CN112800581B - 一种油田精细地质模型的建模研究方法 - Google Patents
一种油田精细地质模型的建模研究方法 Download PDFInfo
- Publication number
- CN112800581B CN112800581B CN202011621107.XA CN202011621107A CN112800581B CN 112800581 B CN112800581 B CN 112800581B CN 202011621107 A CN202011621107 A CN 202011621107A CN 112800581 B CN112800581 B CN 112800581B
- Authority
- CN
- China
- Prior art keywords
- model
- data
- feature
- modeling
- dimensional geological
- 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 35
- 238000011160 research Methods 0.000 title claims abstract description 17
- 238000012937 correction Methods 0.000 claims abstract description 14
- 238000003860 storage Methods 0.000 claims abstract description 7
- 239000003129 oil well Substances 0.000 claims abstract description 5
- 238000004088 simulation Methods 0.000 claims description 18
- 238000012216 screening Methods 0.000 claims description 15
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 230000035699 permeability Effects 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 230000001915 proofreading effect Effects 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 12
- 230000008569 process Effects 0.000 abstract description 8
- 238000000151 deposition Methods 0.000 description 8
- 238000009826 distribution Methods 0.000 description 8
- 238000010276 construction Methods 0.000 description 7
- 230000008021 deposition Effects 0.000 description 6
- 238000012512 characterization method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000000704 physical effect Effects 0.000 description 5
- 230000001364 causal effect Effects 0.000 description 4
- 238000005553 drilling Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 208000035126 Facies Diseases 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000004215 lattice model Methods 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000009918 complex formation Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000003068 static effect Effects 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Remote Sensing (AREA)
- Computer Hardware Design (AREA)
- Computer Graphics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种油田精细地质模型的建模研究方法,涉及油气开发技术领域领域。所述建模方法步骤如下:S1获取油田建模基础数据;S2基于油田建模基础数据,建立四个子模型,分别为:构造格架模型、沉积微相模型、储层属性模型和裂缝模型,所述裂缝模型包含若干分类、分尺度进行建模的裂缝子模型;S3等效合并构造格架模型、沉积微相模型、储层属性模型和裂缝模型成为高精度三维地质模型;S4对三维地质模型进行校对纠正;S5存储三维地质模型至云端存储区。本发明采用了若干分类分尺度进行建模的裂缝子模型来反映、预测油田的裂缝特征。同时,在对三维地质模型的纠正校对过程中,利用已开采油井和地区的历史数据作为标准分不同特征对模型进行纠正。
Description
技术领域
本发明涉及油气开发技术领域,具体涉及一种油田精细地质模型的建模研究方法。
背景技术
油田地质建模是对油田的构造、储集层以及其中的流体性质的全面概括,也是油藏描述的继续和最终成果显示。在油气开发中地质模型不仅为油藏地下的静态、动态分析提供地质依据,也为油藏工程研究中的数值模拟提供基本的地质框架。设计一个准确的地质模型,不仅在开发钻井时能提高现场钻井轨迹设计的靶心到位准确度,而且能大幅度提高钻井实效,降低钻井成本,提高油田开发的整体效益。
在以东巴格达油田为代表的复杂构造特征油田,有多种不同类型的储层区域:例如具有高孔隙度低渗透率特点的碳酸岩储层;油水分布复杂,具有中-高孔隙度,中-高渗透率特点的砂岩储层。这种油田构造特征复杂,需要建立较为精细的地址模型以认识油田的构造特征、储层展布、储层物性以及非均值性、裂缝分布等特征,对油田的开发做出更好的指导。
发明内容
由此看来,在油气开发技术领域,需提出一种更加精细的地质模型以指导油田的开发。为此,本发明提供了一种油田精细地质模型的建模研究方法用以下技术要点来解决问题:
一种油田精细地质模型的建模研究方法,其特征在于,所述建模研究方法步骤如下:S1获取油田建模基础数据;S2基于油田建模基础数据,建立四个子模型,分别为:构造格架模型、沉积微相模型、储层属性模型和裂缝模型,所述裂缝模型包含若干分类、分尺度进行建模的裂缝子模型;S3等效合并构造格架模型、沉积微相模型、储层属性模型和裂缝模型成为高精度三维地质模型;S4对三维地质模型进行校对纠正;S5存储三维地质模型至云端存储区。
如上所述,本发明提供了一种应用于油田的精细地质建模研究方法,本方法提供的高精度三维地质模型包括构造格架模型、沉积微相模型、储层属性模型和裂缝模型等子模型。通过开展构造特征精细研究,落实底层格架及断裂***分布以建立所述所述构造格架模型。所述沉积微相模型通过对沉积相进行特征识别,对沉积相的展布进行预测以进行建立。所述储层属性模型建立前需要进行储层展布特征研究、储层物性及孔隙微观特征研究、储层非均质性特征研究。为反映裂缝对储层物性的影响,本地质模型还包括了裂缝模型。所述裂缝模型基于岩心资料、成像测井资料、地震资料、动态监测资料等数据进行构建。裂缝按地质成因可分为构造裂缝和成岩裂缝,构造裂缝主要受构造作用控制,有一定的规模和产状;成岩裂缝为沉积或成岩过程中形成,分布范围有限,以水平缝为主。因此对裂缝进行建模的时候需要进行分类。裂缝的尺度也不同,不同尺度断裂之间具有成因联系,例如大尺度裂缝对小尺度裂缝具有成因约束。因此,裂缝的建模表征需要通过建立若干裂缝子模型,分类分尺度地对其进行表征。建模方法的第四步还对三维地质模型进行了纠正,使所建立的三维地质模型更加能够准确、精准地反映油气藏地质的真实属性情况。
更进一步的技术方案为:
所述油田建模基础数据包括:地震信息、岩心资料以及测井解释成果、地球物理解释成果。在该技术特征中,建模基础数据并不局限于所罗列的这些数据资料。地震信息、岩心资料以及测井解释成果能够用于描述单裂缝的发育状况。所述地球物理解释成果能够用于开展沉积相和储层展布的研究。
由于准确的构造格架模型是一个油藏模型正确的根基,正确的构造模型下进行后续工作才有意义。因此,设置为,所述构造格架模型包括层面模型和断层模型。所述层面模型展示的是各小层的微构造样式,同时能够反映出各个小层之间的解除关系与叠置样式。
所述校对纠正三维地质模型的方法为:
S401调取该三维地质模型所模拟的油田已开采油井和地区的特征i的历史数据其中,i代表该特征类型,i取值1至m,m为被评估特征类型总数,e代表该数据类型属于历史数据,t代表该数值所处的时间坐标;选择特征i的初始时刻,即t=0时的历史数据/>作为输入数据输入至三维地质模型进行模拟,得出特征i的模拟数据/>其中,i代表该特征类型,i取值1至m,m为被评估特征类型总数,a代表该数据类型属于模拟数据,t代表该数值所处的时间坐标;
S402计算特征i的历史数据与特征i的模拟数据/>之间的误差平均值δi,其中n为时间坐标个数总数;
S403确定参考误差精度Δ,对总数为m的不同特征i的误差平均值δi进行赋权λi并求和得到总体误差δ,如果δ大于Δ,那么称该三维模型不合格,进行下一步纠正操作,如果δ小于等于Δ,那么称该三维模型合格,进行S5存储三维地质模型至云端存储区操作;
S404计算特征i的历史数据与特征i的模拟数据之间的二阶误差fi,其中n为数据个数总数;
S405对不同特征i的二阶误差fi进行赋权λi,建立筛选函数MaxF(i),MaxF(i)=max[λ1f1;λ2f2;......λmfm],筛选出赋权后二阶误差值最大的特征类型i;
S406针对该特征类型,定位与生成该特征相关的子模型,对每一个相关的子模型进行修正,形成新的三维地质模型;
S407重复步骤S401至406,直到总体误差δ小于参考误差精度Δ。
如上所述,由于已开采的油井和地区已经有丰富的实际开采数据,其历史数据包括大量不同类型的、随开采时间进程变化的样本值。因此步骤S401选取特定特征类型i的、特定时间t的历史数据作为纠正对比的标准值,其中字母e是为区分历史数据和后续的模拟数据。选择特征i的初始时刻,即t=0时的历史数据/>作为输入数据输入至三维地质模型进行模拟,能够得到该特征随时间变化的模拟数据,即/>其中a是表示该数据类型是模拟数据。在步骤S401中,选择了特征、时间相互对应的历史数据和模拟数据,以便后续进行相互对比纠正操作。
步骤S402确定计算特征i的历史数据与特征i的模拟数据/>之间的误差平均值δi;步骤S403对不同特征i的误差平均值进行赋权求和,并与确定的参考误差精度Δ进行比较。步骤S402和S403共同构成了对比、判断步骤。在现有的三维地质模型精度检验的操作中,通常采用单个类型特征的概率分布一致性检验手段,效率还有进一步提升的空间。同时,在本方案的该类步骤中,计算判别的是多个特征误差加权得到的总体误差,利用总体误差进行判断,更能够反映包含了多个子模型的整体三维模型的精确度。又由于不同的特征的重要性不同,因此在本方案中,对误差平均值求和之前分别对不同特征的误差平均值进行了赋权λi。
当发现误差不满足精度要求后,进行下一步的纠正步骤。步骤S404为计算特征i的历史数据与特征i的模拟数据之间的二阶误差相比于步骤S402中的误差平均值δi,更高阶的误差能够更加反映不同特征i之间的误差的差异大小。S405对不同特征i的二阶误差fi进行赋权λi,建立筛选函数MaxF(i)=max[λ1f1;λ2f2;......λmfm],筛选出赋权后二阶误差值最大的特征类型i。该步骤能够快速定位模拟数据误差最大特征i。随后针对该特征i进行定位子模型,针对性地进行修改得出新的三维地质模型。S407重复步骤S401至406,直到总体误差δ小于参考误差精度Δ。在步骤S407的重复、再次对比纠正过程中,由于三维地质模型已经得到修改,势必上述步骤中产生最大误差的特征i的偏差值会减小,此时若总体误差依旧不满足误差精度,在后续的筛选函数筛选过程中,可能会筛选出另外的、新的产生相对误差值最大的特征,再次针对该特征进行修正,如此反复,能够满足所有的特征均得到调整,以使本三维地质模型的精度最大程度地满足标准精度要求。
所述特征i包括孔隙度、渗透率、油田产油量、单井含水量。
与现有技术相比,本发明的有益效果是:
本发明科学合理。与现有技术相比,本发明采用了若干分类、分尺度进行建模的裂缝子模型来反映、预测油田的裂缝特征。同时,在对三维地质模型的纠正校对过程中,利用已开采油井和地区的历史数据作为标准分不同特征对模型进行纠正。其中,使用了误差平均值能够反映整体三维模型的误差精度,也提升了整个精度误差判断的效率。采用了二阶误差进行判比,能够更清楚地比较不同类别特征之间的误差大小,利用筛选函数,能够定位出偏差程度最大的特征,同时利用该特征,进而更为准确地定位出构建错误的子模型。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1为本发明的一种油田精细地质模型的建模研究方法的步骤图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1:
如图1所示,一种油田精细地质模型的建模研究方法,其特征在于,所述建模研究方法步骤如下:S1获取油田建模基础数据;S2基于油田建模基础数据,建立四个子模型,分别为:构造格架模型、沉积微相模型、储层属性模型和裂缝模型,所述裂缝模型包含若干分类、分尺度进行建模的裂缝子模型;S3等效合并构造格架模型、沉积微相模型、储层属性模型和裂缝模型成为高精度三维地质模型;S4对三维地质模型进行校对纠正;S5存储三维地质模型至云端存储区。
如上所述,本发明提供了一种应用于油田的精细地质建模研究方法,本方法提供的高精度三维地质模型包括构造格架模型、沉积微相模型、储层属性模型和裂缝模型等子模型。通过开展构造特征精细研究,落实底层格架及断裂***分布以建立所述所述构造格架模型。所述沉积微相模型通过对沉积相进行特征识别,对沉积相的展布进行预测以进行建立。所述储层属性模型建立前需要进行储层展布特征研究、储层物性及孔隙微观特征研究、储层非均质性特征研究。为反映裂缝对储层物性的影响,本地质模型还包括了裂缝模型。所述裂缝模型基于岩心资料、成像测井资料、地震资料、动态监测资料等数据进行构建。裂缝按地质成因可分为构造裂缝和成岩裂缝,构造裂缝主要受构造作用控制,有一定的规模和产状;成岩裂缝为沉积或成岩过程中形成,分布范围有限,以水平缝为主。因此对裂缝进行建模的时候需要进行分类。裂缝的尺度也不同,不同尺度断裂之间具有成因联系,例如大尺度裂缝对小尺度裂缝具有成因约束。因此,裂缝的建模表征需要通过建立若干裂缝子模型,分类分尺度地对其进行表征。建模方法的第四步还对三维地质模型进行了纠正,使所建立的三维地质模型更加能够准确、精准地反映油气藏地质的真实属性情况。
实施例2:
本实施例在实施例1的基础上作进一步限定:
所述油田建模基础数据包括:地震信息、岩心资料以及测井解释成果、地球物理解释成果。在该技术特征中,建模基础数据并不局限于所罗列的这些数据资料。地震信息、岩心资料以及测井解释成果能够用于描述单裂缝的发育状况。所述地球物理解释成果能够用于开展沉积相和储层展布的研究。
由于准确的构造格架模型是一个油藏模型正确的根基,正确的构造模型下进行后续工作才有意义。因此,设置为,所述构造格架模型包括层面模型和断层模型。所述层面模型展示的是各小层的微构造样式,同时能够反映出各个小层之间的解除关系与叠置样式。
所述校对纠正三维地质模型的方法为:
S401调取该三维地质模型所模拟的油田已开采油井和地区的特征i的历史数据其中,i代表该特征类型,i取值1至m,m为被评估特征类型总数,e代表该数据类型属于历史数据,t代表该数值所处的时间坐标;选择特征i的初始时刻,即t=0时的历史数据/>作为输入数据输入至三维地质模型进行模拟,得出特征i的模拟数据/>其中,i代表该特征类型,i取值1至m,m为被评估特征类型总数,a代表该数据类型属于模拟数据,t代表该数值所处的时间坐标;
S402计算特征i的历史数据与特征i的模拟数据/>之间的误差平均值δi,其中n为时间坐标个数总数;
S403确定参考误差精度Δ,对总数为m的不同特征i的误差平均值δi进行赋权λi并求和得到总体误差δ,如果δ大于Δ,那么称该三维模型不合格,进行下一步纠正操作,如果δ小于等于Δ,那么称该三维模型合格,进行S5存储三维地质模型至云端存储区操作;
S404计算特征i的历史数据与特征i的模拟数据之间的二阶误差fi,其中n为数据个数总数;
S405对不同特征i的二阶误差fi进行赋权λi,建立筛选函数MaxF(i),MaxF(i)=max[λ1f1;λ2f2;......λmfm],筛选出赋权后二阶误差值最大的特征类型i;
S406针对该特征类型,定位与生成该特征相关的子模型,对每一个相关的子模型进行修正,形成新的三维地质模型;
S407重复步骤S401至406,直到总体误差δ小于参考误差精度Δ。
如上所述,由于已开采的油井和地区已经有丰富的实际开采数据,其历史数据包括大量不同类型的、随开采时间进程变化的样本值。因此步骤S401选取特定特征类型i的、特定时间t的历史数据作为纠正对比的标准值,其中字母e是为区分历史数据和后续的模拟数据。选择特征i的初始时刻,即t=0时的历史数据/>作为输入数据输入至三维地质模型进行模拟,能够得到该特征随时间变化的模拟数据,即/>其中a是表示该数据类型是模拟数据。在步骤S401中,选择了特征、时间相互对应的历史数据和模拟数据,以便后续进行相互对比纠正操作。
步骤S402确定计算特征i的历史数据与特征i的模拟数据/>之间的误差平均值δi;步骤S403对不同特征i的误差平均值进行赋权求和,并与确定的参考误差精度Δ进行比较。步骤S402和S403共同构成了对比、判断步骤。在现有的三维地质模型精度检验的操作中,通常采用单个类型特征的概率分布一致性检验手段,效率还有进一步提升的空间。同时,在本方案的该类步骤中,计算判别的是多个特征误差加权得到的总体误差,利用总体误差进行判断,更能够反映包含了多个子模型的整体三维模型的精确度。又由于不同的特征的重要性不同,因此在本方案中,对误差平均值求和之前分别对不同特征的误差平均值进行了赋权λi。
当发现误差不满足精度要求后,进行下一步的纠正步骤。步骤S404为计算特征i的历史数据与特征i的模拟数据之间的二阶误差相比于步骤S402中的误差平均值δi,更高阶的误差能够更加反映不同特征i之间的误差的差异大小。S405对不同特征i的二阶误差fi进行赋权λi,建立筛选函数MaxF(i)=max[λ1f1;λ2f2;......λmfm],筛选出赋权后二阶误差值最大的特征类型i。该步骤能够快速定位模拟数据误差最大特征i。随后针对该特征i进行定位子模型,针对性地进行修改得出新的三维地质模型。S407重复步骤S401至406,直到总体误差δ小于参考误差精度Δ。在步骤S407的重复、再次对比纠正过程中,由于三维地质模型已经得到修改,势必上述步骤中产生最大误差的特征i的偏差值会减小,此时若总体误差依旧不满足误差精度,在后续的筛选函数筛选过程中,可能会筛选出另外的、新的产生相对误差值最大的特征,再次针对该特征进行修正,如此反复,能够满足所有的特征均得到调整,以使本三维地质模型的精度最大程度地满足标准精度要求。
所述特征i包括孔隙度、渗透率、油田产油量、单井含水量。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种油田精细地质模型的建模研究方法,其特征在于,所述建模研究方法步骤如下:
S1获取油田建模基础数据;
S2基于油田建模基础数据,建立四个子模型,分别为:构造格架模型、沉积微相模型、储层属性模型和裂缝模型,所述裂缝模型包含若干分类、分尺度进行建模的裂缝子模型;
S3等效合并构造格架模型、沉积微相模型、储层属性模型和裂缝模型成为高精度三维地质模型;
S4对三维地质模型进行校对纠正;
S5存储三维地质模型至云端存储;
其中,所述校对纠正三维地质模型的方法为:
S401调取该三维地质模型所模拟的油田已开采油井和地区的特征i的历史数据
其中,i代表该特征的类型,i取值1至m,m为被评估特征类型总数,e代表该数据的类型属于历史数据,t代表该数据所处的时间坐标;
选择特征i的初始时刻,即t=0时的历史数据作为输入数据输入至三维地质模型进行模拟,得出特征i的模拟数据
其中,i代表该特征的类型,i取值1至m,m为被评估特征类型总数,a代表该数据的类型属于模拟数据,t代表该数据所处的时间坐标;
S402计算特征i的历史数据与特征i的模拟数据/>之间的误差平均值δi,
其中n为时间坐标个数总数;
S403确定参考误差精度Δ,对总数为m的不同特征i的误差平均值δi进行赋权λi并求和得到总体误差δ,
如果δ大于Δ,那么称该三维地质模型不合格,进行下一步纠正操作,如果δ小于等于Δ,那么称该三维地质模型合格,进行S5存储三维地质模型至云端存储区操作;
S404计算特征i的历史数据与特征i的模拟数据之间的二阶误差fi,
其中n为数据个数总数;
S405对不同特征i的二阶误差fi进行赋权λi,建立筛选函数MaxF(i),
MaxF(i)=max[λ1f1;λ2f2......λmfm],
筛选出赋权后二阶误差值最大的特征类型i;
S406针对该特征的类型,定位与生成该特征相关的子模型,对每一个相关的子模型进行修正,形成新的三维地质模型;
S407重复步骤S401至406,直到总体误差δ小于参考误差精度Δ。
2.根据权利要求1所述的一种油田精细地质模型的建模研究方法,其特征在于,所述油田建模基础数据包含:地震信息、岩心资料、测井解释成果及地球物理解释成果。
3.根据权利要求1所述的一种油田精细地质模型的建模研究方法,其特征在于,所述构造格架模型包括层面模型和断层模型。
4.根据权利要求1所述的一种油田精细地质模型的建模研究方法,其特征在于,所述特征i包括孔隙度、渗透率、油田产油量及单井含水量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011621107.XA CN112800581B (zh) | 2020-12-30 | 2020-12-30 | 一种油田精细地质模型的建模研究方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011621107.XA CN112800581B (zh) | 2020-12-30 | 2020-12-30 | 一种油田精细地质模型的建模研究方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112800581A CN112800581A (zh) | 2021-05-14 |
CN112800581B true CN112800581B (zh) | 2023-12-01 |
Family
ID=75804891
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011621107.XA Active CN112800581B (zh) | 2020-12-30 | 2020-12-30 | 一种油田精细地质模型的建模研究方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112800581B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104657523A (zh) * | 2013-11-20 | 2015-05-27 | 中国石油化工股份有限公司 | 砂砾岩综合地质建模方法 |
CN104730596A (zh) * | 2015-01-25 | 2015-06-24 | 中国石油大学(华东) | 一种基于多尺度因素约束的离散裂缝建模方法 |
CN104747180A (zh) * | 2014-02-26 | 2015-07-01 | 中国石油化工股份有限公司 | 一种用于注水开发的缝洞型油藏分析方法及其应用 |
CN104992468A (zh) * | 2015-07-30 | 2015-10-21 | 中国石油集团川庆钻探工程有限公司 | 缝洞型碳酸盐岩油气藏三维地质建模方法 |
CN106019405A (zh) * | 2016-05-13 | 2016-10-12 | 赵向原 | 储层裂缝建模方法及*** |
CN106569267A (zh) * | 2016-10-14 | 2017-04-19 | 中国石油大学(北京) | 一种致密低渗透储层多尺度裂缝模型及建模方法 |
CN106597548A (zh) * | 2016-12-02 | 2017-04-26 | 中国石油大学(华东) | 一种多因素定量评价地质时期3d孔隙度的方法 |
CN107704646A (zh) * | 2017-08-11 | 2018-02-16 | 中国石油天然气股份有限公司 | 一种致密储层体积改造后的建模方法 |
CN109388817A (zh) * | 2017-08-04 | 2019-02-26 | 中国石油化工股份有限公司 | 一种储层裂缝三维建模方法 |
CN110838175A (zh) * | 2019-11-07 | 2020-02-25 | 成都北方石油勘探开发技术有限公司 | 注气开发油藏的地质模型建立方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140365386A1 (en) * | 2013-06-05 | 2014-12-11 | David W. Carstens | Intellectual Property (IP) Analytics System and Method |
CN109389128B (zh) * | 2018-08-24 | 2021-08-27 | 中国石油天然气股份有限公司 | 电成像测井图像特征自动提取方法及装置 |
-
2020
- 2020-12-30 CN CN202011621107.XA patent/CN112800581B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104657523A (zh) * | 2013-11-20 | 2015-05-27 | 中国石油化工股份有限公司 | 砂砾岩综合地质建模方法 |
CN104747180A (zh) * | 2014-02-26 | 2015-07-01 | 中国石油化工股份有限公司 | 一种用于注水开发的缝洞型油藏分析方法及其应用 |
CN104730596A (zh) * | 2015-01-25 | 2015-06-24 | 中国石油大学(华东) | 一种基于多尺度因素约束的离散裂缝建模方法 |
CN104992468A (zh) * | 2015-07-30 | 2015-10-21 | 中国石油集团川庆钻探工程有限公司 | 缝洞型碳酸盐岩油气藏三维地质建模方法 |
CN106019405A (zh) * | 2016-05-13 | 2016-10-12 | 赵向原 | 储层裂缝建模方法及*** |
CN106569267A (zh) * | 2016-10-14 | 2017-04-19 | 中国石油大学(北京) | 一种致密低渗透储层多尺度裂缝模型及建模方法 |
CN106597548A (zh) * | 2016-12-02 | 2017-04-26 | 中国石油大学(华东) | 一种多因素定量评价地质时期3d孔隙度的方法 |
CN109388817A (zh) * | 2017-08-04 | 2019-02-26 | 中国石油化工股份有限公司 | 一种储层裂缝三维建模方法 |
CN107704646A (zh) * | 2017-08-11 | 2018-02-16 | 中国石油天然气股份有限公司 | 一种致密储层体积改造后的建模方法 |
CN110838175A (zh) * | 2019-11-07 | 2020-02-25 | 成都北方石油勘探开发技术有限公司 | 注气开发油藏的地质模型建立方法 |
Non-Patent Citations (1)
Title |
---|
靖边乔家洼JT203井区C02地质封存体的三维地址建模;曹龙;《中国优秀硕士学位论文全文数据库 基础科学辑》(第8期);A011-347 * |
Also Published As
Publication number | Publication date |
---|---|
CN112800581A (zh) | 2021-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11391854B2 (en) | Optimization design method for volumetric fracturing construction parameters of infilled well of unconventional oil and gas reservoir | |
CN109388817B (zh) | 一种储层裂缝三维建模方法 | |
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 | |
CN113313825A (zh) | 一种油藏储层三维地质建模方法和装置 | |
CN107966732A (zh) | 基于空间结构导向的地震属性变化率求取方法 | |
CN114755310A (zh) | 一种裂缝性储层岩石力学层演变规律预测方法 | |
CN106407503A (zh) | 储层裂缝预测方法及装置 | |
CN113552621A (zh) | 页岩气地应力确定方法和装置 | |
CN110705168A (zh) | 构造应力场的模拟方法 | |
CN107609265B (zh) | 一种基于蚂蚁追踪的地层应力场有限元模拟方法及*** | |
CN112800581B (zh) | 一种油田精细地质模型的建模研究方法 | |
CN116306118A (zh) | 一种裂缝建模方法 | |
CN107704646B (zh) | 一种致密储层体积改造后的建模方法 | |
CN113361111A (zh) | 一种低渗透油藏储层特征模型的划分方法 | |
CN114764546A (zh) | 基于生成对抗神经网络的断块油藏剩余油预测方法 | |
CN114153002A (zh) | 储层天然裂缝三维地质建模方法、装置、电子设备及介质 | |
CN115469361B (zh) | 一种碎屑岩地层三维地质建模方法 | |
CN117407841B (zh) | 一种基于优化集成算法的页岩层理缝预测方法 | |
CN108132486A (zh) | 一种重磁梯度与地震数据联合界面反演的优化模拟退火法 | |
CN113985493B (zh) | 地下多信息约束的等时地层格架智能建模方法 | |
CN116911216B (zh) | 一种储层油井产能因素评估与预测方法 | |
CN118261087A (zh) | 油气藏数值模型的历史拟合渗透率调整方法 | |
CN111815769B (zh) | 逆冲推覆构造带构造的建模方法、计算设备及存储介质 | |
CN109858196B (zh) | 一种油气藏参数解释方法及*** | |
Wang et al. | The Study of Optimizing Reservoir Model Using Experimental Design in Stochastic Models |
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 |