CN117826274A - 复杂应力背景裂缝性油气藏地质建模方法及装置 - Google Patents

复杂应力背景裂缝性油气藏地质建模方法及装置 Download PDF

Info

Publication number
CN117826274A
CN117826274A CN202311684978.XA CN202311684978A CN117826274A CN 117826274 A CN117826274 A CN 117826274A CN 202311684978 A CN202311684978 A CN 202311684978A CN 117826274 A CN117826274 A CN 117826274A
Authority
CN
China
Prior art keywords
model
dimensional
building
fracture
modeling
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
Application number
CN202311684978.XA
Other languages
English (en)
Inventor
蔡雨
赵国英
何凯
徐传龙
方松
白森
张铁铭
于刚
马全华
彭永成
王菲菲
宋新新
张昕冉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China National Petroleum Corp
CNPC Great Wall Drilling Co
Original Assignee
China National Petroleum Corp
CNPC Great Wall Drilling Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China National Petroleum Corp, CNPC Great Wall Drilling Co filed Critical China National Petroleum Corp
Priority to CN202311684978.XA priority Critical patent/CN117826274A/zh
Publication of CN117826274A publication Critical patent/CN117826274A/zh
Pending legal-status Critical Current

Links

Abstract

本发明公开了一种复杂应力背景裂缝性油气藏地质建模方法,该方法包括:获取单井裂缝分析结果及裂缝属性信息;建立三维地质力学模型;根据三维地质力学模型、单井裂缝分析结果、以及裂缝属性信息,进行神经网络学习,得到多尺度裂缝模型;将所述多尺度裂缝模型与所述裂缝属性信息耦合,生成综合地质模型。利用本发明方案,可以创建更准确、详细的综合地质模型,减少模型的不确定性。

Description

复杂应力背景裂缝性油气藏地质建模方法及装置
技术领域
本发明涉及油气勘探开发领域,具体涉及一种复杂应力背景裂缝性油气藏地质建模方法及装置。
背景技术
裂缝型油气藏是重要的油气藏类型。裂缝型油气藏由于受复杂地应力的影响、风化溶蚀等多种作用改造,裂缝成因多样、分布非均质性极强,因而对其表征难度较大。精确表征裂缝特征是有效开发裂缝型油气藏重要技术手段。对此相关的专家学者也做了大量研究,但目前对于复杂应力背景裂缝性油气田建模的研究并不全面,存在以下问题:
①建模研究在面对一些挑战时可能存在一些缺陷,缺乏足够高分辨率的地质和地球物理数据,尤其是在深水、远离陆地的地区。复杂应力背景下的地质建模通常需要大规模的计算资源和高性能计算,以进行模拟和优化。未考虑到多种物理过程,如裂缝开闭、流体-岩石相互作用、应力变化等,从而影响了模型的准确性。
②复杂应力背景下的裂缝性油气藏具有一些独特的特点,这些特点对于油气资源的勘探和开发产生了重要影响。这些油气藏通常处于多重应力场的影响下,包括地层应力、构造应力、地震应力等。这些应力场会影响裂缝的形态、走向和分布。裂缝网络通常呈多层次、多方向、多尺度的分布,不规则性较大。这使得裂缝性质的建模和预测具有挑战性。地层和裂缝的非均质性通常较高,导致储层性质的空间变化明显,难以准确描述和预测。裂缝网络对流体的流动和传输具有显著影响,可能导致非常复杂的流体行为。
发明内容
本发明提供一种复杂应力背景裂缝性油气藏地质建模方法及装置,以创建更准确、详细的综合地质模型,减少模型的不确定性。
为此,本发明提供如下技术方案:
一种复杂应力背景裂缝性油气藏地质建模方法,所述方法包括:
获取单井裂缝分析结果及裂缝属性信息;
建立三维地质力学模型;
根据地质力学模型、单井裂缝分析结果、以及裂缝属性信息,进行神经网络学习,得到多尺度裂缝模型;
将所述多尺度裂缝模型与所述裂缝属性信息耦合,生成综合地质模型。
可选地,所述建立三维地质力学模型包括:
利用地震解释成果并结合分层数据建立地质构造模型;
基于多学科数据资料建立岩石力学模型;
根据所述地质构造模型和所述岩石力学模型,建立三维地质力学模型。
可选地,所述利用地震解释成果并结合分层数据建立地质构造模型包括:利用地震解释成果并结合分层数据,应用角点网格方法、框架建模和虚拟井控制方法建立地质构造模型。
可选地,所述地质构造模型包括:层位模型和断层模型。
可选地,使用分层次建模原则建立所述层次模型;所述分层次原则包括:地震解释层面控制大层,分层厚度控制小层,虚拟井控制微构造或水平段;使用地震断层解释成果,应用角点网格方法或框架建模的方法,建立所述断层模型。
可选地,所述岩石力学模型包括:一维岩石力学模型和三维岩石力学模型。
可选地,基于多学科数据资料建立一维岩石力学模型包括:
利用现有测井资料和岩心实验资料确定岩石力学相关参数;
利用所述岩石力学相关参数建立一维岩石力学模型。
可选地,基于多学科数据资料建立三维岩石力学模型包括:采用井震结合的方法,以所述一维岩石力学模型为基础,以反演得到的声波速度三维体为控制,对导眼井的一维各向异性岩石力学参数进行三维展布,确定三维岩石力学模型。
可选地,所述根据所述地质构造模型和所述岩石力学模型,建立三维地质力学模型包括:
根据三维地质模型建立三维有限元网格,将所述三维有限元网络作为三维地质力学模型;
利用地震反演结果及一维岩石力学参数确定三维地质力学参数。
可选地,所述一维岩石力学参数包括以下任意一种或多种:杨氏模量、泊松比、单轴抗压强度、摩擦角、抗拉强度;所述三维地质力学参数包括以下任意一种或多种:三维孔隙压力体、原场应力。
一种复杂应力背景裂缝性油气藏地质建模装置,所述装置包括:
信息收集模块,用于获取单井裂缝分析结果及裂缝属性信息;
地质力学模型建立模块,用于建立三维地质力学模型;
裂缝模型建立模块,用于根据所述三维地质力学模型、单井裂缝分析结果、以及裂缝属性信息,进行神经网络学习,得到多尺度裂缝模型;
耦合模块,用于将所述多尺度裂缝模型与所述裂缝属性信息耦合,生成综合地质模型。
可选地,所述地质力学模型建立模块包括:
地质构造模型建立单元,用于利用地震解释成果并结合分层数据建立地质构造模型;
岩石力学模型建立单元,用于基于多学科数据资料建立岩石力学模型;
地质力学模型建立单元,用于根据所述地质构造模型和所述岩石力学模型,建立三维地质力学模型。
本发明提供的复杂应力背景裂缝性油气藏地质建模方法及装置,利用高分辨率数据,创建更准确、详细的地质模型,够整合多源数据,包括地震、测井、等多种数据,以更全面地了解地下构造和裂缝网络,减少了模型的不确定性。结合机器学习和人工智能算法,全面耦合不同的物理过程,更准确地描述复杂油气藏。
本发明方案可以更好地适用于复杂应力背景下的裂缝性油气藏,改善油田的开发效果,保证项目运行的经济高效。
附图说明
图1是本发明提供的复杂应力背景裂缝性油气藏地质建模方法的一种流程图;
图2是本发明方法中建立三维地质力学模型的一种流程图;
图3是本发明提供的复杂应力背景裂缝性油气藏地质建模装置的一种结构示意图。
具体实施方式
为了更清楚地说明本发明实施方式或现有技术中的技术方案,下面将对实施方式中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是本发明的一些实施方式,对于本领域普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
下面结合附图和具体实施方式对本发明作详细地描述,实施方式不能在此一一赘述,但本发明的实施方式并不因此限定于以下实施方式。
如图1所示,是本发明提供的复杂应力背景裂缝性油气藏地质建模方法的一种流程图,包括以下步骤:
步骤101,获取单井裂缝分析结果及裂缝属性信息。
所述单井裂缝分析结果可以包括收集的区域地质信息、成像测井分析结果等信息。
所述裂缝属性信息可以包括地质力学参数及裂缝参数,比如孔隙度、渗透率、TOC(总有机碳)等参数。
步骤102,建立三维地质力学模型。
步骤103,根据所述三维地质力学模型、单井裂缝分析结果、以及裂缝属性信息,进行神经网络学习,得到多尺度裂缝模型。
首先搭建模型,从简单结构开始逐步扩大模型规模,通过交叉验证,在验证集上多次训练,找到最佳性能的模型结构,输出裂缝建模的约束条件。将神经网络学习输出的结果作为约束条件,应用上述三维地质力学模型、单井裂缝分析结果和裂缝属性信息(裂缝走向和裂缝角度等信息),建立DFN(离散裂缝网络)模型,从而得到多尺度裂缝模型。
步骤104,将所述多尺度裂缝模型与所述裂缝属性信息耦合,生成综合地质模型。
利用所述综合地质模型,可以更全面地了解地下构造和裂缝网络,准确地描述复杂油气藏情况。
其中,建立三维地质力学模型的流程图如图2所示,包括以下步骤:
步骤201,利用地震解释成果并结合分层数据建立地质构造模型。
所述地震解释成果包括但不限于地震解释层位、地震断层解释成果等;所述分层数据包括大层分层数据和小层分层数据。
具体地,根据收集到的研究区的高分辨率的地震解释成果,结合分层数据,应用角点网格方法、框架建模和虚拟井控制方法,建立高精度的地质构造模型。
其中,角点网格方法是先建立断层,再建立层位适合断层简单的研究区;
其中,框架建模和虚拟井控制方法是先建立网格,再建立断层适合断层复杂的研究区,在微构造发育的区域,插入虚拟井进行控制。
所述地质构造模型包括层位模型和断层模型,其中:
在层位建模时,可以使用分层次建模的方法,即地震解释层面控制大层,分层厚度控制小层,虚拟井控制微构造或水平段的方法。
在断层建模时,可以使用地震断层解释成果,应用角点网格方法或框架建模的方法,建立断层模型。
步骤202,基于多学科数据资料建立岩石力学模型。
在本发明实施例中,所述岩石力学模型包括:一维岩石力学模型和三维岩石力学模型。
其中,一维岩石力学建模需要对现有测井资料进行检查分析,所述测井资料包括声波曲线、密度曲线等,评估资料的可用性,检查其是否完整,是否涵盖建模层位。然后利用岩心实验资料确定岩石力学相关参数,所述岩心实验资料包括弹性模量、上覆岩层压力、孔隙压力、岩石强度、应力方向、最小水平主应力、最大水平主应力等参数。进一步地,在所有岩石力学参数都确定后,还可开展井壁稳定性分析,验证岩石力学模型的可靠性。
三维岩石力学建模采用井震结合的方法,以一维岩石力学模型为基础,以反演得到的纵、横波声波速度三维体为控制,对导眼井的一维各向异性岩石力学参数进行三维展布,最终确定三维的岩石力学参数模型。
步骤203,根据所述地质构造模型和所述岩石力学模型,建立三维地质力学模型。
具体地,可以按照以下方式建立三维地质力学模型:
首先,根据三维地质模型建立三维有限元网格,即将三维地质模型的网格转化为地质力学网格,其中,目的层的网格可以保持和地质模型网格的精度一致,目的层外的网格可以以1.1的比例外延。
然后,利用地震反演结果及一维岩石力学研究成果确定三维地质力学参数,即将一维岩石力学参数作为硬数据,以反演得到的纵、横波声波速度三维体为控制,确定三维地质力学参数。比如,用反演这些参数确定三维孔隙压力体、原场应力等参数。所述原场应力包括:最小水平主应力、最大水平主应力及上覆岩层压力。
其中,所述一维岩石力学参数包括但不限于以下任意一种或多种:杨氏模量、泊松比、单轴抗压强度、摩擦角、抗拉强度。
利用上述三维地质力学模型,通过神经网络学习,可以得到多尺度裂缝模型,进而得到综合地质模型。利用该综合地质模型,可以更准确地描述复杂油气藏。
本发明提供的复杂应力背景裂缝性油气藏地质建模方法,利用高分辨率数据,创建更准确、详细的地质模型,够整合多源数据,包括地震、测井、等多种数据,以更全面地了解地下构造和裂缝网络,减少了模型的不确定性。结合机器学习和人工智能算法,全面耦合不同的物理过程,更准确地描述复杂油气藏。
例如,利用本发明方案,以A油田为例,进行了现场实施。具体实施过程如下:
(1)构造建模
在本区,宝塔组顶、Ⅱ顶面、Ⅲ顶面及龙马溪组的顶面采用地震解释的层面控制构造格局,Ⅰ亚段的各个小层采用宝塔组顶面向上累积厚度的方式计算。目的是保证优质页岩段的厚度横向上符合区域趋势。
(2)属性建模
本区属性建模的目的是在地震反演和单井测井解释的基础上,建立三维属性体,在该区对5口导眼井和十余口水平井进行了测井评价。属性模拟的思路是井震结合采用协同克里金模拟的方法,建立三维属性体。在模拟时,根据各参数间的相关关系,孔隙度采用与TOC协同模拟,泊松比与杨氏模量协同等等,依此保证各个参数之间的相关性,渗透率应用岩心实验的孔渗公式。
(3)岩石力学建模
在一维岩石力学建模中,采用声波扫描(Sonic Scanner)等测井数据,建立了地层的各向异性(TIV)模型,并以岩心实验数据对岩石力学参数进行校正;通过一维与三维相结合的方法,应用页岩超压理论,确定了各井的孔隙压力曲线;以测试压裂资料和井眼稳定性模型对地应力进行刻度。
采用井震结合的方法,以反演得到的声波速度三维体为控制,对5口导眼井的一维各向异性岩石力学参数进行三维展布,详细描述了岩石力学参数在空间上的分布和原场应力的变化规律。三维地质力学模型包含了如下多个重要的参数模型,结合孔隙压力模型,为钻井优化及储层改造提供了可靠的力学模型:岩石力学参数:垂向杨氏模量、横向杨氏模量、垂向泊松比、横向泊松比;岩石强度:单轴抗压强度、内摩擦角、抗拉强度;孔隙压力模型;原场应力:最小水平主应力、最大水平主应力、垂向应力、应力方向。
(4)神经网络学习与裂缝建模
将区域地质认识、单井裂缝分析、地质力学参数、属性模型参数作为输入条件,通过交叉分析,验证生成裂缝约束条件,应用基于目标的地质统计学方法建立裂缝模型。
(5)裂缝模型与属性模型耦合
将属性模型(如孔隙度、渗透率、TOC等)和裂缝网络模型进行耦合,需要考虑到裂缝和属性的空间分布和变化;裂缝和属性的相互影响和作用;流体在裂缝和属性中的流动规律。最终以实现对地下储层物理性质、流体流动和开采过程的更精确预测。
相应地,本发明还提供一种复杂应力背景裂缝性油气藏地质建模装置,如图3所示,该复杂应力背景裂缝性油气藏地质建模装置300包括以下各模块:
信息收集模块301,用于获取单井裂缝分析结果及裂缝属性信息;
地质力学模型建立模块302,用于建立三维地质力学模型;
裂缝模型建立模块303,用于根据所述三维地质力学模型、单井裂缝分析结果、以及裂缝属性信息,进行神经网络学习,得到多尺度裂缝模型;
耦合模块304,用于将所述多尺度裂缝模型与所述裂缝属性信息耦合,生成综合地质模型。
其中,所述地质力学模型建立模块302可以包括以下各单元:
地质构造模型建立单元,用于利用地震解释成果并结合分层数据建立地质构造模型;
岩石力学模型建立单元,用于基于多学科数据资料建立岩石力学模型;
地质力学模型建立单元,用于根据所述地质构造模型和所述岩石力学模型,建立三维地质力学模型。
本发明复杂应力背景裂缝性油气藏地质建模装置中各模块及单元的具体实现方式可参见前面本发明方法实施例中的描述。
本发明实施例中出现的“多个”是指两个或两个以上。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。而且,以上所描述的系统实施例仅仅是示意性的,其中作为分离部件说明的模块和单元可以是或者也可以不是物理上分开的,即可以位于一个网络单元上,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
在具体实施中,关于上述实施例中描述的各个装置、产品包含的各个模块/单元,其可以是软件模块/单元,也可以是硬件模块/单元,或者也可以部分是软件模块/单元,部分是硬件模块/单元。
例如,对于应用于或集成于芯片的各个装置、产品,其包含的各个模块/单元可以都采用电路等硬件的方式实现,或者,至少部分模块/单元可以采用软件程序的方式实现,该软件程序运行于芯片内部集成的处理器,剩余的(如果有)部分模块/单元可以采用电路等硬件方式实现;对于应用于或集成于芯片模组的各个装置、产品,其包含的各个模块/单元可以都采用电路等硬件的方式实现,不同的模块/单元可以位于芯片模组的同一组件(例如芯片、电路模块等)或者不同组件中,或者,至少部分模块/单元可以采用软件程序的方式实现,该软件程序运行于芯片模组内部集成的处理器,剩余的(如果有)部分模块/单元可以采用电路等硬件方式实现;对于应用于或集成于终端的各个装置、产品,其包含的各个模块/单元可以都采用电路等硬件的方式实现,不同的模块/单元可以位于终端内同一组件(例如,芯片、电路模块等)或者不同组件中,或者,至少部分模块/单元可以采用软件程序的方式实现,该软件程序运行于终端内部集成的处理器,剩余的(如果有)部分模块/单元可以采用电路等硬件方式实现。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理布置,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的部分步骤。
以上对本发明实施例进行了详细介绍,本文中应用了具体实施方式对本发明进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及系统,其仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围,本说明书内容不应理解为对本发明的限制。因此,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 (12)

1.一种复杂应力背景裂缝性油气藏地质建模方法,其特征在于,所述方法包括:
获取单井裂缝分析结果及裂缝属性信息;
建立三维地质力学模型;
根据地质力学模型、单井裂缝分析结果、以及裂缝属性信息,进行神经网络学习,得到多尺度裂缝模型;
将所述多尺度裂缝模型与所述裂缝属性信息耦合,生成综合地质模型。
2.根据权利要求1所述的复杂应力背景裂缝性油气藏地质建模方法,其特征在于,所述建立三维地质力学模型包括:
利用地震解释成果并结合分层数据建立地质构造模型;
基于多学科数据资料建立岩石力学模型;
根据所述地质构造模型和所述岩石力学模型,建立三维地质力学模型。
3.根据权利要求2所述的复杂应力背景裂缝性油气藏地质建模方法,其特征在于,所述利用地震解释成果并结合分层数据建立地质构造模型包括:利用地震解释成果并结合分层数据,应用角点网格方法、框架建模和虚拟井控制方法建立地质构造模型。
4.根据权利要求2所述的复杂应力背景裂缝性油气藏地质建模方法,其特征在于,所述地质构造模型包括:层位模型和断层模型。
5.根据权利要求4所述的复杂应力背景裂缝性油气藏地质建模方法,其特征在于:
使用分层次建模原则建立所述层次模型;所述分层次原则包括:地震解释层面控制大层,分层厚度控制小层,虚拟井控制微构造或水平段;
使用地震断层解释成果,应用角点网格方法或框架建模的方法,建立所述断层模型。
6.根据权利要求2所述的复杂应力背景裂缝性油气藏地质建模方法,其特征在于,所述岩石力学模型包括:一维岩石力学模型和三维岩石力学模型。
7.根据权利要求6所述的复杂应力背景裂缝性油气藏地质建模方法,其特征在于,基于多学科数据资料建立一维岩石力学模型包括:
利用现有测井资料和岩心实验资料确定岩石力学相关参数;
利用所述岩石力学相关参数建立一维岩石力学模型。
8.根据权利要求6所述的复杂应力背景裂缝性油气藏地质建模方法,其特征在于,基于多学科数据资料建立三维岩石力学模型包括:
采用井震结合的方法,以所述一维岩石力学模型为基础,以反演得到的声波速度三维体为控制,对导眼井的一维各向异性岩石力学参数进行三维展布,确定三维岩石力学模型。
9.根据权利要求6所述的复杂应力背景裂缝性油气藏地质建模方法,其特征在于,所述根据所述地质构造模型和所述岩石力学模型,建立三维地质力学模型包括:
根据三维地质模型建立三维有限元网格,将所述三维有限元网络作为三维地质力学模型;
利用地震反演结果及一维岩石力学参数确定三维地质力学参数。
10.根据权利要求9所述的复杂应力背景裂缝性油气藏地质建模方法,其特征在于:
所述一维岩石力学参数包括以下任意一种或多种:杨氏模量、泊松比、单轴抗压强度、摩擦角、抗拉强度;
所述三维地质力学参数包括以下任意一种或多种:三维孔隙压力体、原场应力。
11.一种复杂应力背景裂缝性油气藏地质建模装置,其特征在于,所述装置包括:
信息收集模块,用于获取单井裂缝分析结果及裂缝属性信息;
地质力学模型建立模块,用于建立三维地质力学模型;
裂缝模型建立模块,用于根据所述三维地质力学模型、单井裂缝分析结果、以及裂缝属性信息,进行神经网络学习,得到多尺度裂缝模型;
耦合模块,用于将所述多尺度裂缝模型与所述裂缝属性信息耦合,生成综合地质模型。
12.根据权利要求11所述的复杂应力背景裂缝性油气藏地质建模装置,其特征在于,所述地质力学模型建立模块包括:
地质构造模型建立单元,用于利用地震解释成果并结合分层数据建立地质构造模型;
岩石力学模型建立单元,用于基于多学科数据资料建立岩石力学模型;
地质力学模型建立单元,用于根据所述地质构造模型和所述岩石力学模型,建立三维地质力学模型。
CN202311684978.XA 2023-12-08 2023-12-08 复杂应力背景裂缝性油气藏地质建模方法及装置 Pending CN117826274A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311684978.XA CN117826274A (zh) 2023-12-08 2023-12-08 复杂应力背景裂缝性油气藏地质建模方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311684978.XA CN117826274A (zh) 2023-12-08 2023-12-08 复杂应力背景裂缝性油气藏地质建模方法及装置

Publications (1)

Publication Number Publication Date
CN117826274A true CN117826274A (zh) 2024-04-05

Family

ID=90506932

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311684978.XA Pending CN117826274A (zh) 2023-12-08 2023-12-08 复杂应力背景裂缝性油气藏地质建模方法及装置

Country Status (1)

Country Link
CN (1) CN117826274A (zh)

Similar Documents

Publication Publication Date Title
US10572611B2 (en) Method and system for characterizing fractures in a subsurface region
US10712472B2 (en) Method and system for forming and using a subsurface model in hydrocarbon operations
US10846447B2 (en) Method and system for stacking fracture prediction
EP2616979B1 (en) Production estimation in subterranean formations
Aimene et al. Geomechanical modeling of hydraulic fractures interacting with natural fractures—Validation with microseismic and tracer data from the Marcellus and Eagle Ford
US9026416B2 (en) System and method of grid generation for discrete fracture modeling
US9068448B2 (en) System and method for predicting fluid flow characteristics within fractured subsurface reservoirs
US8423337B2 (en) Method for multi-scale geomechanical model analysis by computer simulation
Bakhshi et al. Numerical modeling and lattice method for characterizing hydraulic fracture propagation: a review of the numerical, experimental, and field studies
US20130046524A1 (en) Method for modeling a reservoir basin
US10810331B2 (en) System for predicting induced seismicity potential resulting from injection of fluids in naturally fractured reservoirs
US20210096276A1 (en) Model for Coupled Porous Flow and Geomechanics for Subsurface Simulation
US20210148207A1 (en) Fractured Reservoir Simulation
Lv et al. A novel workflow based on physics-informed machine learning to determine the permeability profile of fractured coal seams using downhole geophysical logs
Chang et al. Data assimilation of coupled fluid flow and geomechanics using the ensemble Kalman filter
CN115166853A (zh) 页岩气藏天然裂缝模型建立方法、装置、电子设备及介质
US8718992B2 (en) Method for history matching of a geological model comprising a sub-seismic fault network
WO2020153972A1 (en) Evaluating anisotropic effective permeability in rock formations having natural fracture networks
Balch et al. Recent developments in modeling: Farnsworth Texas, CO 2 EOR carbon sequestration project
Jang et al. The oil production performance analysis using discrete fracture network model with simulated annealing inverse method
US11703612B2 (en) Methods and systems for characterizing a hydrocarbon-bearing rock formation using electromagnetic measurements
CN117826274A (zh) 复杂应力背景裂缝性油气藏地质建模方法及装置
Sipahi et al. Modelling of hydraulic fracturing treatments in south east part of Turkey with dfn method and comparison with simulation results
Pankaj et al. Hydraulic Fracture Calibration for Unconventional Reservoirs: A New Methodology for Predictive Modelling
CN117634329A (zh) 基于全应力张量模型的压驱流固耦合关系建立方法

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