CN116953814A - 一种基于岩相地质特征预测层理缝的方法 - Google Patents
一种基于岩相地质特征预测层理缝的方法 Download PDFInfo
- Publication number
- CN116953814A CN116953814A CN202310676675.7A CN202310676675A CN116953814A CN 116953814 A CN116953814 A CN 116953814A CN 202310676675 A CN202310676675 A CN 202310676675A CN 116953814 A CN116953814 A CN 116953814A
- Authority
- CN
- China
- Prior art keywords
- lithofacies
- seam
- features
- layer
- well
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000011161 development Methods 0.000 claims abstract description 38
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 22
- 239000011435 rock Substances 0.000 claims description 39
- 239000010433 feldspar Substances 0.000 claims description 16
- 239000010453 quartz Substances 0.000 claims description 14
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 14
- 239000004568 cement Substances 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 5
- 239000000203 mixture Substances 0.000 claims description 5
- 238000005520 cutting process Methods 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- -1 cuttings Substances 0.000 claims 1
- 238000003384 imaging method Methods 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 abstract description 7
- 230000004044 response Effects 0.000 abstract description 7
- 230000007547 defect Effects 0.000 abstract description 5
- 230000004927 fusion Effects 0.000 abstract 1
- 235000019580 granularity Nutrition 0.000 description 11
- 239000007789 gas Substances 0.000 description 9
- 238000011160 research Methods 0.000 description 8
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 6
- 238000010219 correlation analysis Methods 0.000 description 6
- 208000010392 Bone Fractures Diseases 0.000 description 4
- 206010017076 Fracture Diseases 0.000 description 4
- 230000005012 migration Effects 0.000 description 3
- 238000013508 migration Methods 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000008021 deposition Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 239000002244 precipitate Substances 0.000 description 2
- 239000013049 sediment Substances 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- BVPWJMCABCPUQY-UHFFFAOYSA-N 4-amino-5-chloro-2-methoxy-N-[1-(phenylmethyl)-4-piperidinyl]benzamide Chemical compound COC1=CC(N)=C(Cl)C=C1C(=O)NC1CCN(CC=2C=CC=CC=2)CC1 BVPWJMCABCPUQY-UHFFFAOYSA-N 0.000 description 1
- 208000035126 Facies Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000007864 aqueous solution Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011362 coarse particle Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- 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
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Immunology (AREA)
- Computational Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Pure & Applied Mathematics (AREA)
- Pathology (AREA)
- Mathematical Physics (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开一种基于岩相地质特征预测层理缝的方法，包括以下步骤：步骤1、获取取心井的裂缝信息，找出层理缝发育的典型井；步骤2、分析层理缝发育的典型井的岩相地质特征；步骤3、建立各类岩相地质特征的测井解释模型；步骤4、利用测井解释模型对未知井进行层理缝预测。本发明预测方法，克服了现有成像测井和常规测井解释裂缝预测技术对层理缝响应不明显的缺陷，提供融合参数地质预测，提高了层理缝预测可信度，对指导油气勘探和开发以及勘探目标的选择具有重要意义。
Description
技术领域
本发明涉及了石油化工勘探技术领域，具体涉及一种层理缝的预测方法，特别是一种基于岩相地质特征预测层理缝的方法。
背景技术
裂缝是油气勘探地质研究工作中的一项重点研究内容，根据裂缝成因可分为两大类：一类主要受构造作用控制，称为构造缝；一类主要受沉积作用控制，称为层理缝。
前人关于裂缝做了大量的研究，普遍认为裂缝尤其是天然形成的构造缝对于产能的贡献较大，因此对构造裂缝的研究既全面又深入，涵盖了特征、成因、预测及对油气成藏聚集的影响作用等各个方面，部分学者通过裂缝角度与产能的关系将倾角大于30°的构造缝界定为有效裂缝。然而从取心及成像测井的实际统计分析来看，倾角在30°以下的裂缝占比更高，发育范围更广，且以层理缝为主，横向连通性好，可以提高储层的水平渗透率高，也是一种重要的油气运移通道。
从勘探实践来看，层理缝发育的区域勘探效果较之构造缝发育的区域略差，但仍有部分高产井，而且随着工程工艺的进步，在层理缝发育的地区，通过大型的压裂改造技术，人工造就高密度缝网，也能达到增储上产的目的。因此，随着构造缝发育区的勘探开发程度的不断提高，对层理缝的研究和预测也变得越来越重要。
传统的裂缝预测主要是通过成像和常规测井解释，预测的对象主要为构造裂缝，而层理缝由于角度低，开度小，且部分被充填，成像测井和常规测井的响应并不明显，预测存在很大难度。
在此种背景下，亟需一种基于岩相地质特征预测层理缝的方法，实现对于层理缝发育状况进行科学预测。
发明内容
本发明的目的在于：为了克服现有裂缝预测技术对于层理缝特有的角度低、开度小且部分被充填使得测井响应不明显，预测难度大，准确度低的缺陷，提供一种基于岩相地质特征预测层理缝的方法。本发明通过分析层理缝发育的岩相地质特征，建立相应岩相地质特征的测井预测模型，最终实现层理缝的预测，对指导油气勘探和开发具有重要意义。
为了实现上述目的，本发明采用的技术方案为：
步骤1、获取取心井的裂缝信息，找出层理缝发育的典型井；
步骤2、分析层理缝发育的典型井的岩相地质特征；
步骤3、建立各类岩相地质特征的测井解释模型；
步骤4、利用测井解释模型对未知井进行层理缝预测。
本发明利用岩相地质特征进行层理缝预测的方法，提供了可靠的多参数地质预测方法，提高了层理缝预测的可信度。克服了现有成像测井和常规测井解释裂缝预测技术对层理缝响应不明显的缺陷，对指导油气勘探和开发以及勘探目标的选择具有重要意义。
进一步的，步骤1中，所述层理缝发育的典型井是指取心段层理缝密度大于10条/m的井。
层理缝是沿砂岩纹层面裂开，层理缝典型井的层理缝非常发育，取心段层理缝密度大于10条/m的井，层理缝纹层之间的粘结力变弱，层理缝的孔洞发育优于砂岩纹层，是油气运移的重要通道，微观层理缝是油气在单砂体的运移和分布重要空间。
进一步的，步骤2中，所述岩相地质特征包括层理缝发育段的岩石学特征、沉积微相特征和测井相特征。
进一步的，岩石学特征通过取心段系统采样镜下观察得到；沉积微特征相通过区域地质背景分析、岩心观察和测井曲线形态得到；测井相特征通过测井曲线形态得到。
进一步的，岩石学特征取得过程如下：将取心段在显微镜下观察，分析其得到碎屑组分、岩石类型、粒度、胶结物含量等特征中的至少一种；然后，将其与层理缝发育的典型井匹配，得到层理缝发育的典型井的岩石学特征。
优选地，所述岩石学特征包括碎屑组分、岩石类型、粒度、胶结物中的至少一种。其中，碎屑组分包括石英、岩屑、长石三种，岩石类型包括岩屑长石砂岩、长石岩屑砂岩、岩屑石英砂岩、长石石英砂岩、石英砂岩、岩屑砂岩、长石砂岩七种。粒度包括粗粒、中粒、细粒、粉砂、泥岩五种，粗粒粒径1~0.5mm，中粒粒径0.5~0.25mm，细粒粒径0.25~0.1mm，粉砂粒径0.1~0.01mm，泥岩粒径＜0.01mm。岩石学特征中胶结物特征是指胶结物含量。
以上各种岩石学特征的具体数据可通过实验获得，实验标准参考中华人民共和国石油天然气行业标准《SYT5368-2016岩石薄片鉴定》执行。
根据胶结物含量可以分析岩石发育形成层理缝的可能性，胶结物指在成岩过程中，从粒间水溶液中沉淀出来、对分离颗粒起焊结作用的化学沉淀物，松散的碎屑沉积物通过胶结作用变成固结的岩石。
进一步的，步骤2中，沉积微相特征通过区域地质背景分析、岩心观察和测井曲线形态得到。
优选地，将沉积微相数据和层理缝发育的典型井匹配，得到层理缝发育的典型井的沉积微相特征。
优选地，沉积微相类型在有取心的井段可以依据岩心资料、垂向层序、沉积旋回综合确定。缺少取心的井段沉积微相依据研究区建立的测井相模式确定。所述沉积微相特征是层理缝发育段的沉积微相类型的一种或数种的组合。
进一步的，步骤2中，将测井相特征，是通过测井曲线和层理缝发育的典型井匹配，得到测井相特征。
优选地，所述的测井相可依据研究区的测井曲线形态确定，筛选出测井曲线和层理缝发育的对应关系。
进一步的，步骤3中，所述的测井解释模型可以通过各类岩相地质特征与不同的测井参数进行关联性分析获得，测井参数包括但不局限于自然伽马、声波、密度、电阻率、中子、自然电位等中的至少一种。通过融合多种测井参数可以有效的提高测井解释模型的准确性，使得测井解释模型预测层理缝的可靠性，减少误差。
进一步的，步骤3中，岩相地质特征与测井参数关联性分析的具体过程如下：对任意一种岩相特征，与对应深度点或深度段的不同测井参数建立关系式，逐个分析各个测井参数对该种岩相特征的关联性分析，并从中选取较强的一种或两种或多种关系式作为该类岩相的测井预测模型。
进一步的，步骤3中，为了提高预测的精度，至少选取两种或两种以上的岩相地质特征建立测井预测模型。
进一步的，步骤4中，采用测井解释模型对未知井进行岩相地质特征解释；符合层理缝发育的岩相地质特征，则预测为层理缝发育段；否则预测为非层理缝发育段。
更具体的，采用步骤3得到测井解释模型，对未知井进行测井解释。如果未知井中的某一井段通过测井解释出现了层理缝发育的多个岩相地质特征，则该井段可预测为层理缝发育段，否则则判定为非层理缝发育段。
特别是对于缺乏取心的未知井进行测井解释，对于具有取心数据的井可以通过取心样本分析其层理缝发育情况。缺乏取芯样本的未知井，通过将测井解释数据和测井解释模型进行比较分析，可以快速的完成层理缝发育段的预测，并且通过结合层理缝发育的多个岩相地质特征匹配，提高测井解释模型判断的准确率。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
1、本发明提供了一种针对特殊层理缝利用岩相地质特征进行预测的方法，克服了现有成像测井和常规测井解释裂缝预测技术对层理缝响应不明显的缺陷，对指导油气勘探和开发以及勘探目标的选择具有重要意义。与现有技术方案相比，提供了可靠的多参数地质预测方法，提高了层理缝预测的可信度。
2、本发明基于岩相地质特征预测层理缝的方法，优选采用两种或两种以上的层理缝发育段的岩相地质特征建立测井预测模型，避免只能通过取心观察识别的问题，即使在开度较小在成像测井和常规测井也可以提供较为精准的预测，能够有效实现非取心段的层理缝预测识别。
附图说明
图1为本发明基于岩相地质特征预测层理缝的方法流程图。
具体实施方式
下面结合附图，对本发明作详细的说明。
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，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。
实施例1
本实施例以实际研究的某一区域某一层系的层理缝为例进行描述本发明的技术方案：
步骤1、获取研究区每口取心井的裂缝信息，找出层理缝发育的典型井。
研究区内取心井共有35口，通过层理缝观察及数据统计分析认为其中10口井可以作为层理缝发育的典型井。
步骤2、分析层理缝发育典型井的岩相地质特征；所述岩相地质特征，包括层理缝发育段的岩石学特征，沉积微相特征和测井相特征。
对10口层理缝发育的典型井的岩石学特征的碎屑组分、岩石类型和粒度统计发现，层理缝发育典型井的岩石学特征规律有三种，第一种表现为碎屑组分石英含量≥75%且粒度为粗粒的岩石学特征，第二种表现为碎屑组分中石英含量＜75%，长石与岩屑含量的比值≥1且粒度粗粒、中粒、细粒混杂的岩石学特征，第三种表现为碎屑组分中石英含量＜75%，长石与岩屑的比值＜1/3且岩屑为碳酸盐岩屑，胶结物为碳酸盐胶结物的岩石学特征。
对10口层理缝发育的典型井进行沉积微相特征分析发现，上述第一种岩石学规律对应的沉积微相是单期的水下分流河道型，上述第二种岩石学规律对应的沉积微相是水下分流河道与河口坝叠置型，上述第三种岩石学规律对应的沉积微相是高碳酸盐岩与低碳酸盐岩水下分流河道叠置型。
对10口层理缝发育的典型井进行测井相分析发现，上述第一种岩石学规律对应的测井相特征是GR曲线（自然伽马曲线）呈顶底突变的箱型特征，上述第二种岩石学规律对应的测井相是GR曲线呈齿化箱型与漏斗型叠置的特征，上述第三种岩石学规律对应的测井相是GR曲线呈箱型，电阻率RD或RS曲线呈齿化尖指型的特征。其中，RD、RS—深、浅侧向电阻率。
步骤3、建立各类岩相地质特征的测井解释模型；
上述碎屑组分、粒度、沉积微相、测井相等四种岩相地质特征具有规律性，需要建立响应的测井解释模型。其中沉积微相和测井相可以通过测井曲线的直观形态判断，碳酸盐岩屑或者碳酸盐胶结物可以通过电阻率曲线的齿化尖指型判断。碎屑组分可以通过分析测井参数与碎屑组分含量之间的关联性来建立模型，其原理是地层中的不同组分的物理性质不同，在不同的测井曲线上具有不同的响应特征。
关联性分析发现，石英、长石、岩屑与自然伽马（GR）、声波（AC）、中子（CNL）和密度（DEN）的关联性相对较强，利用数理软件SPSS进行多元回归数据拟合，得到以下测井预测模型：
石英=109.1+0.442*GR-0.247*AC-1.533*CNL-19.326*DEN
长石=40.91-0.713*GR+0.592*AC+2.588*CNL+14.893*DEN
岩屑=31.72+0.268*GR-0.342*AC-1.054*CNL+4.432*DEN
关联性分析发现，所述粒度与自然伽马（GR）及中子（CNL）关联性较强，分析统计不同粒度对应的自然伽马和中子数据，得到以下测井预测模型：
当GR＞103且CNL＞8时，预测为泥岩；
当92≤GR＜103且7≤CNL＜8时，预测为粉砂岩；
当75≤GR＜92且6≤CNL＜7时，预测为细粒；
当50≤GR＜75且CNL＜7时，预测为中粒；
当GR＜50且CNL＜5时，预测为粗粒。
步骤4、利用步骤3得到的岩相特征测井预测模型对未知井进行层理缝预测。
在未知层理缝是否发育的其他井中，通过测井预测模型可以得到未知井的碎屑组分含量、粒度、沉积微相、测井相。
进一步的，可以预测层理缝发育的情况有三种。
第一种是碎屑组分石英含量≥75%且粒度为粗粒的岩石学特征，沉积微相是单期的水下分流河道型，GR曲线呈顶底突变的箱型特征，则该井段预测为层理缝发育段。
第二种是碎屑组分中石英含量＜75%，长石与岩屑含量的比值≥1且粒度粗粒、中粒、细粒混杂的岩石学特征，沉积微相是水下分流河道与河口坝叠置型，测井相是GR曲线呈齿化箱型与漏斗型叠置的特征，则该井段预测为层理缝发育段。
第三种是碎屑组分中石英含量＜75%，长石与岩屑的比值＜1/3，沉积微相是高碳酸盐岩与低碳酸盐岩水下分流河道叠置型，测井相是GR曲线呈箱型，电阻率RD或RS曲线呈齿化尖指型的特征，则该井段预测为层理缝发育段。
所预测的岩相特征不满足以上三种情况中的任意一种时，则该井段预测为非层理缝发育段。
本发明提供了一种针对特殊层理缝利用岩相地质特征进行预测的方法，克服了现有成像测井和常规测井解释裂缝预测技术对层理缝响应不明显的缺陷，对指导油气勘探和开发以及勘探目标的选择具有重要意义。与现有技术方案相比，提供了可靠的多参数地质预测方法，提高了层理缝预测的可信度。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于岩相地质特征预测层理缝的方法，其特征在于，包括以下步骤：
步骤1、获取取心井的裂缝信息，找出层理缝发育的典型井；
步骤2、分析层理缝发育的典型井的岩相地质特征；
步骤3、建立各类岩相地质特征的测井解释模型；
步骤4、利用测井解释模型对未知井进行层理缝预测。
2.根据权利要求1所述的一种基于岩相地质特征预测层理缝的方法，其特征在于，所述层理缝发育的典型井是指取心段层理缝密度大于10条/m的井。
3.根据权利要求1所述的一种基于岩相地质特征预测层理缝的方法，其特征在于，所述步骤2中，所述岩相地质特征包括层理缝发育段的岩石学特征、沉积微相特征和测井相特征。
4.根据权利要求1所述的一种基于岩相地质特征预测层理缝的方法，其特征在于，所述步骤2中，岩石学特征通过取心段系统采样镜下观察得到；沉积微相特征通过区域地质背景分析、岩心观察和测井曲线形态得到；测井相特征通过测井曲线形态得到。
5.根据权利要求4所述的一种基于岩相地质特征预测层理缝的方法，其特征在于，所述岩石学特征包括碎屑组分、岩石类型、粒度、胶结物中的至少一种。
6.根据权利要求5所述的一种基于岩相地质特征预测层理缝的方法，其特征在于，碎屑组分包括石英、岩屑、长石三种；
岩石类型包括岩屑长石砂岩、长石岩屑砂岩、岩屑石英砂岩、长石石英砂岩、石英砂岩、岩屑砂岩、长石砂岩七种；
粒度包括粗粒、中粒、细粒、粉砂、泥岩五种。
7.根据权利要求6所述的一种基于岩相地质特征预测层理缝的方法，其特征在于，粗粒粒径1~0.5mm，中粒粒径0.5~0.25mm，细粒粒径0.25~0.1mm，粉砂粒径0.1~0.01mm，泥岩粒径＜0.01mm。
8.根据权利要求1所述的一种基于岩相地质特征预测层理缝的方法，其特征在于，所述步骤3中，建立测井解释模型所需的测井曲线参数包括：自然伽马、声波、密度、电阻率、中子、自然电位中的至少一种。
9.根据权利要求1所述的一种基于岩相地质特征预测层理缝的方法，步骤3中，分别建立各类岩相地质特征与各种测井曲线参数的关系式，选取其中相关性最好的一种关系式作为各类岩相特征的测井解释模型。
10.根据权利要求1-9任意一项所述的一种基于岩相地质特征预测层理缝的方法，其特征在于，所述步骤4中，采用测井解释模型对未知井进行岩相地质特征解释；符合层理缝发育的岩相地质特征，则预测为层理缝发育段；否则预测为非层理缝发育段。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310676675.7A CN116953814A (zh) | 2023-06-08 | 2023-06-08 | 一种基于岩相地质特征预测层理缝的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310676675.7A CN116953814A (zh) | 2023-06-08 | 2023-06-08 | 一种基于岩相地质特征预测层理缝的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116953814A true CN116953814A (zh) | 2023-10-27 |
Family
ID=88441801
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310676675.7A Pending CN116953814A (zh) | 2023-06-08 | 2023-06-08 | 一种基于岩相地质特征预测层理缝的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116953814A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117407841A (zh) * | 2023-12-15 | 2024-01-16 | 东北石油大学三亚海洋油气研究院 | 一种基于优化集成算法的页岩层理缝预测方法 |
-
2023
- 2023-06-08 CN CN202310676675.7A patent/CN116953814A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117407841A (zh) * | 2023-12-15 | 2024-01-16 | 东北石油大学三亚海洋油气研究院 | 一种基于优化集成算法的页岩层理缝预测方法 |
| CN117407841B (zh) * | 2023-12-15 | 2024-03-22 | 东北石油大学三亚海洋油气研究院 | 一种基于优化集成算法的页岩层理缝预测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Glaser et al. | Seeking the sweet spot: Reservoir and completion quality in organic shales | |
| Radwan et al. | Development of formation damage diagnosis workflow, application on Hammam Faraun reservoir: a case study, Gulf of Suez, Egypt | |
| Antonellini et al. | A natural analog for a fractured and faulted reservoir in dolomite: Triassic Sella Group, northern Italy | |
| CN109143399B (zh) | 一种识别碳酸盐岩层序界面的方法 | |
| CN116953814A (zh) | 一种基于岩相地质特征预测层理缝的方法 | |
| Laubach et al. | Obtaining fracture information for low‐permeability (tight) gas sandstones from sidewall cores | |
| CN111474601A (zh) | 一种逐级预测火山岩优质储层的方法 | |
| Slightam | Characterizing seismic-scale faults pre-and post-drilling; Lewisian Basement, West of Shetlands, UK | |
| CN112946782B (zh) | 一种致密油气储渗体地震精细刻画方法 | |
| Soltanzadeh* et al. | Application of mechanical and mineralogical rock properties to identify fracture fabrics in the Devonian Duvernay formation in Alberta | |
| Taheri et al. | Quantifying fracture density within the Asmari reservoir: an integrated analysis of borehole images, cores, and mud loss data to assess fracture-induced effects on oil production in the Southwestern Iranian Region | |
| Kadkhodaie et al. | Reservoir characterization of tight gas sandstones: exploration and development | |
| CN110320558A (zh) | 一种基于岩-化-电-震的碎屑岩不整合结构体识别方法 | |
| CN112282751B (zh) | 一种地质工程三维耦合的致密油气水平井开采检测方法 | |
| Kareem | Optimization of water injection for badra oil field wasit, southern Iraq | |
| Matthews | Using core to reduce risk and deliver added business value throughout field life: a carbonate reservoir focus | |
| Guven et al. | The Rathdowney Trend, Ireland: Geological evolution and controls on Zn-Pb mineralization | |
| Renaud | The pandemic shut-in: Reactivating wells shut-in in spring/summer 2020—The impact on 10-year forecast and EUR outlook: A Duvernay Oil case study | |
| Kondratyev et al. | Submarine fan reservoir architecture and heterogeneity influence on hard-to-recover reserves. Achimov Fm | |
| Crowley et al. | The stag oilfield | |
| CN111352154B (zh) | 一种基于宽方位地震的储层预测方法 | |
| Aboaba et al. | Mississippian chat and tripolite zones in Osage County, Oklahoma: Paleokarst interpretation based on 3D seismic and well logs | |
| Szarkowski | Resource Estimation and Simulation at West Butte in the McDonald Gold Deposit Near Lincoln, Montana | |
| Schulz‐Rojahn et al. | Application of Glauconite Morphology in Geosteering and for on‐Site Reservoir Quality Assessment in Very Fine‐Grained Sandstones: Carnarvon Basin, Australia | |
| Masaud et al. | Reservoir Characterization-Geostatistical Modeling of the Paleocene Zelten Carbonate Reservoir. Case study: Meghil Field, Sirte Basin, Libya |
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 |