 | 陆相湖盆泥页岩细粒沉积类型的划分方法 |
US11543557B2 (en) * | 2019-07-31 | 2023-01-03 | Halliburton Energy Services, Inc. | Organic carbon concentration using LIBS and autocalcimeter |
CN110794115A (zh) * | 2019-11-13 | 2020-02-14 | 中国石油大学(华东) | 细粒沉积岩生物石英的定量表征方法 |
CN113533395B (zh) * | 2021-07-09 | 2024-04-02 | 中国石油化工股份有限公司 | 一种碳酸盐岩夹层型泥页岩层有效岩相类型的划分方法 |
CN113307417B (zh) * | 2021-07-28 | 2021-11-16 | 中煤科工清洁能源股份有限公司 | 一种脱硫废水处理装置及方法 |
CN113702088B (zh) * | 2021-09-01 | 2022-03-22 | 东北石油大学 | 页岩多尺度全信息综合表征及纵向演化规律确定方法 |
-
2022
- 2022-08-10 CN CN202210955995.1A patent/CN115308205B/zh active Active
-
2023
- 2023-08-01 US US18/363,686 patent/US11879884B1/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103852787A (zh) * | 2014-02-24 | 2014-06-11 | 长江大学 | 一种砂岩储层成岩地震相表征方法 |
CN111368857A (zh) * | 2018-12-10 | 2020-07-03 | 中国石油化工股份有限公司 | 一种泥页岩的分类方法 |
Also Published As
Publication number | Publication date |
---|---|
US20240053322A1 (en) | 2024-02-15 |
CN115308205A (zh) | 2022-11-08 |
US11879884B1 (en) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Blott et al. | Particle size scales and classification of sediment types based on particle size distributions: Review and recommended procedures | |
CN103852787B (zh) | 一种砂岩储层成岩地震相表征方法 | |
Li et al. | Subaqueous sandy mass-transport deposits in lacustrine facies of the Upper Triassic Yanchang Formation, Ordos Basin, Central China | |
CN115308205B (zh) | 一种细粒混积岩划分方法、系统、介质及终端 | |
Shi et al. | Lithofacies classification and origin of the Eocene lacustrine fine-grained sedimentary rocks in the Jiyang Depression, Bohai Bay Basin, Eastern China | |
Camp et al. | A compositional classification for grain assemblages in fine-grained sediments and sedimentary rocks—discussion | |
Stow et al. | Deep-water fine-grained sediments; history, methodology and terminology | |
Bai et al. | Characterization of lithofacies in shale oil reservoirs of a lacustrine basin in eastern China: Implications for oil accumulation | |
Yongbin et al. | Geochemical Characteristics and Sedimentary Environment of Li-rich Clay Rocks at the Southern Margin of the Central Yunnan Basin | |
CN111402969A (zh) | 一种陆源有机碳含量的预测方法、装置、设备及系统 | |
CN115684554B (zh) | 富有机质泥页岩的四端元岩相划分方法、系统及介质 | |
Malkowski et al. | Continental shelves as detrital mixers: U–Pb and Lu–Hf detrital zircon provenance of the Pleistocene–Holocene Bering Sea and its margins | |
Li et al. | Origin of quartz and its implications for different phase fluids in lacustrine shales from the Qingshankou Formation, southern Songliao Basin, China | |
Lipson | Lithogeochemistry and origin of metasediments hosting the Broken Hill deposit, Aggeneys, South Africa, and implications for ore genesis | |
Zhang et al. | Capillary fluid dynamics within unconventional rocks investigated by scanning electron microscopy | |
Krumbein | Applications of statistical methods to sedimentary rocks | |
Li et al. | Effects of paleoenvironment on continental shale oil enrichment and producibility in the Biyang depression | |
Tian et al. | New detrital apatite fission track thermochronological constraints on the Meso-Cenozoic tectono-thermal evolution of the Micangshan-Dabashan tectonic belt, Central China | |
Pell et al. | Conodont geothermometry in pyroclastic kimberlite: constraints on emplacement temperatures and cooling histories | |
Luo et al. | Characteristics and forming processes of reef-shoal reservoir in changhsing formation of the eastern Sichuan basin in dianjiang, China | |
Liang et al. | The influence of continental mixosedimentite sedimentation on shale oil sweet spot: A case study on the Permian Lucaogou Formation in the Jimsar Sag of the Junggar Basin, NW China | |
Shi et al. | Source to sink systems of the upper permian longtan formation in the lower yangtze region, China: New insights from detrital monazite U–Pb ages and heavy mineral chemistry | |
Fan et al. | Nuclear magnetic resonance response characteristics and quantitative evaluation method of fluid saturation of lacustrine shale oil | |
Chen et al. | Evaluation of the matrix influence on the microscopic pore-throat structures of deep-water tight sandstone: A case study from the Upper Triassic Chang 6 oil group of the Yanchang Formation in the Huaqing area, Ordos Basin, China | |
Tang et al. | Microscopic pore-throat classification and reservoir grading evaluation of the Fengcheng formation in shale oil reservoir |
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 |