CN115793094A - 一种曲线叠合重构识别复杂页岩层系岩性的方法及应用 - Google Patents
一种曲线叠合重构识别复杂页岩层系岩性的方法及应用 Download PDFInfo
- Publication number
- CN115793094A CN115793094A CN202310069450.5A CN202310069450A CN115793094A CN 115793094 A CN115793094 A CN 115793094A CN 202310069450 A CN202310069450 A CN 202310069450A CN 115793094 A CN115793094 A CN 115793094A
- Authority
- CN
- China
- Prior art keywords
- lithology
- logging
- value
- phi
- shale
- 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 60
- 239000003550 marker Substances 0.000 claims abstract description 17
- 238000011160 research Methods 0.000 claims abstract description 17
- 239000011435 rock Substances 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims description 12
- 239000003245 coal Substances 0.000 claims description 11
- 235000019738 Limestone Nutrition 0.000 claims description 10
- 239000006028 limestone Substances 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 239000003079 shale oil Substances 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 6
- 238000013519 translation Methods 0.000 claims description 5
- 239000003208 petroleum Substances 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 238000007619 statistical method Methods 0.000 claims description 2
- 239000010410 layer Substances 0.000 description 32
- 238000011161 development Methods 0.000 description 4
- 208000035126 Facies Diseases 0.000 description 3
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005266 casting Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 239000011229 interlayer Substances 0.000 description 2
- 238000012843 least square support vector machine Methods 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000000377 silicon dioxide Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
一种曲线叠合重构识别复杂页岩层系岩性的方法及应用，先选取研究区的标准井和标志层，收集包含有岩心、录井资料井的声波时差、密度和中子测井数据；测井曲线标准化和归一化处理，将归一化后的曲线偏移叠合；结合岩心、录井资料对不同岩性的测井曲线多点取均值；将取得的不同岩性测井值进行数学重构。计算Φ1和Φ2，并以二者为横坐标、纵坐标，建立岩性识别图版；统计不同岩性的分布范围，确定岩性划分界限。本发明操作简单，人工成本低。相比于常规交会图版，通过重构法建立的岩性识别图版对页岩层系岩性的划分更清楚，边界更清晰，同时解决了缺少资料地区无法精细识别岩性的问题。
Description
技术领域
本发明涉及石油勘探开发中的测井评价技术领域，特别涉及一种曲线叠合重构识别复杂页岩层系岩性的方法及应用。
背景技术
测井岩性识别是油气评价和油藏描述的一项重要内容，也是求解储层各种参数的基础。相比于传统的岩性识别（取心），应用测井资料识别岩性速度快，费用低，已经被各大油田广泛使用。现有研究中，专利CN110805435A公布了基于测井资料识别复杂岩性的方法及系统。专利CN108073745A公布了基于测井资料识别复杂岩性的方法及系统。专利CN115019144A公布了一种基于电成像测井图像的页岩气储层岩性智能识别方法。专利CN111458767A公布了一种基于交汇图法快速识别岩性的方法及系统。专利CN111577263A公布了一种凝灰岩测井识别方法。专利CN103775075B公布了一种全井段岩性识别方法。专利CN105114067A公布了一种岩性测井相的方法。2013年第28卷第4期，地球物理学进展，韩学辉等基于最小二乘支持向量机的方法原理和实现流程，应用最小二乘支持向量机对广利油田沙四段储层岩性进行了识别，识别出了泥岩、泥灰岩、细砂岩和不等砾砂岩。2017年第36卷第6期，大庆石油地质与开发，周雪晴等针对复杂岩性碳酸盐岩储层原有岩性识别方法精度较低、泛化能力不足、结果不稳定等问题，提出基于粗糙集-随机森林算法的复杂岩性识别方法。2019年第29卷第6期，黑龙江科技大学学报，张庆国等人针对火成岩岩性复杂，常规的岩性识别模型难以建立的问题，利用基于酸碱度分类的TAS( Total Alkali Silica) 图版法识别其储层岩性。2020年第32卷第4期，岩性油气藏，孙予舒等将XGBoost 算法应用于复杂碳酸盐岩岩性识别。2021年第40卷第4期，世界地质，张晓明等人选取自然伽马、密度测井、中子测井和声波时差测井四种岩性敏感的测井曲线数据进行交会图分析，准确识别了塔里木盆地的地层岩性。南泽宇等以多级交会图为手段，详细分析各岩石类型测井响应特征及差异的内在成因，确定各岩石类型在测井交会图上的分布区间，实现岩性逐级判别。2022年深圳大学学报（理工版）陆吉等人提出一种基于KMSMOTE与随机森林结合的智能岩性识别模型。
经过对上述现有技术的分析，发现存在以下问题：（1）常规的交会图版法对岩性区分精度较低，特别是难以对页岩层系做到清晰划分；（2）电成像测井技术成本高，不适用于大范围的岩性识别；（3）针对复杂储层岩性的BP神经网络法、随机森林算法、模糊灰关联分析法及小波变换法等数学方法对样本数据的代表性和全面性要求高，因此实施难度大、时效性差、解释成本高。
发明内容
本发明的目的在于提供一种曲线叠合重构识别复杂页岩层系岩性的方法及应用，解决现有技术中无法准确定量识别页岩层系岩性的问题。该方法通过公式重构手段并结合岩心、录井资料，获得的识别图版精度高；仅利用常规测井资料识别岩性，可适用于大范围岩性识别；仅用到了三类测井资料，数据类型少，计算速度快，解释成本低。
本发明采取的技术方案是：
一种曲线叠合重构识别复杂页岩层系岩性的方法，包括以下步骤：
步骤一、收集研究区内包含有岩心分析资料、录井资料井的声波时差、密度和中子测井曲线数据（包括标准井）；
步骤二、从收集到的数据中，选取研究区的标准井和标志层；标志层和标准井根据中石油测井数据标准化井和标志层的选择原则（SY/T 6451-2000）进行选取；
步骤三、做出标准井的标志层对应的声波时差测井曲线、密度测井曲线、中子测井曲线的频率直方图；以直方图平移法对区域内其它井的声波时差、密度、中子测井数据进行标准化处理；
步骤四、对研究区内所有井的声波时差曲线、密度曲线和中子测井曲线进行归一化处理；
归一化用于消除测井数据之间不同量纲和量纲单位的影响。
步骤五、将归一化后的三种测井曲线进行偏移叠合处理（为更好的显示声波时差、密度和中子测井曲线对岩性变化的反应）；
步骤六、结合岩心分析资料、录井资料对不同深度段相同岩性的声波时差曲线、密度曲线、中子测井曲线进行多点取值；
步骤七、将取得的不同岩性的声波时差测井值、密度测井值、中子测井值进行数学重构；重构公式为：
Φ1=AC*+CNL*－1；Φ2=AC*－DEN*
其中，Φ1和Φ2为相对孔隙度值，无量纲；AC*为归一化后的声波时差时差值，无量纲；CNL*为归一化后的中子测井值，无量纲；DEN*为归一化后的密度测井值，无量纲；
步骤八、以Φ1为横坐标、Φ2为纵坐标，建立岩性识别图版；并对不同类型岩性的Φ1、Φ2进行统计分析，根据Φ1、Φ2在岩性识别图版上出现的落点范围，确定岩性划分的界限。
进一步的，步骤二中，所述标志层为岩性稳定且在研究区内普遍分布、地层厚度大、岩性与测井响应特征明显、便于对比且同一测井曲线的数值相同或呈规律变化的层位。
进一步的，步骤二中，所述标志层为研究区内分布面积超过80%、同一岩性连续厚度大于5m（无明显夹层）的层位。
本方法选取标准井中大段稳定的粉砂质泥岩作为标志层。
进一步的，步骤三中所述的直方图平移法是指：分别做出标准井的标志层和其它井（即待测井）的标志层对应的声波时差、密度和中子测井曲线频率分布图；再以选取的标准井为标准，平移其它井的频率分布图，直至与标准井的频率分布图重合。
进一步的，步骤四中，所述归一化处理的公式为：
其中，X *为标准化后的岩性测井特征值，X min为岩性测井特征值的最小值，X max为岩性测井特征值的最大值，所述岩性测井分别为声波时差测井、密度测井和中子测井。
进一步的，步骤五中，所述偏移叠合处理的具体过程是：
1）以标准井的标志层为基准，计算标志层对应的声波时差、密度、中子测井数据的平均值，分别为
、
、
；
2）以标志层的泥岩基线数值为基准，对归一化后的声波时差测井数据、密度测井数据和中子测井数据（即
、
、
）进行相应的加减，进行偏移，使得声波时差测井曲线分别与密度测井曲线、中子测井曲线相重合。
进一步的，步骤六中，所述多点取值是指，以录井资料为参考，分别取得不同深度同一岩性的声波时差测井数据、密度测井数据、中子测井数据的平均值，取值间隔为0.5m，以减小随机取点带来的误差。
利用本方法在页岩油气藏中进行应用，划分为六种岩性，分别为砂岩、灰岩、黑色页岩、碳质页岩、粉砂质页岩和煤岩。
进一步的，所述砂岩的Φ1值介于-0.37~0.12，Φ2值介于-0.22~-0.08；灰岩的Φ1值介于-0.64~-0.45，Φ2值介于-0.48~-0.21；煤岩的Φ1值介于0.62~0.95，Φ2值介于0.67~0.96；黑色页岩的Φ1值介于0.02~0.22，Φ2值介于0.08~0.21；粉砂质页岩的Φ1值介于-0.06~0.09，Φ2值介于-0.05~0.07；碳质页岩的Φ1值介于0.29~0.56，Φ2值介于0.31~0.57。
本发明的有益效果：
（1）本发明选取了标准井和标志层，对其它井的测井数据进行了标准化和归一化处理，消除了测井数据之间不同量纲和量纲单位的影响，减小了误差。
（2）本发明利用少量取心井资料和最基础的测井曲线（声波时差、密度和中子）建立岩性识别图版，数据处理过程简单快捷。相比其它方法建立的图版，重构公式仅需要AC、DEN、CNL三种测井数据，公式简单易操作。经过叠合重构后的不同岩性之间的相对孔隙度值（Φ1和Φ2）差异更大，因此根据其所建立的岩性识别图版区分度更高，范围边界更清晰。
（3）本发明针对海相及海陆过渡相页岩层系岩性复杂、相变频繁的特点，能够有效将页岩及煤层、灰岩、砂岩区分开来，并可以进一步识别碳质页岩、粉砂质页岩和黑色页岩三种页岩亚类，为页岩油及页岩气储层的精细开发提供理论指导。
（4）本发明对于取心较少或无取心井区域同样适用。只需算出相应的Φ1和Φ2，在岩性识别图版上投点，便可快速准确的识别出岩性。
（5）本发明针对砂岩和页岩在物性方面的差异（砂岩孔渗性高、页岩孔渗性低），选取可以反映孔隙度变化的声波时差、中子及密度测井曲线，利用重构公式进行曲线重构偏移叠合处理，以放大不同岩性孔隙度之间的差异，编制岩性识别图版，完成复杂页岩层系岩性的定量识别。与其他重构公式相比，本方法用到的都是反映孔隙度的曲线，特别是密度测井曲线，可以精确的区分出砂岩和页岩，并根据其孔隙度的差异大小将页岩再细分为碳质页岩、粉砂质页岩和黑色页岩。而目前同类型方法仅能识别出砂岩级别的岩性类型，无法识别出亚类，更无法再将页岩进行细分。
附图说明
图1为本发明方法流程框图；
图2为本发明标准井DJ1的标志层（厚层粉砂质泥岩）测井峰值图；
图3为本发明待测井DJ2的标志层测井峰值图；
图4为建立的岩性识别图版；
图5为岩性投点示意图；
图6为DJ5井岩性识别验证示意图；
图7为DJ6井岩性识别验证示意图。
具体实施方式
目前，我国页岩油气藏正处于大规模勘探开发阶段，储层岩性复杂、相变频繁。因此对于页岩层系岩性的快速准确识别提出了更高的要求。考虑到成本因素，大部分油田仍在使用常规测井解释岩性，但解释结果太粗，速度慢，无法快速准确识别岩性。基于这一现状，对现有测井识别方法进行了新的改进，建立研究区岩性识别图版，解决了大批量识别岩性的问题，并对页岩储层的岩性进一步细分。
在本实例中，通过对研究区包含有岩心观察、录井资料井的声波时差，密度和中子测井曲线数据的重构分析，建立岩性识别图版，定量区分出不同岩性类型的范围边界。而对于缺少岩心、薄片和录井资料的井，直接投点便可准确快速的识别岩性，解决了人工观察法和交会图法无法适用和难以精确划分岩性的问题。
其中，重构公式是利用归一化后的声波时差与中子测井曲线、密度测井曲线计算相对孔隙度值（Φ1和Φ2），并使标志层（粉砂质泥岩）的相对孔隙度值为0；而不同岩性的相对孔隙度值不同，其中灰岩的值最小，煤层的值最大，中间依次为砂岩、粉砂质页岩、黑色页岩和碳质页岩。相比于常规法建立的图版，测井数据重构后所建立的岩性识别图版对岩性的划分更清楚，范围边界更清晰。
某油田只有少量的岩心分析、录井数据，且含有大量的页岩。无法直接判断岩性，更无法对页岩岩性再细分；而该油田有大量的测井资料，因此，利用本发明方法通过测井资料精细识别岩性，如图1所示，包括以下步骤：
步骤一、收集研究区内包含有岩心观察、录井资料井的声波时差AC，密度DEN和中子CNL三条测井曲线。
步骤二、根据中石油测井数据标准化井和标志层的选择原则（SY/T 6451-2000，其定义的标志层为岩性稳定且在研究区内普遍分布、地层厚度大、岩性与测井响应特征明显、便于对比且同一测井曲线的数值相同或呈规律变化的层位），选取DJ1（DJ1也是待选取井之一）作为标准井，其最厚的一套粉砂质泥岩作为标志层，该标志层在研究区内分布面积接近90%，连续厚度5.5m（无明显夹层）。
步骤三、以DJ1作为标准井采用直方图平移法对其他待测井（以DJ2为例）的AC、CNL、DEN进行标准化处理。具体操作过程为：做出所选标准井DJ1和待测井DJ2标志层所对应的AC、CNL、DEN测井曲线的频率分布图，如图2、图3所示，平移DJ2的频率分布图，与DJ1的频率分布图重合。计算得到平移所需要的差值，CNL为+5，AC为+5，DEN为-0.05。用此方法对区域内其它10口待测井的测井数据进行标准化处理。
步骤四、对所有的选取井的AC、DEN、CNL进行归一化。归一化公式为：
其中，X *为归一化后的岩性测井特征值，X min为岩性测井特征值的最小值，X max为岩性测井特征值的最大值，X分别表示AC、DEN、CNL。
步骤五、以DJ1井的标志层（厚层粉砂质泥岩）为基准。计算标志层对应的声波时差、密度、中子测井数据的平均值，
=0.65，
=0.5，
=0.62。以标志层段的泥岩基线（
=0.5）为标准，对归一化后的声波时差测井数据、密度测井数据和中子测井数据进行相应的加减，进行偏移，使得声波时差测井曲线分别与密度测井曲线、中子测井曲线相重合。
步骤六、结合岩心观察和录井资料，取不同深度同一种岩性对应的声波时差、密度、中子测井数据的平均值，以0.5m间隔取值。
步骤七、将取得的不同岩性的声波时差、密度、中子测井值进行数学重构，得到该页岩油气藏中砂岩、灰岩、煤岩、黑色页岩、碳质页岩和粉砂质页岩对应的Φ1和Φ2。重构公式为：
Φ1=AC*+CNL*－1；Φ2=AC*－DEN*
其中，AC*为归一化后的声波时差时差值，CNL*为归一化后的中子测井值，DEN*为归一化后的密度测井值。
步骤八、以Φ1为横坐标，Φ2为纵坐标，建立岩性识别图版（见图4）；统计六种岩性在图版上的落点位置，划分区域，定量刻画出不同类型岩性所对应的Φ1和Φ2的取值范围边界。Φ1值介于-0.37~0.12，Φ2值介于-0.22~-0.08时为砂岩；Φ1值介于-0.64~-0.45，Φ2值介于-0.48~-0.21时为灰岩；Φ1值介于0.62~0.95，Φ2值介于0.67~0.96时为煤层；Φ1值介于0.02~0.22，Φ2值介于0.08~0.21时为黑色页岩；Φ1值介于-0.06~0.09，Φ2值介于-0.05~0.07时为粉砂质页岩；Φ1值介于0.29~0.56，Φ2值介于0.31~0.57时为碳质页岩。
对于区域内其他无取心资料或取心资料很少的井使用本方法完成岩性识别。以DJ5和DJ6井为例，根据上述步骤（步骤三至步骤七）计算Φ1和Φ2并在图版上投点，快速识别出岩性，如图5所示。
如图6所示，DJ5在2130m-2137m取心观察为细砂岩，利用岩性识别图版判断为砂岩；2138m-2145取心观察为黑色页岩，利用岩性识别图版判断为黑色页岩；2146m-2147m取心观察为煤，利用岩性识别图版判断为煤；2148m-2160m取心观察为粉砂质页岩，利用岩性识别图版判断为粉砂质页岩。投点岩性识别图版判别出的岩性和取心观察一致。
如图7所示，DJ6在1927m-1933m取心观察为碳质页岩，利用岩性识别图版判断为碳质页岩；1934m-1940m取心观察为黑色页岩，利用岩性识别图版判断为黑色页岩；1942m-1944m取心观察为细砂岩，利用岩性识别图版判断为砂岩；1945m-1948m取心观察为煤层，利用岩性识别图版判断为煤；1950m-1955m取心观察为灰岩，利用岩性识别图版判断为灰岩。投点岩性识别图版判别出的岩性和取心观察一致。
Claims (9)
1.一种曲线叠合重构识别复杂页岩层系岩性的方法，其特征在于，包括以下步骤：
步骤一、收集研究区内包含有岩心分析资料、录井资料井的声波时差、密度和中子测井曲线数据；
步骤二、从收集到的数据中，选取研究区的标准井和标志层；标志层和标准井根据中石油测井数据标准化井和标志层的选择原则进行选取；
步骤三、做出标准井的标志层对应的声波时差、密度、中子测井曲线的频率直方图；以直方图平移法对区域内其它井的声波时差、密度、中子测井数据进行标准化处理；
步骤四、对研究区内所有井的声波时差、密度和中子测井曲线进行归一化处理；
步骤五、将归一化后的声波时差、密度和中子测井曲线进行偏移叠合处理；
步骤六、结合岩心分析资料、录井资料对不同深度段相同岩性的声波时差、密度、中子测井曲线进行多点取值；
步骤七、将取得的不同岩性的声波时差、密度、中子测井值进行数学重构；重构公式为：
Φ1=AC*+CNL*－1；Φ2=AC*－DEN*
其中，Φ1和Φ2为相对孔隙度值，无量纲；AC*为归一化后的声波时差时差值，无量纲；CNL*为归一化后的中子测井值，无量纲；DEN*为归一化后的密度测井值，无量纲；
步骤八、以Φ1为横坐标、Φ2为纵坐标，建立岩性识别图版；并对不同类型岩性的Φ1、Φ2进行统计分析，根据Φ1、Φ2在岩性识别图版上出现的落点范围，确定岩性划分的界限。
2.如权利要求1所述的曲线叠合重构识别复杂页岩层系岩性的方法，其特征在于，步骤二中，所述标志层为岩性稳定且在研究区内普遍分布、地层厚度大、岩性与测井响应特征明显、便于对比且同一测井曲线的数值相同或呈规律变化的层位。
3.如权利要求2所述的曲线叠合重构识别复杂页岩层系岩性的方法，其特征在于，步骤二中，所述标志层为研究区内分布面积超过80%、同一岩性连续厚度大于5m的层位。
4.如权利要求1所述的曲线叠合重构识别复杂页岩层系岩性的方法，其特征在于，步骤三中所述的直方图平移法是指：分别做出标准井的标志层和其它井的标志层对应的声波时差、密度和中子测井曲线频率分布图；再以选取的标准井为标准，平移其它井的频率分布图，直至与标准井的频率分布图重合。
5.如权利要求1所述的曲线叠合重构识别复杂页岩层系岩性的方法，其特征在于，步骤四中，所述归一化处理的公式为：
其中，X *为标准化后的岩性测井特征值，X min为岩性测井特征值的最小值，X max为岩性测井特征值的最大值，所述岩性测井分别为声波时差测井、密度测井和中子测井。
6.如权利要求1所述的曲线叠合重构识别复杂页岩层系岩性的方法，其特征在于，步骤五中，所述偏移叠合处理的具体过程是：
1）以标准井的标志层为基准，计算标志层对应的声波时差、密度、中子测井数据的平均值，分别为
、
、
；
2）以标志层的泥岩基线数值为基准，对归一化后的声波时差、密度和中子测井数据进行相应的加减，进行偏移，使得声波时差测井曲线分别与密度测井曲线、中子测井曲线相重合。
7.如权利要求1所述的曲线叠合重构识别复杂页岩层系岩性的方法，其特征在于，步骤六中，所述多点取值是指，以录井资料为参考，分别取得不同深度同一岩性的声波时差、密度、中子测井数据的平均值，取值间隔为0.5m，以减小随机取点带来的误差。
8.利用权利要求1~7任一所述曲线叠合重构识别复杂页岩层系岩性的方法在页岩油气藏中的应用，其特征在于，将页岩油气藏划分为六种岩性，分别为砂岩、灰岩、黑色页岩、碳质页岩、粉砂质页岩和煤岩。
9.如权利要求8所述的曲线叠合重构识别复杂页岩层系岩性的方法在页岩油气藏中的应用，其特征在于，所述砂岩的Φ1值介于-0.37~0.12，Φ2值介于-0.22~-0.08；灰岩的Φ1值介于-0.64~-0.45，Φ2值介于-0.48~-0.21；煤岩的Φ1值介于0.62~0.95，Φ2值介于0.67~0.96；黑色页岩的Φ1值介于0.02~0.22，Φ2值介于0.08~0.21；粉砂质页岩的Φ1值介于-0.06~0.09，Φ2值介于-0.05~0.07；碳质页岩的Φ1值介于0.29~0.56，Φ2值介于0.31~0.57。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310069450.5A CN115793094B (zh) | 2023-02-06 | 2023-02-06 | 一种曲线叠合重构识别复杂页岩层系岩性的方法及应用 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310069450.5A CN115793094B (zh) | 2023-02-06 | 2023-02-06 | 一种曲线叠合重构识别复杂页岩层系岩性的方法及应用 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115793094A true CN115793094A (zh) | 2023-03-14 |
| CN115793094B CN115793094B (zh) | 2023-04-25 |
Family
ID=85430056
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310069450.5A Active CN115793094B (zh) | 2023-02-06 | 2023-02-06 | 一种曲线叠合重构识别复杂页岩层系岩性的方法及应用 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115793094B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117418831A (zh) * | 2023-12-18 | 2024-01-19 | 西安石油大学 | 砂砾岩储层多测井参数岩性识别方法及装置 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104989392A (zh) * | 2015-07-10 | 2015-10-21 | 中国石油天然气股份有限公司 | 一种岩性识别方法 |
| WO2016161914A1 (zh) * | 2015-04-07 | 2016-10-13 | 四川行之智汇知识产权运营有限公司 | 一种利用地质和测井信息预测储层成岩相的方法 |
| CN106223942A (zh) * | 2016-08-26 | 2016-12-14 | 中国石油新疆油田分公司勘探开发研究院 | 一种基于测井曲线重构的砾岩油藏泥质含量计算方法 |
| CN108122066A (zh) * | 2017-11-13 | 2018-06-05 | 中国石油天然气股份有限公司 | 储层岩性的确定方法和装置 |
| US20180238148A1 (en) * | 2015-11-11 | 2018-08-23 | Halliburton Energy Services, Inc | Method For Computing Lithofacies Probability Using Lithology Proximity Models |
| CN110318745A (zh) * | 2019-06-10 | 2019-10-11 | 中国石油大学(华东) | 一种沉积微相约束下粒径岩性测井评价方法 |
| US20190353823A1 (en) * | 2015-10-31 | 2019-11-21 | Schlumberger Technology Corporation | Systems and Methods for Predicting or Identifying Underlying Features of Multidimensional Well-Logging Measurements |
| CN111323844A (zh) * | 2020-03-14 | 2020-06-23 | 长江大学 | 一种基于曲线重构的复杂砂砾岩体的岩性识别方法及系统 |
| CN111458767A (zh) * | 2020-04-10 | 2020-07-28 | 成都理工大学 | 一种基于交汇图法快速识别岩性的方法及系统 |
| CN111751882A (zh) * | 2020-05-12 | 2020-10-09 | 中国石油天然气股份有限公司 | 生成敏感岩石物理参数的方法和装置 |
| WO2021188971A1 (en) * | 2020-03-20 | 2021-09-23 | Saudi Arabian Oil Company | Systems and methods for the determination of lithology porosity from surface drilling parameters |
| CN114428365A (zh) * | 2020-09-28 | 2022-05-03 | 中国石油化工股份有限公司 | 一种基于含气特征的致密砂岩气层测井识别方法及装置 |
| US20220221614A1 (en) * | 2021-01-11 | 2022-07-14 | Shandong University Of Science And Technology | Analysis method, system and storage media of lithological and oil and gas containing properties of reservoirs |
-
2023
- 2023-02-06 CN CN202310069450.5A patent/CN115793094B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016161914A1 (zh) * | 2015-04-07 | 2016-10-13 | 四川行之智汇知识产权运营有限公司 | 一种利用地质和测井信息预测储层成岩相的方法 |
| CN104989392A (zh) * | 2015-07-10 | 2015-10-21 | 中国石油天然气股份有限公司 | 一种岩性识别方法 |
| US20190353823A1 (en) * | 2015-10-31 | 2019-11-21 | Schlumberger Technology Corporation | Systems and Methods for Predicting or Identifying Underlying Features of Multidimensional Well-Logging Measurements |
| US20180238148A1 (en) * | 2015-11-11 | 2018-08-23 | Halliburton Energy Services, Inc | Method For Computing Lithofacies Probability Using Lithology Proximity Models |
| CN106223942A (zh) * | 2016-08-26 | 2016-12-14 | 中国石油新疆油田分公司勘探开发研究院 | 一种基于测井曲线重构的砾岩油藏泥质含量计算方法 |
| CN108122066A (zh) * | 2017-11-13 | 2018-06-05 | 中国石油天然气股份有限公司 | 储层岩性的确定方法和装置 |
| CN110318745A (zh) * | 2019-06-10 | 2019-10-11 | 中国石油大学(华东) | 一种沉积微相约束下粒径岩性测井评价方法 |
| CN111323844A (zh) * | 2020-03-14 | 2020-06-23 | 长江大学 | 一种基于曲线重构的复杂砂砾岩体的岩性识别方法及系统 |
| WO2021188971A1 (en) * | 2020-03-20 | 2021-09-23 | Saudi Arabian Oil Company | Systems and methods for the determination of lithology porosity from surface drilling parameters |
| CN111458767A (zh) * | 2020-04-10 | 2020-07-28 | 成都理工大学 | 一种基于交汇图法快速识别岩性的方法及系统 |
| CN111751882A (zh) * | 2020-05-12 | 2020-10-09 | 中国石油天然气股份有限公司 | 生成敏感岩石物理参数的方法和装置 |
| CN114428365A (zh) * | 2020-09-28 | 2022-05-03 | 中国石油化工股份有限公司 | 一种基于含气特征的致密砂岩气层测井识别方法及装置 |
| US20220221614A1 (en) * | 2021-01-11 | 2022-07-14 | Shandong University Of Science And Technology | Analysis method, system and storage media of lithological and oil and gas containing properties of reservoirs |
Non-Patent Citations (4)
| Title |
|---|
| CONGJUN FENG等: "Lithology and oil-bearing properties of tight sandstone reservoirs: Chang 7 member of Upper Triassic Yanchang Formation, southwestern Ordos Basin, China" * |
| 封从军等: "鄂尔多斯盆地西南地区延长组长7段致密砂岩储层岩性测井识别" * |
| 张永健;汤子余;卢美月;吴承美;: "基于曲线重构的复杂砂砾岩体岩性识别研究――以北16井区梧桐沟组为例" * |
| 秦童等: "曲线重构技术在渤海Q油田储层精细预测中的应用" * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117418831A (zh) * | 2023-12-18 | 2024-01-19 | 西安石油大学 | 砂砾岩储层多测井参数岩性识别方法及装置 |
| CN117418831B (zh) * | 2023-12-18 | 2024-03-22 | 西安石油大学 | 砂砾岩储层多测井参数岩性识别方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115793094B (zh) | 2023-04-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | Lithology identification using an optimized KNN clustering method based on entropy-weighed cosine distance in Mesozoic strata of Gaoqing field, Jiyang depression | |
| Tian et al. | Integrated geological-geophysical characterizations of deeply buried fractured-vuggy carbonate reservoirs in Ordovician strata, Tarim Basin | |
| CN110847901B (zh) | 一种变矿化度地层水下的致密砂岩储层流体识别方法 | |
| CN103529475A (zh) | 一种识别和解释碳酸盐岩古岩溶储层三维结构的方法 | |
| CN109653725A (zh) | 基于沉积微相和岩石相的混积储层水淹程度测井解释方法 | |
| CN112363242B (zh) | 基于测录井融合的储层流体识别方法与装置 | |
| US11487045B2 (en) | Method for recovering porosity evolution process of sequence stratigraphy of carbonate rocks | |
| CN104991286A (zh) | 一种基于沉积模式的沉积相表征方法 | |
| Wimmers et al. | Integration of sedimentology, petrophysics and rock typing as key to understanding a tight gas reservoir | |
| CN115793094B (zh) | 一种曲线叠合重构识别复杂页岩层系岩性的方法及应用 | |
| CN112185469B (zh) | 一种预测海域天然气水合物有利聚集区的方法 | |
| Abu-Hashish et al. | Hydraulic flow units and reservoir characterization of the Messinian Abu Madi formation in west El Manzala development lease, onshore Nile Delta, Egypt | |
| Leisi et al. | Poro-acoustic impedance (PAI) as a new and robust seismic inversion attribute for porosity prediction and reservoir characterization | |
| Jasim et al. | Specifying quality of a tight oil reservoir through 3-d reservoir modeling | |
| Eftekhari et al. | Employing Statistical Algorithms and Clustering Techniques to Assess Lithological Facies for Identifying Optimal Reservoir Rocks: A Case Study of the Mansouri Oilfields, SW Iran | |
| CN109707378A (zh) | 一种基于泥浆侵入特性及纵向对比的低阻油层识别方法 | |
| Esmaeili et al. | Simulating reservoir capillary pressure curves using image processing and classification machine learning algorithms applied to petrographic thin sections | |
| Zheng | Sedimentology and reservoir characterization of the Upper Pennsylvanian Cline shale, Midland Basin, Texas | |
| Murray | Identification and 3-D modeling of petrophysical rock types | |
| Arizabalo et al. | Lacunarity of geophysical well logs in the Cantarell oil field, Gulf of Mexico | |
| Wang | Application of Micro-resistivity Scanning Imaging Logging Data in Reservoir Thickness Division | |
| CN114135269A (zh) | 一种致密砂岩油层识别方法及装置 | |
| Smith | Reservoir Characterization and Static Earth Modeling for Potential CO2 Storage in Upper Pennsylvanian Cyclothems of Midcontinent, USA | |
| Aderemi et al. | Porosity and permeability calculations in a Biolithite using x-ray tomography images | |
| CN117569799A (zh) | 利用冲洗带和地层含水孔隙度识别砂砾岩气层与干层方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |