CN111101924A - 岩性储层优势相带预测方法及设备 - Google Patents
岩性储层优势相带预测方法及设备 Download PDFInfo
- Publication number
- CN111101924A CN111101924A CN201911118469.4A CN201911118469A CN111101924A CN 111101924 A CN111101924 A CN 111101924A CN 201911118469 A CN201911118469 A CN 201911118469A CN 111101924 A CN111101924 A CN 111101924A
- Authority
- CN
- China
- Prior art keywords
- reservoir
- lithologic
- evaluation
- layer
- parameters
- 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
- 208000035126 Facies Diseases 0.000 title claims abstract description 91
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000011156 evaluation Methods 0.000 claims abstract description 176
- 238000011161 development Methods 0.000 claims abstract description 112
- 239000004576 sand Substances 0.000 claims abstract description 58
- 239000011159 matrix material Substances 0.000 claims abstract description 18
- 230000035699 permeability Effects 0.000 claims description 21
- 238000010606 normalization Methods 0.000 claims description 15
- 238000009933 burial Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 5
- 238000013441 quality evaluation Methods 0.000 claims description 4
- 238000000638 solvent extraction Methods 0.000 claims 1
- 238000011158 quantitative evaluation Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000011425 standardization method Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- NRNCYVBFPDDJNE-UHFFFAOYSA-N pemoline Chemical compound O1C(N)=NC(=O)C1C1=CC=CC=C1 NRNCYVBFPDDJNE-UHFFFAOYSA-N 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Geology (AREA)
- Physics & Mathematics (AREA)
- Geochemistry & Mineralogy (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Fluid Mechanics (AREA)
- Environmental & Geological Engineering (AREA)
- Primary Health Care (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Geophysics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供了一种岩性储层优势相带预测方法及设备。所述方法包括:根据各井位单井储层评价成果数据,得到若干储层发育评价参数,根据若干储层发育评价参数,构建各井位单井不同深度点的评价参数矩阵,并将若干储层发育评价参数,划分为储层发育评价主要参数及储层发育评价次要参数,获取归一化后的若干储层发育评价参数的权重系数;根据归一化后的若干储层发育评价参数及权重系数,获取各井位单井一层位砂体的储层质量平均因子,结合一层位砂体的发育状态,得到一层位的储层质量综合评价因子;根据一层位的储层质量综合评价因子,构建岩性储层优势相带划分标准,预测岩性储层的优势相带。本发明效提高岩性目标地层的储量勘探可信度。
Description
技术领域
本发明实施例涉及地质勘探预测技术领域,尤其涉及一种岩性储层优势相带预测方法及设备。
背景技术
随着石油地质勘探的不断发展,陆相湖盆斜坡区岩性油气藏已经成为勘探的重点。研究表明,斜坡区地层岩性油气藏储集层是否发育,会受到多种关键要素共同影响,然而过去针对地层岩性油气藏主要采用单因素常规定性评价,勘探目标的可靠性相对较低,因此,开发一种岩性储层优势相带定量预测的方法,能够针对地层岩性储层优势相带进行定量预测,并有效提高岩性目标地层的储量勘探可信度,就成为业界普遍关注的技术问题。
发明内容
针对现有技术存在的上述问题,本发明实施例提供了一种岩性储层优势相带预测方法及设备。
第一方面,本发明的实施例提供了一种岩性储层优势相带预测方法,包括:根据各井位单井储层评价成果数据,得到若干储层发育评价参数,根据所述若干储层发育评价参数,构建各井位单井不同深度点的评价参数矩阵,并将所述若干储层发育评价参数,划分为储层发育评价主要参数,以及储层发育评价次要参数,获取归一化后的若干储层发育评价参数的权重系数;根据归一化后的若干储层发育评价参数及所述权重系数,获取各井位单井一层位砂体的储层质量平均因子,结合所述一层位砂体的发育状态,得到所述一层位的储层质量综合评价因子;根据所述一层位的储层质量综合评价因子,构建岩性储层优势相带划分标准,以及所述一层位储层质量综合评价因子等值线图,预测岩性储层的优势相带。
进一步地,在上述方法实施例内容的基础上,本发明实施例中提供的岩性储层优势相带预测方法,所述若干储层发育评价参数,包括:埋深、砂体厚度、孔隙度、渗透率和泥质含量;其中,孔隙度为储层发育评价主要参数;埋深、砂体厚度、渗透率和泥质含量均为储层发育评价次要参数。
进一步地,在上述方法实施例内容的基础上,本发明实施例中提供的岩性储层优势相带预测方法,所述评价参数矩阵,包括:
其中,D为埋深;M为砂体厚度;Φ为孔隙度;K为渗透率;P为泥质含量;矩阵的每一行元素为同一单井同一深度的五个储层发育评价参数。
进一步地,在上述方法实施例内容的基础上,本发明实施例中提供的岩性储层优势相带预测方法,所述归一化后的若干储层发育评价参数的权重系数,包括:
ΔYi(X,Φ)=|Yi(X)-Yi(Φ)|
Δmax=max(ΔYi(X,Φ))
Δmin=min(ΔYi(X,Φ))
其中,A(Φ)为孔隙度权重系数;X为埋深、砂体厚度、渗透率或泥质含量;A(X)为与X对应的埋深权重系数、砂体厚度权重系数、渗透率权重系数或泥质含量权重系数;为Ri的平均值;Ri为每个储层发育评价次要参数与储层发育评价主要参数的关联度;ρ为分辨系数;i=1,2,…,n,为同一单井的第i个深度。
进一步地,在上述方法实施例内容的基础上,本发明实施例中提供的岩性储层优势相带预测方法,所述获取各井位单井一层位砂体的储层质量平均因子,包括:
Qi=Yi(Φ)A(Φ)+Yi(K)A(K)+Yi(D)A(D)+Yi(M)A(M)+Yi(P)A(P)
进一步地,在上述方法实施例内容的基础上,本发明实施例中提供的岩性储层优势相带预测方法,所述结合所述一层位砂体的发育状态,得到所述一层位的储层质量综合评价因子,包括:
其中,SPW为所述一层位砂体的发育状态权重系数;Q为所述一层位的储层质量综合评价因子。
进一步地,在上述方法实施例内容的基础上,本发明实施例中提供的岩性储层优势相带预测方法,所述根据所述一层位的储层质量综合评价因子,构建岩性储层优势相带划分标准,包括:若Q>0.5,则岩性储层为一类;若0.4≤Q≤0.5,则岩性储层为二类;若0.3≤Q<0.4,则岩性储层为三类;若0.2≤Q<0.3,则岩性储层为四类;若Q<0.2,则岩性储层为五类;其中,确定一类至三类为岩性储层优势相带。
第二方面,本发明的实施例提供了一种岩性储层优势相带预测装置,包括:
评价参数及权重系数获取模块,用于根据各井位单井储层评价成果数据,得到若干储层发育评价参数,根据所述若干储层发育评价参数,构建各井位单井不同深度点的评价参数矩阵,并将所述若干储层发育评价参数,划分为储层发育评价主要参数,以及储层发育评价次要参数,获取归一化后的若干储层发育评价参数的权重系数;
综合评价因子模块,用于根据归一化后的若干储层发育评价参数及所述权重系数,获取各井位单井一层位砂体的储层质量平均因子,结合所述一层位砂体的发育状态,得到所述一层位的储层质量综合评价因子;
优势相带预测模块,用于根据所述一层位的储层质量综合评价因子,构建岩性储层优势相带划分标准,以及所述一层位储层质量综合评价因子等值线图,预测岩性储层的优势相带。
第三方面,本发明的实施例提供了一种电子设备,包括:
至少一个处理器;以及
与处理器通信连接的至少一个存储器,其中:
存储器存储有可被处理器执行的程序指令,处理器调用程序指令能够执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的岩性储层优势相带预测方法。
第四方面,本发明的实施例提供了一种非暂态计算机可读存储介质,非暂态计算机可读存储介质存储计算机指令,计算机指令使计算机执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的岩性储层优势相带预测方法。
本发明实施例提供的岩性储层优势相带预测方法及设备,通过构建归一化后的若干储层发育评价参数及权重系数,在此基础上得到储层质量平均因子,以及储层质量综合评价因子,并进一步构建岩性储层优势相带划分标准,以及岩性储层质量综合评价因子等值线图,可以针对地层岩性储层优势相带进行定量预测,有效提高岩性目标地层的储量勘探可信度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做一简单的介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,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。
图1为本发明实施例提供的岩性储层优势相带预测方法流程图;
图2为本发明实施例提供的岩性储层优势相带实际预测效果示意图;
图3为本发明实施例提供的岩性储层优势相带预测装置结构示意图;
图4为本发明实施例提供的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,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,都属于本发明保护的范围。另外,本发明提供的各个实施例或单个实施例中的技术特征可以相互任意结合,以形成可行的技术方案,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时,应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
本发明实施例提供了一种岩性储层优势相带预测方法,参见图1,该方法包括:
101、根据各井位单井储层评价成果数据,得到若干储层发育评价参数,根据所述若干储层发育评价参数,构建各井位单井不同深度点的评价参数矩阵,并将所述若干储层发育评价参数,划分为储层发育评价主要参数,以及储层发育评价次要参数,获取归一化后的若干储层发育评价参数的权重系数;具体地,若干储层发育评价参数的归一化是由于岩性储层定量评价中,各参数物理意义不同,数据的量纲也不同,因此要对原始数据,即各评价指标参数进行标准化处理(即归一化),采用极大值标准化法来实现这一目的。采用极大值标准化法对若干储层发育评价参数(该参数在后续实施例中为五类参数)进行标准化处理,可消除不同因参数物理意义及量纲不同而对评价产生的影响。对于其值愈大,反映储层质量愈好的参数,如孔隙度(Φ)、渗透率(k)、砂体厚度(M),采用单项参数除以同类参数的极大值,来标准化处理(即归一化):
Y标准=Y/Ymax
对于其值愈大,反映储层质量愈差的参数,如埋深(D)、泥质含量(P),采用本参数的极大值减去单项参数之差再除以最大值,来标准化处理(即归一化):
Y标准=(Ymax-Y)/Ymax
102、根据归一化后的若干储层发育评价参数及所述权重系数,获取各井位单井一层位砂体的储层质量平均因子,结合所述一层位砂体的发育状态,得到所述一层位的储层质量综合评价因子;
103、根据所述一层位的储层质量综合评价因子,构建岩性储层优势相带划分标准,以及所述一层位储层质量综合评价因子等值线图,预测岩性储层的优势相带。
基于上述方法实施例的内容,作为一种可选的实施例,本发明实施例中提供的岩性储层优势相带预测方法,所述若干储层发育评价参数,包括:埋深、砂体厚度、孔隙度、渗透率和泥质含量;其中,孔隙度为储层发育评价主要参数;埋深、砂体厚度、渗透率和泥质含量均为储层发育评价次要参数。
基于上述方法实施例的内容,作为一种可选的实施例,本发明实施例中提供的岩性储层优势相带预测方法,所述评价参数矩阵,包括:
其中,D为埋深;M为砂体厚度;Φ为孔隙度;K为渗透率;P为泥质含量;矩阵的每一行元素为同一单井同一深度的五个储层发育评价参数。
基于上述方法实施例的内容,作为一种可选的实施例,本发明实施例中提供的岩性储层优势相带预测方法,所述归一化后的若干储层发育评价参数的权重系数,包括:
ΔYi(X,Φ)=|Yi(X)-Yi(Φ)|
Δmax=max(ΔYi(X,Φ))
Δmin=min(ΔYi(X,Φ))
其中,A(Φ)为孔隙度权重系数;X为埋深、砂体厚度、渗透率或泥质含量;A(X)为与X对应的埋深权重系数、砂体厚度权重系数、渗透率权重系数或泥质含量权重系数;为Ri的平均值;Ri为每个储层发育评价次要参数与储层发育评价主要参数的关联度;ρ为分辨系数,目的是削弱最大绝对值差太大而导致的失真,一般取值0.5;i=1,2,…,n,为同一单井的第i个深度。具体地,ΔYi(X,Φ)=|Yi(X)-Yi(Φ)|包含以下几种情况,分别为:
ΔYi(K,Φ)=|Yi(K)-Yi(Φ)|
ΔYi(D,Φ)=|Yi(D)-Yi(Φ)|
ΔYi(M,Φ)=|Yi(M)-Yi(Φ)|
ΔYi(P,Φ)=|Yi(P)-Yi(Φ)|
基于上述方法实施例的内容,作为一种可选的实施例,本发明实施例中提供的岩性储层优势相带预测方法,所述获取各井位单井一层位砂体的储层质量平均因子,包括:
Qi=Yi(Φ)A(Φ)+Yi(K)A(K)+Yi(D)A(D)+Yi(M)A(M)+Yi(P)A(P)
基于上述方法实施例的内容,作为一种可选的实施例,本发明实施例中提供的岩性储层优势相带预测方法,所述结合所述一层位砂体的发育状态,得到所述一层位的储层质量综合评价因子,包括:
其中,SPW为所述一层位砂体的发育状态权重系数;Q为所述一层位的储层质量综合评价因子。具体地,一层位砂体的发育状态权重系数SPW可以参见表1,计算单井同一层位砂岩含量百分比SP,并按照SP值大小进行赋值,从而得到一层位砂体的发育状态权重系数SPW。
表1
砂岩百分比SP | 0<SP≦10 | 10<SP≦20 | 20<SP≦30 | 30<SP≦40 | 40<SP≦50 | 50<SP |
权重系数SPW | 0.1 | 0.2 | 0.3 | 0.4 | 0.5 | 0.6 |
基于上述方法实施例的内容,作为一种可选的实施例,本发明实施例中提供的岩性储层优势相带预测方法,所述根据所述一层位的储层质量综合评价因子,构建岩性储层优势相带划分标准,包括:若Q>0.5,则岩性储层为一类;若0.4≤Q≤0.5,则岩性储层为二类;若0.3≤Q<0.4,则岩性储层为三类;若0.2≤Q<0.3,则岩性储层为四类;若Q<0.2,则岩性储层为五类;其中,确定一类至三类为岩性储层优势相带。具体情况可以参见表2。
表2
岩性储层分类级别 | Ⅰ | Ⅱ | Ⅲ | Ⅳ | Ⅴ |
一层位的储层质量综合评价因子Q | >0.5 | 0.4~0.5 | 0.3~0.4 | 0.2~0.3 | <0.2 |
在表2中,Ⅰ、Ⅱ和Ⅲ类岩性储层为优势相带,即Q值大于等于0.3的岩性储层类别为优势相带。
本发明实施例提供的岩性储层优势相带预测方法,通过构建归一化后的若干储层发育评价参数及权重系数,在此基础上得到储层质量平均因子,以及储层质量综合评价因子,并进一步构建岩性储层优势相带划分标准,以及岩性储层质量综合评价因子等值线图,可以针对地层岩性储层优势相带进行定量预测,有效提高岩性目标地层的储量勘探可信度。
为了更加清晰的阐述本发明的技术方案的本质,在上述实施例的基础上,拟提出一个具体的实施例,从细节上进一步展现本发明技术方案的本质。需要说明的是,该具体实施例仅仅是为了将本发明的技术本质进一步体现出来,并不是对本发明保护范围的限制,本领域技术人员在本发明各个实施例的基础上,通过组合技术特征,得到的任何满足本发明技术方案本质的组合型技术方案,只要能够实际实施,均在本专利的保护范围之内。
该具体实施例包括以下步骤:S1:收集各井位单井储层评价解释成果表;S2:从步骤S1中获得的数据中选取5种能反映储层发育好坏的参数作为岩性储集层优势相带定量评价参数,建立多口单井不同深度点评价参数数据矩阵;S3:从步骤S2中选取的5种参数中,选取1类参数作为岩性储集层优势相带定量评价参数主因素,其他4类作为岩性储集层优势相带定量评价参数子因素;S4:对步骤S3中的5类参数进行归一化处理;S5:采用灰色关联分析法对步骤S4中归一化后的参数进行计算,求取5种参数在岩性储集层优势相带定量评价中的权重系数;S6:采用步骤S5中计算得出的权重系数与S4步骤中归一化后的参数值,计算单井某一层位内砂体的储层质量平均因子;S7:采用步骤S6中计算的单井某一层位砂体储层质量平均因子,结合该层位砂体总体发育情况,计算该层位单井储层质量综合评价因子,根据评价因子大小建立岩性储层优势储集相带划分标准;S8:采用步骤S7中计算的不同单井储层质量综合评价因子,编制研究区同一层位单井储层质量综合评价因子等值线图,预测岩性储层优势储集相带平面分布。
步骤S1~S3中,选取了该研究区同一层位40余口单井的单井储层评价解释成果表,选取了埋深(D)、砂体厚度(M)、孔隙度(Φ)、渗透率(k)、泥质含量(P)五类参数作为岩性储集层优势相带定量评价参数,建立多口单井同一层位不同深度点评价参数数据矩阵,如表3所示,同时选取孔隙度作为岩性储集层优势相带定量评价参数主因素,其他4类作为岩性储集层优势相带定量评价参数子因素。
表3
步骤S4中,对矩阵中五类参数进行归一化处理。由于岩性储层定量评价中,各参数物理意义不同,数据的量纲也不同,因此要对原始数据,即各评价指标参数标准化处理,采用极大值标准化法来实现这一目的。采用极大值标准化法对五类指标参数进行标准化处理,可消除不同因参数物理意义及量纲不同而对评价产生的影响,如表4所示。
表4
步骤S5中,采用灰色关联分析法对归一化后的参数进行计算,求取5种参数在岩性储集层优势相带定量评价中的权重系数。
首先计算表3矩阵中不同单井同一深度上各子因素与母因素值之间的绝对差值,及其极值Δmax与Δmin,其中Δmax=0.997,Δmin=0;
进一步,采用极值计算不同单井同一深度样品子因素(K/D/M/P)与主因素(Φ)的关联度,如表5所示。
表5
将矩阵中同一子因素的关联度R(X,Φ)(注:X代表渗透率K、埋深D、储层净厚M、泥质含量P任意一个参数),取平均值得到从而得到渗透率K、埋深D、储层净厚M、泥质含量P对孔隙度Φ的关联度数列R=(1,0.55,0.71,0.59,0.64);
关联度序列R中关联系数归一化,即可得到渗透率(k)、埋深(D)、储层净厚(M)、泥质含量(P)四类评价参数对储层综合评价的权重系数A(X),从而得到渗透率K、埋深D、储层净厚M、泥质含量P对孔隙度Φ的关联度数列A=(0.287,0.158,0.203,0.169,0.183);
步骤S6中,采用计算得出的不同因素的权重系数与该因素归一化后的参数值,计算单井某一层位内砂体的储层质量平均因子。
首先采用权重系数,分别与同一单井同一深度点的对应的单项参数归一化后的标准化值相乘,得到单项权衡分数,再将该深度点单项权衡系数相加,即为该深度点砂体的储层质量评价因子Q1,如表6所示。
表6
步骤S7中,采用步骤S6中计算的单井某一层位砂体储层质量平均因子Q1,结合该层位砂体总体发育情况,计算该层位单井储层质量综合评价因子Q,根据评价因子Q大小建立岩性储层优势储集相带划分标准;
首先,计算单井同一层位砂岩含量百分比SP,并按照SP值大小进行赋值,从而得到单井某一层位砂岩发育情况权重系数SPW,如表7所示;
表7
砂岩百分比SP | 0<SP≦10 | 10<SP≦20 | 20<SP≦30 | 30<SP≦40 | 40<SP≦50 | 50<SP |
权重系数SPW | 0.1 | 0.2 | 0.3 | 0.4 | 0.5 | 0.6 |
最后,根据单井储层质量综合评价因子Q大小,建立分类标准,将岩性储层划分为Ⅰ~Ⅴ类,如表8所示;
表8
步骤S8中,采用步骤S7中计算的不同单井储层质量综合评价因子,编制研究区同一层位不同单井储层质量综合评价因子等值线图,预测岩性储层优势储集相带平面分布,其中储层质量综合评价因子Q大于等于0.3所圈定的范围(即Ⅰ~Ⅲ类)为岩性储集层优势发育相带,如图2所示。由图2中可见,地标舍女寺、肖官屯和小集处的岩性储层为优势相带(Q值均大于等于0.3),而叶三拔地区的岩性储层为非优势相带(Q值小于等于0.2)。
本发明具体实施例提供的一种岩性储层优势相带预测方法,能够充分采用单井储层评价解释成果表中的多类参数,实现岩性储层的定量评价,且计算简单,工作量小,研究周期短,研究成果能及时快速地指导岩性油气藏勘探。
本发明各个实施例的实现基础是通过具有处理器功能的设备进行程序化的处理实现的。因此在工程实际中,可以将本发明各个实施例的技术方案及其功能封装成各种模块。基于这种现实情况,在上述各实施例的基础上,本发明的实施例提供了一种岩性储层优势相带预测装置,该装置用于执行上述方法实施例中的岩性储层优势相带预测方法。参见图3,该装置包括:
评价参数及权重系数获取模块301,用于根据各井位单井储层评价成果数据,得到若干储层发育评价参数,根据所述若干储层发育评价参数,构建各井位单井不同深度点的评价参数矩阵,并将所述若干储层发育评价参数,划分为储层发育评价主要参数,以及储层发育评价次要参数,获取归一化后的若干储层发育评价参数的权重系数;
综合评价因子模块302,用于根据归一化后的若干储层发育评价参数及所述权重系数,获取各井位单井一层位砂体的储层质量平均因子,结合所述一层位砂体的发育状态,得到所述一层位的储层质量综合评价因子;
优势相带预测模块303,用于根据所述一层位的储层质量综合评价因子,构建岩性储层优势相带划分标准,以及所述一层位储层质量综合评价因子等值线图,预测岩性储层的优势相带。
本发明实施例提供的岩性储层优势相带预测装置,采用评价参数及权重系数获取模块、综合评价因子模块和优势相带预测模块,通过构建归一化后的若干储层发育评价参数及权重系数,在此基础上得到储层质量平均因子,以及储层质量综合评价因子,并进一步构建岩性储层优势相带划分标准,以及岩性储层质量综合评价因子等值线图,可以针对地层岩性储层优势相带进行定量预测,有效提高岩性目标地层的储量勘探可信度。
需要说明的是,本发明提供的装置实施例中的装置,除了可以用于实现上述方法实施例中的方法外,还可以用于实现本发明提供的其他方法实施例中的方法,区别仅仅在于设置相应的功能模块,其原理与本发明提供的上述装置实施例的原理基本相同,只要本领域技术人员在上述装置实施例的基础上,参考其他方法实施例中的具体技术方案,通过组合技术特征获得相应的技术手段,以及由这些技术手段构成的技术方案,在保证技术方案具备实用性的前提下,就可以对上述装置实施例中的装置进行改进,从而得到相应的装置类实施例,用于实现其他方法类实施例中的方法。例如:
基于上述装置实施例的内容,作为一种可选的实施例,本发明实施例中提供的岩性储层优势相带预测装置,还包括:岩性储层优势相带划分标准模块,用于若Q>0.5,则岩性储层为一类;若0.4≤Q≤0.5,则岩性储层为二类;若0.3≤Q<0.4,则岩性储层为三类;若0.2≤Q<0.3,则岩性储层为四类;若Q<0.2,则岩性储层为五类;其中,确定一类至三类为岩性储层优势相带。
本发明实施例的方法是依托电子设备实现的,因此对相关的电子设备有必要做一下介绍。基于此目的,本发明的实施例提供了一种电子设备,如图4所示,该电子设备包括:至少一个处理器(processor)401、通信接口(Communications Interface)404、至少一个存储器(memory)402和通信总线403,其中,至少一个处理器401,通信接口404,至少一个存储器402通过通信总线403完成相互间的通信。至少一个处理器401可以调用至少一个存储器402中的逻辑指令,以执行如下方法:根据各井位单井储层评价成果数据,得到若干储层发育评价参数,根据所述若干储层发育评价参数,构建各井位单井不同深度点的评价参数矩阵,并将所述若干储层发育评价参数,划分为储层发育评价主要参数,以及储层发育评价次要参数,获取归一化后的若干储层发育评价参数的权重系数;根据归一化后的若干储层发育评价参数及所述权重系数,获取各井位单井一层位砂体的储层质量平均因子,结合所述一层位砂体的发育状态,得到所述一层位的储层质量综合评价因子;根据所述一层位的储层质量综合评价因子,构建岩性储层优势相带划分标准,以及所述一层位储层质量综合评价因子等值线图,预测岩性储层的优势相带。
此外,上述的至少一个存储器402中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品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)执行本发明各个实施例所述方法的全部或部分步骤。例如包括:根据各井位单井储层评价成果数据,得到若干储层发育评价参数,根据所述若干储层发育评价参数,构建各井位单井不同深度点的评价参数矩阵,并将所述若干储层发育评价参数,划分为储层发育评价主要参数,以及储层发育评价次要参数,获取归一化后的若干储层发育评价参数的权重系数;根据归一化后的若干储层发育评价参数及所述权重系数,获取各井位单井一层位砂体的储层质量平均因子,结合所述一层位砂体的发育状态,得到所述一层位的储层质量综合评价因子;根据所述一层位的储层质量综合评价因子,构建岩性储层优势相带划分标准,以及所述一层位储层质量综合评价因子等值线图,预测岩性储层的优势相带。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,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的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,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)执行各个实施例或者实施例的某些部分所述的方法。
附图中的流程图和框图显示了根据本发明的多个实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。基于这种认识,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
在本专利中,术语"包括"、"包含"或者其任何其它变体意在涵盖非排它性的包含,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它要素,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……"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。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种岩性储层优势相带预测方法,其特征在于,包括:
根据各井位单井储层评价成果数据,得到若干储层发育评价参数,根据所述若干储层发育评价参数,构建各井位单井不同深度点的评价参数矩阵,并将所述若干储层发育评价参数,划分为储层发育评价主要参数,以及储层发育评价次要参数,获取归一化后的若干储层发育评价参数的权重系数;
根据归一化后的若干储层发育评价参数及所述权重系数,获取各井位单井一层位砂体的储层质量平均因子,结合所述一层位砂体的发育状态,得到所述一层位的储层质量综合评价因子;
根据所述一层位的储层质量综合评价因子,构建岩性储层优势相带划分标准,以及所述一层位储层质量综合评价因子等值线图,预测岩性储层的优势相带。
2.根据权利要求1所述的岩性储层优势相带预测方法,其特征在于,所述若干储层发育评价参数,包括:
埋深、砂体厚度、孔隙度、渗透率和泥质含量;
其中,孔隙度为储层发育评价主要参数;埋深、砂体厚度、渗透率和泥质含量均为储层发育评价次要参数。
7.根据权利要求6所述的岩性储层优势相带预测方法,其特征在于,所述根据所述一层位的储层质量综合评价因子,构建岩性储层优势相带划分标准,包括:
若Q>0.5,则岩性储层为一类;
若0.4≤Q≤0.5,则岩性储层为二类;
若0.3≤Q<0.4,则岩性储层为三类;
若0.2≤Q<0.3,则岩性储层为四类;
若Q<0.2,则岩性储层为五类;
其中,确定一类至三类为岩性储层优势相带。
8.一种岩性储层优势相带预测装置,其特征在于,包括:
评价参数及权重系数获取模块,用于根据各井位单井储层评价成果数据,得到若干储层发育评价参数,根据所述若干储层发育评价参数,构建各井位单井不同深度点的评价参数矩阵,并将所述若干储层发育评价参数,划分为储层发育评价主要参数,以及储层发育评价次要参数,获取归一化后的若干储层发育评价参数的权重系数;
综合评价因子模块,用于根据归一化后的若干储层发育评价参数及所述权重系数,获取各井位单井一层位砂体的储层质量平均因子,结合所述一层位砂体的发育状态,得到所述一层位的储层质量综合评价因子;
优势相带预测模块,用于根据所述一层位的储层质量综合评价因子,构建岩性储层优势相带划分标准,以及所述一层位储层质量综合评价因子等值线图,预测岩性储层的优势相带。
9.一种电子设备,其特征在于,包括:
至少一个处理器、至少一个存储器、通信接口和总线;其中,
所述处理器、存储器、通信接口通过所述总线完成相互间的通信;
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令,以执行如权利要求1至7任一项权利要求所述的方法。
10.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如权利要求1至7中任一项权利要求所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911118469.4A CN111101924A (zh) | 2019-11-15 | 2019-11-15 | 岩性储层优势相带预测方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911118469.4A CN111101924A (zh) | 2019-11-15 | 2019-11-15 | 岩性储层优势相带预测方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111101924A true CN111101924A (zh) | 2020-05-05 |
Family
ID=70420646
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911118469.4A Pending CN111101924A (zh) | 2019-11-15 | 2019-11-15 | 岩性储层优势相带预测方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111101924A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114021804A (zh) * | 2021-11-02 | 2022-02-08 | 东北石油大学 | 一种断层-岩性油气藏油气储量预测模型的构建方法 |
US11680480B2 (en) | 2021-05-25 | 2023-06-20 | Saudi Arabian Oil Company | Multi-layer gas reservoir field development system and method |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2012337383A1 (en) * | 2011-11-15 | 2014-05-08 | Chevron U.S.A. Inc. | Method of using spatially independent subsets of data to calculate vertical trend curve uncertainty of spatially correlated reservoir data |
CN104564041A (zh) * | 2014-07-24 | 2015-04-29 | 中国石油大学(华东) | 基于开发渗透率下限的低渗透碎屑岩储层有效性评价方法 |
CN104747185A (zh) * | 2015-03-19 | 2015-07-01 | 成都北方石油勘探开发技术有限公司 | 非均质油藏储层综合分类评价方法 |
US20160230548A1 (en) * | 2013-09-16 | 2016-08-11 | Schlumberger Technology Corporation | Formation Evaluation Using Stochastic Analysis Of Log Data |
CN106803010A (zh) * | 2016-08-10 | 2017-06-06 | 中国石油大学(华东) | 用于低渗透储层定量评价的模糊灰色综合评判方法和装置 |
CN107422374A (zh) * | 2017-04-21 | 2017-12-01 | 中国石油大港油田勘探开发研究院 | 一种富油气凹陷斜坡带精细勘探方法 |
CN108960651A (zh) * | 2018-07-11 | 2018-12-07 | 西南石油大学 | 一种致密油气藏多级压裂水平井完井效率的综合评价方法 |
CN108999608A (zh) * | 2018-06-14 | 2018-12-14 | 中国石油天然气股份有限公司 | 一种低渗透砂砾岩储层优势通道识别方法及*** |
CN109492860A (zh) * | 2018-09-26 | 2019-03-19 | 中国石油天然气股份有限公司 | 一种基于气井产能的致密砂岩储层多参数定量评价方法 |
US20190100997A1 (en) * | 2017-09-30 | 2019-04-04 | Petrochina Company Limited | Oil and gas zone effectiveness evaluation method and apparatus |
CN109779624A (zh) * | 2019-03-11 | 2019-05-21 | 西安石油大学 | 基于岩溶参数综合评价裂缝—孔洞型碳酸盐岩储层的方法 |
CN110288258A (zh) * | 2019-07-02 | 2019-09-27 | 中国石油化工股份有限公司 | 一种高含水油藏剩余油挖潜方法 |
-
2019
- 2019-11-15 CN CN201911118469.4A patent/CN111101924A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2012337383A1 (en) * | 2011-11-15 | 2014-05-08 | Chevron U.S.A. Inc. | Method of using spatially independent subsets of data to calculate vertical trend curve uncertainty of spatially correlated reservoir data |
US20160230548A1 (en) * | 2013-09-16 | 2016-08-11 | Schlumberger Technology Corporation | Formation Evaluation Using Stochastic Analysis Of Log Data |
CN104564041A (zh) * | 2014-07-24 | 2015-04-29 | 中国石油大学(华东) | 基于开发渗透率下限的低渗透碎屑岩储层有效性评价方法 |
CN104747185A (zh) * | 2015-03-19 | 2015-07-01 | 成都北方石油勘探开发技术有限公司 | 非均质油藏储层综合分类评价方法 |
CN106803010A (zh) * | 2016-08-10 | 2017-06-06 | 中国石油大学(华东) | 用于低渗透储层定量评价的模糊灰色综合评判方法和装置 |
CN107422374A (zh) * | 2017-04-21 | 2017-12-01 | 中国石油大港油田勘探开发研究院 | 一种富油气凹陷斜坡带精细勘探方法 |
US20190100997A1 (en) * | 2017-09-30 | 2019-04-04 | Petrochina Company Limited | Oil and gas zone effectiveness evaluation method and apparatus |
CN108999608A (zh) * | 2018-06-14 | 2018-12-14 | 中国石油天然气股份有限公司 | 一种低渗透砂砾岩储层优势通道识别方法及*** |
CN108960651A (zh) * | 2018-07-11 | 2018-12-07 | 西南石油大学 | 一种致密油气藏多级压裂水平井完井效率的综合评价方法 |
CN109492860A (zh) * | 2018-09-26 | 2019-03-19 | 中国石油天然气股份有限公司 | 一种基于气井产能的致密砂岩储层多参数定量评价方法 |
CN109779624A (zh) * | 2019-03-11 | 2019-05-21 | 西安石油大学 | 基于岩溶参数综合评价裂缝—孔洞型碳酸盐岩储层的方法 |
CN110288258A (zh) * | 2019-07-02 | 2019-09-27 | 中国石油化工股份有限公司 | 一种高含水油藏剩余油挖潜方法 |
Non-Patent Citations (11)
Title |
---|
BINGBING SHI,ETC: ""Quantitative evaluation model for tight sandstone reservoirs based on statistical methods - A case study of the Triassic Chang 8 tight sandstones, Zhenjing area, Ordos Basin, China"", 《JOURNAL OF PETROLEUM SCIENCE AND ENGINEERING》 * |
余振宇: ""大牛地气田大47-大70井区下石盒子组一段储层评价"", 《中国优秀硕士论文全文库工程科技I辑》 * |
周立宏,等: ""陆相断陷油气勘探有利目标区三元定量评价方法及应用——以沧东凹陷古近系孔二段为例"", 《成都理工大学学报(自然科学版)》 * |
姚宗全: ""红山嘴地区中下侏罗统含煤层系沉积成因与储层表征"", 《中国优秀博士论文全文库工程科技I辑》 * |
孙洪志,刘吉余: ""储层综合定量评价方法研究"", 《大庆石油地质与开发》 * |
徐艳梅,等: ""塔里木盆地克拉2气田储层综合定量评价"", 《石油地质与工程》 * |
李旭: ""鄂尔多斯盆地镇北—演武地区长3油层组储层特征研究"", 《中国优秀硕士论文全文库工程科技I辑》 * |
王雅楠: ""苏里格气田苏东41-33区块盒8和山1段储层综合评价"", 《中国优秀硕士论文全文库工程科技I辑》 * |
蒲秀刚,等: ""黄骅坳陷沧东凹陷孔二段高位体系域细粒相区岩性特征及地质意义"", 《中国石油勘探》 * |
陈培元,等: ""基于地质成因的多参数碳酸盐岩储层定量评价"", 《西南石油大学学报(自然科学版)》 * |
高俊: ""史深100沙二10储层综合评价研究"", 《中国优秀硕士论文全文库工程科技I辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11680480B2 (en) | 2021-05-25 | 2023-06-20 | Saudi Arabian Oil Company | Multi-layer gas reservoir field development system and method |
CN114021804A (zh) * | 2021-11-02 | 2022-02-08 | 东北石油大学 | 一种断层-岩性油气藏油气储量预测模型的构建方法 |
CN114021804B (zh) * | 2021-11-02 | 2022-07-19 | 东北石油大学 | 一种断层-岩性油气藏油气储量预测模型的构建方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10436940B2 (en) | Systems and methods for the quantitative estimate of production-forecast uncertainty | |
Alcolea et al. | Blocking Moving Window algorithm: Conditioning multiple‐point simulations to hydrogeological data | |
de Carvalho Junior et al. | A regional-scale assessment of digital mapping of soil attributes in a tropical hillslope environment | |
CN109113729B (zh) | 基于测井曲线的岩性识别方法及装置 | |
CN111025384B (zh) | 基于波形分类交汇融合的储层预测方法和装置 | |
Erdogan Erten et al. | Combination of machine learning and kriging for spatial estimation of geological attributes | |
Bashari et al. | Estimation of deformation modulus of rock masses by using fuzzy clustering-based modeling | |
Wang et al. | Improved pore structure prediction based on MICP with a data mining and machine learning system approach in Mesozoic strata of Gaoqing field, Jiyang depression | |
CN111101924A (zh) | 岩性储层优势相带预测方法及设备 | |
Abbas et al. | Clustering analysis and flow zone indicator for electrofacies characterization in the upper shale member in Luhais Oil Field, Southern Iraq | |
Argüello Scotti et al. | Sedimentary architecture of an ancient linear megadune (Barremian, Neuquén Basin): Insights into the long‐term development and evolution of aeolian linear bedforms | |
Li et al. | Predicting seabed sand content across the Australian margin using machine learning and geostatistical methods | |
Rose et al. | A systematic, science-driven approach for predicting subsurface properties | |
CN115358285A (zh) | 待勘测区块关键地质参数的选取方法、装置、及设备 | |
Mahadasu et al. | Electrofacies estimation of carbonate reservoir in the Scotian Offshore Basin, Canada using the multi-resolution graph-based clustering (MRGC) to develop the rock property models | |
Sheng et al. | Evaluation of hydrocarbon potential using fuzzy AHP-based grey relational analysis: a case study in the Laoshan Uplift, South Yellow Sea, China | |
CN111472763B (zh) | 地层厚度预测方法及装置 | |
Wadoux et al. | Overview of pedometrics | |
CN111475685B (zh) | 油气勘探方法、装置、存储介质及电子设备 | |
CN114707597A (zh) | 一种河流相致密砂岩储层复杂岩相智能化识别方法及*** | |
Rostirolla et al. | Bayesian assessment of favorability for oil and gas prospects over the Reconcavo Basin, Brazil | |
Sharma et al. | Machine Learning Based Integrated Approach to Estimate Total Organic Carbon in Shale Reservoirs–A Case Study from Duvernay Formation, Alberta Canada | |
CN112987122A (zh) | 一种泥质含量计算方法、装置、电子设备及存储介质 | |
Zhang et al. | The geostatistical framework for spatial prediction | |
Mayr et al. | Two methods for using legacy data in digital soil mapping |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20201126 Address after: 100000 Beijing city Dongcheng District No. 16 Andrew Applicant after: PetroChina Company Limited Address before: 300280 Dagang three, Binhai New Area, Tianjin Applicant before: PetroChina Company Limited |
|
TA01 | Transfer of patent application right | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200505 |
|
WD01 | Invention patent application deemed withdrawn after publication |