CN117784244A - 基于变纵波速度的细粒混积岩孔隙压力预测方法及系统 - Google Patents
基于变纵波速度的细粒混积岩孔隙压力预测方法及系统 Download PDFInfo
- Publication number
- CN117784244A CN117784244A CN202410217006.8A CN202410217006A CN117784244A CN 117784244 A CN117784244 A CN 117784244A CN 202410217006 A CN202410217006 A CN 202410217006A CN 117784244 A CN117784244 A CN 117784244A
- Authority
- CN
- China
- Prior art keywords
- longitudinal wave
- effective stress
- pore pressure
- curve
- background value
- 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.)
- Granted
Links
- 239000011435 rock Substances 0.000 title claims abstract description 124
- 239000011148 porous material Substances 0.000 title claims abstract description 107
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000013210 evaluation model Methods 0.000 claims abstract description 31
- 238000012360 testing method Methods 0.000 claims abstract description 23
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 13
- 230000006870 function Effects 0.000 claims description 66
- 230000008859 change Effects 0.000 claims description 27
- 239000004576 sand Substances 0.000 claims description 23
- 238000009933 burial Methods 0.000 claims description 22
- 238000009826 distribution Methods 0.000 claims description 11
- 238000009825 accumulation Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 9
- 239000010419 fine particle Substances 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 5
- 238000011160 research Methods 0.000 claims description 5
- 238000012417 linear regression Methods 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims 1
- 238000000926 separation method Methods 0.000 abstract 1
- 229910000514 dolomite Inorganic materials 0.000 description 10
- 239000010459 dolomite Substances 0.000 description 10
- 238000004590 computer program Methods 0.000 description 6
- 238000005553 drilling Methods 0.000 description 6
- 238000005056 compaction Methods 0.000 description 5
- 235000021185 dessert Nutrition 0.000 description 5
- 229910052500 inorganic mineral Inorganic materials 0.000 description 5
- 239000011707 mineral Substances 0.000 description 5
- 235000011850 desserts Nutrition 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 239000004215 Carbon black (E152) Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 229930195733 hydrocarbon Natural products 0.000 description 3
- 150000002430 hydrocarbons Chemical class 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 239000003079 shale oil Substances 0.000 description 3
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 2
- 235000014676 Phragmites communis Nutrition 0.000 description 2
- 241000287219 Serinus canaria Species 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000012097 association analysis method Methods 0.000 description 2
- 239000013078 crystal Substances 0.000 description 2
- 230000000994 depressogenic effect Effects 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- -1 siltstone Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 208000019888 Circadian rhythm sleep disease Diseases 0.000 description 1
- 208000001456 Jet Lag Syndrome Diseases 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000005234 chemical deposition Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011156 evaluation Methods 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
- 239000005416 organic matter Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000003938 response to stress Effects 0.000 description 1
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及基于变纵波速度的细粒混积岩孔隙压力预测方法及系统,属于非常规油气储层孔隙压力预测技术领域,包括:开展不同有效应力下岩石纵波速度测试,确定声波速度与有效应力间关系的函数形式,通过最优化拟合出函数中参数,分岩性建立有效应力影响项评价模型。根据实测地层压力数据和有效应力影响项模型,反推声波速度背景值,优选测井曲线,建立声波速度背景值测井评价模型;根据DT、DEN等测井曲线,联合岩性识别结果,计算声波速度背景值,进而得到地层有效应力,再根据上覆岩层压力,确定孔隙压力。本发明可以提高细粒混积岩储层孔隙压力预测的效率和精度。
Description
技术领域
本发明属于非常规油气储层孔隙压力预测技术领域,尤其涉及基于变纵波速度的细粒混积岩孔隙压力预测方法及系统。
背景技术
目前,最接近的现有技术:
孔隙压力是地层孔隙流体所承受的应力,其贯穿油气勘探开发的整个领域,尤其是钻井过程、压裂施工和油气田开采过程均需要确定地层孔隙压力。当孔隙压力高于静液压力时,地层出现超压。如果在钻井前和钻井时不能准确预测超压,会严重影响井壁稳定性。
测井曲线常用于孔隙压力预测,基本步骤为根据测井曲线建立有效应力评价模型,再结合上覆岩层压力,计算得到孔隙压力。纵波速度对岩石有效应力响应敏感,在实际应用中,常利用纵波预测岩石有效应力,包括两类主要方法,一是建立声波正常压实趋势线,根据实测声波与正常压实趋势值的比值,来推算地层有效应力,如Millers和Eaton法等,另一类是建立纵波与有效应力的函数关系,进行有效应力计算,如Bowers法,认为纵波速度与有效应力间满足幂函数关系。
上述已有孔隙压力预测模型多针对泥页岩地层,超压的成因较为单一,采用与孔隙度相关的测井参数(声波时差、电阻率等)预测孔隙压力可获得较好的应用效果。细粒混积岩是由陆源碎屑、化学沉积和火山作用共同作用的产物,粒度通常小于62.5μm,其是混积型页岩油的重要载体。对于细粒混积岩储层其具有下列特点:1)岩性多样,包括泥页岩,粉砂岩,碳酸盐岩,以及它们的过渡岩性,而且细粒混积岩中普遍存在超压,异常孔隙压力成因机理复杂,超压成因包括不平衡压实和生烃增压等多种成因,正常压实趋势线很难建立;2)有机质、白云石等岩石组分严重影响了声波测井和电阻率测井,不同岩性间差异大,会混淆了超压现象在测井信息上的响应,同时细粒混积岩的纵波与有效应力间关系也并不都满足单一幂函数变化形式。因此,传统的孔隙压力预测方法不能有效适用于细粒混积岩储层,亟需提出针对细粒混积岩储层的地层孔隙压力预测新方法。
综上所述,现有技术存在的问题是:
(1)细粒混积岩储层岩性复杂,不同岩性在矿物组分、有机碳含量等方面存在差异,各类岩性的声波、密度等曲线的骨架响应值存在差异,若不考虑岩性差异对声波和密度响应的影响,按照相同背景值或建立趋势线开展有效应力预测,会降低孔隙压力预测精度。
(2)不同类型细粒混积岩纵波速度和有效应力间关系并不统一,泥级混积岩的纵波速度随有效应力增加呈单段递增后稳定的幂函数形式,而砂级混积岩则呈现双段递增形式,若按照单一函数形式进行有效应力预测,则会影响孔隙压力的计算精度。
解决上述技术问题的难度:
该技术方法存在两个方面的难点:根据细粒混积岩复杂岩性建立有效应力影响项预测模型和建立有效的声波背景值V0测井评价模型。细粒混积岩中骨架支撑类型会影响岩石形变过程,也影响了纵波速度随有效应力的变化模式。因此,声波速度与有效应力不再是单一的函数关系,需要根据岩性变化确定有效应力影响项预测模型。此外,纵波速度背景值随矿物组分,有机质含量和孔隙度等参数变化明显,采用固定声波速度背景值V0来计算的地层压力也会引入不可估量的误差,需建立有效的声波速度背景值V0测井评价模型,进而提高孔隙压力的预测精度。
发明内容
针对现有技术存在的问题,本发明提供了基于变纵波速度的细粒混积岩孔隙压力预测方法。
本发明还提供了基于变纵波速度的细粒混积岩孔隙压力预测系统。
本发明的技术方案为:
基于变纵波速度的细粒混积岩孔隙压力预测方法,包括:
确定纵波速度与有效应力的函数关系;
建立有效应力影响项预测模型;
建立纵波背景值的测井评价模型;
预测变声波背景值的孔隙压力。
根据本发明优选的,确定纵波速度与有效应力的函数关系;包括:
进行细粒混积岩地层岩心取样,开展有效应力和纵波速度测试,测得不同有效应力下岩石纵波速度变化,根据纵波速度与有效应力的交会图,分析两者的函数关系,分泥级混积岩和砂级混积储层两类储层分别确定函数关系。
进一步的,开展有效应力和纵波速度测试时,对研究区细粒混积岩进行取样,样品涵盖主要岩性,取样为规则柱体;对样品开展不同有效应力下纵波速度测试,建立岩石纵波速度随有效应力的变化曲线,有效应力点设置均匀。
进一步的,确定纵波速度与有效应力的函数关系时,分别统计每块样品的声波速度随有效应力变化散点图,观察不同岩性样品纵波速度与有效应力的关系;
对于砂级混积储层,纵波速度与有效应力的函数关系采用幂函数+S函数形式来拟合:幂函数+S函数如式(1)所示:
(1);
对于泥级混积岩,纵波速度与有效应力的函数关系用幂函数表示;幂函数如式(2)所示:
(2);
其中,Vp为岩石纵波速度,m/s;V0为纵波速度背景值,m/s;σ为有效应力,MPa;A、B、C、D、E为参数变量,通过拟合得到;f1和f2分别为泥级混积岩、砂级混积储层有效应力影响项。
根据本发明优选的,建立有效应力影响项预测模型;包括:
以岩心纵波速度与有效应力实测数据为基础,采用最优化方法,分泥级混积岩和砂级混积储层,分别预测幂函数中参数A、B和幂函数+S函数中参数A、B、C、D、E,分别得到泥级混积岩和砂级混积储层的有效应力影响项函数f1(σ) 和f2(σ)。
根据本发明优选的,建立纵波背景值的测井评价模型;包括:
结合工区细粒混积岩地层实测孔隙压力数据,计算有效应力影响项值,再利用实测孔隙压力对应深度点的声波时差曲线,反推声波速度背景值;统计声波速度背景值与中子曲线、密度曲线、声波时差曲线、电阻率曲线、自然伽马曲线和埋深的关系,建立声波速度背景值的测井评价模型。
进一步的,基于实测地层压力确定声波速度背景值时,根据工区目的层已有孔隙压力测试数据Pp,结合上覆岩层密度和埋深计算得到上覆岩层压力G,推算深度点岩石有效应力值σ=G-Pp;
根据深度点对应岩性信息,选用f1(σ)或f2(σ)计算有效应力影响项值;
结合该深度点实测声波时差曲线DT,推算纵波速度Vp,得到声波速度背景值为V0=Vp-f1(σ)或V0=Vp-f2(σ)。
进一步的,建立声波速度背景值的测井评价模型时,根据确定的声波速度背景值V0,提取地层孔隙压力测试点对应的测井曲线值,包括中子曲线、密度曲线、声波时差曲线、电阻率曲线、自然伽马曲线和埋深,
通过数据关联度分析方法,分析声波速度背景值V0与埋深、不同测井曲线包括中子曲线、密度曲线、声波时差曲线、电阻率曲线、自然伽马曲线这些参数的相关系数及关联度,优选与声波速度背景值V0相关系数高于0.5,且关联度较小的参数组合,作为敏感参数组合,以声波速度背景值V0为因变量,优选的各类敏感参数为自变量,通过线性回归方法建立声波速度背景值V0的测井评价模型F(V0)。
根据本发明优选的,预测变声波背景值的孔隙压力;包括:
基于声波速度背景值V0和有效应力影响项函数f1(σ) 或f2(σ),结合岩性测井识别方法,利用中子曲线、密度曲线、声波时差曲线、电阻率曲线、自然伽马曲线和埋深参数,计算目的层有效应力值,进而得到孔隙压力分布曲线,刻画孔隙压力的垂向及平面分布,实现变声波背景值的孔隙压力的预测。
进一步的,预测变声波背景值的孔隙压力时,通过输入已有测井曲线,包括中子、密度、电阻率、声波时差,计算得到纵波速度Vp和上覆岩层压力G,通过声波速度背景值V0的测井评价模型F(V0)和有效应力影响项模型,计算得到地层的有效应力σ,进而得到孔隙压力曲线Pp;
孔隙压力如式(3)所示:
(3);
有效应力影响项如式(4)所示:
(4);
其中,Pp为孔隙压力,MPa;G为上覆压力,MPa;ρ为上覆岩层密度,g/cm3;h为埋深,km;σ为有效应力,MPa,通过f(σ)函数反演计算得到;Vp为纵波速度,m/s,通过声波时差曲线DT计算得到;DT为声波时差曲线,μs/m;F(DT,DEN,h,…)代表声波速度背景值函数;DEN为密度曲线。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现基于变纵波速度的细粒混积岩孔隙压力预测方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现基于变纵波速度的细粒混积岩孔隙压力预测方法的步骤。
基于变纵波速度的细粒混积岩孔隙压力预测系统,包括:
纵波速度与有效应力的函数关系确定模块,被配置为:确定纵波速度与有效应力的函数关系;
有效应力影响项预测模型建立模块,被配置为:建立有效应力影响项预测模型;
纵波背景值的测井评价模型建立模块,被配置为:建立纵波背景值的测井评价模型;
预测模块,被配置为:预测变声波背景值的孔隙压力。
综上所述,本发明的优点及积极效果为:
本发明提供了一种基于变纵波速度的细粒混积岩孔隙压力预测新方法。该方法能预测因不平衡压实和生烃作用等多种机理引发的细粒混积岩地层的异常孔隙压力分布。如果在钻井前和钻井时不能准确预测超压,会严重影响井壁稳定性,甚至可能导致井涌、井喷、流体流入等钻井事故。同时,油气开采效率和油气层产量也会受到孔隙压力的影响。因此,准确预测孔隙压力对油气勘探开发至关重要。受细粒混积岩岩性复杂、速度和密度等骨架背景值受岩性影响大等制约,传统Eaton或Bowers等孔隙压力预测模型难以准确刻画细粒混积岩地层孔隙压力。本发明通过引入不同岩性有效应力-声波速度变化差异和变纵波速度背景值V0,极大提高了细粒混积岩储层孔隙压力预测的精度,为细粒混积岩储层甜点优选及钻井过程压力预判提供技术支撑。针对细粒混积岩储层特征,本发明构建了考虑细粒混积岩声波速度-有效应力变化形式、声波速度背景值变化等因素的孔隙压力预测新方法,提高细粒混积岩储层孔隙压力预测的精度,为混积型页岩油甜点评价、钻井过程压力预判等提供技术支撑。本发明测井曲线具有较高垂向分辨率,能连续刻画孔隙压力分布,可有效弥补实测地层压力测试数据有限、测试费用高、不能连续刻画细粒混积岩储层孔隙压力分布的弊端。
附图说明
图1是本发明实施例提供的基于变纵波速度的细粒混积岩孔隙压力预测方法的流程示意图。
图2是本发明实施例提供的泥级混积岩类纵波速度与有效应力示例一关系示意图。
图3是本发明实施例提供的泥级混积岩类纵波速度与有效应力示例二关系示意图。
图4是本发明实施例提供的砂级混积岩类纵波速度与有效应力示例一关系示意图。
图5是本发明实施例提供的砂级混积岩类纵波速度与有效应力示例二关系示意图。
图6是本发明实施例提供的声波速度背景值V0与TOC含量的关系示意图。
图7是本发明实施例提供的声波速度背景值V0与孔隙度含量的关系示意图。
图8是本发明实施例提供的声波速度背景值V0与白云石含量的关系示意图。
图9是本发明实施例提供的X井孔隙压力预测结果对比图。
具体实施方式
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仅用以解释本发明,并不用于限定本发明。
实施例1
如图1所示,基于变纵波速度的细粒混积岩孔隙压力预测方法,包括:
S101:确定纵波速度Vp与有效应力σ的函数关系;
S102:建立有效应力影响项预测模型f(σ);
S103:建立纵波背景值V0的测井评价模型;
S104:预测变声波背景值的孔隙压力。
实施例2
根据实施例1所述的基于变纵波速度的细粒混积岩孔隙压力预测方法,其区别在于:
确定纵波速度Vp与有效应力σ的函数关系;包括:
进行细粒混积岩地层岩心取样,按照GB/T 50266-2013《工程岩体试验方法标准》开展有效应力和纵波速度测试,测得不同有效应力σ下岩石纵波速度Vp变化,根据Vp与σ的交会图,分析两者的函数关系,分泥级混积岩和砂级混积储层两类储层分别确定函数关系。
开展有效应力和纵波速度测试时,对研究区细粒混积岩进行取样,样品涵盖主要岩性(如泥页岩,粉砂岩,碳酸盐岩和白云质粉砂岩等),取样为规则柱体(长度为5cm,直径2.5cm);对样品开展不同有效应力下纵波速度测试,建立岩石纵波速度随有效应力的变化曲线,有效应力点变化范围需要参考实际地层有效应力分布,有效应力点设置尽量均匀。
确定纵波速度与有效应力的函数关系时,分别统计每块样品的声波速度随有效应力变化散点图,观察不同岩性样品纵波速度与有效应力的关系;
对于砂级混积储层(如粉砂岩、砂屑白云岩、云质粉砂岩等),纵波速度与有效应力的函数关系采用幂函数+S函数形式来拟合:在该模型中,纵波速度变化由三部分组成,第一项为背景值,第二项反映了偏硬骨架形变引起纵波速度的变化,满足幂函数形式,第三项为偏软颗粒骨架形变引起的速度变化,符合S型函数;幂函数+S函数如式(1)所示:
(1);
对于泥级混积岩(如泥岩、泥晶白云岩)这类单一骨架岩石,由于缺少硬性骨架的支撑保护,在较小有效应力下岩石就发生形变,因此缺少S函数项,纵波速度与有效应力的函数关系用幂函数表示;幂函数如式(2)所示:
(2);
其中,Vp为岩石纵波速度,m/s;V0为纵波速度背景值,m/s;σ为有效应力,MPa;A、B、C、D、E为参数变量,通过拟合得到;f1和f2分别为泥级混积岩、砂级混积储层有效应力影响项。
建立有效应力影响项预测模型f(σ);包括:
以岩心纵波速度与有效应力实测数据为基础,采用最优化方法,分泥级混积岩和砂级混积储层,分别预测幂函数中参数A、B和幂函数+S函数中参数A、B、C、D、E,分别得到泥级混积岩和砂级混积储层的有效应力影响项函数f1(σ) 和f2(σ)。
建立纵波背景值V0的测井评价模型;包括:
结合工区细粒混积岩地层实测孔隙压力数据,计算有效应力影响项值,再利用实测孔隙压力对应深度点的声波时差曲线,反推声波速度背景值V0;统计声波速度背景值V0与中子曲线(CNL)、密度曲线(DEN)、声波时差曲线(DT)、电阻率曲线(RT)、自然伽马曲线(GR)和埋深的关系,建立声波速度背景值的测井评价模型。
基于实测地层压力确定声波速度背景值时,根据工区目的层已有孔隙压力测试数据Pp,结合上覆岩层密度和埋深计算得到上覆岩层压力G,具体是指:通过上覆岩层密度、重力加速度和埋深的乘积,计算得到上覆岩层压力G;推算深度点岩石有效应力值σ=G-Pp;
根据深度点对应岩性信息,选用f1(σ)或f2(σ)计算有效应力影响项值;
结合该深度点实测声波时差曲线DT,推算纵波速度Vp,具体是指:纵波速度Vp为声波时差曲线DT的倒数,即为纵波速度Vp=1/DT;得到声波速度背景值为V0=Vp-f1(σ)(泥级混积岩)或V0=Vp-f2(σ)(砂级混积储层)。
建立声波速度背景值的测井评价模型时,根据确定的声波速度背景值V0,提取地层孔隙压力测试点对应的测井曲线值(根据所选深度点,从已有测井曲线系列中读取测井曲线值),包括中子曲线、密度曲线、声波时差曲线、电阻率曲线、自然伽马曲线和埋深,
通过数据关联度分析方法,分析声波速度背景值V0与埋深、不同测井曲线包括中子曲线、密度曲线、声波时差曲线、电阻率曲线、自然伽马曲线这些参数的相关系数及关联度,优选与声波速度背景值V0相关系数高于0.5,且关联度较小的参数组合,作为敏感参数组合,以声波速度背景值V0为因变量,优选的各类敏感参数为自变量,通过线性回归方法建立声波速度背景值V0的测井评价模型F(V0)。
预测变声波背景值的孔隙压力;包括:
基于声波速度背景值V0和有效应力影响项函数f1(σ) 或f2(σ),结合岩性测井识别方法,利用中子曲线、密度曲线、声波时差曲线、电阻率曲线、自然伽马曲线和埋深参数,计算目的层有效应力值,进而得到孔隙压力分布曲线,刻画孔隙压力的垂向及平面分布,实现变声波背景值的孔隙压力的预测。
预测变声波背景值的孔隙压力时,通过输入已有测井曲线,包括中子、密度、电阻率、声波时差,计算得到纵波速度Vp和上覆岩层压力G,通过声波速度背景值V0的测井评价模型F(V0)和有效应力影响项模型,计算得到地层的有效应力σ,进而得到孔隙压力曲线Pp;
孔隙压力如式(3)所示:
(3);
有效应力影响项如式(4)所示:
(4);
其中,Pp为孔隙压力,MPa;G为上覆压力,MPa;ρ为上覆岩层密度,g/cm3;h为埋深,km;σ为有效应力,MPa,通过f(σ)函数反演计算得到;Vp为纵波速度,m/s,通过声波时差曲线DT计算得到;DT为声波时差曲线,μs/m;F(DT,DEN,h,…)代表声波速度背景值函数;DEN为密度曲线。
实施例3
根据实施例1所述的基于变纵波速度的细粒混积岩孔隙压力预测方法,其区别在于:
经过多年勘探开发,吉木萨尔凹陷芦草沟组页岩油已实现商业开发,本实施例以吉木萨尔凹陷芦草沟组芦草沟组二段(上甜点)和芦一段(下甜点)两套甜点为例,说明本发明实施的具体步骤:
基于变纵波速度的细粒混积岩孔隙压力预测方法,包括:
(1)确定纵波速度Vp与有效应力σ的函数关系;
随作用在岩石骨架上的有效应力增加,岩石骨架发生弹性形变,孔隙被压缩,相当于孔隙度降低,纵波速度会明显增加。细粒混积岩发育多种矿物成分和有机质,不同粒度和组分的矿物相互混合,形成多种不同力学性质的岩石骨架,导致不同岩性声波速度对岩石有效应力变化的响应可能存在差异。目前常用的有效应力预测模型,通常认为有效应力与纵波速度为单一幂函数关系,忽略了岩性对纵波速度变化的影响。
确定纵波速度Vp与有效应力σ的函数关系的流程如下:
1)采集研究区岩心样品不少于10块,保证样品能覆盖不同岩性(包括泥岩,泥晶白云岩,粉砂岩,砂屑白云岩和云质粉砂岩);岩心均平行与地层钻取,岩心均为规则柱体(长度5cm,直径2.5cm)。按照GB/T 50266-2013《工程岩体试验方法标准》开展不同有效应力下纵波速度测试,研究区埋深约2000-5000m,孔隙压力系数变化范围1.3-1.6,有效应力分布范围约20-60MPa,本次共选取8个有效应力点开展测试,最大值为60MPa;测试结果见图2和图3;
2)分析纵波速度Vp与有效应力σ的函数关系。所测样品的纵波速度均随有效应力的增加而增大。对于泥级混积岩,如云质泥岩、泥晶白云岩等,纵波速度先是随着有效应力的增加而快速增加,随着有效压力的进一步增加,纵波速度增速逐渐变缓(如图2、图3所示);砂级混积岩,如粉砂岩、云质粉砂岩等,当有效应力小于30MPa时,纵波与有效应力间满足单段幂函数增加,当超过30Mpa时,纵波速度又呈现快速增加、变缓的第二段幂函数变化(如图4、图5所示)。由此可见,细粒混积岩中骨架支撑类型会影响岩石形变过程,也决定了纵波速度随有效应力的变化模式,泥级混积岩类纵波速度呈现单一幂函数变化、砂级混积岩类整体上表现出幂函数+S函数变化趋势。
(2)建立有效应力影响项预测模型f(σ);
对于砂级混积储层,纵波速度与有效应力间关系可以用幂函数+S函数形式来拟合:幂函数+S函数如式(1)所示:
(1);
其中,V0为纵波速度背景值,m/s;σ为有效应力,MPa;A、B、C、D、E为参数变量,需要拟合得到;f2为砂级混积储层有效应力影响项。
对于泥级混积岩,纵波速度与有效应力间关系可以用单一幂函数形式来拟合:单段幂函数如式(2)所示:
(2);
其中,V0为纵波速度背景值,m/s;σ为有效应力,MPa;A、B为参数变量,需要拟合得到;f1为泥级混积储层有效应力影响项。
以纵波声波-有效应力测试数据为基础,分泥级混积储层和砂级混积储层,分别利用最优化方法对上述函数进行拟合,纵波速度与有效应力关系模型参数拟合结果见下表1,拟合效果见图2和图3。每个样品的拟合精度均达到0.98以上,说明上述函数形式能反映细粒混积岩纵波声波-有效应力间变化关系。
根据拟合参数,可得到泥级混积和砂级混积储层有效应力影响项函数f1(σ)和f2(σ):
;
;
表1
(3)建立纵波背景值V0的测井评价模型;
通过纵波速度和有效应力实验测试数据进行拟合后(表1),拟合纵波背景值V0变化范围为3180-4675m/s,均值为3934m/s,纵波背景值V0分布范围宽度达1495m/s,有效应力变化导致纵波速度的变化量最大约300m/s,相当于纵波背景值V0变化幅度的1/5,说明对于岩性复杂、矿物组分变化频繁,物性、孔隙类型及骨架支撑类型非均质性强的细粒混积岩,纵波背景值V0变化对纵波速度的影响要大于有效应力的影响,采用固定声波速度背景值V0来计算地层压力会引入不可估量的误差。
整体上纵波背景值V0与TOC和孔隙度呈明显负相关,与白云石呈正比(如图6、图7及图8所示)。前人研究表明,白云石、TOC和孔隙度均可由测井曲线计算得到,但为提高V0计算精度及简化中间步骤,直接利用测井曲线进行V0的预测。具体步骤如下:
1)整理实测地层压力数据12个,结合上覆压力G,分别得到相应深度点地层有效应力σ;具体是指:通过上覆岩层密度、重力加速度和埋深的乘积,计算得到上覆岩层压力G;推算深度点岩石有效应力值σ=G-Pp;
2)根据有效应力影响项模型F(σ),计算有效应力影响项,结合纵波速度Vp,具体是指:纵波速度Vp为声波时差曲线DT的倒数,即为纵波速度Vp=1/DT;反算纵波速度背景值V0=Vp- F(σ);
3)分析12个实测地层压力点的V0与中子曲线、密度曲线、声波时差曲线、电阻率曲线、自然伽马曲线和埋深参数关系,优化建立V0预测模型;通过分析,发现V0与声波时差、密度和埋深的关系最好,分层段通过线性回归得到细粒混积岩地层纵波速度背景值V0的测井评价模型F(DT,DEN,h,…):
上甜点V0预测模型:V0=-45.4*DT+533.5*DEN-0.092*h+6327.429 ;
下甜点V0预测模型:V0=-52.38*DT+287.28*DEDN-0.131*h+7533.38 ;
其中,V0为纵波速度背景值,m/s;DT为声波时差曲线,μs/m;DEN为密度曲线,g/cm3;h为埋深,m。
(4)预测变声波背景值的孔隙压力;
输入DT和DEN测井曲线,根据上甜点V0预测模型或下甜点V0预测模型可计算得到纵波速度背景值,再结合纵波速度Vp,可计算得到有效应力影响项f(σ),结合有效应力影响项函数f1(σ)或f2(σ),可反算得到某一深度点的有效应力,计算得到孔隙压力,如下所示;通过输入连续的声波时差和密度曲线,则可得到连续的孔隙压力分布曲线。
孔隙压力:(3);
有效应力影响项: (4);
其中,Pp为孔隙压力,MPa;G为上覆压力,MPa;ρ为上覆岩层密度,g/cm3;h为埋深,km;σ为有效应力,MPa,通过f(σ)函数反演计算得到;Vp为纵波速度,m/s,通过声波时差曲线DT计算得到;DT为声波时差曲线,μs/m;F(DT,DEN,h,…)为声波速度背景值函数;DEN为密度曲线。图9是本发明实施例提供的X井孔隙压力预测结果对比图。
实施例4
一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现实施例1-3任一所述的基于变纵波速度的细粒混积岩孔隙压力预测方法的步骤。
实施例5
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现实施例1-3任一所述的基于变纵波速度的细粒混积岩孔隙压力预测方法的步骤。
实施例6
基于变纵波速度的细粒混积岩孔隙压力预测系统,包括:
纵波速度与有效应力的函数关系确定模块,被配置为:确定纵波速度Vp与有效应力σ的函数关系;
有效应力影响项预测模型建立模块,被配置为:建立有效应力影响项预测模型f(σ);
纵波背景值的测井评价模型建立模块,被配置为:建立纵波背景值V0的测井评价模型;
预测模块,被配置为:预测变声波背景值的孔隙压力。
Claims (10)
1.基于变纵波速度的细粒混积岩孔隙压力预测方法,其特征在于,包括:
确定纵波速度与有效应力的函数关系;
建立有效应力影响项预测模型;
建立纵波背景值的测井评价模型;
预测变声波背景值的孔隙压力。
2.根据权利要求1所述的基于变纵波速度的细粒混积岩孔隙压力预测方法,其特征在于,确定纵波速度与有效应力的函数关系;包括:
进行细粒混积岩地层岩心取样,开展有效应力和纵波速度测试,测得不同有效应力下岩石纵波速度变化,根据纵波速度与有效应力的交会图,分析两者的函数关系,分泥级混积岩和砂级混积储层两类储层分别确定函数关系;
开展有效应力和纵波速度测试时,对研究区细粒混积岩进行取样,样品涵盖主要岩性,取样为规则柱体;对样品开展不同有效应力下纵波速度测试,建立岩石纵波速度随有效应力的变化曲线,有效应力点设置均匀。
3.根据权利要求1所述的基于变纵波速度的细粒混积岩孔隙压力预测方法,其特征在于,确定纵波速度与有效应力的函数关系时,分别统计每块样品的声波速度随有效应力变化散点图,观察不同岩性样品纵波速度与有效应力的关系;
对于砂级混积储层,纵波速度与有效应力的函数关系采用幂函数+S函数形式来拟合:幂函数+S函数如式(1)所示:
(1);
对于泥级混积岩,纵波速度与有效应力的函数关系用幂函数表示;幂函数如式(2)所示:
(2);
其中,Vp为岩石纵波速度,m/s;V0为纵波速度背景值,m/s;σ为有效应力,MPa;A、B、C、D、E为参数变量,通过拟合得到;f1和f2分别为泥级混积岩、砂级混积储层有效应力影响项。
4.根据权利要求1所述的基于变纵波速度的细粒混积岩孔隙压力预测方法,其特征在于,建立有效应力影响项预测模型;包括:
以岩心纵波速度与有效应力实测数据为基础,采用最优化方法,分泥级混积岩和砂级混积储层,分别预测幂函数中参数A、B和幂函数+S函数中参数A、B、C、D、E,分别得到泥级混积岩和砂级混积储层的有效应力影响项函数f1(σ) 和f2(σ)。
5.根据权利要求1所述的基于变纵波速度的细粒混积岩孔隙压力预测方法,其特征在于,建立纵波背景值的测井评价模型;包括:
结合工区细粒混积岩地层实测孔隙压力数据,计算有效应力影响项值,再利用实测孔隙压力对应深度点的声波时差曲线,反推声波速度背景值;统计声波速度背景值与中子曲线、密度曲线、声波时差曲线、电阻率曲线、自然伽马曲线和埋深的关系,建立声波速度背景值的测井评价模型。
6.根据权利要求5所述的基于变纵波速度的细粒混积岩孔隙压力预测方法,其特征在于,基于实测地层压力确定声波速度背景值时,根据工区目的层已有孔隙压力测试数据Pp,结合上覆岩层密度和埋深计算得到上覆岩层压力G,推算深度点岩石有效应力值σ=G-Pp;
根据深度点对应岩性信息,选用f1(σ)或f2(σ)计算有效应力影响项值;
结合该深度点实测声波时差曲线DT,推算纵波速度Vp,得到声波速度背景值为V0=Vp-f1(σ)或V0=Vp-f2(σ)。
7.根据权利要求6所述的基于变纵波速度的细粒混积岩孔隙压力预测方法,其特征在于,建立声波速度背景值的测井评价模型时,根据确定的声波速度背景值V0,提取地层孔隙压力测试点对应的测井曲线值,包括中子曲线、密度曲线、声波时差曲线、电阻率曲线、自然伽马曲线和埋深,通过数据关联度分析方法,分析声波速度背景值V0与埋深、不同测井曲线包括中子曲线、密度曲线、声波时差曲线、电阻率曲线、自然伽马曲线这些参数的相关系数及关联度,优选与声波速度背景值V0相关系数高于0.5,且关联度较小的参数组合,作为敏感参数组合,以声波速度背景值V0为因变量,优选的各类敏感参数为自变量,通过线性回归方法建立声波速度背景值V0的测井评价模型F(V0)。
8.根据权利要求1所述的基于变纵波速度的细粒混积岩孔隙压力预测方法,其特征在于,预测变声波背景值的孔隙压力;包括:
基于声波速度背景值V0和有效应力影响项函数f1(σ) 或f2(σ),结合岩性测井识别方法,利用中子曲线、密度曲线、声波时差曲线、电阻率曲线、自然伽马曲线和埋深参数,计算目的层有效应力值,进而得到孔隙压力分布曲线,刻画孔隙压力的垂向及平面分布,实现变声波背景值的孔隙压力的预测。
9.根据权利要求7所述的基于变纵波速度的细粒混积岩孔隙压力预测方法,其特征在于,预测变声波背景值的孔隙压力时,通过输入已有测井曲线,包括中子、密度、电阻率、声波时差,计算得到纵波速度Vp和上覆岩层压力G,通过声波速度背景值V0的测井评价模型F(V0)和有效应力影响项模型,计算得到地层的有效应力σ,进而得到孔隙压力曲线Pp;
孔隙压力如式(3)所示:
(3);
有效应力影响项如式(4)所示:
(4);
其中,Pp为孔隙压力,MPa;G为上覆压力,MPa;ρ为上覆岩层密度,g/cm3;h为埋深,km;σ为有效应力,MPa,通过f(σ)函数反演计算得到;Vp为纵波速度,m/s,通过声波时差曲线DT计算得到;DT为声波时差曲线,μs/m;F(DT,DEN,h,…)代表声波速度背景值函数;DEN为密度曲线。
10.基于变纵波速度的细粒混积岩孔隙压力预测系统,用于实现权利要求1-9任一所述的基于变纵波速度的细粒混积岩孔隙压力预测方法,其特征在于,包括:
纵波速度与有效应力的函数关系确定模块,被配置为:确定纵波速度与有效应力的函数关系;
有效应力影响项预测模型建立模块,被配置为:建立有效应力影响项预测模型;
纵波背景值的测井评价模型建立模块,被配置为:建立纵波背景值的测井评价模型;
预测模块,被配置为:预测变声波背景值的孔隙压力。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410217006.8A CN117784244B (zh) | 2024-02-28 | 2024-02-28 | 基于变纵波速度的细粒混积岩孔隙压力预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410217006.8A CN117784244B (zh) | 2024-02-28 | 2024-02-28 | 基于变纵波速度的细粒混积岩孔隙压力预测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117784244A true CN117784244A (zh) | 2024-03-29 |
CN117784244B CN117784244B (zh) | 2024-05-10 |
Family
ID=90385354
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410217006.8A Active CN117784244B (zh) | 2024-02-28 | 2024-02-28 | 基于变纵波速度的细粒混积岩孔隙压力预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117784244B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU1476113A1 (ru) * | 1987-07-28 | 1989-04-30 | Среднеазиатский научно-исследовательский институт природного газа | Система контрол параметров процесса бурени скважины |
US5136551A (en) * | 1989-03-23 | 1992-08-04 | Armitage Kenneth R L | System for evaluation of velocities of acoustical energy of sedimentary rocks |
US6502037B1 (en) * | 1999-04-02 | 2002-12-31 | Conoco Inc. | Method for gravity and magnetic data inversion using vector and tensor data with seismic imaging and geopressure prediction for oil, gas and mineral exploration and production |
US20120143508A1 (en) * | 2010-12-01 | 2012-06-07 | Conocophillips Company | Automatic estimation of source rock petrophysical properties |
CN103089253A (zh) * | 2013-01-22 | 2013-05-08 | 中国石油大学(北京) | 一种利用小波变换计算地层孔隙压力的方法 |
CN104863577A (zh) * | 2015-04-09 | 2015-08-26 | 中国石油大学(北京) | 利用地震纵波传播时间预测地层孔隙压力的方法 |
CN105445791A (zh) * | 2015-11-25 | 2016-03-30 | 成都理工大学 | 一种基于多种地震属性的地层孔隙压力预测方法 |
CN112255688A (zh) * | 2020-10-27 | 2021-01-22 | 中国海洋石油集团有限公司 | 一种基于岩石物理理论的三维地震反演地层压力的方法 |
CN112282743A (zh) * | 2020-10-22 | 2021-01-29 | 中国科学院地质与地球物理研究所 | 用于对钻井泥岩地层压力进行预测的方法 |
US20220236439A1 (en) * | 2021-01-23 | 2022-07-28 | Manzar Fawad | Rock physics model for shale volume estimation in subsurface reservoirs |
US11500117B1 (en) * | 2021-09-13 | 2022-11-15 | Institute Of Geology And Geophysics, Chinese Academy Of Sciences | Method and system for evaluating filling characteristics of deep paleokarst reservoir through well-to-seismic integration |
CN116733462A (zh) * | 2023-07-26 | 2023-09-12 | 成都理工大学 | 一种基于小波变换和有效应力理论的孔隙压力预测方法 |
CN117365458A (zh) * | 2022-06-30 | 2024-01-09 | 中国石油天然气股份有限公司 | 一种混积型页岩储层岩性测井识别方法 |
CN117607995A (zh) * | 2023-11-22 | 2024-02-27 | 西南石油大学 | 利用自然伽马与波阻抗融合的拟阻抗地震岩性反演方法 |
-
2024
- 2024-02-28 CN CN202410217006.8A patent/CN117784244B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU1476113A1 (ru) * | 1987-07-28 | 1989-04-30 | Среднеазиатский научно-исследовательский институт природного газа | Система контрол параметров процесса бурени скважины |
US5136551A (en) * | 1989-03-23 | 1992-08-04 | Armitage Kenneth R L | System for evaluation of velocities of acoustical energy of sedimentary rocks |
US6502037B1 (en) * | 1999-04-02 | 2002-12-31 | Conoco Inc. | Method for gravity and magnetic data inversion using vector and tensor data with seismic imaging and geopressure prediction for oil, gas and mineral exploration and production |
US20120143508A1 (en) * | 2010-12-01 | 2012-06-07 | Conocophillips Company | Automatic estimation of source rock petrophysical properties |
CN103089253A (zh) * | 2013-01-22 | 2013-05-08 | 中国石油大学(北京) | 一种利用小波变换计算地层孔隙压力的方法 |
CN104863577A (zh) * | 2015-04-09 | 2015-08-26 | 中国石油大学(北京) | 利用地震纵波传播时间预测地层孔隙压力的方法 |
CN105445791A (zh) * | 2015-11-25 | 2016-03-30 | 成都理工大学 | 一种基于多种地震属性的地层孔隙压力预测方法 |
CN112282743A (zh) * | 2020-10-22 | 2021-01-29 | 中国科学院地质与地球物理研究所 | 用于对钻井泥岩地层压力进行预测的方法 |
CN112255688A (zh) * | 2020-10-27 | 2021-01-22 | 中国海洋石油集团有限公司 | 一种基于岩石物理理论的三维地震反演地层压力的方法 |
US20220236439A1 (en) * | 2021-01-23 | 2022-07-28 | Manzar Fawad | Rock physics model for shale volume estimation in subsurface reservoirs |
US11500117B1 (en) * | 2021-09-13 | 2022-11-15 | Institute Of Geology And Geophysics, Chinese Academy Of Sciences | Method and system for evaluating filling characteristics of deep paleokarst reservoir through well-to-seismic integration |
CN117365458A (zh) * | 2022-06-30 | 2024-01-09 | 中国石油天然气股份有限公司 | 一种混积型页岩储层岩性测井识别方法 |
CN116733462A (zh) * | 2023-07-26 | 2023-09-12 | 成都理工大学 | 一种基于小波变换和有效应力理论的孔隙压力预测方法 |
CN117607995A (zh) * | 2023-11-22 | 2024-02-27 | 西南石油大学 | 利用自然伽马与波阻抗融合的拟阻抗地震岩性反演方法 |
Non-Patent Citations (2)
Title |
---|
张雪纯;邓儒炳;陈琪;李小斌;王钰鹏;: "叠前叠后联合反演致密油甜点预测", 中国石油和化工标准与质量, no. 02, 23 January 2020 (2020-01-23) * |
成谷;张宝金;马在田;: "浅谈反射地震走时层析中的正则化", 地球物理学进展, no. 06, 15 December 2007 (2007-12-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN117784244B (zh) | 2024-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8359184B2 (en) | Method, program and computer system for scaling hydrocarbon reservoir model data | |
CN108301825B (zh) | 一种高温高压储层孔隙压力分析方法 | |
CN104181585A (zh) | 一种地球物理勘探横波估算方法和系统 | |
CN103630939A (zh) | 一种气层识别评价方法 | |
CN115793048B (zh) | 一种页岩油层系致密储层横波速度预测方法 | |
CN112177605B (zh) | 一种海域天然气水合物有利聚集区主控因素的确定方法 | |
CN108304959B (zh) | 提高地层流体压力预测精度的方法 | |
US20130292111A1 (en) | Method of constructing a well log of a quantitative property from sample measurements and log data | |
CN107728205A (zh) | 一种地层压力预测方法 | |
CN112034521A (zh) | 一种欠压实与生烃混合成因地层超压的预测方法 | |
CN107831540A (zh) | 储层物性参数直接提取新方法 | |
CN112963145B (zh) | 一种碳酸盐岩储层气井产能的预测方法 | |
CN112185469B (zh) | 一种预测海域天然气水合物有利聚集区的方法 | |
CN113027433A (zh) | 计算强非均质性砂砾岩储层渗透率的方法和装置 | |
CN116641702A (zh) | 一种页岩气藏甜点区识别方法 | |
CN117784244B (zh) | 基于变纵波速度的细粒混积岩孔隙压力预测方法及系统 | |
CN115099014A (zh) | 一种基于随钻录井的天然气井地质探明储量计算方法 | |
CN112147713B (zh) | 泥页岩总有机碳含量分段预测方法 | |
CN109917489B (zh) | 一种地下承压水位确定的新方法 | |
CN112346147A (zh) | 一种基于中子密度孔隙度差的储层评价方法 | |
Fu et al. | The relation of the “four properties” and fluid identification of the carboniferous weathering crust volcanic reservoir in the Shixi Oilfield, Junggar Basin, China | |
RU2389875C1 (ru) | Способ определения геологических свойств терригенной породы | |
Tanko et al. | Development of an appropriate model for predicting Pore Pressure in Niger delta, Nigeria using Offset Well Data | |
Huang et al. | Development characteristics and prediction of fractures in deep-ultradeep tight sandstone reservoirs of Kuqa Depression: a case study of the Bashijiqike and Baxigai formations in Dabei 9 Block | |
CN115079261B (zh) | 一种基于多参数定量解释模板的致密砂岩气储层评价方法 |
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 |