CN116931105A - 高钍砂岩储层测井识别方法、装置、设备及可读存储介质 - Google Patents
高钍砂岩储层测井识别方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN116931105A CN116931105A CN202210325869.8A CN202210325869A CN116931105A CN 116931105 A CN116931105 A CN 116931105A CN 202210325869 A CN202210325869 A CN 202210325869A CN 116931105 A CN116931105 A CN 116931105A
- Authority
- CN
- China
- Prior art keywords
- thorium
- uranium
- free gamma
- sandstone
- content
- 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.)
- Pending
Links
- 229910052776 Thorium Inorganic materials 0.000 title claims abstract description 183
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000003860 storage Methods 0.000 title claims abstract description 19
- ZSLUVFAKFWKJRC-IGMARMGPSA-N 232Th Chemical compound [232Th] ZSLUVFAKFWKJRC-IGMARMGPSA-N 0.000 claims abstract description 107
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 claims abstract description 40
- 239000011591 potassium Substances 0.000 claims abstract description 40
- 229910052700 potassium Inorganic materials 0.000 claims abstract description 40
- 238000005259 measurement Methods 0.000 claims abstract description 35
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 239000004927 clay Substances 0.000 claims abstract description 13
- 238000004590 computer program Methods 0.000 claims description 21
- 230000000694 effects Effects 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 12
- 229910052770 Uranium Inorganic materials 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000001228 spectrum Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- JFALSRSLKYAFGM-UHFFFAOYSA-N uranium(0) Chemical compound [U] JFALSRSLKYAFGM-UHFFFAOYSA-N 0.000 claims description 4
- 208000019888 Circadian rhythm sleep disease Diseases 0.000 claims description 3
- 208000001456 Jet Lag Syndrome Diseases 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 3
- 208000033915 jet lag type circadian rhythm sleep disease Diseases 0.000 claims description 3
- 239000011435 rock Substances 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 229910052500 inorganic mineral Inorganic materials 0.000 abstract description 5
- 239000011707 mineral Substances 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 239000004576 sand Substances 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 5
- 238000005755 formation reaction Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005481 NMR spectroscopy Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000001730 gamma-ray spectroscopy Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000009795 derivation Methods 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
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013433 optimization analysis Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V5/00—Prospecting or detecting by the use of ionising radiation, e.g. of natural or induced radioactivity
- G01V5/04—Prospecting or detecting by the use of ionising radiation, e.g. of natural or induced radioactivity specially adapted for well-logging
Landscapes
- Physics & Mathematics (AREA)
- High Energy & Nuclear Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了高钍砂岩储层测井识别方法、装置、设备及可读存储介质，获取待识别高钍砂岩储层中的无铀伽马测量值和钾含量，以及待识别高钍砂岩储层的声波时差和密度；利用钾含量与无铀伽马测量值构建去钍影响的无铀伽马曲线，将去钍影响的无铀伽马曲线与实测无铀伽马曲线进行对比，在砂岩剖面和泥岩剖面中定性识别出高钍层段；在高钍层段中，利用去钍影响的无铀伽马曲线定量计算出泥质含量；根据泥质含量、声波时差和密度，消除泥质影响，计算出待识别高钍砂岩储层的孔隙度；根据泥质含量与孔隙度，在高钍层段中识别并划分储集层，完成待识别高钍砂岩储层测井识别。本发明提高了储层矿物组分与物性参数的计算精度。
Description
技术领域
本发明属于测井解释评价技术领域，特别涉及高钍砂岩储层测井识别方法、装置、设备及可读存储介质。
背景技术
储层识别、泥质含量计算是测井解释评价的基础内容，而在高钍导致的高伽马地层中，自然伽马和无铀伽马的放射性均无法反应真实的泥质含量，导致储层参数计算精度低以及有效储层漏失等现象。
目前的高伽马储层测井识别研究主要集中在高铀导致的高伽马地层中，而针对高钍导致的高伽马地层的研究较少。常规的识别方法主要包括声波时差、密度、中子、自然电位、电阻率等多参数拟合建模或最优化分析、自然电位负异常法、孔隙度曲线交会法等，此类方法或是利用多测井参数拟合计算泥质含量进而划分砂岩储层，或是根据交会图版上数据点相对于纯砂岩线的位置和测井曲线在重叠图中的幅度差来判识储层，易受含气性、物性变化等多因素影响，具有多解性而应用效果不理想。除此之外，特殊测井系列对高钍储层识别较为有效，如核磁共振测井可通过纵向连续T2谱反映孔隙结构的变化，进而区分砂泥地层；地层元素测井谱(ECS)可拟合得到地层中的Si、Ca、Fe、S、Ti等元素含量，进一步求得矿物含量。但特殊测井系列价格昂贵，尤其老井测量井次极为有限，大规模推广应用具有经济局限性。
发明内容
针对现有技术中存在的问题，本发明提供了高钍砂岩储层测井识别方法、装置、设备及可读存储介质，提高了储层矿物组分与物性参数的计算精度，避免了高含钍地层中油气储集层的错划与漏划，实现了有效储集层的准确识别，测井成本低。
为了解决上述技术问题，本发明通过以下技术方案予以实现：
一种高钍砂岩储层测井识别方法，包括：
获取待识别高钍砂岩储层中的无铀伽马测量值和钾含量，以及待识别高钍砂岩储层的声波时差和密度；
利用所述钾含量与所述无铀伽马测量值构建去钍影响的无铀伽马曲线，将所述去钍影响的无铀伽马曲线与实测无铀伽马曲线进行对比，在砂岩剖面和泥岩剖面中定性识别出高钍层段；
在所述高钍层段中，利用所述去钍影响的无铀伽马曲线定量计算出泥质含量；
根据所述泥质含量、所述声波时差和所述密度，消除泥质影响，计算出待识别高钍砂岩储层的孔隙度；
根据所述泥质含量与所述孔隙度，在所述高钍层段中识别并划分储集层，完成待识别高钍砂岩储层测井识别。
进一步地，所述获取待识别高钍砂岩储层中的无铀伽马测量值和钾含量，以及待识别高钍砂岩储层的声波时差和密度，具体包括：
利用伽马能谱获取得到待识别高钍砂岩储层中的无铀伽马测量值和钾含量；
利用声波测井资料获取得到待识别高钍砂岩储层的声波时差和密度。
进一步地，所述利用所述钾含量与所述无铀伽马测量值构建去钍影响的无铀伽马曲线，具体包括：
选取多个非高钍的标准砂岩段，在每个所述非高钍的标准砂岩段中提取若干无铀伽马测量值和钾含量；
根据每个所述非高钍的标准砂岩段中的所述若干无铀伽马测量值和钾含量，拟合出每个所述非高钍的标准砂岩段的钾含量与无铀伽马测量值的线性关系模型；
根据多个所述非高钍的标准砂岩段的钾含量与无铀伽马测量值的线性关系模型，计算生成一条新的曲线，所述新的曲线即为所述去钍影响的无铀伽马曲线。
进一步地，所述将所述去钍影响的无铀伽马曲线与实测无铀伽马曲线进行对比，在砂岩剖面和泥岩剖面中定性识别出高钍层段，具体包括：
在同一刻度下，将所述去钍影响的无铀伽马曲线与实测无铀伽马曲线进行对比；
若所述去钍影响的无铀伽马曲线与实测无铀伽马曲线的重合度在预设范围内，则判识为非高钍层段；
若实测无铀伽马曲线高于所述去钍影响的无铀伽马曲线，且差值超过预设范围，则判识为高钍层段。
进一步地，所述在所述高钍层段中，利用所述去钍影响的无铀伽马曲线定量计算出泥质含量，具体如下：
公式中，VS为泥质含量；GCUR为与地质年代有关的经验系数；△KTH_Correctio为去钍影响的无铀伽马相对值；KTH_Correction为去钍影响的无铀伽马测量值；KTH_Correctionmin为纯砂岩层的去钍影响的无铀伽马测量值；KTH_Correctionmin为泥岩层的去钍影响的无铀伽马测量值。
进一步地，所述根据所述泥质含量、所述声波时差和所述密度，消除泥质影响，计算出待识别高钍砂岩储层的孔隙度，具体包括：
将所述泥质含量、所述声波时差和所述密度，结合岩石物理实验分析的孔隙度测试结果，利用数学拟合建立孔隙度多元回归模型计算得到所述待识别高钍砂岩储层的孔隙度。
进一步地，所述根据所述泥质含量与所述孔隙度，在所述高钍层段中识别并划分储集层，具体包括：
当所述泥质含量不大于泥质含量上限，且所述孔隙度不小于孔隙度下限时，在所述高钍层段中识别并划分储集层。
一种高钍砂岩储层测井识别装置，包括：
获取模块，用于获取待识别高钍砂岩储层中的无铀伽马测量值和钾含量，以及待识别高钍砂岩储层的声波时差和密度；
无铀伽马曲线构建及高钍层段识别模块，用于利用所述钾含量与所述无铀伽马测量值构建去钍影响的无铀伽马曲线，将所述去钍影响的无铀伽马曲线与实测无铀伽马曲线进行对比，在砂岩剖面和泥岩剖面中定性识别出高钍层段；
泥质含量计算模块，用于在所述高钍层段中，利用所述去钍影响的无铀伽马曲线定量计算出泥质含量；
孔隙度计算模块，用于根据所述泥质含量、所述声波时差和所述密度，消除泥质影响，计算出待识别高钍砂岩储层的孔隙度；
储集层识别划分模块，用于根据所述泥质含量与所述孔隙度，在所述高钍层段中识别并划分储集层，完成待识别高钍砂岩储层测井识别。
一种设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述一种高钍砂岩储层测井识别方法的步骤。
一种计算机可读存储介质，所述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实现一种高钍砂岩储层测井识别方法的步骤。
与现有技术相比，本发明至少具有以下有益效果：本发明提供的一种高钍砂岩储层测井识别方法，基于伽马能谱测井的原理，分析各测井曲线与地层岩性组分的响应关系，在高含钍地层中，首次提出去钍影响的无铀伽马曲线构建方法，利用钾含量与无铀伽马测量值构建去钍影响的无铀伽马曲线，通过无铀伽马曲线与实测无铀伽马曲线的对比差值来判识异常高含钍地层并计算泥质含量，消除了钍元素异常高导致的无铀伽马与泥质含量计算偏高现象，又避开了孔隙度测井曲线，受地层含气性的影响小，实现了高含钍地层中矿物组分的精确计算；同时在此基础上，进一步消除泥质影响，计算出精度更高的储层物性参数，有效提高了油气储集层的识别准确率，满足了储层分类、储量计算及工程力学参数计算等测井解释评价工作的精度需求；本发明的识别方法实现方法简单、操作方便、可复制性强，提高了致密油气储层勘探开发效率；在没有地层元素和核磁共振特殊测井项目的情况下，本发明利用伽马能谱与孔隙度测井等常规测井资料即可快速有效确定储层岩性与物性参数，成本较低，可提高生产时效，节约采集和试气试采成本。本发明可以适用于低孔-低渗、特低孔-特低渗、致密等储层的储层识别与划分，并在此基础上可开展储层分类、储量计算及工程力学参数计算等研究，支撑后续勘探开发。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式中的技术方案，下面将对具体实施方式描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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为本发明一种高钍砂岩储层测井识别方法的技术流程图；
图2为本发明实施例所述的去钍影响的无铀伽马曲线构建示意图；
图3为本发明实施例所述的利用去钍影响的无铀伽马曲线计算泥质含量并识别划分储集层示意图。
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，下面将结合附图对本发明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一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动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。
作为本发明的某一具体实施方式，如图1所示，一种高钍砂岩储层测井识别方法，具体包括以下步骤：
S1、获取待识别高钍砂岩储层中的无铀伽马测量值和钾含量，以及待识别高钍砂岩储层的声波时差和密度。
具体地说，利用伽马能谱获取得到待识别高钍砂岩储层中的无铀伽马测量值和钾含量；
利用声波测井资料获取得到待识别高钍砂岩储层的声波时差和密度。
伽马能谱测井及声波测井是按照中华人民共和国石油天然气行业标准《石油电缆测井作业技术规范SY/T 5600-2016》规定的流程进行获取的，具体的仪器刻度、误差控制及曲线合格评定标准均严格按照此规范。
S2、利用钾含量与无铀伽马测量值构建去钍影响的无铀伽马曲线，将去钍影响的无铀伽马曲线与实测无铀伽马曲线进行对比，在砂岩剖面和泥岩剖面中定性识别出高钍层段。
具体地说，构建去钍影响的无铀伽马曲线时，是基于理论推导结果，根据非高钍地层中无铀伽马测量值与钾元素含量的线性关系而构建的，如图2所示，具体如下：
选取多个非高钍的标准砂岩段，在每个非高钍的标准砂岩段中提取若干无铀伽马测量值和钾含量；
根据每个非高钍的标准砂岩段中的若干无铀伽马测量值和钾含量，拟合出每个非高钍的标准砂岩段的钾含量与无铀伽马测量值的线性关系模型；
根据多个非高钍的标准砂岩段的钾含量与无铀伽马测量值的线性关系模型，计算生成一条新的曲线，新的曲线即为去钍影响的无铀伽马曲线。
优选的，在构建去钍影响的无铀伽马曲线前，用于构建目标值的钾与无铀伽马测井曲线首先要完成测井曲线深度校正和标准化等预处理。通过曲线深度校正，使同一口井所有的测井数据之间有完全一致的深度对应关系，通过测井曲线标准化，消除来源于不同测井仪器和不同井别的测井资料的误差，使各种仪器在不同时间得到的测井数据具有统一的标准范围。
更加详细的说，非高钍地层中无铀伽马测量值与钾元素含量的线性关系理论推导过程为：
已知：
KTH_NORMAL＝b×LnVsh+c
K＝Vsh×Ksh+Vsand×Ksand＝Vsh×Ksh+(1-Vsh)×Ksand＝d×Vsh+f
可推导出：
KTH_NORMAL＝α×LnK+β
式中，KTH_NORMAL为非高钍储层中无铀伽马的测量值，Api；K为地层中钾元素的含量，％；VS为泥质含量，％；Vsand为砂质矿物的含量，％；Ksh和Ksand分别为单位体积泥质和砂质中的钾元素含量，％，同一区域地层较稳定时，一般均视为定值。
故在非高钍地层中,无铀伽马测量值与钾元素含量存在线性关系。
作为优选的实施方式，将去钍影响的无铀伽马曲线与实测无铀伽马曲线进行对比，在砂岩剖面和泥岩剖面中定性识别出高钍层段，具体如下：
在同一刻度下，将去钍影响的无铀伽马曲线与实测无铀伽马曲线进行对比；
若去钍影响的无铀伽马曲线与实测无铀伽马曲线的重合度在预设范围内，则判识为非高钍层段；本实施例中，预设范围为30API；
若实测无铀伽马曲线高于去钍影响的无铀伽马曲线，且差值超过预设范围，则判识为高钍层段。
S3、在高钍层段中，利用去钍影响的无铀伽马曲线定量计算出泥质含量。
具体地说，如图3所示，利用构建的去钍影响的无铀伽马曲线定量计算泥质含量，是在S2识别出的高钍层段中，采用S2中构建的去钍影响的无铀伽马曲线替换Tertiary泥质含量计算公式中的自然伽马曲线来计算泥质含量，具体的计算公式如下：
公式中，VS为泥质含量；GCUR为与地质年代有关的经验系数，对于第三系地层取3.7，对于老地层取2；△KTH_Correctio为去钍影响的无铀伽马相对值；KTH_Correction为去钍影响的无铀伽马测量值；KTH_Correctionmin为纯砂岩层的去钍影响的无铀伽马测量值；KTH_Correctionmin为泥岩层的去钍影响的无铀伽马测量值。
S4、根据泥质含量、声波时差和密度，消除泥质影响，计算出待识别高钍砂岩储层的孔隙度。
具体地说，将泥质含量、声波时差和密度，结合岩石物理实验分析的孔隙度测试结果，利用数学拟合建立孔隙度多元回归模型计算得到待识别高钍砂岩储层的孔隙度。
S5、根据泥质含量与孔隙度，在高钍层段中识别并划分储集层，完成待识别高钍砂岩储层测井识别。
具体地说，如图3所示，在S3和S4得到的泥质含量与孔隙度的基础上，将区域储集层泥质含量上限与孔隙度下限作为2组划分条件，当泥质含量不大于泥质含量上限，且孔隙度不小于孔隙度下限时，在高钍层段中识别并划分储集层。
实际资料处理过程中，去钍影响的无铀伽马、泥质含量、泥质校正的孔隙度计算和储层划分是通过编写程序实现。图3为基于去钍影响的无铀伽马在高钍地层中识别储集层的应用实例，第一道为岩性曲线，第二道为孔隙度曲线，第三道为深度道，第四道为高钍储层识别道，第五道和第六道分别为无铀伽马和去钍影响的无铀伽马计算的砂泥岩剖面，第七道和第八道分别为去钍影响的无铀伽马计算的泥质含量和孔隙度的精度对比，第九道和第十道分别为基于无铀伽马和去钍影响的无铀伽马识别出的储集层有效厚度。可以看出：去钍影响的无铀伽马计算的泥质含量与实验分析结果基本一致，利用该泥质含量计算的孔隙度结果也与实验分析较为吻合，验证了该方法的有效性。基于去钍影响的无铀伽马识别出2239.3-2246.8m深度段为有效储集层，增加了油气层的有效厚度。
本发明还提供了一种高钍砂岩储层测井识别装置，用于实现高钍砂岩储层测井识别方法，具体包括：
获取模块，用于获取待识别高钍砂岩储层中的无铀伽马测量值和钾含量，以及待识别高钍砂岩储层的声波时差和密度；
无铀伽马曲线构建及高钍层段识别模块，用于利用钾含量与无铀伽马测量值构建去钍影响的无铀伽马曲线，将去钍影响的无铀伽马曲线与实测无铀伽马曲线进行对比，在砂岩剖面和泥岩剖面中定性识别出高钍层段；
泥质含量计算模块，用于在高钍层段中，利用去钍影响的无铀伽马曲线定量计算出泥质含量；
孔隙度计算模块，用于根据泥质含量、声波时差和密度，消除泥质影响，计算出待识别高钍砂岩储层的孔隙度；
储集层识别划分模块，用于根据泥质含量与孔隙度，在高钍层段中识别并划分储集层，完成待识别高钍砂岩储层测井识别。
本发明在一个实施例中，提供了一种计算机设备，该计算机设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(CentralProcessing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor、DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理器可以用于一种高钍砂岩储层测井识别方法的操作。
本发明在一个实施例中，一种高钍砂岩储层测井识别方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。
所述计算机存储介质可以是计算机能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD))等。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种高钍砂岩储层测井识别方法，其特征在于，包括：
获取待识别高钍砂岩储层中的无铀伽马测量值和钾含量，以及待识别高钍砂岩储层的声波时差和密度；
利用所述钾含量与所述无铀伽马测量值构建去钍影响的无铀伽马曲线，将所述去钍影响的无铀伽马曲线与实测无铀伽马曲线进行对比，在砂岩剖面和泥岩剖面中定性识别出高钍层段；
在所述高钍层段中，利用所述去钍影响的无铀伽马曲线定量计算出泥质含量；
根据所述泥质含量、所述声波时差和所述密度，消除泥质影响，计算出待识别高钍砂岩储层的孔隙度；
根据所述泥质含量与所述孔隙度，在所述高钍层段中识别并划分储集层，完成待识别高钍砂岩储层测井识别。
2.根据权利要求1所述的一种高钍砂岩储层测井识别方法，其特征在于，所述获取待识别高钍砂岩储层中的无铀伽马测量值和钾含量，以及待识别高钍砂岩储层的声波时差和密度，具体包括：
利用伽马能谱获取得到待识别高钍砂岩储层中的无铀伽马测量值和钾含量；
利用声波测井资料获取得到待识别高钍砂岩储层的声波时差和密度。
3.根据权利要求1所述的一种高钍砂岩储层测井识别方法，其特征在于，所述利用所述钾含量与所述无铀伽马测量值构建去钍影响的无铀伽马曲线，具体包括：
选取多个非高钍的标准砂岩段，在每个所述非高钍的标准砂岩段中提取若干无铀伽马测量值和钾含量；
根据每个所述非高钍的标准砂岩段中的所述若干无铀伽马测量值和钾含量，拟合出每个所述非高钍的标准砂岩段的钾含量与无铀伽马测量值的线性关系模型；
根据多个所述非高钍的标准砂岩段的钾含量与无铀伽马测量值的线性关系模型，计算生成一条新的曲线，所述新的曲线即为所述去钍影响的无铀伽马曲线。
4.根据权利要求1所述的一种高钍砂岩储层测井识别方法，其特征在于，所述将所述去钍影响的无铀伽马曲线与实测无铀伽马曲线进行对比，在砂岩剖面和泥岩剖面中定性识别出高钍层段，具体包括：
在同一刻度下，将所述去钍影响的无铀伽马曲线与实测无铀伽马曲线进行对比；
若所述去钍影响的无铀伽马曲线与实测无铀伽马曲线的重合度在预设范围内，则判识为非高钍层段；
若实测无铀伽马曲线高于所述去钍影响的无铀伽马曲线，且差值超过预设范围，则判识为高钍层段。
5.根据权利要求1所述的一种高钍砂岩储层测井识别方法，其特征在于，所述在所述高钍层段中，利用所述去钍影响的无铀伽马曲线定量计算出泥质含量，具体如下：
公式中，VSh为泥质含量；GCUR为与地质年代有关的经验系数；△KTH_Correctio为去钍影响的无铀伽马相对值；KTH_Correction为去钍影响的无铀伽马测量值；KTH_Correctionmin为纯砂岩层的去钍影响的无铀伽马测量值；KTH_Correctionmin为泥岩层的去钍影响的无铀伽马测量值。
6.根据权利要求1所述的一种高钍砂岩储层测井识别方法，其特征在于，所述根据所述泥质含量、所述声波时差和所述密度，消除泥质影响，计算出待识别高钍砂岩储层的孔隙度，具体包括：
将所述泥质含量、所述声波时差和所述密度，结合岩石物理实验分析的孔隙度测试结果，利用数学拟合建立孔隙度多元回归模型计算得到所述待识别高钍砂岩储层的孔隙度。
7.根据权利要求1所述的一种高钍砂岩储层测井识别方法，其特征在于，所述根据所述泥质含量与所述孔隙度，在所述高钍层段中识别并划分储集层，具体包括：
当所述泥质含量不大于泥质含量上限，且所述孔隙度不小于孔隙度下限时，在所述高钍层段中识别并划分储集层。
8.一种高钍砂岩储层测井识别装置，其特征在于，包括：
获取模块，用于获取待识别高钍砂岩储层中的无铀伽马测量值和钾含量，以及待识别高钍砂岩储层的声波时差和密度；
无铀伽马曲线构建及高钍层段识别模块，用于利用所述钾含量与所述无铀伽马测量值构建去钍影响的无铀伽马曲线，将所述去钍影响的无铀伽马曲线与实测无铀伽马曲线进行对比，在砂岩剖面和泥岩剖面中定性识别出高钍层段；
泥质含量计算模块，用于在所述高钍层段中，利用所述去钍影响的无铀伽马曲线定量计算出泥质含量；
孔隙度计算模块，用于根据所述泥质含量、所述声波时差和所述密度，消除泥质影响，计算出待识别高钍砂岩储层的孔隙度；
储集层识别划分模块，用于根据所述泥质含量与所述孔隙度，在所述高钍层段中识别并划分储集层，完成待识别高钍砂岩储层测井识别。
9.一种设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述一种高钍砂岩储层测井识别方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项的一种高钍砂岩储层测井识别方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210325869.8A CN116931105A (zh) | 2022-03-30 | 2022-03-30 | 高钍砂岩储层测井识别方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210325869.8A CN116931105A (zh) | 2022-03-30 | 2022-03-30 | 高钍砂岩储层测井识别方法、装置、设备及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116931105A true CN116931105A (zh) | 2023-10-24 |
Family
ID=88381252
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210325869.8A Pending CN116931105A (zh) | 2022-03-30 | 2022-03-30 | 高钍砂岩储层测井识别方法、装置、设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116931105A (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 |
-
2022
- 2022-03-30 CN CN202210325869.8A patent/CN116931105A/zh active Pending
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 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106951660B (zh) | 一种海相碎屑岩水平井储层测井解释方法及装置 | |
| CN104278991A (zh) | 盐湖相烃源岩有机碳和生烃潜量的多元测井计算方法 | |
| WO2014117009A1 (en) | Predicting mineralogy properties from elemental compositions | |
| CN104514552A (zh) | 一种煤层气储层识别与丰度预测的方法 | |
| CN111665560A (zh) | 油气层识别方法、装置、计算机设备及可读存储介质 | |
| Merembayev et al. | Machine learning algorithms for stratigraphy classification on uranium deposits | |
| CN107688037A (zh) | 一种利用核磁测井t2分布确定井下岩石粒度曲线的方法 | |
| CN116931105A (zh) | 高钍砂岩储层测井识别方法、装置、设备及可读存储介质 | |
| Qifeng et al. | Logging-while-drilling formation dip interpretation based on long short-term memory | |
| CN113775326B (zh) | 可动水饱和度的评价方法、装置、电子设备及介质 | |
| US20190079209A1 (en) | Multi-Well Resistivity Anisotropy Modeling, Used to Improve the Evaluation of Thinly Bedded Oil and Gas Reservoirs | |
| CN109991663B (zh) | 工区地震速度体校正方法和装置 | |
| CN111812716A (zh) | 页岩气储层总有机碳含量叠前定量预测方法、装置及设备 | |
| CN116930023A (zh) | 致密砂岩相控分类孔隙度测井精细解释方法和装置 | |
| Albrecht et al. | Laboratory measurements of fluid transport properties on tight gas sandstones and applications | |
| CN109917489B (zh) | 一种地下承压水位确定的新方法 | |
| CN114428365A (zh) | 一种基于含气特征的致密砂岩气层测井识别方法及装置 | |
| Shreya et al. | Petrophysical reservoir characterization of Habiganj gas field, Surma Basin, Bangladesh | |
| CN112878999A (zh) | 各向异性地层含水饱和度的计算方法及装置 | |
| CN114060015A (zh) | 一种致密砂岩含气性的评价方法及装置 | |
| Abdollahian et al. | A new approach to reduce uncertainty in reservoir characterization using saturation height modeling, Mesaverde tight gas sandstones, western US basins | |
| CN113640880B (zh) | 砂岩型铀矿地震勘探方法和装置 | |
| CN110927819B (zh) | 一种裂缝发育程度表征方法 | |
| Díaz-Curiel et al. | Automatic Zonation and Correlation of Well Logs for a Tectono-Sedimentary Interpretation in the Continental Siliciclastic Basin of Duero River (Iberian Peninsula) | |
| CN112711076B (zh) | 提取石油钻井中泥浆侵入地层深度的方法和装置 |
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 |