CN116992614A - 岩石力学参数的确定方法、装置、存储介质及电子设备 - Google Patents
岩石力学参数的确定方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN116992614A CN116992614A CN202210443794.3A CN202210443794A CN116992614A CN 116992614 A CN116992614 A CN 116992614A CN 202210443794 A CN202210443794 A CN 202210443794A CN 116992614 A CN116992614 A CN 116992614A
- Authority
- CN
- China
- Prior art keywords
- rock
- sample
- lithology
- determining
- rock mechanical
- 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
- 239000011435 rock Substances 0.000 title claims abstract description 501
- 238000000034 method Methods 0.000 title claims abstract description 79
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 147
- 239000011707 mineral Substances 0.000 claims abstract description 147
- 239000000203 mixture Substances 0.000 claims abstract description 106
- 238000004364 calculation method Methods 0.000 claims abstract description 93
- 238000004458 analytical method Methods 0.000 claims description 21
- 238000002474 experimental method Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 8
- 238000002441 X-ray diffraction Methods 0.000 claims description 6
- 238000011161 development Methods 0.000 abstract description 3
- 238000012360 testing method Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000005553 drilling Methods 0.000 description 6
- 235000019738 Limestone Nutrition 0.000 description 4
- 239000006028 limestone Substances 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 208000035126 Facies Diseases 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 239000002956 ash Substances 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000004626 scanning electron microscopy Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Chemical & Material Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本申请涉及油气田勘探开发领域，具体涉及一种岩石力学参数的确定方法、装置及电子设备，方法包括：分析待测陆相页岩岩石的岩石类型及其矿物组分；根据预先建立好的岩石力学参数计算模型确定与岩石类型及其矿物组分对应的岩石力学参数；其中，岩石力学参数计算模型为根据样本陆相页岩岩石的矿物组成及与已知的矿物组成对应的岩石力学参数建立。通过分析待测陆相页岩岩石的岩石类型及其矿物组分，再根据预先建立好的岩石力学参数计算模型就可快速准确地确定与所述岩石类型及其矿物组分对应的岩石力学参数。由于岩石力学参数计算模型是通过陆相页岩的岩石矿物组成与岩石力学性质间的关系建立的，因此可以实现准确快速的进行岩石力学参数计算。
Description
技术领域
本申请涉及油气田勘探开发技术领域，特别地涉及一种岩石力学参数的确定方法、装置、存储介质及电子设备。
背景技术
利用测井资料计算岩石力学参数的方法，是建立在岩石力学实验基础上。在实验中，通过岩石力学测试，获得岩石的抗压强度、杨氏模量、泊松比等岩石力学参数。并同时测量该岩石的纵、横波速，建立波速与岩石力学参数的关系，确定岩石力学计算方法。由于测井资料中测有地层岩石的纵、横波时差，利用实验数据与纵、横波速度方程，来求得地层岩石的岩石力学参数。
上述方法是建立在岩石的均质性强、各向异性差的情况下。而陆相页岩由于具有灰质、砂质、煤与泥质等岩性条带，岩石类型多样且频繁互层，其非均质性强，各向异性强，利用测井资料计算岩石力学参数方法，则会有较大的误差。
发明内容
针对现有技术中的利用测井资料计算岩石力学参数有较大误差的问题，本申请提供一种岩石力学参数的确定方法、装置、存储介质及电子设备。
第一方面，本申请提供了一种岩石力学参数的确定方法，所述方法包括：
分析待测陆相页岩岩石的岩石类型及其矿物组分；
根据预先建立好的岩石力学参数计算模型确定与所述岩石类型及其矿物组分对应的岩石力学参数；
其中，所述预先建立好的岩石力学参数计算模型为根据样本陆相页岩岩石的矿物组成及与已知的矿物组成对应的岩石力学参数建立。
上述实施方式中，通过分析待测陆相页岩岩石的岩石类型及其矿物组分，再根据预先建立好的岩石力学参数计算模型就可快速准确地确定与所述岩石类型及其矿物组分对应的岩石力学参数。预先建立好的岩石力学参数计算模型是通过陆相页岩的岩石矿物组成与岩石力学性质间的关系建立的，因此可以实现准确快速的进行岩石力学参数计算。
根据本申请的实施例，可选的，上述岩石力学参数的确定方法中，所述分析待测陆相页岩岩石的岩石类型及其矿物组分的步骤包括：
获取所述待测陆相页岩岩石的待测岩性描述资料；
利用预先建立好的岩性确定模型以及矿物组分确定模型对所述待测岩性描述资料进行计算，以得到所述待测陆相页岩岩石的岩石类型及其矿物组分。
上述实施方式中，在获取待测陆相页岩岩石的岩石类型及其矿物组分时，可以通过预先建立好的岩性确定模型以及矿物组分确定模型对所述待测岩性描述资料进行计算，以快速准确得到所述待测陆相页岩岩石的岩石类型及其矿物组分，从而提高对待测陆相页岩岩石的岩石类型及其矿物组分获取的效率和准确度，从而保证能够更准确的获取陆相页岩岩石的岩石力学参数。
根据本申请的实施例，可选的，上述岩石力学参数的确定方法中，所述利用预先建立好的岩性确定模型以及矿物组分确定模型对所述待测岩性描述资料进行计算的步骤之前，所述方法包括：
获取样本陆相页岩岩石的样本岩性描述资料；
根据所述样本岩性描述资料分析所述样本陆相页岩岩石的岩性组合关系；
根据所述岩性组合关系建立岩性确定模型。
上述实施方式中，通过样本岩性描述资料可以对样本陆相页岩岩石的岩性组合关系进行分析，然后基于岩性组合关系可以建立岩性确定模型。
根据本申请的实施例，可选的，上述岩石力学参数的确定方法中，所述根据所述样本岩性描述资料分析所述样本陆相页岩岩石的岩性组合关系的步骤，包括：
根据所述样本岩性描述资料建立多个不同的交会图；
对所述多个不同的交会图进行分析以得到所述样本陆相页岩岩石的岩性组合关系。
在对样本陆相页岩岩石的岩性组合关系进行分析时，可以通过绘制交会图的方式快速直观的对样本陆相页岩岩石的岩性组合关系进行分析。
根据本申请的实施例，可选的，上述岩石力学参数的确定方法中，所述利用预先建立好的岩性确定模型以及矿物组分确定模型对所述待测岩性描述资料进行计算的步骤之前，所述方法包括：
对样本陆相页岩岩石进行X衍射全岩矿物组分实验，并得到实验结果；
根据所述实验结果建立矿物组分确定模型。
上述实施方式中，通过X衍射全岩矿物组分实验可以准确的得到实验结果，实验结果中包括样本陆相页岩岩石的矿物组成成分，因此，根据试验结果建立的矿物组分确定模型可以准确的对矿物组分进行确定。
根据本申请的实施例，可选的，上述岩石力学参数的确定方法中，所述根据预先建立好的岩石力学参数计算模型确定与所述岩石类型及其矿物组分对应的岩石力学参数的步骤之前，所述方法包括：
获取样本陆相页岩岩石的样本岩石类型以及样本岩石力学参数；
将根据所述样本岩石类型对所述样本岩石力学参数进行分类，以得到分类结果；
根据所述分类结果分析所述样本陆相页岩岩石的矿物组成与所述样本岩石力学参数的关系；
根据所述关系进行权重分配，以建立岩石力学参数计算模型。
根据本申请的实施例，可选的，上述岩石力学参数的确定方法中，所述根据所述关系进行权重分配，以建立岩石力学参数计算模型的步骤之后，所述方法还包括：
根据所述岩石力学参数计算模型获取待验证陆相页岩岩石的第一岩石力学参数；
获取通过岩石力学实验得到的待验证陆相页岩岩石的第二岩石力学参数；
根据所述第一岩石力学参数以及所述第二岩石力学参数确定误差值；
根据所述误差值判断所述岩石力学参数计算模型是否需要优化。
上述实施方式中，可以通过岩石力学参数计算模型获取待验证陆相页岩岩石的第一岩石力学参数，然后通过岩石力学实验得到的待验证陆相页岩岩石的第二岩石力学参数，从而通过第一岩石力学参数以及所述第二岩石力学参数确定误差值，根据误差值则可以准确的判断所述岩石力学参数计算模型是否需要优化，从而保证岩石力学参数计算模型的准确性。
第二方面，本申请还提供了一种岩石力学参数的确定装置，所述装置包括：
陆相页岩岩石分析模块，用于分析待测陆相页岩岩石的岩石类型及其矿物组分；
岩石力学参数确定模块，用于根据预先建立好的岩石力学参数计算模型确定与所述岩石类型及其矿物组分对应的岩石力学参数；
其中，所述预先建立好的岩石力学参数计算模型为根据样本陆相页岩岩石的矿物组成及与已知的矿物组成对应的岩石力学参数建立。
根据本申请的实施例，可选的，上述岩石力学参数的确定装置中，所述陆相页岩岩石分析模块包括：
待测岩性描述资料获取单元，用于获取所述待测陆相页岩岩石的待测岩性描述资料；
计算单元，用于利用预先建立好的岩性确定模型以及矿物组分确定模型对所述待测岩性描述资料进行计算，以得到所述待测陆相页岩岩石的岩石类型及其矿物组分。
根据本申请的实施例，可选的，上述岩石力学参数的确定装置中，所述装置包括：
样本岩性描述资料获取模块，用于获取样本陆相页岩岩石的样本岩性描述资料；
岩性组合关系分析模块，用于根据所述样本岩性描述资料分析所述样本陆相页岩岩石的岩性组合关系；
岩性确定模型建立模块，用于根据所述岩性组合关系建立岩性确定模型。
根据本申请的实施例，可选的，上述岩石力学参数的确定装置中，所述岩性组合关系分析模块包括：
交会图建立单元，用于根据所述样本岩性描述资料建立多个不同的交会图；
交会图分析单元，用于对所述多个不同的交会图进行分析以得到所述样本陆相页岩岩石的岩性组合关系。
根据本申请的实施例，可选的，上述岩石力学参数的确定装置中，所述装置包括：
矿物组分实验模块，用于对样本陆相页岩岩石进行X衍射全岩矿物组分实验，并得到实验结果；
矿物组分确定模型建立模块，用于根据所述实验结果建立矿物组分确定模型。
根据本申请的实施例，可选的，上述岩石力学参数的确定装置中，所述装置包括：
样本数据获取模块，用于获取样本陆相页岩岩石的样本岩石类型以及样本岩石力学参数；
分类模块，用于将根据所述样本岩石类型对所述样本岩石力学参数进行分类，以得到分类结果；
关系分析模块，用于根据所述分类结果分析所述样本陆相页岩岩石的矿物组成与所述样本岩石力学参数的关系；
权重分配模块，用于根据所述关系进行权重分配，以建立岩石力学参数计算模型。
根据本申请的实施例，可选的，上述岩石力学参数的确定装置中，所述装置还包括：
第一岩石力学参数获取模块，用于根据所述岩石力学参数计算模型获取待验证陆相页岩岩石的第一岩石力学参数；
第二岩石力学参数获取模块，用于获取通过岩石力学实验得到的待验证陆相页岩岩石的第二岩石力学参数；
误差值确定模块，用于根据所述第一岩石力学参数以及所述第二岩石力学参数确定误差值；
优化判断模块，用于根据所述误差值判断所述岩石力学参数计算模型是否需要优化。
第三方面，本申请提供了一种存储介质，该存储介质存储的计算机程序，可被一个或多个处理器执行，可用来实现如上述的岩石力学参数的确定方法。
第四方面，本申请提供了一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被所述处理器执行时，执行上述的岩石力学参数的确定方法。
与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：
本申请提供的一种岩石力学参数的确定方法、装置、存储介质及电子设备，方法包括：分析待测陆相页岩岩石的岩石类型及其矿物组分；根据预先建立好的岩石力学参数计算模型确定与所述岩石类型及其矿物组分对应的岩石力学参数；其中，所述预先建立好的岩石力学参数计算模型为根据样本陆相页岩岩石的矿物组成及与已知的矿物组成对应的岩石力学参数建立。上述实施方式中，通过分析待测陆相页岩岩石的岩石类型及其矿物组分，再根据预先建立好的岩石力学参数计算模型就可快速准确地确定与所述岩石类型及其矿物组分对应的岩石力学参数。预先建立好的岩石力学参数计算模型是通过陆相页岩的岩石矿物组成与岩石力学性质间的关系建立的，因此可以实现准确快速的进行岩石力学参数计算。
附图说明
在下文中将基于实施例并参考附图来对本申请进行更详细的描述。
图1为本申请实施例一提供的一种岩石力学参数的确定方法的流程示意图。
图2为本申请实施例二提供的一种自然伽马与电阻率交会图。
图3为本申请实施例二提供的一种中子与声波时差交会图。
图4为本申请实施例二提供的一种岩性剖面与岩心岩性描述剖面图。
图5为本申请实施例二提供的一种矿物组分计算与岩心分析对比图。
图6为本申请实施例二提供的一种岩石力学计算结果与岩心测试岩石力学数据对比图。
图7为本申请实施例三提供的一种新钻井的岩石力学参数计算结果以及实验测试数据的对比图。
图8为本申请实施例四提供的一种岩石力学参数的确定装置的结构示意框图。
图9为本申请实施例六提供的一种电子设备的连接框图。
在附图中，相同的部件使用相同的附图标记，附图并未按照实际的比例绘制。
具体实施方式
以下将结合附图及实施例来详细说明本申请的实施方式，借此对本申请如何应用技术手段来解决技术问题，并达到相应技术效果的实现过程能充分理解并据以实施。本申请实施例以及实施例中的各个特征，在不相冲突前提下可以相互结合，所形成的技术方案均在本申请的保护范围之内。
实施例一
本发明提供一种岩石力学参数的确定方法，请参阅图1，该方法包括如下步骤：
步骤S110：分析待测陆相页岩岩石的岩石类型及其矿物组分。
根据本申请的实施例，可选的，上述岩石力学参数的确定方法中，所述分析待测陆相页岩岩石的岩石类型及其矿物组分的步骤S110包括以下过程：
首先，获取所述待测陆相页岩岩石的待测岩性描述资料。
然后，利用预先建立好的岩性确定模型以及矿物组分确定模型对所述待测岩性描述资料进行计算，以得到所述待测陆相页岩岩石的岩石类型及其矿物组分。
其中，待测岩性描述资料可以是取心、录井岩性描述等岩性描述资料。在获取待测岩性描述资料时，可以通过根据对待测陆相页岩岩石所在井进行取心、录井操作时获取，也可以从预先建立好的数据库中查找与所述待测陆相页岩岩石对应的待测岩性描述资料。
在获取到待测岩性描述资料之后，利用预先建立好的岩性确定模型以及矿物组分确定模型对待测岩性描述资料进行计算。根据待测描述资料，岩性确定模型可以确定出待测陆相页岩岩石的岩石类型，而矿物组分确定模型则可以确定出待测陆相页岩岩石不同岩石类型所对应的矿物组分。
上述实施方式中，在获取待测陆相页岩岩石的岩石类型及其矿物组分时，可以通过预先建立好的岩性确定模型以及矿物组分确定模型对所述待测岩性描述资料进行计算，以快速准确得到所述待测陆相页岩岩石的岩石类型及其矿物组分，从而提高对待测陆相页岩岩石的岩石类型及其矿物组分获取的效率和准确度，从而保证能够更准确的获取陆相页岩岩石的岩石力学参数。
步骤S120：根据预先建立好的岩石力学参数计算模型确定与所述岩石类型及其矿物组分对应的岩石力学参数。
其中，所述预先建立好的岩石力学参数计算模型为根据样本陆相页岩岩石的矿物组成及与已知的矿物组成对应的岩石力学参数建立。
由于预先建立好的岩石力学参数计算模型是根据样本陆相页岩岩石的矿物组成及与所述已知的矿物组成对应的岩石力学参数建立的，则可以通过预先建立好的岩石力学参数计算模型以及待测陆相页岩岩石的岩石类型及其矿物组分快速的确定出相应的岩石力学参数。该预先建立好的岩石力学参数计算模型可以为通过机器学习建立的模型。作为一种实施方式，可以为通过深度学习建立的神经网络模型，例如，循环神经网络(RecurrentNeural Network，RNN)、长短期记忆网络(Long Short Term Mermory network，LSTM)、卷积神经网络(Convolutional Neural Networks，CNN)等。由于岩石力学参数计算模型是根据样本陆相页岩岩石的矿物组成及与所述已知的矿物组成对应的岩石力学参数建立的，通过机器学习建立的岩石力学参数计算模型可以准确的确定与所述岩石类型及其矿物组分对应的岩石力学参数。其中，可以使用于建立岩石力学参数计算模型的样本陆相页岩岩石的矿物组成及与所述已知的矿物组成对应的岩石力学参数为大量的数据，从而保证建立好的岩石力学参数计算模型的计算精度。
在获取待测陆相页岩岩石的岩石类型及其矿物组分时，可以通过预先建立好的岩性确定模型以及矿物组分确定模型对所述待测岩性描述资料进行计算，以快速准确得到所述待测陆相页岩岩石的岩石类型及其矿物组分，从而提高对待测陆相页岩岩石的岩石类型及其矿物组分获取的效率和准确度，从而保证能够更准确的获取陆相页岩岩石的岩石力学参数。
综上所述，本申请提供一种岩石力学参数的确定方法，包括：分析待测陆相页岩岩石的岩石类型及其矿物组分；根据预先建立好的岩石力学参数计算模型确定与所述岩石类型及其矿物组分对应的岩石力学参数；其中，所述预先建立好的岩石力学参数计算模型为根据样本陆相页岩岩石的矿物组成及与所述已知的矿物组成对应的岩石力学参数建立。通过分析待测陆相页岩岩石的岩石类型及其矿物组分，再根据预先建立好的岩石力学参数计算模型就可快速准确地确定与所述岩石类型及其矿物组分对应的岩石力学参数。预先建立好的岩石力学参数计算模型是通过陆相页岩的岩石矿物组成与岩石力学性质间的关系建立的，因此可以实现准确快速的进行岩石力学参数计算。
实施例二
在实施例一的基础上，本实施例通过具体实施案例对实施例一中的方法进行说明。
在利用预先建立好的岩性确定模型以及矿物组分确定模型对所述待测岩性描述资料进行计算的步骤之前，本申请还包括以下建立岩性确定模型以及矿物组分确定模型的方法。
根据本申请的实施例，可选的，上述岩石力学参数的确定方法中，所述利用预先建立好的岩性确定模型以及矿物组分确定模型对所述待测岩性描述资料进行计算的步骤之前，所述方法还包括如下步骤：
步骤S130：获取样本陆相页岩岩石的样本岩性描述资料。
在获取样本相页岩岩石的样本岩性描述资料时，可以通过根据对待测陆相页岩岩石所在井进行取心、录井操作时获取，也可以从预先建立好的数据库中查找，例如，在获取到相页岩岩石的样本岩性描述资料后建立的历史数据库。可以理解地，样本陆相页岩岩石的样本岩性描述资料的获取方式还可以根据具体的情况进行确定。
其中，在获取样本陆相页岩岩石的样本岩性描述资料时，可以根据所要建立的岩性确定模型具体确定数据量。
步骤S140：根据所述样本岩性描述资料分析所述样本陆相页岩岩石的岩性组合关系。
根据本申请的实施例，可选的，上述岩石力学参数的确定方法中，所述根据所述样本岩性描述资料分析所述样本陆相页岩岩石的岩性组合关系的步骤，包括：
根据所述样本岩性描述资料建立多个不同的交会图；
对所述多个不同的交会图进行分析以得到所述样本陆相页岩岩石的岩性组合关系。
交会图法是一种测井资料的作图解释技术。它把两种测井数据在平面图上交会，根据交会点的坐标定出所求参数的数值或范围。例如，电阻率测井求得的电阻率与孔隙度测井测得的孔隙度的交会图，可以求出含油饱和度；中子测井孔隙度与密度测井孔隙度的交会图可以判断岩性。通过交会图可以快速直观的对样本陆相页岩岩石的岩性组合关系进行分析。
例如，通过对样本岩性描述资料建立多个不同的交会图如图2和图3所示，在已知岩性的情况下，分析岩性与测井曲线响应的关系，得到不同岩性的测井响应特征。图2表明，灰岩具有低自然伽马(GR<65API)、高电阻(RD>62Ω·m)的特点，泥岩具有高自然伽马(GR>68API)、低电阻率(RD<64Ω·m)的特点。灰质泥岩的自然伽马在65～70API之间，粉砂岩的自然伽马在70～75API之间，二者的电阻率差异小。图3表明，灰岩具有低声波时差(AC<60μs/ft)、低中子(CNL<10％)的特点，泥岩具有高声波时差(AC>65μs/ft)、高中子(CNL>20％)的特点。利用该特点，可明显区分灰岩与泥岩。在该图版中也可发现，粉砂岩的中子与声波时差较之灰质泥岩低。
步骤S150：根据所述岩性组合关系建立岩性确定模型。
例如，图4是根据岩性组合关系计算得到地层岩性剖面，计算的岩性剖面与岩心岩性描述的基本一致，即图4表明根据所述岩性组合关系建立岩性确定模型满足岩性识别要求。
根据本申请的实施例，可选的，上述岩石力学参数的确定方法中，所述利用预先建立好的岩性确定模型以及矿物组分确定模型对所述待测岩性描述资料进行计算的步骤之前，所述方法包括如下步骤：
步骤S160：对样本陆相页岩岩石进行X衍射全岩矿物组分实验，并得到实验结果。
X衍射全岩矿物组分实验是利用X射线对样本陆相页岩岩石进行X衍射全岩分析以获得样本陆相页岩岩石的矿物组成成分，即上述实验结果。可以理解地，还可以通过扫描电镜分析技术对样本陆相页岩岩石进行分析，以得到样本陆相页岩岩石的矿物组成成分。
步骤S170：根据所述实验结果建立矿物组分确定模型。
根据所建立的矿物组分确定模型可以计算测试样本的矿物组分，如图5为根据各岩性的矿物含量岩心实验分析数据与矿物组分确定模型计算的测试样本的矿物含量，图5表明矿物组分确定模型计算的矿物含量结果与岩心实验分析数据基本一致，通过上述步骤建立的矿物组分确定模型可以准确的对矿物含量进行计算。
实施例三
在实施例一的基础上，本实施例通过具体实施案例对实施例一中的方法进行说明。
根据本申请的实施例，可选的，上述岩石力学参数的确定方法中，所述根据预先建立好的岩石力学参数计算模型确定与所述岩石类型及其矿物组分对应的岩石力学参数的步骤之前，所述方法包括如下步骤，以建立岩石力学参数计算模型：
步骤S180：获取样本陆相页岩岩石的样本岩石类型以及样本岩石力学参数。
步骤S190：将根据所述样本岩石类型对所述样本岩石力学参数进行分类，以得到分类结果。
例如，可以将属于同一种样本岩石类型的岩石力学参数进行归类和统计，以得到分类结果。
步骤S200：根据所述分类结果分析所述样本陆相页岩岩石的矿物组成与所述样本岩石力学参数的关系。
可以通过样本陆相页岩岩石的样本岩石类型获取样本陆相页岩岩石的矿物组成，然后对分析所述样本陆相页岩岩石的矿物组成与所述样本岩石力学参数的关系。
步骤S210：根据所述关系进行权重分配，以建立岩石力学参数计算模型。
在得到样本陆相页岩岩石的矿物组成与所述样本岩石力学参数的关系之后，可以采用数理统计与权重分析方法的方法建立岩石力学参数计算模型。
根据本申请的实施例，可选的，上述岩石力学参数的确定方法中，所述根据所述关系进行权重分配，以建立岩石力学参数计算模型的步骤之后，还可以通过以下方法对所建立的岩石力学参数计算模型进行判断是否需要优化，所述步骤包括：
首先，根据所述岩石力学参数计算模型获取待验证陆相页岩岩石的第一岩石力学参数。然后，获取通过岩石力学实验得到的待验证陆相页岩岩石的第二岩石力学参数。接着，根据所述第一岩石力学参数以及所述第二岩石力学参数确定误差值，最后，根据所述误差值判断所述岩石力学参数计算模型是否需要优化。
例如，利用岩石力学参数计算模型计算其他井的岩石力学参数作为第一岩石力学参数，并获取该井的岩石力学实验数据，以利用该井的岩石力学实验数据作为第二岩石力学参数进行检验，如第一岩石力学参数以及第二岩石力学参数之间的误差值小于预先确定好的误差阈值，则证明可利用建立的岩石力学参数计算模型进行岩石力学参数的计算；如误差值过大于等于误差阈值，则需要对岩石力学参数计算模型重新进行优化，直至误差值小于误差阈值。
例如，图6为岩石力学计算结果与岩心测试岩石力学数据对比图，根据上述对比图可以看出，利用本申请的岩石力学参数的确定方法计算得到的岩石力学参数(杨氏模量与泊松比)结果与岩心分析的岩石力学数据吻合，即表明本申请所提供的岩石力学参数的确定方法可以准确的对岩石力学参数进行确定，同时也能够满足多岩性组合情况下的岩石力学参数计算。
上述实施方式中，可以通过岩石力学参数计算模型获取待验证陆相页岩岩石的第一岩石力学参数，然后通过岩石力学实验得到的待验证陆相页岩岩石的第二岩石力学参数，从而通过第一岩石力学参数以及所述第二岩石力学参数确定误差值，根据误差值则可以准确的判断所述岩石力学参数计算模型是否需要优化，从而保证岩石力学参数计算模型的准确性。
将本申请提供的岩石力学参数的确定方法推广到无岩心实验井中，例如在研究区新钻取心井，该井取心段为陆相页岩多岩性组合段，并根据本申请提供的岩石力学参数的确定方法确定出该新钻井的岩石力学参数计算结果，同时再获取该新钻井的实验测试数据，根据新钻井的岩石力学参数计算结果以及实验测试数据绘制对比图如图7所示，从图7第3道岩性道可看出，该井页岩岩性互层频繁，岩石类型多样，表明该方法可以针对具有岩性复杂、岩性组合类型多、薄夹层互层发育特点的陆相页岩进行岩石力学参数的确定。同时，图7也表明新钻井的岩石力学参数计算结果以及实验测试数据吻合很好，即申请提供的岩石力学参数的确定方法可以准确的确定出岩石力学参数。
实施例四
请参看图8，本申请提供了一种岩石力学参数的确定装置800，该装置包括：
陆相页岩岩石分析模块810，用于分析待测陆相页岩岩石的岩石类型及其矿物组分；
岩石力学参数确定模块820，用于根据预先建立好的岩石力学参数计算模型确定与所述岩石类型及其矿物组分对应的岩石力学参数；
其中，所述预先建立好的岩石力学参数计算模型为根据样本岩石的矿物组成及与所述已知的矿物组成对应的岩石力学参数建立。
根据本申请的实施例，可选的，上述岩石力学参数的确定装置中，所述陆相页岩岩石分析模块包括：
待测岩性描述资料获取单元，用于获取所述待测陆相页岩岩石的待测岩性描述资料；
计算单元，用于利用预先建立好的岩性确定模型以及矿物组分确定模型对所述待测岩性描述资料进行计算，以得到所述待测陆相页岩岩石的岩石类型及其矿物组分。
根据本申请的实施例，可选的，上述岩石力学参数的确定装置中，所述装置包括：
样本岩性描述资料获取模块，用于获取样本陆相页岩岩石的样本岩性描述资料；
岩性组合关系分析模块，用于根据所述样本岩性描述资料分析所述样本陆相页岩岩石的岩性组合关系；
岩性确定模型建立模块，用于根据所述岩性组合关系建立岩性确定模型。
根据本申请的实施例，可选的，上述岩石力学参数的确定装置中，所述岩性组合关系分析模块包括：
交会图建立单元，用于根据所述样本岩性描述资料建立多个不同的交会图；
交会图分析单元，用于对所述多个不同的交会图进行分析以得到所述样本陆相页岩岩石的岩性组合关系。
根据本申请的实施例，可选的，上述岩石力学参数的确定装置中，所述装置包括：
矿物组分实验模块，用于对样本陆相页岩岩石进行X衍射全岩矿物组分实验，并得到实验结果；
矿物组分确定模型建立模块，用于根据所述实验结果建立矿物组分确定模型。
根据本申请的实施例，可选的，上述岩石力学参数的确定装置中，所述装置包括：
样本数据获取模块，用于获取样本陆相页岩岩石的样本岩石类型以及样本岩石力学参数；
分类模块，用于将根据所述样本岩石类型对所述样本岩石力学参数进行分类，以得到分类结果；
关系分析模块，用于根据所述分类结果分析所述样本陆相页岩岩石的矿物组成与所述样本岩石力学参数的关系；
权重分配模块，用于根据所述关系进行权重分配，以建立岩石力学参数计算模型。
根据本申请的实施例，可选的，上述岩石力学参数的确定装置中，所述装置还包括：
第一岩石力学参数获取模块，用于根据所述岩石力学参数计算模型获取待验证陆相页岩岩石的第一岩石力学参数；
第二岩石力学参数获取模块，用于获取通过岩石力学实验得到的待验证陆相页岩岩石的第二岩石力学参数；
误差值确定模块，用于根据所述第一岩石力学参数以及所述第二岩石力学参数确定误差值；
优化判断模块，用于根据所述误差值判断所述岩石力学参数计算模型是否需要优化。
综上所述，本申请提供一种岩石力学参数的确定装置，包括：陆相页岩岩石分析模块810，用于分析待测陆相页岩岩石的岩石类型及其矿物组分；岩石力学参数确定模块820，用于根据预先建立好的岩石力学参数计算模型确定与所述岩石类型及其矿物组分对应的岩石力学参数；其中，所述预先建立好的岩石力学参数计算模型为根据样本岩石的矿物组成及与所述已知的矿物组成对应的岩石力学参数建立。上述实施方式中，通过分析待测陆相页岩岩石的岩石类型及其矿物组分，再根据预先建立好的岩石力学参数计算模型就可快速准确地确定与所述岩石类型及其矿物组分对应的岩石力学参数。预先建立好的岩石力学参数计算模型是通过陆相页岩的岩石矿物组成与岩石力学性质间的关系建立的，因此可以实现准确快速的进行岩石力学参数计算。
实施例五
本实施例还提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，其上存储有计算机程序，所述计算机程序被处理器执行时可以实现如上述实施例中的方法步骤，具体实施例过程可参见上述实施例，本实施例在此不再重复赘述。
实施例六
本申请实施例提供了一种电子设备，该电子设备可以是手机、电脑或平板电脑等，包括存储器和处理器，所述存储器上存储有计算器程序，该计算机程序被处理器执行时实现如实施例一中所述的岩石力学参数的确定方法。可以理解，如图9所示，该电子设备900还可以包括：处理器901，存储器902，多媒体组件903，输入/输出(I/O)接口904，以及通信组件905。
其中，处理器901用于执行如实施例一中的岩石力学参数的确定方法中的全部或部分步骤。存储器902用于存储各种类型的数据，这些数据例如可以包括电子设备中的任何应用程序或方法的指令，以及应用程序相关的数据。
处理器901可以是专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(Digital Signal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(Programmable LogicDevice，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述实施例一中的岩石力学参数的确定方法。
存储器902可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。
多媒体组件903可以包括屏幕和音频组件，该屏幕可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器或通过通信组件发送。音频组件还包括至少一个扬声器，用于输出音频信号。
I/O接口904为处理器901和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。
通信组件905用于该电子设备900与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near Field Communication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件905可以包括：Wi-Fi模块，蓝牙模块，NFC模块。
综上，本申请提供的一种岩石力学参数的确定方法、装置、存储介质及电子设备，方法包括：分析待测陆相页岩岩石的岩石类型及其矿物组分；根据预先建立好的岩石力学参数计算模型确定与所述岩石类型及其矿物组分对应的岩石力学参数；其中，所述预先建立好的岩石力学参数计算模型为根据样本陆相页岩岩石的矿物组成及与所述已知的矿物组成对应的岩石力学参数建立。上述实施方式中，通过分析待测陆相页岩岩石的岩石类型及其矿物组分，再根据预先建立好的岩石力学参数计算模型就可快速准确地确定与所述岩石类型及其矿物组分对应的岩石力学参数。预先建立好的岩石力学参数计算模型是通过陆相页岩的岩石矿物组成与岩石力学性质间的关系建立的，因此可以实现准确快速的进行岩石力学参数计算。
在本申请实施例所提供的几个实施例中，应该理解到，所揭露的系统和方法，也可以通过其它的方式实现。以上所描述的系统和方法实施例仅仅是示意性的。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
虽然本申请所揭露的实施方式如上，但所述的内容只是为了便于理解本申请而采用的实施方式，并非用以限定本申请。任何本申请所属技术领域内的技术人员，在不脱离本申请所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本申请的专利保护范围，仍须以所附的权利要求书所界定的范围为准。
Claims (10)
1.一种岩石力学参数的确定方法，其特征在于，所述方法包括：
分析待测陆相页岩岩石的岩石类型及其矿物组分；
根据预先建立好的岩石力学参数计算模型确定与所述岩石类型及其矿物组分对应的岩石力学参数；
其中，所述预先建立好的岩石力学参数计算模型为根据样本陆相页岩岩石的矿物组成及与已知的矿物组成对应的岩石力学参数建立。
2.根据权利要求1所述的方法，其特征在于，所述分析待测陆相页岩岩石的岩石类型及其矿物组分的步骤包括：
获取所述待测陆相页岩岩石的待测岩性描述资料；
利用预先建立好的岩性确定模型以及矿物组分确定模型对所述待测岩性描述资料进行计算，以得到所述待测陆相页岩岩石的岩石类型及其矿物组分。
3.根据权利要求2所述的方法，其特征在于，所述利用预先建立好的岩性确定模型以及矿物组分确定模型对所述待测岩性描述资料进行计算的步骤之前，所述方法包括：
获取样本陆相页岩岩石的样本岩性描述资料；
根据所述样本岩性描述资料分析所述样本陆相页岩岩石的岩性组合关系；
根据所述岩性组合关系建立岩性确定模型。
4.根据权利要求3所述的方法，其特征在于，所述根据所述样本岩性描述资料分析所述样本陆相页岩岩石的岩性组合关系的步骤，包括：
根据所述样本岩性描述资料建立多个不同的交会图；
对所述多个不同的交会图进行分析以得到所述样本陆相页岩岩石的岩性组合关系。
5.根据权利要求2所述的方法，其特征在于，所述利用预先建立好的岩性确定模型以及矿物组分确定模型对所述待测岩性描述资料进行计算的步骤之前，所述方法包括：
对样本陆相页岩岩石进行X衍射全岩矿物组分实验，并得到实验结果；
根据所述实验结果建立矿物组分确定模型。
6.根据权利要求1所述的方法，其特征在于，所述根据预先建立好的岩石力学参数计算模型确定与所述岩石类型及其矿物组分对应的岩石力学参数的步骤之前，所述方法包括：
获取样本陆相页岩岩石的样本岩石类型以及样本岩石力学参数；
将根据所述样本岩石类型对所述样本岩石力学参数进行分类，以得到分类结果；
根据所述分类结果分析所述样本陆相页岩岩石的矿物组成与所述样本岩石力学参数的关系；
根据所述关系进行权重分配，以建立岩石力学参数计算模型。
7.根据权利要求6所述的方法，其特征在于，所述根据所述关系进行权重分配，以建立岩石力学参数计算模型的步骤之后，所述方法还包括：
根据所述岩石力学参数计算模型获取待验证陆相页岩岩石的第一岩石力学参数；
获取通过岩石力学实验得到的待验证陆相页岩岩石的第二岩石力学参数；
根据所述第一岩石力学参数以及所述第二岩石力学参数确定误差值；
根据所述误差值判断所述岩石力学参数计算模型是否需要优化。
8.一种岩石力学参数的确定装置，其特征在于，所述装置包括：
陆相页岩岩石分析模块，用于分析待测陆相页岩岩石的岩石类型及其矿物组分；
岩石力学参数确定模块，用于根据预先建立好的岩石力学参数计算模型确定与所述岩石类型及其矿物组分对应的岩石力学参数；
其中，所述预先建立好的岩石力学参数计算模型为根据样本陆相页岩岩石的矿物组成及与已知的矿物组成对应的岩石力学参数建立。
9.一种存储介质，其特征在于，该存储介质存储的计算机程序，在被一个或多个处理器执行时，用来实现如权利要求1-7中任意一项所述的岩石力学参数的确定方法。
10.一种电子设备，其特征在于，包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被所述处理器执行时，执行如权利要求1-7任意一项所述的岩石力学参数的确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210443794.3A CN116992614A (zh) | 2022-04-25 | 2022-04-25 | 岩石力学参数的确定方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210443794.3A CN116992614A (zh) | 2022-04-25 | 2022-04-25 | 岩石力学参数的确定方法、装置、存储介质及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116992614A true CN116992614A (zh) | 2023-11-03 |
Family
ID=88523729
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210443794.3A Pending CN116992614A (zh) | 2022-04-25 | 2022-04-25 | 岩石力学参数的确定方法、装置、存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116992614A (zh) |
-
2022
- 2022-04-25 CN CN202210443794.3A patent/CN116992614A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111425193B (zh) | 一种基于聚类分析测井岩石物理相划分的储层可压性评价方法 | |
| CN107402176B (zh) | 裂缝孔隙度的确定方法和装置 | |
| US20180372896A1 (en) | Method of predicting parameters of a geological formation | |
| CN108303510A (zh) | 页岩气储层性能的评价方法、装置及计算机存储介质 | |
| CN107450108B (zh) | 甜点区的确定方法和装置 | |
| CN107807410A (zh) | 储层地球物理敏感参数优选方法及系统 | |
| CN115390155A (zh) | 针对非均质储层的测井解释方法、装置、电子设备及介质 | |
| CN110529106B (zh) | 一种利用测井资料确定煤层显微组分含量的方法 | |
| CN114254505A (zh) | 渗透率模型的构建方法、装置、电子设备及存储介质 | |
| CN106934725B (zh) | 岩石储层中值半径预测模型建立方法、装置及系统 | |
| CN110208861B (zh) | 一种构造软煤发育区的预测方法及装置 | |
| CN116066072B (zh) | 一种测井预测产能的方法和处理装置 | |
| CN113327070B (zh) | 智能勘查煤系气的方法、装置及电子设备 | |
| CN116992614A (zh) | 岩石力学参数的确定方法、装置、存储介质及电子设备 | |
| Bester et al. | Synthetic Rock Mass Modelling and Geotechnical Mapping: An Open Pit Mine Case Study in Anisotropic Rock | |
| CN110119587B (zh) | 一种地层分层方法及装置 | |
| CN115144929A (zh) | 油气藏储量确定方法、装置、存储介质及电子设备 | |
| CN113900143B (zh) | 天然气水合物的属性特征的确定方法、装置和服务器 | |
| CN112394392A (zh) | 对烃源岩分布情况进行评价的方法和装置 | |
| CN112684506B (zh) | 地震响应特征的分析方法、装置、电子设备及介质 | |
| CN112147696B (zh) | 基于储集性能指数的页岩储集性能地震评价方法及系统 | |
| Eltom et al. | Passageways for permeability: Geostatistical simulation of controls on the connectivity of vug-to-vug pore networks | |
| CN116009110A (zh) | 密度曲线校正方法、装置、存储介质及电子设备 | |
| CN114428294B (zh) | 储层参数统计反演方法、装置、电子设备及存储介质 | |
| CN107589457A (zh) | 测井资料尺度粗化的方法和装置 |
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 |