CN116931062B - 基于敏感参数分析的优质富锂钾卤水储层识别方法 - Google Patents

基于敏感参数分析的优质富锂钾卤水储层识别方法 Download PDF

Info

Publication number
CN116931062B
CN116931062B CN202310899611.3A CN202310899611A CN116931062B CN 116931062 B CN116931062 B CN 116931062B CN 202310899611 A CN202310899611 A CN 202310899611A CN 116931062 B CN116931062 B CN 116931062B
Authority
CN
China
Prior art keywords
reservoir
potassium
brine
sensitive parameter
lithium
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
Application number
CN202310899611.3A
Other languages
English (en)
Other versions
CN116931062A (zh
Inventor
张兵
林晓杨
杨宇勇
汪政洋
李倩
李琢
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Univeristy of Technology
Original Assignee
Chengdu Univeristy of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chengdu Univeristy of Technology filed Critical Chengdu Univeristy of Technology
Priority to CN202310899611.3A priority Critical patent/CN116931062B/zh
Publication of CN116931062A publication Critical patent/CN116931062A/zh
Application granted granted Critical
Publication of CN116931062B publication Critical patent/CN116931062B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/282—Application of seismic models, synthetic seismograms
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/30—Analysis
    • G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
    • G01V1/44—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging using generators and receivers in the same well
    • G01V1/48—Processing data
    • G01V1/50—Analysing data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/61—Analysis by combining or comparing a seismic data set with other data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/61—Analysis by combining or comparing a seismic data set with other data
    • G01V2210/616—Data from specific type of measurement
    • G01V2210/6161—Seismic or acoustic, e.g. land or sea measurements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/61—Analysis by combining or comparing a seismic data set with other data
    • G01V2210/616—Data from specific type of measurement
    • G01V2210/6169—Data from specific type of measurement using well-logging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/62—Physical property of subsurface
    • G01V2210/622—Velocity, density or impedance
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/62—Physical property of subsurface
    • G01V2210/624—Reservoir parameters
    • G01V2210/6242—Elastic parameters, e.g. Young, Lamé or Poisson
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/62—Physical property of subsurface
    • G01V2210/624—Reservoir parameters
    • G01V2210/6244—Porosity
    • 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

  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Acoustics & Sound (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明公开了一种基于敏感参数分析的优质富锂钾卤水储层识别方法，以卤水储层基本特征为研究基础，利用岩石物理建模、测井曲线交会分析方法开展卤水储层敏感参数分析，明确卤水储层的岩石物理响应特征、测井响应特征；然后通过岩石物理模型建立波阻抗与含水饱和度之间的关系，采用含水饱和度反演高含水储层。在高含水储层基础上，以自然伽马作为敏感参数反演高品位储层，加以确定优质卤水储层，实现基于富锂钾卤水敏感参数分析的海相层系优质卤水储层地球物理识别和预测。本发明首次通过高含水储层反演和高品位储层反演预测优质卤水储层，实现优质卤水储层的有效识别和高精度预测。

Description

基于敏感参数分析的优质富锂钾卤水储层识别方法
技术领域
本发明涉及海相层系优质富锂钾卤水储层识别与预测技术领域，具体涉及一种基于敏感参数分析的优质富锂钾卤水储层识别方法。
背景技术
钾是植物生长和发育的必需元素，对于我国粮食生产具有重大意义；锂作为最轻的金属，在金属中比容量最高、得失电子能力强，是电池的理想材料。金属锂及其化合物是一种对高新技术产业发展具有重要意义的保障资源和战略物资，具有不可再生性。此外，锂在可控核聚变等方面也有着广泛的应用，因而又被认为是解决人类长期能源问题的关键性金属。近年来，新能源发展势头愈加迅猛，钾、锂资源受到了广泛关注，世界各国对钾、锂资源的需求量也越来越大。相对于目前主要开发的固体锂钾矿，卤水型锂钾矿有着“量大、绿色、经济”的优势。卤水型锂矿主要包括地表盐湖卤水型和地下卤水型，地下卤水由于具有伴生元素丰富、Mg/Li比值低而提锂成本较低、资源量丰富等特点，日益受到社会各界的重视。而富锂钾卤水常常位于地下深度数千米以下，属于深层卤水，地质条件复杂，卤水储层厚度较薄，存在识别精度低、预测难等勘探问题。所以一种准确可靠的优质富锂钾卤水储层识别与预测方法在卤水储层的勘探开发中发挥着十分重要的作用。
目前深层富锂钾卤水研究尚未针对储层沉积特征进行海陆相沉积环境划分，更忽略了从富锂钾卤水自身的含水和储卤性质，往往只从含水特性出发开展研究，不仅识别标志过于单一，薄储层反演精度低以及卤水品位的问题也未能很好解决，这就导致对优质卤水储层的识别和预测不够精确。所以如何利用相对经济的地球物理资料完成优质卤水储层的有效识别和高精度预测，是一个亟待解决的技术问题。
发明内容
针对上述问题，本发明提供一种基于敏感参数分析的优质富锂钾卤水储层识别方法，包括如下步骤：
步骤1：根据地质资料、水化学分析资料、钻测井资料以及地震资料确定卤水储层基本特征；
步骤2：基于孔隙介质的岩石物理模型进行岩石物理建模，建立地震参数与储层参数之间的联系；
步骤3：根据钻测井资料以及水化学分析资料，对目标段敏感参数分析，明确富锂钾卤水识别标志和分布值域；
步骤4：根据步骤2所建岩石物理模型，得到储层物性参数与弹性参数之间的关系；针对卤水储层含水特性，以含水饱和度作为敏感参数反演高含水储层；
步骤5：在高含水储层预测的基础上，以自然伽马反演结果为约束识别高品位储层，明确优质富锂钾卤水储层的分布规律。
进一步的，所述步骤1中卤水储层基本特征包括地层特征、水化学特征、构造特征。
进一步的，所述步骤2中地震参数包括纵横波速度比、纵波阻抗，储层参数包括孔隙度、含水饱和度。
进一步的，步骤2中的岩石物理建模，模型应当和目标地层具有相似的组成结构，在不同深度下的纵波速度也应当一致。
进一步的，所述步骤3中采用测井曲线交会图法对目标段敏感参数分析。
进一步的，所述测井曲线包括自然伽马、声波时差、电阻率。
进一步的，所述步骤3还包括通过卤水储层的锂钾离子与自然伽马的交会分析，明确高品位卤水储层的分布值域。
进一步的，所述步骤3中富锂钾卤水识别标志包括低伽马，高声波时差，低密度，高孔隙度，低电阻率。
进一步的，所述步骤4中得到储层物性参数包括孔隙度、含水饱和度；弹性参数包括泊松比、纵横波速度比、杨氏模量。
进一步的，所述步骤5中自然伽马反演具体为采用波形相控方法以自然伽马作为敏感参数进行波形指示模拟。
本发明的有益效果是：
本发明能够从富锂钾卤水自身的含水性和储卤(富钾)具有的放射性出发，采用岩石物理建模和测井响应识别的方法建立富锂钾卤水储层识别标志，首次通过高含水储层反演和高品位储层反演预测优质卤水储层，实现优质卤水储层的有效识别和高精度预测。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例的附图作简单地介绍，显而易见地，下面描述中的附图仅仅涉及本发明的一些实施例，而非对本发明的限制。
图1是本发明流程图；
图2是不同模型与目标地层相关系数分析图；
图3是岩石物理建模流程简化图；
图4是纵波速度与密度预测与实测关系；
图5是储层、非储层岩电交会及值域划分图；
图6是不同品位卤水层GR与K+、Li+含量关系图；
图7是孔隙度和含水饱和度预测平面图；
图8是自然伽马预测平面图；
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合附图和实施例对本发明进一步说明。
如图1所示，一种基于敏感参数分析的优质富锂钾卤水储层识别方法，包括以下步骤：
步骤1：根据地质资料、水化学分析资料、钻测井资料以及地震资料确定卤水储层基本特征。
所述步骤1中卤水储层基本特征包括地层特征、水化学特征、构造特征，通常地质资料、钻测井资料中可得到区域地层特征和地质背景，岩心样品以及卤水样品测试的水化学分析资料可得到储层物性参数和水化学特征，地震资料和地质背景可得到区域内断裂构造特征。
步骤2：基于孔隙介质的岩石物理模型进行岩石物理建模，建立地震参数与储层参数之间的联系，分析含卤水储层的弹性参数特征，以用于整个研究区的密度、纵、横波速度的预测，进一步可以预测孔隙度、含水饱和度等储层参数。
所述步骤2中地震参数包括纵横波速度比、纵波阻抗，储层参数包括孔隙度、含水饱和度；岩石物理建模，模型应当和目标地层具有相似的组成结构，在不同深度下的纵波速度也应当一致。具体以将测井曲线在不同深度下的纵波速度变化情况与不同模型的计算结果作比较，选择更符合目标地层的岩石物理模型，根据海相层系中深层卤水的储集特征，最终选择以白云岩为主要研究对象的改进后Xu－White模型作为目标地层模型
步骤3：根据钻测井资料以及水化学分析资料，对目标段敏感参数分析，明确富锂钾卤水识别标志和分布值域。
其中，所述步骤3中采用测井曲线交会图法对目标段敏感参数分析，所述测井曲线包括自然伽马、声波时差、电阻率，富锂钾卤水识别标志包括低伽马，高声波时差，低密度，高孔隙度，低电阻率。
自然伽马表征了放射性元素衰变辐射出来的伽马射线的强度，富钾卤水由于富含放射性钾且含多种矿物质，通常具有钾的同位素40K，放射性强度较高，自然伽马值也相对较高，同时由于在富锂钾卤水中，锂钾有着很好的相关性，钾离子浓度越高意味着锂的品位也越高。因此在测井交会分析中确定的卤水储层自然伽马值域中，伽马曲线小幅度的变化可以间接反映卤水储层的品位。
所述步骤3还包括通过卤水储层的锂钾离子与自然伽马的交会分析，明确高品位卤水储层的分布值域。
步骤4：根据步骤2所建岩石物理模型，得到储层物性参数与弹性参数之间的关系；针对卤水储层含水特性，以含水饱和度作为敏感参数反演高含水储层。
所述步骤4中储层物性参数包括孔隙度、含水饱和度；弹性参数包括泊松比、纵横波速度比、杨氏模量。
步骤5：在高含水储层预测的基础上，以自然伽马反演结果为约束识别高品位储层，明确优质富锂钾卤水储层的分布规律。
所述步骤5中自然伽马反演具体为采用波形相控方法以自然伽马作为敏感参数进行波形指示模拟。
实施例1
四川盆地三叠系富锂钾卤水属于海相沉积，收集步骤1中资料，明确深层富锂钾卤水赋存岩性、层位、储集特征和水化学特征。
步骤2中，目的层位于地下2500米深度，卤水主要赋存于碳酸盐岩储层中，纵波速度在5000m/s～7000m/s之间，将测井曲线在不同深度下的纵波速度变化情况与不同模型的计算结果作比较，参见图2。Xu-White模型相关程度最高，相关系数高达0.997，基本和井曲线重合，因此选取Xu-White模型用于本次研究岩石物理建模，参见图3。
步骤2中，选择MX204井验证模型的可行性，井曲线验证结果如图4，MX204井预测结果与实测井曲线保持了很高的一致性，仅存在较小的误差。预测结果进一步表明了所建立的岩石物理模型的准确性，可以用于整个研究区的密度、纵波速度预测。进一步可以预测孔隙度、含水饱和度等储层参数。
步骤3中，参见图5，根据目标区内已有钻井资料和测井解释绘制目标地层不同岩性自然伽马、电阻率、声波时差之间的交会图，发现富锂钾卤水层具有很好的识别标志，在岩电交会图上储层与非储层的岩电特征很清晰，卤水储层的GR值域为20-85API，DT总体变化比较稳定，值域为50-65μs/ft，RD变化范围较小，在0-150ohm·m之间(只针对实例实施区域，不同区域需要具体分析)。
步骤3中，富钾卤水由于富含放射性钾且含多种矿物质，通常具有钾的同位素40K，放射性强度较高，自然伽马值也相对较高。将已知品位井卤水储层的GR曲线取均值与钾含量、锂含量作交会图进行分析，结果发现了不同离子浓度下卤水储层的GR值域分布范围，参见图6。
表1水化学分析资料表
水化学分析资料见表1，Mo030-H井锂钾离子浓度分别为4.8mg/L和277.2mg/L；Mo55H井锂钾离子浓度分别14.53mg/L和834mg/L。两口井都属于低品位卤水井，GR值域为32-52API；Mo87、Mo84、Mo19井锂离子浓度均在150mg/L以上，钾离子浓度均在8000mg/L以上，其GR值域为45-82API。为了精确识别高品位卤水储层，以50API为GR值域的下限，以上文所提卤水储层的GR值域最高值85API为上限，即认为高品位卤水储层GR值域为50-85API。
步骤4中根据所建立的岩石物理模型，可以得到孔隙度、含水饱和度与纵波阻抗、纵波速度、横波速度以及密度的关系，绘制孔隙度、含水饱和度平面图(图7)。孔隙度与含水饱和度在该目的层的计算公式如式1和式2所示。
por＝1.4939-0.502002×ρ-9.9914×10-7×IP+4.24245×10-6×VP-9.04255×10-6×VS (1)
SW＝-44.7335×ρ-0.00395791×IP+0.0148494×VP-0.00681375×VS (2)
式中：por为孔隙度；SW为含水饱和度；Vp、Vs、ρ为纵、横速度以及密度；Ip为波阻抗。
步骤5中采用自然伽马作为敏感参数进行波形相控反演高品位卤水储层，参见图8。卤水储层反演自然伽马值的平均值作为该层的伽马值，由伽马反演图可知，Mo19-Mo208-Mo56井一带以及Mo25-Mo35井一带GR值为50～85API，发育高品位卤水储层。因此，将孔隙度、含水饱和度以及自然伽马预测平面图进行叠合，最终确定优质卤水储层发育于Mo19-Mo208井附近区域，含水饱和度在80％以上，孔隙度在8％以上，GR值在50～85API之间
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (10)

1.一种基于敏感参数分析的优质富锂钾卤水储层识别方法，其特征在于，包括如下步骤：
步骤1：根据地质资料、水化学分析资料、钻测井资料以及地震资料确定卤水储层基本特征；
步骤2：基于孔隙介质的岩石物理模型进行岩石物理建模，建立地震参数与储层参数之间的联系；
步骤3：根据钻测井资料以及水化学分析资料，对目标段敏感参数分析，明确富锂钾卤水识别标志和分布值域；
步骤4：根据步骤2所建岩石物理模型，得到储层物性参数与弹性参数之间的关系；针对卤水储层含水特性，以含水饱和度作为敏感参数反演高含水储层；
步骤5：在高含水储层预测的基础上，以自然伽马反演结果为约束识别高品位储层，明确优质富锂钾卤水储层的分布规律。
2.根据权利要求1所述一种基于敏感参数分析的优质富锂钾卤水储层识别方法，其特征在于，所述步骤1中卤水储层基本特征包括地层特征、水化学特征、构造特征。
3.根据权利要求1所述一种基于敏感参数分析的优质富锂钾卤水储层识别方法，其特征在于，所述步骤2中地震参数包括纵横波速度比、纵波阻抗，储层参数包括孔隙度、含水饱和度。
4.根据权利要求1所述一种基于敏感参数分析的优质富锂钾卤水储层识别方法，其特征在于，步骤2中的岩石物理建模，模型应当和目标地层具有相似的组成结构，在不同深度下的纵波速度也应当一致。
5.根据权利要求1所述一种基于敏感参数分析的优质富锂钾卤水储层识别方法，其特征在于，所述步骤3中采用测井曲线交会图法对目标段敏感参数分析。
6.根据权利要求5所述一种基于敏感参数分析的优质富锂钾卤水储层识别方法，其特征在于，所述测井曲线包括自然伽马、声波时差、电阻率。
7.根据权利要求6所述一种基于敏感参数分析的优质富锂钾卤水储层识别方法，其特征在于，所述步骤3还包括通过卤水储层的锂钾离子与自然伽马的交会分析，明确高品位卤水储层的分布值域。
8.根据权利要求1所述一种基于敏感参数分析的优质富锂钾卤水储层识别方法，其特征在于，所述步骤3中富锂钾卤水识别标志包括低伽马，高声波时差，低密度，高孔隙度，低电阻率。
9.根据权利要求1所述一种基于敏感参数分析的优质富锂钾卤水储层识别方法，其特征在于，所述步骤4中得到储层物性参数包括孔隙度、含水饱和度；弹性参数包括泊松比、纵横波速度比、杨氏模量。
10.根据权利要求1所述一种基于敏感参数分析的优质富锂钾卤水储层识别方法，其特征在于，所述步骤5中自然伽马反演具体为采用波形相控方法以自然伽马作为敏感参数进行波形指示模拟。
CN202310899611.3A 2023-07-21 2023-07-21 基于敏感参数分析的优质富锂钾卤水储层识别方法 Active CN116931062B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310899611.3A CN116931062B (zh) 2023-07-21 2023-07-21 基于敏感参数分析的优质富锂钾卤水储层识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310899611.3A CN116931062B (zh) 2023-07-21 2023-07-21 基于敏感参数分析的优质富锂钾卤水储层识别方法

Publications (2)

Publication Number Publication Date
CN116931062A CN116931062A (zh) 2023-10-24
CN116931062B true CN116931062B (zh) 2023-12-22

Family

ID=88374989

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310899611.3A Active CN116931062B (zh) 2023-07-21 2023-07-21 基于敏感参数分析的优质富锂钾卤水储层识别方法

Country Status (1)

Country Link
CN (1) CN116931062B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3993904A (en) * 1975-03-31 1976-11-23 Chevron Research Company Low-cost but accurate radioactive logging for determining water saturations in a reservoir
CN103345002A (zh) * 2013-07-09 2013-10-09 中国石油化工股份有限公司江汉油田分公司勘探开发研究院 一种测井资料获取砂岩卤水层钾离子含量的方法
CN104614782A (zh) * 2015-01-29 2015-05-13 青海中航资源有限公司 一种盐湖卤水探测方法
CN109444982A (zh) * 2018-10-17 2019-03-08 青海省柴达木综合地质矿产勘查院 一种盆地区深层卤水钾盐或锂盐矿勘探方法
CN112878998A (zh) * 2021-01-28 2021-06-01 成都理工大学 地下卤水型钾矿和锂矿的储卤层预测和资源量评价方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3993904A (en) * 1975-03-31 1976-11-23 Chevron Research Company Low-cost but accurate radioactive logging for determining water saturations in a reservoir
CN103345002A (zh) * 2013-07-09 2013-10-09 中国石油化工股份有限公司江汉油田分公司勘探开发研究院 一种测井资料获取砂岩卤水层钾离子含量的方法
CN104614782A (zh) * 2015-01-29 2015-05-13 青海中航资源有限公司 一种盐湖卤水探测方法
CN109444982A (zh) * 2018-10-17 2019-03-08 青海省柴达木综合地质矿产勘查院 一种盆地区深层卤水钾盐或锂盐矿勘探方法
CN112878998A (zh) * 2021-01-28 2021-06-01 成都理工大学 地下卤水型钾矿和锂矿的储卤层预测和资源量评价方法

Also Published As

Publication number Publication date
CN116931062A (zh) 2023-10-24

Similar Documents

Publication Publication Date Title
EP3444640B1 (en) Method and device of predicting reservoir sand bodies based on a wind field-provenance-basin system
Schmoker et al. Carbonate porosity versus depth: a predictable relation for south Florida
CN105275456B (zh) 一种利用测井资料识别优质泥页岩的方法
CN106951660A (zh) 一种海相碎屑岩水平井储层测井解释方法及装置
Hu et al. Potential resources of conventional, tight, and shale oil and gas from Paleogene Wenchang Formation source rocks in the Huizhou Depression.
CN105510993A (zh) 前陆盆地深埋挤压型复杂膏盐岩层识别和分布预测方法
CN103744109B (zh) 一种无井覆盖区碎屑岩风化壳结构的识别方法
US11487045B2 (en) Method for recovering porosity evolution process of sequence stratigraphy of carbonate rocks
CN106022946A (zh) 确定岩性地层圈闭油气成藏概率的方法及装置
CN110727034A (zh) 一种砂岩型铀矿编图方法
Al Lamki et al. The role of hydrogeology in Petroleum Development Oman
CN112784404A (zh) 一种基于常规测井资料的砂砾岩束缚水饱和度计算方法
CN112302623A (zh) 一种基于测井资料的花岗岩潜山风化壳结构划分方法
CN116931062B (zh) 基于敏感参数分析的优质富锂钾卤水储层识别方法
CN116047602A (zh) 基于生烃数值模拟的ii型水合物饱和度预测方法
CN112069444B (zh) 一种利用测井资料计算储集层试井渗透率方法及计算机
Muhammad et al. Characteristics and genesis of the Es1 productive sandstone reservoir (Paleogene), Nanpu Sag, East China
Shoaib et al. Ratana field, potwar fold belt, northern pakistan: high intensity fracture zones related to major thrust faults as revealed by seismic fracture prediction
Acho Assessing hydrocarbon potential in cretaceous sediments in the Western Bredasdorp Sub-basin in the Outeniqua Basin South Africa
Ayodele An integrated study of the early cretaceous (Valanginian) reservoir from the Gamtoos Basin, offshore South Africa with special reference to seismic cacies, formation evaluation and static reservoir modeling
Taura et al. Structural and petrophysical controls on the remaining fluid distribution in the reservoirs of Gharif Formation before abandonment
CN110297280A (zh) 一种碳酸盐岩超压空间分布特征的预测方法
Lawson et al. Reservoir characterization using petrophysical evaluation of W-field, onshore Niger delta
Li et al. Study and Application of Seismic Sedimentology in Paleogeomorphology Restoration
Liu et al. Evolution of lacustrine basin in relation to variation in palaeowater depth and delta development: Neogene Bohai Bay Basin, Huanghekou area, northern China

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