CN117709108B - 一种针对葡萄花油田扶余油层孔隙度的模型建立方法 - Google Patents
一种针对葡萄花油田扶余油层孔隙度的模型建立方法 Download PDFInfo
- Publication number
- CN117709108B CN117709108B CN202311745040.4A CN202311745040A CN117709108B CN 117709108 B CN117709108 B CN 117709108B CN 202311745040 A CN202311745040 A CN 202311745040A CN 117709108 B CN117709108 B CN 117709108B
- Authority
- CN
- China
- Prior art keywords
- porosity
- model
- interpretation model
- oil
- fuyu
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 238000009826 distribution Methods 0.000 claims abstract description 13
- 238000010586 diagram Methods 0.000 claims description 18
- 241000219095 Vitis Species 0.000 claims description 13
- 235000009754 Vitis X bourquina Nutrition 0.000 claims description 13
- 235000012333 Vitis X labruscana Nutrition 0.000 claims description 13
- 235000014787 Vitis vinifera Nutrition 0.000 claims description 13
- 238000012417 linear regression Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 238000005266 casting Methods 0.000 claims description 2
- 230000005477 standard model Effects 0.000 abstract description 2
- 238000011161 development Methods 0.000 description 7
- 238000011160 research Methods 0.000 description 7
- 229920002307 Dextran Polymers 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 239000011148 porous material Substances 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000035699 permeability Effects 0.000 description 3
- 230000000704 physical effect Effects 0.000 description 3
- 239000011435 rock Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 238000010206 sensitivity analysis Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 208000019888 Circadian rhythm sleep disease Diseases 0.000 description 1
- 208000001456 Jet Lag Syndrome Diseases 0.000 description 1
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000033915 jet lag type circadian rhythm sleep disease Diseases 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012795 verification 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及孔隙度模型建立方法技术领域，尤其涉及一种针对葡萄花油田扶余油层孔隙度的模型建立方法，包括：建立孔隙度关系解释模型，并确定各孔隙度关系解释模型的相关系数和相对误差；选取符合要求的若干孔隙度关系解释模型确定本区孔隙度解释模型；针对主要含油层建立模型方程及其对应的相关系数；针对主要含油层建立岩性密度、自然伽马相对值与孔隙度的多元线性关系模型；针对主要含油层建立岩性密度、声波时差、自然伽马相对值与孔隙度的多元线性关系模型；选取相对误差最小的多元线性关系模型作为标准模型。本发明提供了一套科学合理、可靠的孔隙度计算模型，对储层物性分布规律提供了坚实可靠的数据支撑。
Description
技术领域
本发明涉及孔隙度模型建立方法技术领域，尤其涉及一种针对葡萄花油田扶余油层孔隙度的模型建立方法。
背景技术
孔隙度是衡量储层物性的重要参数，储层的孔隙度是反映储集层储集能力相对大小的基本参数。
目前研究孔隙度模型建立的内容很多，方法涉及综合利用裂缝发育程度、综合评价因子、识别总因子和神经网络模型、多要素叠加方法等多种方法，针对多种地形，致密油、低渗透储层、致密砂岩气藏等多种地层进行孔隙度模型建立计算，但都没有针对大庆油田葡萄花油田扶余油层孔隙度模型的，随着葡萄花油田扶余油层的开发，扶余油层压力、地质条件及地下流体性质日渐复杂，储层物性分布规律不明显，目前亟需一种方法针对葡萄花油田扶余油层储层物性进行计算。
目前葡萄花油田扶余油层没有有效的孔隙度解释模型，已经不能满足实际生产的需要。为提高储层参数解释精度，结合近年来新钻取芯井，急需建立一套新的扶余油层孔隙度解释模型及综合评价方法，为后期射孔及压裂施工设计提供准确的物性参数。
中国专利公开号CN106803207A，公开了一种用于油田含油气性的量化评价方法，涉及油气田勘探开发技术，该方法根据该油田的油源条件、运聚条件、储层条件、圈闭条件、保存条件和配套条件，确定该油田的埋藏深度、孔隙度、相对物性、渗透率、顶部隔层厚度和断层泥比率SGR指数，进而将该油田的埋藏深度、孔隙度、相对物性、渗透率、顶部隔层厚度和断层泥比率SGR指数带入到含油气概率回归模型中得到该油田的含油气概率。由此可见，所述用于油田含油气性的量化评价方法存在以下问题：针对葡萄花油田扶余油层没有有效的孔隙度解释模型，已至无法为后期射孔及压裂施工设计提供准确的物性参数。
发明内容
为此，本发明提供一种针对葡萄花油田扶余油层孔隙度的模型建立方法，用以克服现有技术中针对葡萄花油田扶余油层没有有效的孔隙度解释模型，已至无法为后期射孔及压裂施工设计提供准确的物性参数的问题。
为实现上述目的，本发明提供一种针对葡萄花油田扶余油层孔隙度的模型建立方法，包括，
根据获取的各单因素的曲线分别建立各曲线与扶余油层孔隙度关系的单因素整体孔隙度解释模型以及将所述单因素进行多元组合，根据所述多元组合后的因素集建立扶余油层的多因素整体孔隙度解释模型；
确定各所述整体孔隙度解释模型的模型方程及各模型方程对应的相关系数以及相对误差并通过岩心孔隙度数据进行验证从而确定本区孔隙度解释模型；
根据扶余油层油水的分布特征将其主要含油层进行划分，包括：扶Ⅰ组油层和扶Ⅱ组油层；
基于各所述单因素或进行所述多元组合后的所述因素集，采用岩心刻度测井方法分别为所述扶Ⅰ组油层和所述扶Ⅱ组油层建立扶Ⅰ组孔隙度解释模型和扶Ⅱ组孔隙度解释模型；
基于所述本区孔隙度解释模型，将所述扶Ⅰ组孔隙度解释模型和所述扶Ⅱ组孔隙度解释模型得到各模型方程以及各模型方程对应的相关系数和相对误差进行对比从而选取相对误差最小的孔隙度解释模型作为主要含油层的标准孔隙度解释模型；
将确定的所述标准孔隙度解释模型与实际油田情况进行对比，确定标准孔隙度解释模型的精确度，针对精确度未达到要求的标准孔隙度解释模型对其所述单因素的排列组合方式进行调整。
进一步地，所述单因素包括：岩性密度、声波时差、自然伽马相对值，
根据所述岩性密度建立的第一单因素整体孔隙度解释模型；
根据所述声波时差建立的第二单因素整体孔隙度解释模型；
根据所述自然伽马相对值建立的第三单因素整体孔隙度解释模型。
进一步地，所述单因素的所述多元组合包括：二元组合和三元组合，
所述二元组合为从所述岩性密度、所述声波时差、所述自然伽马相对值中选择两个单因素进行二元线性组合，建立所述多因素整体孔隙度解释模型；
所述三元组合为将所述岩性密度、所述声波时差、所述自然伽马相对值进行三元线性组合，建立所述多因素整体孔隙度解释模型；
将通过所述二元组合和所述三元组合建立的所述多因素整体孔隙度解释模型通过所述岩心孔隙度数据进行验证从而确定所述本区孔隙度解释模型。
进一步地，选取各整体孔隙度解释模型中符合选取要求的若干整体孔隙度解释模型并确定所述本区孔隙度解释模型的过程为，
排除其中变量单一的整体孔隙度解释模型，并通过所述岩心孔隙度数据验证未排除的若干整体孔隙度解释模型，选取相对误差最小的整体孔隙度解释模型作为本区孔隙度解释模型。
进一步地，采用所述岩心刻度测井的方法，选取所述声波时差，所述岩性密度，所述自然伽马相对值中的一项，或，两项，或，三项，建立所述主要含油层的所述孔隙度解释模型。
进一步地，对于选取一项所述单因素进行建立所述孔隙度解释模型，
通过实际测井得到的各点的实际岩心孔隙度，根据各点的所述实际岩心孔隙度得到相应的岩性密度值，将所述岩性密度值投到坐标图中并进行趋势线的添加，得到一维单因素与岩心孔隙度关系图，并根据得到的数据进行线性回归，得到该孔隙度解释模型的模型方程。
进一步地，采用所述岩心刻度测井方法，确定任一所述主要含油层建立所述孔隙度解释模型对应的模型方程的过程为，
根据所述岩性密度与岩心孔隙度关系图，进行线性回归，得到模型方程一；
根据所述声波时差与岩心孔隙度关系图，进行线性回归，得到模型方程二。
进一步地，对于选取两项所述单因素进行建立所述孔隙度解释模型，
分别选取所述声波时差、所述自然伽马相对值、所述岩性密度密之间的两项进行所述二元组合，建立所述孔隙度解释模型，分别得到二维扶余油层扶Ⅰ组岩心孔隙度与测井计算孔隙度关系图和扶余油层扶Ⅱ组岩心孔隙度与测井计算孔隙度关系图。
进一步地，对于选取三项所述单因素进行建立所述孔隙度解释模型，
选取所述声波时差、所述自然伽马相对值、所述岩性密度密进行所述三元组合，建立所述孔隙度解释模型，得到三维扶余油层岩心孔隙度与测井计算孔隙度关系图。
进一步地，根据得到的一维关系图、二维关系图和三维关系图计算模型孔隙度与实际岩心孔隙度之间的所述相关系数及所述相对误差，根据相对误差最小值确定所述主要含油层的所述标准孔隙度解释模型。
与现有技术相比，本发明的有益效果在于，本发明提供的针对葡萄花油田扶余油层孔隙度模型建立技术目标明确，原理清晰，步骤简单，可操作性强，为后续压裂设计研究提供了一套科学合理、可靠的孔隙度计算模型，对储层物性分布规律提供了坚实可靠的数据支撑，本发明推广应用前景广阔，经济社会效益显著。
进一步地，通过岩心孔隙度与储层曲线的敏感性分析表明，储层岩心分析孔隙度与岩性密度、声波时差、自然伽马相对值相关性较好，因此，建立了不同曲线与孔隙度关系的解释模型，以便确定最能反映孔隙度的孔隙度解释模型。
附图说明
图1为本实施例所述针对葡萄花油田扶余油层孔隙度的模型建立方法的流程图；
图2为本实施例所述针对葡萄花油田扶余油层孔隙度的模型建立方法中的扶I组岩性密度建立的模型计算的孔隙度与岩心孔隙度关系图；
图3为本实施例所述针对葡萄花油田扶余油层孔隙度的模型建立方法中的扶I组声波时差建立的模型计算的孔隙度与岩心孔隙度关系图；
图4为本实施例所述针对葡萄花油田扶余油层孔隙度的模型建立方法中的扶I组密度和自然伽马相对值建立的模型计算的孔隙度与岩心孔隙度关系图；
图5为本实施例所述针对葡萄花油田扶余油层孔隙度的模型建立方法中的扶I组声波时差和自然伽马相对值建立的模型计算的孔隙度与岩心孔隙度关系图；
图6为本实施例所述针对葡萄花油田扶余油层孔隙度的模型建立方法中的扶I组密度、自然伽马相对值和声波时差建立的模型计算的孔隙度与岩心孔隙度关系图。
具体实施方式
为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
孔隙度是衡量储层物性的重要参数，储层的孔隙度是反映储集层储集能力相对大小的基本参数。孔隙度的准确与否直接关系到饱和度等相关参数的准确性，这对于油田的储量评估与计算有着决定性的作用。不同孔喉大小对渗透率的贡献不同，利用大孔孔隙部分(大于0.063μm)对储层渗透率值贡献大的特点，可以提高致密储层渗透率的求取精度。目前的孔隙度测井系列包括声波时差测井、密度测井、中子测井以及核磁共振测井等测井方法都可以较准确的计算孔隙度的大小，声波、密度和中子测井是常用的孔隙度测井方法。
本发明提供一种针对葡萄花油田扶余油层孔隙度的模型建立方法，包括，
步骤S1，根据获取的各单因素的曲线分别建立各曲线与扶余油层孔隙度关系的单因素整体孔隙度解释模型以及将所述单因素进行多元组合，根据所述多元组合后的因素集建立扶余油层的多因素整体孔隙度解释模型；
步骤S2，确定各所述整体孔隙度解释模型的模型方程及各模型方程对应的相关系数以及相对误差并通过岩心孔隙度数据进行验证从而确定本区孔隙度解释模型；
步骤S3，根据扶余油层油水的分布特征将其主要含油层进行划分，包括：扶Ⅰ组油层和扶Ⅱ组油层；
步骤S4，基于各所述单因素或进行所述多元组合后的所述因素集，采用岩心刻度测井方法分别为所述扶Ⅰ组油层和所述扶Ⅱ组油层建立扶Ⅰ组孔隙度解释模型和扶Ⅱ组孔隙度解释模型；
步骤S5，基于所述本区孔隙度解释模型，将所述扶Ⅰ组孔隙度解释模型和所述扶Ⅱ组孔隙度解释模型得到各模型方程以及各模型方程对应的相关系数和相对误差进行对比从而选取相对误差最小的孔隙度解释模型作为主要含油层的标准孔隙度解释模型；
步骤S6，将确定的所述标准孔隙度解释模型与实际油田情况进行对比，确定标准孔隙度解释模型的精确度，针对精确度未达到要求的标准孔隙度解释模型对其所述单因素的排列组合方式进行调整。
本发明提供的针对葡萄花油田扶余油层孔隙度模型建立技术目标明确，原理清晰，步骤简单，可操作性强，为后续压裂设计研究提供了一套科学合理、可靠的孔隙度计算模型，对储层物性分布规律提供了坚实可靠的数据支撑，本发明推广应用前景广阔，经济社会效益显著。
具体而言，本实施例中，所述孔隙度关系解释模型包括，孔隙度与岩性密度的孔隙度解释模型、孔隙度与声波时差的孔隙度解释模型、孔隙度与自然伽马相对值的孔隙度解释模型、孔隙度与自然伽马相对值以及岩性密度的孔隙度解释模型、孔隙度与自然伽马相对值以及声波时差的孔隙度解释模型、孔隙度与自然伽马相对值和声波时差以及岩性密度的孔隙度解释模型。
通过岩心孔隙度与储层曲线的敏感性分析表明，储层岩心分析孔隙度与岩性密度、声波时差、自然伽马相对值相关性较好，因此，建立了不同曲线与孔隙度关系的解释模型，以便确定最能反映孔隙度的孔隙度解释模型。
具体而言，本实施例中，选取各孔隙度关系解释模型中符合选取要求的若干孔隙度关系解释模型并确定本区孔隙度解释模型的过程为，
排除其中变量单一的孔隙度关系解释模型，并通过岩心孔隙度数据验证未排除的若干孔隙度关系解释模型，选取相对误差最小的孔隙度关系解释模型作为本区孔隙度解释模型。
6个孔隙度模型相关系数及误差如表1所示，除了模型1、2、3相对误差较大、变量单一，不满足要求，排除；模型4-6适合本区孔隙度解释，通过岩心孔隙度数据进行验证，模型6相关系数较大，相对误差小，因此优选模型6作为本区孔隙度解释模型。
表1为扶余油层孔隙度模型相关内容，公式栏中，DEN为岩性密度、DT为声波时差、△GR为自然伽马相对值，φ为孔隙度，其中的公式，包括，
孔隙度与岩性密度的孔隙度解释模型为模型1，即，Φ＝-37.605×DEN+106.37；
孔隙度与声波时差的孔隙度解释模型为模型2，即，Φ＝0.5943×DT-32.73；
孔隙度与自然伽马相对值的孔隙度解释模型为模型3，即，Φ＝-13.789×△GR+19.549；
孔隙度与自然伽马相对值以及岩性密度的孔隙度解释模型为模型4，即，Φ＝-55.16×DEN-3.65×△GR+148.45；
孔隙度与自然伽马相对值以及声波时差的孔隙度解释模型为模型5，即，Φ＝0.6056×DT-5.07999×△GR-32.03；
孔隙度与自然伽马相对值和声波时差以及岩性密度的孔隙度解释模型为模型6，即，Φ＝-15.5927×DEN+0.43509×DT-2.75793×△GR+18.9273。
表1
葡萄花油田扶余油层平均油藏埋藏中部深度为1875m，平均含油高度101m，是被断层、岩性封闭的油藏，驱油动力主要来源于油藏本身岩层及流体的弹性膨胀力，属弹性驱动。
扶余油层油水分布纵向上受重力分异控制，总体上呈现上油下水的分布特征，主要含油层段位于扶Ⅰ组及扶Ⅱ组，扶Ⅰ组以纯油层为主，扶Ⅱ组下部偶有同层和水层发育。
具体而言，本实施例中，采用岩心刻度测井方法，基于所述本区孔隙度解释模型针对任一主要含油层建立模型方程的过程为，
基于所述本区孔隙度解释模型，针对任一主要含油层，
根据岩性密度与岩心孔隙度关系图，进行线性回归，得到模型方程一；
根据声波时差与岩心孔隙度关系图，进行线性回归，得到模型方程二。
在上述模型1-6的基础上，对扶Ⅰ组和扶Ⅱ组分别建立孔隙度模型进行解释，采用岩心刻度测井方法，分为扶Ⅰ组和扶Ⅱ组进行模型建立。
参阅图2、图3所示，图2为本实施例所述针对葡萄花油田扶余油层孔隙度的模型建立方法中的扶I组岩性密度与岩心孔隙度关系图，图3为本实施例所述针对葡萄花油田扶余油层孔隙度的模型建立方法中的扶I组。
由扶I组岩性密度与岩心孔隙度关系图，进行线性回归，得到模型方程1其相关系数为0.857；由扶I组声波时差与岩心孔隙度关系图，进行线性回归，模型方程2其相关系数为0.818。
同时，建立了岩性密度(DEN)、自然伽马相对值(△GR)与孔隙度(φ)的多元线性关系模型，得到多元线性方程3。
最后，建立了岩性密度、声波时差、自然伽马相对值与孔隙度的多元线性关系模型，得到多元线性方程5。此相对误差小，作为标准模型。
如表2所示，表2为扶I油层孔隙度模型内容。
表2
参阅图4、图5，具体而言，本实施例中，选取声波时差、自然伽马相对值、密度之间进行二元组合，建立孔隙度解释模型，分别得到基于不同参数的扶余油层的岩心孔隙度与测井计算孔隙度关系图。
在研究层段具有可靠的岩心实验分析数据时，众多解释方法中优选出岩心刻度测井的方法建立孔隙度等储层参数的解释模型。分别选取声波时差、自然伽马相对值、密度之间进行二元组合，建立孔隙度解释模型，分别得到不同参数扶余油层扶I组岩心孔隙度与测井计算孔隙度关系图。
扶I组油层孔隙度模型如表3所示。
表3
通过扶I组孔隙度模型建立方法，建立扶I I组孔隙度模型如表4所示。
表4
本发明针对大庆油田长垣南部葡萄花油层孔隙度分布规律进行计算，其步骤如下：
步骤1，利用葡萄花油田扶余油层测井资料，对研究区扶余油层测井曲线进行标准化处理，选择扶I层段上10米泥岩段作为标准层，该段横向分布稳定，曲线呈现“高伽马、低电阻、高声波时差”特征，且极易识别，可作为测井曲线标准化的标准层。通过对全部曲线标准化处理，将所有分层数据进行统一划分，提高测井曲线的相关性。标准化前岩心分析孔隙度与测井计算孔隙度两者的相关性为0.5464，标准化后，两者的相关性为0.8284，提升了34.04％。
步骤2，利用扶余油层孔隙度模型，对葡萄花油田45口典型井进行孔隙度计算，分别得到不同井位不同层位的孔隙度计算结果，分别得到葡北油田和葡南油田的扶I和扶I I油层孔隙度模型，扶I油层模型计算相关系数0.89和0.81，相对误差分别为7.1和8.9。扶I I油层模型计算相关系数0.87和0.95，相对误差分别为6.1和4.7。
步骤3，基于上述研究所建立的分层系孔隙度解释模型，针对全区1041口开展测井解释工作，并完成各物性参数分布规律分析，从孔隙度平面变化特征看，孔隙度变化整体葡南区好于葡北区；高孔隙度发育区呈零星分布，与物源方向匹配，在葡北葡50井区储层孔隙度分布稳定，为储层发育带；葡南区孔隙度最为发育，最高可达19.86％，主要分布葡34井区，自北向南逐渐变差，FI I4小层在FI I油组孔隙度高值区范围大，孔隙度最发育区分布在研究区葡54井12.75％；葡北区孔隙度发育相比较差，表现发育为大面积低孔区，其中，孔隙度最低为葡552井附近，最低可达3.2％；这说明，不同区域孔隙发育差异较大，如附图1所示。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例，并不用于限制本发明；对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种针对葡萄花油田扶余油层孔隙度的模型建立方法，其特征在于，包括，
根据获取的各单因素的曲线分别建立各曲线与扶余油层孔隙度关系的单因素整体孔隙度解释模型以及将所述单因素进行多元组合，根据所述多元组合后的因素集建立扶余油层的多因素整体孔隙度解释模型；
确定各所述整体孔隙度解释模型的模型方程及各模型方程对应的相关系数以及相对误差并通过岩心孔隙度数据进行验证从而确定本区孔隙度解释模型；
根据扶余油层油水的分布特征将其主要含油层进行划分，包括：扶Ⅰ组油层和扶Ⅱ组油层；
基于各所述单因素或进行所述多元组合后的所述因素集，采用岩心刻度测井方法分别为所述扶Ⅰ组油层和所述扶Ⅱ组油层建立扶Ⅰ组孔隙度解释模型和扶Ⅱ组孔隙度解释模型；
基于所述本区孔隙度解释模型，将所述扶Ⅰ组孔隙度解释模型和所述扶Ⅱ组孔隙度解释模型得到各模型方程以及各模型方程对应的相关系数和相对误差进行对比从而选取相对误差最小的孔隙度解释模型作为主要含油层的标准孔隙度解释模型；
将确定的所述标准孔隙度解释模型与实际油田情况进行对比，确定标准孔隙度解释模型的精确度，针对精确度未达到要求的标准孔隙度解释模型对其所述单因素的排列组合方式进行调整；
其中，所述单因素包括：岩性密度、声波时差、自然伽马相对值，
根据所述岩性密度建立的第一单因素整体孔隙度解释模型；
根据所述声波时差建立的第二单因素整体孔隙度解释模型；
根据所述自然伽马相对值建立的第三单因素整体孔隙度解释模型；
所述单因素的所述多元组合包括：二元组合和三元组合，
所述二元组合为从所述岩性密度、所述声波时差、所述自然伽马相对值中选择两个单因素进行二元线性组合，建立所述多因素整体孔隙度解释模型；
所述三元组合为将所述岩性密度、所述声波时差、所述自然伽马相对值进行三元线性组合，建立所述多因素整体孔隙度解释模型；
将通过所述二元组合和所述三元组合建立的所述多因素整体孔隙度解释模型通过所述岩心孔隙度数据进行验证从而确定所述本区孔隙度解释模型；
选取各整体孔隙度解释模型中符合选取要求的若干整体孔隙度解释模型并确定所述本区孔隙度解释模型的过程为，
排除其中变量单一的整体孔隙度解释模型，并通过所述岩心孔隙度数据验证未排除的若干整体孔隙度解释模型，选取相对误差最小的整体孔隙度解释模型作为本区孔隙度解释模型。
2.根据权利要求1所述的针对葡萄花油田扶余油层孔隙度的模型建立方法，其特征在于，
采用所述岩心刻度测井的方法，选取所述声波时差，所述岩性密度，所述自然伽马相对值中的一项，或，两项，或，三项，建立所述主要含油层的所述孔隙度解释模型。
3.根据权利要求2所述的针对葡萄花油田扶余油层孔隙度的模型建立方法，其特征在于，
对于选取一项所述单因素进行建立所述孔隙度解释模型，
通过实际测井得到的各点的实际岩心孔隙度，根据各点的所述实际岩心孔隙度得到相应的岩性密度值，将所述岩性密度值投到坐标图中并进行趋势线的添加，得到一维单因素与岩心孔隙度关系图，并根据得到的数据进行线性回归，得到该孔隙度解释模型的模型方程。
4.根据权利要求3所述的针对葡萄花油田扶余油层孔隙度的模型建立方法，其特征在于，
采用所述岩心刻度测井方法，确定任一所述主要含油层建立所述孔隙度解释模型对应的模型方程的过程为，
根据所述岩性密度与岩心孔隙度关系图，进行线性回归，得到模型方程一；
根据所述声波时差与岩心孔隙度关系图，进行线性回归，得到模型方程二。
5.根据权利要求4所述的针对葡萄花油田扶余油层孔隙度的模型建立方法，其特征在于，
对于选取两项所述单因素进行建立所述孔隙度解释模型，
分别选取所述声波时差、所述自然伽马相对值、所述岩性密度密之间的两项进行所述二元组合，建立所述孔隙度解释模型，分别得到二维扶余油层扶Ⅰ组岩心孔隙度与测井计算孔隙度关系图和扶余油层扶Ⅱ组岩心孔隙度与测井计算孔隙度关系图。
6.根据权利要求5所述的针对葡萄花油田扶余油层孔隙度的模型建立方法，其特征在于，
对于选取三项所述单因素进行建立所述孔隙度解释模型，
选取所述声波时差、所述自然伽马相对值、所述岩性密度密进行所述三元组合，建立所述孔隙度解释模型，得到三维扶余油层岩心孔隙度与测井计算孔隙度关系图。
7.根据权利要求6所述的针对葡萄花油田扶余油层孔隙度的模型建立方法，其特征在于，根据得到的一维关系图、二维关系图和三维关系图计算模型孔隙度与实际岩心孔隙度之间的所述相关系数及所述相对误差，根据相对误差最小值确定所述主要含油层的所述标准孔隙度解释模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311745040.4A CN117709108B (zh) | 2023-12-19 | 2023-12-19 | 一种针对葡萄花油田扶余油层孔隙度的模型建立方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311745040.4A CN117709108B (zh) | 2023-12-19 | 2023-12-19 | 一种针对葡萄花油田扶余油层孔隙度的模型建立方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117709108A CN117709108A (zh) | 2024-03-15 |
| CN117709108B true CN117709108B (zh) | 2024-06-21 |
Family
ID=90144053
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311745040.4A Active CN117709108B (zh) | 2023-12-19 | 2023-12-19 | 一种针对葡萄花油田扶余油层孔隙度的模型建立方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117709108B (zh) |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104698500A (zh) * | 2015-04-07 | 2015-06-10 | 成都乔依赛斯石油科技有限公司 | 一种利用地质和测井信息预测储层成岩相的方法 |
| CN107327294A (zh) * | 2017-08-28 | 2017-11-07 | 西北大学 | 一种基于致密油储层变骨架参数条件下的孔隙度解释方法 |
-
2023
- 2023-12-19 CN CN202311745040.4A patent/CN117709108B/zh active Active
Non-Patent Citations (5)
| Title |
|---|
| 一种计算泥质砂岩储层有效孔隙度的三参数测井解释方法;鲁红, 牛延宏, 李建民;大庆石油地质与开发;19981220(第06期);全文 * |
| 朝阳沟油田储层孔隙度和渗透率解释方法;宋岩竹;;中外能源;20090815(第08期);全文 * |
| 柴达木盆地Z区致密储层测井孔隙度解释模型;张子介;杜江民;郑茜;李亚军;张晓龙;;国外测井技术;20160215(01);全文 * |
| 葡萄花油田X区块扶余油层油水层识别标准及储层参数研究;陈龙川;;中国石油和化工标准与质量;20180708(第13期);全文 * |
| 长垣南地区扶余油层油水层识别及储量参数研究;陈龙川;;国外测井技术;20180215(第01期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117709108A (zh) | 2024-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107701180B (zh) | 一种基于密闭取心的原始油藏含水饱和度计算方法 | |
| US20160376885A1 (en) | Method and Apparatus for Performance Prediction of Multi-Layered Oil Reservoirs | |
| NO20171231A1 (en) | Enhanced oil recovery (EOR) chemical coreflood simulation study workflow | |
| CN104750896B (zh) | 一种缝洞型碳酸盐岩油藏数值模拟方法 | |
| CN104196523B (zh) | 一种碳酸盐气藏储量动用状况的评价方法 | |
| CN110056346B (zh) | 一种基于趋势变化函数的油藏三维原始含水饱和度模拟方法 | |
| CN110838175B (zh) | 注气开发油藏的地质模型建立方法 | |
| CN111706317B (zh) | 一种确定加密调整区低渗储层剩余油分布状况的方法 | |
| CN105545301A (zh) | 一种不同泥浆体系下复杂储层流体性质识别方法 | |
| CN106570262B (zh) | 一种储层构型结构的描述方法 | |
| CN109057785B (zh) | 一种致密非均质储层剩余地质储量评价方法 | |
| CN106503295B (zh) | 一种利用状态空间模型解释油田水淹层的方法及装置 | |
| CN112394404A (zh) | 一种渐进式储层精细表征方法 | |
| CN111706318B (zh) | 一种确定低渗储层剩余油分布状况的方法 | |
| Pan et al. | Integration of pressure-transient data in Modeling Tengiz Field, Kazakhstan—A new way to characterize fractured reservoirs | |
| CN110566196B (zh) | 一种储层连通性分析方法 | |
| CN117709108B (zh) | 一种针对葡萄花油田扶余油层孔隙度的模型建立方法 | |
| CN113742962B (zh) | 一种基于水平井的页岩储层属性三维建模方法 | |
| CN115618768A (zh) | 一种储气库有效储气空间计算方法 | |
| AlQahtani et al. | New Hydrocarbon Reservoir Sweet Spot Identifier Enabling Optimal Field Development Plans | |
| CN115387785A (zh) | 一种海相碳酸盐岩生屑灰岩油藏高渗条带识别方法及装置 | |
| Wei et al. | Application of geological model dynamic updating method in Guanjiapu Oilfield, Dagang | |
| Wach et al. | Well placement, cost reduction, and increased production using reservoir models based on outcrop, core, well-log, seismic data, and modern analogs: Onshore and offshore Western Trinidad | |
| Detwiler et al. | An integrated geological modeling approach to assess potential of field wells for application of a surfactant imbibition process in an ultra-tight rock formation | |
| Kampit et al. | Heterolithic Thin Bedded Reservoirs Volumetric Estimation, Quantification and High-Resolution 3D Modelling |
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 |