CN117687096B - 一种用于预测小尺度缝洞分布的代理模型构建方法 - Google Patents
一种用于预测小尺度缝洞分布的代理模型构建方法 Download PDFInfo
- Publication number
- CN117687096B CN117687096B CN202410146755.6A CN202410146755A CN117687096B CN 117687096 B CN117687096 B CN 117687096B CN 202410146755 A CN202410146755 A CN 202410146755A CN 117687096 B CN117687096 B CN 117687096B
- Authority
- CN
- China
- Prior art keywords
- small
- scale
- cavity
- distribution
- fracture
- 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
Links
- 238000010276 construction Methods 0.000 title claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000013528 artificial neural network Methods 0.000 claims abstract description 9
- 238000003708 edge detection Methods 0.000 claims description 19
- 238000011160 research Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 7
- 239000000463 material Substances 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 230000001052 transient effect Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 206010017076 Fracture Diseases 0.000 description 65
- 208000010392 Bone Fractures Diseases 0.000 description 64
- 230000015572 biosynthetic process Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 6
- 238000005755 formation reaction Methods 0.000 description 6
- 239000011435 rock Substances 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 239000007789 gas Substances 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000013508 migration Methods 0.000 description 3
- 230000005012 migration Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000013139 quantization Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 206010058314 Dysplasia Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000009933 burial Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000009958 sewing Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明属于油气勘探技术领域，提出了一种用于预测小尺度缝洞分布的代理模型构建方法。本发明利用人工神经网络扩展小尺度缝洞模型数量，并建立小尺度缝洞模型与对应的应力应变曲线图版数据库，通过正演模拟进行预测。本发明的创新之处在于引入应力应变曲线来预测小尺度缝洞，通过神经网络来辅助增加模型，通过拟合应力应变曲线来预测缝洞储集体。与现有方法相比，本发明能够识别更多数量、范围更广的小尺度缝洞储集体分布，具有较强的识别能力，且适用于大部分地层，正演模拟预测方法所需时间较短。
Description
技术领域
本发明属于油气勘探技术领域，具体涉及一种用于预测小尺度缝洞分布的代理模型构建方法。
背景技术
在石油与天然气工业中，小尺度缝洞是指地下储层中宽度为0.1-1mm的裂缝和直径为1-5mm的溶洞。这些微小的裂隙和孔隙在地下岩石中形成储层，可以储存石油和天然气等烃类流体。小尺度缝洞的形成可能受地质构造、地层压力、岩石类型等多种因素影响。在石油与天然气勘探和开发过程中，小尺度缝洞的识别和预测对于油藏工程的模拟、钻井设计和采油工程的实施具有重要意义。
目前，小尺度缝洞的预测主要依赖于地震反射成像、地震属性分析等技术。通过地震勘探技术获取地下反射波数据，并借助地震成像技术对地下结构进行成像，包括可能存在的小尺度缝洞。
中国专利申请CN202110528659.4描述了一种利用叠前深度偏移数据获取地层导向体的方法。在此基础上，利用地层导向体作为约束来获取约束下的地层不连续检测体，并对其进行图元像素增强处理。通过处理后的地层不连续性检测体，获得三维地震属性体值，并使用预测阈值来确定断裂发育的程度。该方法可用于定性刻画断控小尺度储集体，通过利用地层导向体检测和不连续性检测来获取表征断裂发育异常的地层不连续检测体，并对其进行图元属性处理以获得成像优化的三维地震属性体值，从而对断控小尺度缝洞体进行表征。
中国专利申请CN202010340028.5揭示了一种小尺度缝洞体的量化方法、装置、电子设备及存储介质。该方法包括以下步骤：建立若干小尺度缝洞体模型；对各个小尺度缝洞体模型进行波动方程正演模拟，以获得各个小尺度缝洞体模型的叠前时间域偏移剖面；根据所得叠前时间域偏移剖面，确定各个小尺度缝洞体模型的振幅类属性值；基于所有小尺度缝洞体模型的振幅类属性值、横向尺度和纵向尺度，建立描述小尺度缝洞体的振幅类属性值与横向尺度以及振幅类属性值与纵向尺度的对应关系的量化模型；利用该量化模型，根据待测小尺度缝洞体的振幅类属性值确定其横向尺度和纵向尺度。
中国专利申请CN201810863032.2公开了一种在强地震反射界面下突显小尺度缝洞信息的方法。针对受到强反射界面干扰的地震数据，在保证子波稳定的条件下，通过重新构建反射系数生成突显小尺度缝洞信息的地震数据体。可以减弱强反射界面对储层地震信息的掩盖作用，凸显储层地震响应特征。
尽管现有技术在提高缝洞储集体的识别精度方面取得了一定进展，但在地震波成像处理中仍存在对小尺度缝洞体的忽略现象。因此，现有方法仍未能有效解决小尺度缝洞储集体识别能力不足、识别数量有限的问题。此外，现有方法的正演模拟需要大量计算资源和时间，对模型的准确性和复杂度要求较高。
发明内容
针对上述问题，本发明提出了一种用于预测小尺度缝洞分布的代理模型构建方法，本发明建立小尺度缝洞模型，通过人工神经网络增加小尺度缝洞模型数量并形成小尺度缝洞模型与应力应变曲线对应的图版后进行正演模拟预测。本发明基于储层小尺度缝洞模型的应力应变曲线图版来预测其分布范围，刻画不同储层条件下的小尺度缝洞储集体，可以有效地解决很多缝洞储集体被忽略，小尺度缝洞储集体识别能力低，识别数量少的问题。
本发明采用以下技术方案：一种用于预测小尺度缝洞分布的代理模型构建方法，其具体步骤为：
（1）搜集储层的信息；所述信息包括应力应变曲线和地质信息；所述地质信息包括泊松比、杨氏模量、非均质性和小尺度缝洞信息；所述小尺度缝洞信息包括小尺度缝洞扫描图像。
（2）在MATLAB环境中，构建程序，对小尺度缝洞扫描图像进行边缘检测；程序核心是三种边缘检测算子；这些算子通过特定的公式计算图像中每个像素的梯度值，从而精确地识别出边缘信息，得到识别图像。
所述边缘检测算子采用Sobel边缘检测算子、Prewitt边缘检测算子和Roberts边缘检测算子：
（2-1）Sobel边缘检测算子
；
（2-2）Prewitt边缘检测算子：
；
（2-3）Roberts边缘检测算子：
；
其中，G(x,y)表示中心像素点(x, y)的梯度值，f(x,y)表示中心像素点的灰度值。和/>分别表示像素点在x和y方向上的灰度值变化率。
Sobel算子通过计算像素点在水平和垂直方向上的灰度变化率来确定边缘。Prewitt算子则同时考虑了水平和垂直方向上的灰度变化率，以增强边缘检测的准确性。Roberts算子则进一步考虑了图像的斜方向上的灰度变化率，从而在复杂图像中更有效地检测边缘。
通过综合采用三种边缘检测算子的方式，提高对小尺度缝洞图像识别的准确性和稳定性，以避免不必要的误差。精确地标定出缝洞的边缘位置，最终输出为COMSOL商业软件可导入的格式。
将识别图像导入COMSOL商业软件，得到小尺度缝洞模型，设置不同储层条件参数，对小尺度缝洞模型进行网格划分，并利用COMSOL软件中的瞬态研究进行数值求解，得到多个小尺度缝洞模型及相应的应力应变曲线；所述的储层条件参数包括泊松比、杨氏模量、材料密度、边界载荷。
所述材料密度参数取自研究区域内地层的密度数据，并考虑到地层的非均质性。在确定输入数值时，对地层内部的密度变化进行了分析，选取平均密度作为材料密度参数的输入值。
（3-1）；
其中，ρavg是平均密度，单位为g/cm³；ρi是第i组分的密度，单位为g/cm³；Vi是第i组分的体积，单位为cm³；V是总体积，单位为cm³。
所述边界载荷，根据研究区埋藏深度及上覆地层的密度分布情况，考虑了地层的非均质性以及可能存在的地质构造影响，确定了边界载荷的数值。
（3-2） ;
其中，ρ是密度，单位为 kg/m³；g是重力加速度，单位为 m/s²；z是垂直方向上的深度，单位为 m。
（4）采用变分自动编码器将现有的小尺度缝洞模型作为输入层，通过人工神经网络对储层条件以及小尺度缝洞空间信息进行调整，生成大量小尺度缝洞模型，并绘制相应的应力应变曲线。
所述的人工神经网络架构为变分自动编码器。
所述的空间信息包括缝洞的数量、尺度、缝洞之间的距离、溶洞控制参数和裂缝控制参数。
所述的溶洞控制参数包括形状因子和空间关联长度；所述的裂缝控制参数包括走向倾角比和裂缝密度。
更进一步的，基于变分自动编码器得到大量小尺度缝洞模型的具体方法如下：
（4-1）令x为输入的COMSOL模型，z为潜在空间的变量；编码器网络将x映射到潜在空间的均值μ和方差σ的分布；
；
其中，q(z|x)是概率密度函数，其单位为概率密度函数的单位，无量纲；z是随机变量，为溶洞控制参数和裂缝控制参数；μ是分布的均值，其单位与随机变量z的单位相同；σ2是分布的方差，其单位是随机变量z的单位的平方；
（4-2）解码器网络将变量z映射回 COMSOL 模型x的生成分布；
；
其中，f(z)是解码器网络的输出，表示将潜在变量z转换为 COMSOL 模型；
（4-3）通过最大化p(x|z)和限制q(z|x)接近给定的先验分布p(z)来学习潜在空间的表示；
；
其中，N(z; 0,1)为正态分布的随机变量，z是均值，标准差为1；
（4-4）使用重构误差和KL散度来定义损失函数，重构误差衡量解码器生成模型与原始 COMSOL 模型之间的差异，KL散度衡量编码器生成的潜在分布与先验分布之间的差异；
；
其中，E 表示数学期望，p(x|z) 表示给定潜在变量z的条件下观测数据x的概率分布。q(z|x)表示给定观测数据x的条件下变量z的概率分布，p(z)表示潜在变量z的概率分布。
（5）将所有的小尺度缝洞模型模型以及相应的应力应变曲线整合，建立数据库，存储和管理各种模型的数据，包括小尺度缝洞模型参数、计算结果以及相应的应力应变曲线。
（6）在进行研究区储层预测时，将采用所需预测储层的应力应变曲线数据，并将其导入数据库中；通过与数据库中已有的曲线进行匹配和拟合，得到与研究区储层最佳拟合效果的曲线。随后，导出数据库中的曲线相应的小尺度缝洞模型。完成对研究区储层中小尺度缝洞的分布范围预测。
相较于传统方法，本发明具有以下优点：
（1）相较于其他方法通过小尺度缝洞体的地震属性来预测其分布，本发明创新性地将应力应变曲线引入小尺度缝洞预测中，显著提高了预测的准确性。小尺度缝洞的参数，包括数量、方位和形状等微小差异，均会导致应力应变曲线微小的变化。由于储层条件的复杂性和区域性，不同地质条件下的小尺度缝洞预测都面临巨大困难。本发明通过对应力应变曲线的拟合，实现了对缝洞储集体的高精度预测。该方法具有较强的缝洞储集体识别能力和较大的识别数量，且适用于大多数地层，受地质条件影响较小。实现对小尺度缝洞的高精度预测；
（2）本发明采用正演模拟预测所需时间较短，基于代理模型的方法，实现对小尺度缝洞的精准刻画；
（3）本发明首次将人工神经网络架构下的变分自动编码器与小尺度缝洞预测结合。利用变分自动编码器作为辅助工具来提高模型建立的效率，并减少人工操作的误差对模型预测准确性的影响。本发明不仅节省了建模的时间，而且还提高了模型的预测准确性，为小尺度缝洞预测提供了一种全新的、有效的建模手段。
附图说明
图1为本发明实例中DK13井区储层岩块的缝洞扫描图像；
图2为本发明实例中随机缝洞参数图；
图3为本发明实例中应力应变曲线图版；
图4为本发明实例中D1-625井应力应变曲线拟合图；
图5为本发明实例中拟合曲线对应的小尺度缝洞模型。
具体实施方式
一种用于预测小尺度缝洞分布的代理模型构建方法，其具体步骤为：
（1）搜集DK13井区的地质信息，所述信息包括应力应变曲线和地质信息；所述地质信息包括泊松比、杨氏模量、非均质性和小尺度缝洞信息；所述小尺度缝洞信息包括小尺度缝洞扫描图像。
（2）基于MATLAB编程软件嵌入边缘检测算子的方法，对DK13井区研究区的小尺度缝洞扫描图像进行边缘检测，识别边缘信息，得到识别图像；得到识别图像如图1所示。将图像转化为COMSOL商业软件可导入的DXF格式。
（3）将DXF格式文件导入到COMSOL商业软件中，得到小尺度缝洞模型，在软件中设置对应的泊松比、杨氏模量、材料密度、边界载荷储层条件参数，进行网格剖分，将小尺度缝洞模型网格设置成超细化，接着使用瞬态研究进行数值求解。待计算完毕后，利用结果模块来绘制多个小尺度缝洞模型及相应的应力应变曲线。
（4）采用变分自动编码器将已有的小尺度缝洞模型作为输入层，通过人工神经网络对储层条件参数以及小尺度缝洞空间信息进行调整，生成大量小尺度缝洞模型，并绘制相应的应应变曲线。
所述的储层条件参数为泊松比、杨氏模量、材料密度、边界载荷。
所述的空间信息包括缝洞的数量、尺度，缝洞之间的距离、溶洞控制参数和裂缝控制参数。
空间关联长度与形状因子作为溶洞控制参数，对其进行随机生成，图2（a）为随机参数生成图，得到不同体积、不同联通程度的随机溶洞模型，最大联通程度为10，代表溶洞的空间关联长度为10cm；最大形状因子为3，0代表正圆。
裂缝密度与走向倾角比作为裂缝控制参数，对其进行随机生成，随机参数生成图如图2（b）所示，得到不同程度、不同分布密度的随机裂缝模型，裂缝密度的最大值为100，代表1m2储层中有100条小裂缝；走向倾角比于0-5之间选取。
设定上覆载荷为60~75MPa，左右施加载荷为89~110MPa，最终生成大量的模型，绘制相应的应力应变曲线，杨氏模型，泊松比等参数使用测井曲线来赋值。
（5）整合人工神经网络架构下输出的小尺度缝洞模型及应力应变曲线，建立小尺度缝洞模型及应力应变曲线图版的数据库。应力应变曲线图版如图3。
（6）首先选取井区内D1-625井附近储层的岩心，制作成20cm×20 cm×20 cm的样品。将岩心样品置于岩石力学试验装置中，施加逐渐增加的应力，通过应变片、应变计或者其他应变测量设备，记录加载过程中的应力和应变数据，并绘制应力应变曲线。图4上图为DK13井区中D1-625井储层岩心样品的应力应变曲线，将其数据化输入到数据库中，与数据库曲线图版进行拟合。匹配拟合曲线最好的结果如图4下图。
在数据库中导出曲线对应模型，模型缝洞展布如图5。模型长度为20cm，宽度为20cm。裂缝与溶洞参数均为随机分布得到。经过将岩石样品的扫描图像与图5模型所预测的小尺度缝洞分布对照，预测准确率达90%。
Claims (6)
1.一种用于预测小尺度缝洞分布的代理模型构建方法，其特征在于，建立小尺度缝洞模型，通过人工神经网络增加小尺度缝洞模型数量并形成小尺度缝洞模型与应力应变曲线对应的图版后进行正演模拟预测；
其具体步骤为：
（1）搜集储层的信息；
（2）在MATLAB环境中，构建程序，采用边缘检测算子对小尺度缝洞扫描图像进行边缘检测，精确地识别出边缘信息，得到识别图像；
（3）将识别图像导入COMSOL商业软件，得到小尺度缝洞模型，设置不同储层条件参数，对小尺度缝洞模型进行网格划分，并利用COMSOL软件中的瞬态研究进行数值求解，得到多个小尺度缝洞模型及相应的应力应变曲线；
（4）采用变分自动编码器将已有的小尺度缝洞模型作为输入层，通过人工神经网络对储层条件参数以及小尺度缝洞空间信息进行调整，生成大量小尺度缝洞模型，并绘制相应的应力应变曲线；
（5）将所有的小尺度缝洞模型以及相应的应力应变曲线整合，建立数据库；
（6）在进行研究区储层预测时，将采用所需预测储层的应力应变曲线数据，并将其导入数据库中，通过与数据库中已有的应力应变曲线进行匹配和拟合，得到与研究区储层最佳拟合效果的曲线，随后，导出数据库中的应力应变曲线相应的小尺度缝洞模型，完成对研究区储层中小尺度缝洞的分布范围预测；
步骤（4）的具体步骤为：
（4-1）令x为输入的COMSOL模型，z为潜在空间的变量；编码器网络将x映射到潜在空间的均值μ和方差σ的分布；
；
其中，q(z|x)是概率密度函数，其单位为概率密度函数的单位，无量纲；z是随机变量，为溶洞控制参数和裂缝控制参数；μ是分布的均值，其单位与随机变量z的单位相同；σ2是分布的方差，其单位是随机变量z的单位的平方；
（4-2）解码器网络将变量z映射回 COMSOL 模型x的生成分布；
；
其中，f(z)是解码器网络的输出，表示将潜在变量z转换为 COMSOL 模型；
（4-3）通过最大化p(x|z)和限制q(z|x)接近给定的先验分布p(z)来学习潜在空间的表示；
；
其中，N(z; 0,1)为正态分布的随机变量，z是均值，标准差为1；
（4-4）使用重构误差和KL散度来定义损失函数，重构误差衡量解码器生成模型与原始COMSOL 模型之间的差异，KL散度衡量编码器生成的潜在分布与先验分布之间的差异；
；
其中，E 表示数学期望，p(x|z) 表示给定潜在变量z的条件下观测数据x的概率分布，q(z|x)表示给定观测数据x的条件下变量z的概率分布，p(z)表示潜在变量z的概率分布。
2.根据权利要求1所述的一种用于预测小尺度缝洞分布的代理模型构建方法，其特征在于，步骤（1）中，所述的信息包括应力应变曲线和地质信息；所述的地质信息包括泊松比、杨氏模量、非均质性和小尺度缝洞信息；所述的小尺度缝洞信息包括小尺度缝洞扫描图像。
3.根据权利要求1所述的一种用于预测小尺度缝洞分布的代理模型构建方法，其特征在于，步骤（2）中，所述的边缘检测算子采用Sobel边缘检测算子、Prewitt边缘检测算子和Roberts边缘检测算子。
4.根据权利要求1所述的一种用于预测小尺度缝洞分布的代理模型构建方法，其特征在于，步骤（3）中，所述的储层条件参数包括泊松比、杨氏模量、材料密度、边界载荷。
5.根据权利要求1所述的一种用于预测小尺度缝洞分布的代理模型构建方法，其特征在于，步骤（4）中，所述的空间信息包括缝洞的数量、尺度，缝洞之间的距离、溶洞控制参数和裂缝控制参数。
6.根据权利要求5所述的一种用于预测小尺度缝洞分布的代理模型构建方法，其特征在于，所述的溶洞控制参数包括形状因子和空间关联长度；所述的裂缝控制参数包括走向倾角比和裂缝密度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410146755.6A CN117687096B (zh) | 2024-02-02 | 2024-02-02 | 一种用于预测小尺度缝洞分布的代理模型构建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410146755.6A CN117687096B (zh) | 2024-02-02 | 2024-02-02 | 一种用于预测小尺度缝洞分布的代理模型构建方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117687096A CN117687096A (zh) | 2024-03-12 |
| CN117687096B true CN117687096B (zh) | 2024-04-05 |
Family
ID=90132337
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410146755.6A Active CN117687096B (zh) | 2024-02-02 | 2024-02-02 | 一种用于预测小尺度缝洞分布的代理模型构建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117687096B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001073476A1 (en) * | 2000-03-27 | 2001-10-04 | Ortoleva Peter J | Method for simulation of enhanced fracture detection in sedimentary basins |
| WO2021029875A1 (en) * | 2019-08-12 | 2021-02-18 | Landmark Graphics Corporation | Integrated rock mechanics laboratory for predicting stress-strain behavior |
| CN115526086A (zh) * | 2022-10-27 | 2022-12-27 | 中国石油大学(华东) | 一种基于代理模型的碳酸盐岩油藏水驱突破时间预测方法 |
| CN116299672A (zh) * | 2023-02-10 | 2023-06-23 | 中国地质大学（武汉） | 一种缝洞型储层地质力学非均质-各向异性建模方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11933168B2 (en) * | 2019-11-11 | 2024-03-19 | Saudi Arabian Oil Company | Geomechanical modeling of stimulated rock volume stress conditions at multiple scales |
| US11098582B1 (en) * | 2020-02-17 | 2021-08-24 | Saudi Arabian Oil Company | Determination of calibrated minimum horizontal stress magnitude using fracture closure pressure and multiple mechanical earth model realizations |
-
2024
- 2024-02-02 CN CN202410146755.6A patent/CN117687096B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001073476A1 (en) * | 2000-03-27 | 2001-10-04 | Ortoleva Peter J | Method for simulation of enhanced fracture detection in sedimentary basins |
| WO2021029875A1 (en) * | 2019-08-12 | 2021-02-18 | Landmark Graphics Corporation | Integrated rock mechanics laboratory for predicting stress-strain behavior |
| CN115526086A (zh) * | 2022-10-27 | 2022-12-27 | 中国石油大学(华东) | 一种基于代理模型的碳酸盐岩油藏水驱突破时间预测方法 |
| CN116299672A (zh) * | 2023-02-10 | 2023-06-23 | 中国地质大学（武汉） | 一种缝洞型储层地质力学非均质-各向异性建模方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于模型正演的地震属性分析技术识别和划分碳酸盐岩储层缝洞单元;何建军;刘家铎;鲁新便;李宗杰;;石油地球物理勘探;20090815(第04期);全文 * |
| 缝洞型碳酸盐岩油藏流固耦合数值模拟;黄朝琴;周旭;刘礼军;黄涛;姚军;王晓光;HERV■ Jourde;;中国石油大学学报(自然科学版);20200220(第01期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117687096A (zh) | 2024-03-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2669948C2 (ru) | Оптимизация многоступенчатого проекта нефтяного месторождения в условиях неопределенности | |
| US8200465B2 (en) | Heterogeneous earth models for a reservoir field | |
| WO2021008630A1 (zh) | 圈闭断层的封闭性定量分析方法、装置及系统 | |
| WO2011073861A2 (en) | Method for modeling a reservoir basin | |
| EA014144B1 (ru) | Способы и устройства для прогнозирования добычи углеводородов с места заложения скважины | |
| CN103026202A (zh) | 获取多孔介质的相容和综合物理性质的方法 | |
| KR20160024232A (ko) | 지반정보에 기초한 3차원 공간 모델링 방법 | |
| CN105005077A (zh) | 稀井条件下实钻井与虚拟井联合的薄层厚度预测方法 | |
| Zhang | MPS-driven digital rock modeling and upscaling | |
| CN107633556B (zh) | 一种定量获得三维矿床地质模型不确定性的方法 | |
| KR101131517B1 (ko) | 물리검층 자료의 통계학적 해석결과를 활용한 오일샌드 지역 지하정보의 처리시스템 및 이를 이용한 오일샌드 지역 지하정보의 처리방법 | |
| Benetatos et al. | Fully integrated hydrocarbon reservoir studies: myth or reality? | |
| WO2022011015A1 (en) | Optimization of discrete fracture network (dfn) using streamlines and machine learning | |
| CN117687096B (zh) | 一种用于预测小尺度缝洞分布的代理模型构建方法 | |
| CN107526117A (zh) | 基于自动编码和超限学习联合网络的声波速度预测方法 | |
| CN114153002B (zh) | 储层天然裂缝三维地质建模方法、装置、电子设备及介质 | |
| EP2912582B1 (en) | System, method and computer program product for evaluating and ranking geobodies using a euler characteristic | |
| McKean et al. | Geomechanical and Fracture Network Interpretation of a Devonian Outcrop | |
| CN114912340B (zh) | 一种面向多源信息融合的页岩气保存条件定量测定方法 | |
| CN110555221A (zh) | 一种计算区域地层升降幅度的方法及装置 | |
| CN113376697B (zh) | 基于三维近地表模型的静校正方法及装置 | |
| US20240053245A1 (en) | Determining relative permeability in a rock sample | |
| WO2024087800A1 (zh) | 基于常规测井资料的高频旋回碳酸盐岩识别方法 | |
| Woods et al. | High-resolution stratigraphy and physical property modelling of the Chalk | |
| CN117826274A (zh) | 复杂应力背景裂缝性油气藏地质建模方法及装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |