CN114912340B - 一种面向多源信息融合的页岩气保存条件定量测定方法 - Google Patents
一种面向多源信息融合的页岩气保存条件定量测定方法 Download PDFInfo
- Publication number
- CN114912340B CN114912340B CN202210299801.7A CN202210299801A CN114912340B CN 114912340 B CN114912340 B CN 114912340B CN 202210299801 A CN202210299801 A CN 202210299801A CN 114912340 B CN114912340 B CN 114912340B
- Authority
- CN
- China
- Prior art keywords
- shale gas
- shale
- geological
- preservation condition
- evaluation
- 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
- 238000004321 preservation Methods 0.000 title claims abstract description 75
- 230000004927 fusion Effects 0.000 title claims abstract description 39
- 238000004445 quantitative analysis Methods 0.000 title claims abstract description 21
- 238000011156 evaluation Methods 0.000 claims abstract description 40
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000012512 characterization method Methods 0.000 claims abstract description 26
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 238000011158 quantitative evaluation Methods 0.000 claims abstract description 10
- 238000005516 engineering process Methods 0.000 claims abstract description 7
- 239000012530 fluid Substances 0.000 claims abstract description 7
- 238000011161 development Methods 0.000 claims description 33
- 238000004519 manufacturing process Methods 0.000 claims description 24
- 238000011160 research Methods 0.000 claims description 20
- 238000004088 simulation Methods 0.000 claims description 19
- 238000007726 management method Methods 0.000 claims description 13
- 238000005553 drilling Methods 0.000 claims description 12
- 239000011435 rock Substances 0.000 claims description 12
- 230000015572 biosynthetic process Effects 0.000 claims description 10
- 238000013499 data model Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 244000035744 Hura crepitans Species 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000003062 neural network model Methods 0.000 claims description 4
- 239000008398 formation water Substances 0.000 claims description 3
- 230000035699 permeability Effects 0.000 claims description 3
- 230000000704 physical effect Effects 0.000 claims description 3
- 239000011148 porous material Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000011002 quantification Methods 0.000 claims 2
- 230000008901 benefit Effects 0.000 abstract description 5
- 239000003208 petroleum Substances 0.000 abstract description 3
- 239000007789 gas Substances 0.000 description 116
- 208000010392 Bone Fractures Diseases 0.000 description 10
- 206010017076 Fracture Diseases 0.000 description 10
- 238000010586 diagram Methods 0.000 description 4
- 238000003491 array Methods 0.000 description 2
- 239000000571 coke Substances 0.000 description 2
- 238000004451 qualitative analysis Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000009933 burial Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002715 modification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 229910052712 strontium Inorganic materials 0.000 description 1
- CIOAGBVUUVVLOB-UHFFFAOYSA-N strontium atom Chemical compound [Sr] CIOAGBVUUVVLOB-UHFFFAOYSA-N 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mining & Mineral Resources (AREA)
- Geometry (AREA)
- Geology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Fluid Mechanics (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- Geochemistry & Mineralogy (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Sampling And Sample Adjustment (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于页岩气开采技术领域,公开了一种面向多源信息融合的页岩气保存条件定量测定方法,所述面向多源信息融合的页岩气保存条件定量测定方法包括:步骤一,围绕页岩层系有效保存条件定量表征和评价问题;步骤二,研究页岩气地质大数据与其多源信息智能管理、智能融合与自主学习算法;步骤三,页岩气大数据多源信息管理、综合评价与智能预测,以提升复杂地质条件下页岩气保存条件定量表征与预测能力。本发明突破了传统流体地球化学、石油地质学和多期构造改造法等页岩气保存条件定性描述与评价等关键技术。目前已在我国四川盆地南部某气田五峰组‑龙马溪组页岩气保存条件定量评价中得到了应用,带来了良好的社会经济效益。
Description
技术领域
本发明属于页岩气地质开发评价技术领域,尤其涉及一种面向多源信息融合的页岩气保存条件定量测定方法。
背景技术
四川盆地乃至中国南方以五峰组-龙马溪组页岩层系普遍经历多旋回构造背景下的多期变形与深埋藏、强隆升-强剥蚀过程,体现出其地质特征上独特性和保存条件的复杂性,它是我国页岩气资源潜力评价和高效勘探开发过程中的最大挑战。近年来,随着页岩气基础地质理论不断发展、勘探开发主体技术不断进步,我国页岩气勘探开发从借鉴北美地区页岩气勘探开发技术转变为自主创新,页岩气储量和产量进入快速增长阶段。在页岩气开发过程中,普遍需要对页岩气保存条件定性或定量描述与评价,从而有效指导页岩气高效勘探开发。但是传统流体地球化学、石油地质学和多期构造改造法等页岩气保存条件评价与描述普遍以定性分析为主,其结合构造变形与多期演化过程等进行页岩气选取评价、井位论证和勘探预测等具有较大主观性。
为方便开展我国南方页岩气勘探开发和预测,需要对不同页岩气区块开展页岩气保存条件测定与评价,而目前对页岩气田区块有效保存条件评价的方法大都为定性分析、欠完善,不能实现盆地域不同页岩气区块多源数据信息融合、定量评价与智能预测,从而导致页岩气保存条件刻画和评价不够准确,不能为我国南方地区页岩气评价、勘探和开发工作带来实际意义。
因此,本发明提出一种面向多源信息融合的页岩气保存条件定量测定方法以解决现有技术中存在的问题。
发明内容
针对现有技术存在的问题,本发明提供了一种面向多源信息融合的页岩气保存条件定量测定方法。
本发明是这样实现的,一种面向多源信息融合的页岩气保存条件定量测定方法,所述面向多源信息融合的页岩气保存条件定量测定方法包括:
第一步,建立和开展页岩层系有效保存条件表征与评价;
第二步,建立页岩气地质大数据模型与其多源信息智能融合管理;
第三步,基于双模迭代与自主学习算法的页岩气有效保存条件定量评价。
进一步,所述第一步具体包括:以盆地不同地区页岩气产区为代表,***收集整理钻井地球化学资料、岩石力学特性、古应力场特性相关测试资料,横跨页岩气区/田地球物理资料为骨架,查明典型研究区构造几何学与运动学特征;结合钻井岩心和地表观察勘测等,查明典型研究区节理、裂缝发育和密度、流体充填特征,进一步基于关键层系同位素地球化学分析、上覆岩层的盖层参数测试,综合建立页岩层系有效保存条件表征参数,结合研究区地质特征、页岩气动态开发特征、地层水特征,对不同页岩气产区进行***保存条件评价,甄选不同地质特征条件下页岩气保存条件关键性表征参数与指标。
进一步,所述第二步具体包括:结合3DMove地表地质模型、3D地表投影技术等,以不同地区页岩气产区钻井和地球物理结构剖面为核心,结合地质统计学和机器学***台模型,包括四个模块内容:页岩气田地层与构造模块、页岩气田地球化学模块、页岩气田岩石力学与物性模块和页岩气动态开发产能模块,实现页岩气产区多指标地质大数据智能信息融合管理。
进一步,所述第三步包括:结合不同页岩气田地层与构造模模型、区域多期构造特征与演化过程,基于3DMove地质成因法开展数值模拟,结合地层静属性和动属性裂缝预测,进行不同构造演化特征下裂缝离散网格模拟与定量表征;结合不同页岩气田地层与构造模型,基于几何学-运动学-动力学相似性原理开展构造砂箱物理模拟研究,对比数值模拟结果,提取裂缝运动学定量表征参数;以数值和物理模拟迭代研究结果为样本,基于不同神经网络模型自主学习算法和分形学统计法,结合不同页岩气产区应力属性、关键钻井连通性、孔隙度和渗透性分析,***建立页岩气有效保存条件多因子定量指标参数与评价。
进一步,所述第四步具体包括:基于页岩气产区多指标地质大数据平台模型,建立页岩气保存条件关键性指标参数、多因子定量指标参数综合评价***,结合四川盆地盆内-盆缘现今高效页岩气开发区块地球化学特征、岩石力学与物性特征、孔渗结构与含气性特征、动态开发产能与压力特征,盆缘-盆外失利页岩气开发区块,开展不同地质条件下页岩气保存条件综合评价与智能预测。
本发明另一目的在于提供一种接收用户输入程序存储介质,所存储的计算机程序使电子设备执行所述面向多源信息融合的页岩气保存条件定量测定方法包括下列步骤:
第一步,建立和开展页岩层系有效保存条件表征与评价;
第二步,建立页岩气地质大数据模型与其多源信息智能融合管理;
第三步,基于双模迭代与自主学习算法的页岩气有效保存条件定量评价。
本发明另一目的在于提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行所述的面向多源信息融合的页岩气保存条件定量测定方法的步骤。
本发明另一目的在于提供一种信息数据处理终端,所述信息数据处理终端用于实现所述的面向多源信息融合的页岩气保存条件定量测定方法。
本发明另一目的在于提供一种实施所述面向多源信息融合的页岩气保存条件定量测定方法的页岩气保存条件定量测定***,所述页岩气保存条件定量测定***包括:
表征与评价模块,用于建立和开展页岩层系有效保存条件表征与评价;
模型建立与管理模块,用于建立页岩气地质大数据模型与其多源信息智能融合管理;
定量评价模块,用于基于双模迭代与自主学习算法的页岩气有效保存条件定量评价。
本发明另一目的在于提供一种页岩气地质开发测定终端,所述页岩气地质开发测定终端用于实现所述的面向多源信息融合的页岩气保存条件定量测定方法。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:本发明围绕页岩层系有效保存条件定量表征和评价问题,研究页岩气地质大数据与其多源信息智能管理、智能融合与自主学习算法,突破传统流体地球化学、石油地质学和多期构造改造法等页岩气保存条件定性描述与评价等关键技术,实现页岩气大数据多源信息管理、综合评价与智能预测等功能,提升复杂地质条件下页岩气保存条件定量表征与预测能力。目前已在我国四川盆地南部某气田五峰组-龙马溪组页岩气保存条件定量评价中得到了应用,带来了良好的社会经济效益。
附图说明
图1是本发明实施例提供的面向多源信息融合的页岩气保存条件定量测定方法流程图。
图2是本发明实施例提供的实施例研究方案和技术路线示意图。
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用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种面向多源信息融合的页岩气保存条件定量测定方法,下面结合附图对本发明作详细的描述。
本发明提供的面向多源信息融合的页岩气保存条件定量测定方法业内的普通技术人员还可以采用其他的步骤实施,图1的本发明提供的面向多源信息融合的页岩气保存条件定量测定方法仅仅是一个具体实施例而已。
如图1所示,本发明实施例提供的面向多源信息融合的页岩气保存条件定量测定方法,包括:
S101:建立和开展页岩层系有效保存条件表征与评价
以四川盆地为例,以盆地不同地区页岩气产区为代表(如:威远页岩气田、长宁页岩气田、焦石坝页岩气田、南川页岩气区等),***收集整理钻井地球化学资料、岩石力学特性、古应力场特性相关测试资料,横跨页岩气区/田地球物理资料为骨架(如:SN-T3测线、SN-T4测线、SN-T5测线、SN-T7测线、 SN-L1测线和SN-L3测线等),查明典型研究区构造几何学与运动学特征(如:构造样式、构造变形期次和变形强度等);结合钻井岩心和地表观察勘测等,查明典型研究区节理、裂缝发育和密度、流体充填特征等,如:裂缝几何分形学、运动学及其充填矿物(序列)等,进一步基于关键层系(碳、氧、锶)同位素地球化学分析、上覆岩层的盖层参数测试(如:成岩强度与厚度、盖层突破压力、岩石力学参数等)等,综合建立页岩层系有效保存条件表征参数,结合研究区地质特征、页岩气动态开发特征、地层水特征等,对不同页岩气产区进行***保存条件评价,甄选不同地质特征条件下页岩气保存条件关键性表征参数与指标。
S102:建立页岩气地质大数据模型与其多源信息智能融合管理
结合3DMove地表地质模型、3D地表投影技术等,以不同地区页岩气产区钻井(如:W231-Z213井、Lu207-Lu202井、N222-H202井、JY1-JY10井等) 和地球物理结构剖面(如:SN-T3测线、SN-T4测线、SN-T5测线、SN-T7 测线、SN-L1测线和SN-L3测线等)为核心,结合地质统计学和机器学***台模型,包括四个模块内容:页岩气田地层与构造模块、页岩气田地球化学模块、页岩气田岩石力学与物性模块和页岩气动态开发产能模块,实现页岩气产区多指标地质大数据智能信息融合管理。
S103:基于双模迭代与自主学习算法的页岩气有效保存条件定量评价
结合不同页岩气田地层与构造模模型、区域多期构造特征与演化过程等,基于3DMove地质成因法开展数值模拟研究,结合地层静属性和动属性裂缝预测,如:简单曲率法、高斯曲率法和柱面体偏差发等,进行不同构造演化特征下裂缝离散网格模拟与定量表征,如:渗漏因子、滑动与扩张趋势率等。结合不同页岩气田地层与构造模型,基于几何学-运动学-动力学相似性原理开展构造砂箱物理模拟研究,对比前述数值模拟研究结果,提取裂缝运动学定量表征参数,如:水平/垂向运动速率、切应变率、体积应变率和运动学涡度等。以前述数值和物理模拟迭代研究结果为样本,基于不同神经网络模型自主学习算法,如:空间分析统计法(即裂缝密度、长度、分支点/自由节点密度、标准偏差方向等)和分形学统计法(即聚集频度数、变差系数、分维值等)等,结合现今不同页岩气产区应力属性、关键钻井连通性、孔隙度和渗透性分析等,***建立页岩气有效保存条件多因子定量指标参数与评价。
S104:页岩气大数据多源信息综合评价与智能预测
基于页岩气产区多指标地质大数据平台模型,建立上述页岩气保存条件关键性指标参数、多因子定量指标参数等综合评价***,进一步结合四川盆地盆内-盆缘现今高效页岩气开发区块地球化学特征、岩石力学与物性特征、孔渗结构与含气性特征、动态开发产能与压力特征等,如:威远页岩气田、长宁页岩气田、焦石坝页岩气田、南川岩气区,盆缘-盆外失利页岩气开发区块,如:武隆-彭水区块、昭通区块等,开展不同地质条件下页岩气保存条件综合评价与智能预测,从而有效提升复杂地质条件下页岩气保存条件评价与预测能力。
下面结合实施例对本发明的技术方案作详细的描述。
本发明以四川盆地盆内-盆缘现今高效页岩气开发区块和盆缘-盆外失利页岩气开发区块为研究对象,开展基于面向多源信息融合的页岩气保存条件定量测定方法研究,逐步开展川南地区不同页岩气田构造几何学与运动学特征、裂缝发育特征、流体地球化学与盖层条件等研究,综合建立页岩层系有效保存条件表征参数和评价;结合地质统计学和机器学***台模型,实现页岩气产区多指标地质大数据智能信息融合管理;结合3DMove地质成因法数值模拟和砂箱物理模拟研究,基于不同神经网络模型自主学***台模型中地球化学特征、岩石力学与物性特征、孔渗结构与含气性特征、动态开发产能与压力特征等,开展不同地质条件下页岩气保存条件综合评价与智能预测、指出页岩气勘探的有利和高风险地区,从而有效提升复杂地质条件下页岩气保存条件评价与预测能力。
下面结合实验对本发明的技术效果作详细的描述。
目前已在我国四川盆地南部某气田五峰组-龙马溪组页岩气保存条件定量评价中得到了应用,带来了良好的社会经济效益(图2)。
图2中的(A)焦石坝页岩气田五峰-龙马溪组深度模式图。
图2中的(B)焦石坝页岩气田五峰-龙马溪组含气量特征图。
图2中的(C)构造砂箱物理模拟演化断裂与裂缝体系特征图。
图2中的(D)构造砂箱物理模拟裂缝发育程度定量表征运动学特征图。
图2中的(E)数值模拟裂缝滑动扩展率特征图。
图2中的(F)数值模拟裂缝渗漏因子特征图。
应当注意,本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现;软件部分可以存储在存储器中,由适当的指令执行***,例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用由各种类型的处理器执行的软件实现,也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (6)
1.一种面向多源信息融合的页岩气保存条件定量测定方法,其特征在于,所述面向多源信息融合的页岩气保存条件定量测定方法包括:
第一步,建立和开展页岩层系有效保存条件表征与评价;
第二步,建立页岩气地质大数据模型与其多源信息智能融合管理;
第三步,基于双模迭代与自主学习算法的页岩气有效保存条件定量评价;
所述第一步具体包括:以盆地不同地区页岩气产区为代表,***收集整理钻井地球化学资料、岩石力学特性、古应力场特性相关测试资料,横跨页岩气区/田地球物理资料为骨架,查明典型研究区构造几何学与运动学特征;结合钻井岩心和地表观察勘测,查明典型研究区节理、裂缝发育和密度、流体充填特征,进一步基于关键层系同位素地球化学分析、上覆岩层的盖层参数测试,综合建立页岩层系有效保存条件表征参数,结合研究区地质特征、页岩气动态开发特征、地层水特征,对不同页岩气产区进行***保存条件评价,甄选不同地质特征条件下页岩气保存条件关键性表征参数与指标;
所述第二步具体包括:结合3DMove地表地质模型、3D地表投影技术,以不同地区页岩气产区钻井和地球物理结构剖面为核心,结合地质统计学和机器学***台模型,包括四个模块内容:页岩气田地层与构造模块、页岩气田地球化学模块、页岩气田岩石力学与物性模块和页岩气动态开发产能模块,实现页岩气产区多指标地质大数据智能信息融合管理;
所述第三步包括:结合不同页岩气田地层与构造模模型、区域多期构造特征与演化过程,基于3DMove地质成因法开展数值模拟,结合地层静属性和动属性裂缝预测,进行不同构造演化特征下裂缝离散网格模拟与定量表征;结合不同页岩气田地层与构造模型,基于几何学-运动学-动力学相似性原理开展构造砂箱物理模拟研究,对比数值模拟结果,提取裂缝运动学定量表征参数;以数值和物理模拟迭代研究结果为样本,基于不同神经网络模型自主学习算法和分形学统计法,结合不同页岩气产区应力属性、关键钻井连通性、孔隙度和渗透性分析,***建立页岩气有效保存条件多因子定量指标参数与评价;
所述面向多源信息融合的页岩气保存条件定量测定方法还包括:基于页岩气产区多指标地质大数据平台模型,建立页岩气保存条件关键性指标参数、多因子定量指标参数综合评价***,结合四川盆地盆内-盆缘现今高效页岩气开发区块地球化学特征、岩石力学与物性特征、孔渗结构与含气性特征、动态开发产能与压力特征,盆缘-盆外失利页岩气开发区块,开展不同地质条件下页岩气保存条件综合评价与智能预测。
2.一种接收用户输入程序存储介质,所存储的计算机程序使电子设备执行权利要求1所述面向多源信息融合的页岩气保存条件定量测定方法包括下列步骤:
第一步,建立和开展页岩层系有效保存条件表征与评价;
第二步,建立页岩气地质大数据模型与其多源信息智能融合管理;
第三步,基于双模迭代与自主学习算法的页岩气有效保存条件定量评价。
3.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行权利要求1所述的面向多源信息融合的页岩气保存条件定量测定方法的步骤。
4.一种信息数据处理终端,其特征在于,所述信息数据处理终端用于实现权利要求1所述的面向多源信息融合的页岩气保存条件定量测定方法。
5.一种实施权利要求1所述面向多源信息融合的页岩气保存条件定量测定方法的页岩气保存条件定量测定***,其特征在于,所述页岩气保存条件定量测定***包括:
表征与评价模块,用于建立和开展页岩层系有效保存条件表征与评价;
模型建立与管理模块,用于建立页岩气地质大数据模型与其多源信息智能融合管理;
定量评价模块,用于基于双模迭代与自主学习算法的页岩气有效保存条件定量评价。
6.一种页岩气地质开发测定终端,其特征在于,所述页岩气地质开发测定终端用于实现权利要求1所述的面向多源信息融合的页岩气保存条件定量测定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210299801.7A CN114912340B (zh) | 2022-03-24 | 2022-03-24 | 一种面向多源信息融合的页岩气保存条件定量测定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210299801.7A CN114912340B (zh) | 2022-03-24 | 2022-03-24 | 一种面向多源信息融合的页岩气保存条件定量测定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114912340A CN114912340A (zh) | 2022-08-16 |
CN114912340B true CN114912340B (zh) | 2023-08-11 |
Family
ID=82763671
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210299801.7A Active CN114912340B (zh) | 2022-03-24 | 2022-03-24 | 一种面向多源信息融合的页岩气保存条件定量测定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114912340B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106168685A (zh) * | 2015-09-08 | 2016-11-30 | 西南石油大学 | 一种页岩气单井地质综合评价方法 |
CN106761677A (zh) * | 2017-03-09 | 2017-05-31 | 长江大学 | 页岩气水平井单井产能的测井预测方法 |
CN110806600A (zh) * | 2018-08-06 | 2020-02-18 | 中国石油化工股份有限公司 | 一种定量评价页岩气甜点的方法 |
CN111325441A (zh) * | 2020-01-03 | 2020-06-23 | 中国石油化工股份有限公司 | 一种页岩气目标保存条件定量评价方法 |
CN113901681A (zh) * | 2021-09-22 | 2022-01-07 | 中国石油大学(华东) | 一种全寿命周期页岩气储层双甜点三维可压性评估方法 |
-
2022
- 2022-03-24 CN CN202210299801.7A patent/CN114912340B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106168685A (zh) * | 2015-09-08 | 2016-11-30 | 西南石油大学 | 一种页岩气单井地质综合评价方法 |
CN106761677A (zh) * | 2017-03-09 | 2017-05-31 | 长江大学 | 页岩气水平井单井产能的测井预测方法 |
CN110806600A (zh) * | 2018-08-06 | 2020-02-18 | 中国石油化工股份有限公司 | 一种定量评价页岩气甜点的方法 |
CN111325441A (zh) * | 2020-01-03 | 2020-06-23 | 中国石油化工股份有限公司 | 一种页岩气目标保存条件定量评价方法 |
CN113901681A (zh) * | 2021-09-22 | 2022-01-07 | 中国石油大学(华东) | 一种全寿命周期页岩气储层双甜点三维可压性评估方法 |
Non-Patent Citations (1)
Title |
---|
吴娟 等.川南五峰组-龙马溪组页岩流体活动及压力演化过程.《地球科学》.2022,第47卷(第2期),518-531. * |
Also Published As
Publication number | Publication date |
---|---|
CN114912340A (zh) | 2022-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6230101B1 (en) | Simulation method and apparatus | |
CN113901681B (zh) | 一种全寿命周期页岩气储层双甜点三维可压性评估方法 | |
US8359184B2 (en) | Method, program and computer system for scaling hydrocarbon reservoir model data | |
US20130046524A1 (en) | Method for modeling a reservoir basin | |
Zhang | Incorporating geological conceptual models and interpretations into reservoir modeling using multiple-point geostatistics | |
CN106014399B (zh) | 一种非均质地层高精度三维地应力模型建立方法 | |
RU2601733C2 (ru) | Способ построения геолого-гидродинамических моделей двойной среды залежей баженовской свиты | |
CN104755960A (zh) | 基于盆地建模对用于处理地震数据的速度模型的改进 | |
US11434759B2 (en) | Optimization of discrete fracture network (DFN) using streamlines and machine learning | |
CN114066084B (zh) | 一种基于机器学习的相渗曲线预测方法及*** | |
Khalili et al. | Reservoir modeling & simulation: Advancements, challenges, and future perspectives | |
Benetatos et al. | Fully integrated hydrocarbon reservoir studies: myth or reality? | |
CN106990449B (zh) | 一种基于多维数据的陆相层序地层格架构建表征方法 | |
CN114912340B (zh) | 一种面向多源信息融合的页岩气保存条件定量测定方法 | |
WO2023130074A1 (en) | Geologic modeling framework | |
CN113960288B (zh) | 一种源-汇***定量评价方法 | |
CN115880455A (zh) | 基于深度学习的三维智能插值方法 | |
Rivenæs et al. | Introduction to reservoir modelling | |
Zhang et al. | Architecture characteristics and characterization methods of fault-controlled karst reservoirs: A case study of the Shunbei 5 fault zone in the Tarim Basin, China | |
CN115407407A (zh) | 针对碳酸盐岩古溶洞及其充填的三维地质模型构建方法 | |
CN113052968A (zh) | 三维构造地质模型的知识图谱构建方法 | |
Bachi et al. | An Efficient Hydraulic Fracture Geometry Calibration Workflow Using Microseismic Data | |
CN117687096B (zh) | 一种用于预测小尺度缝洞分布的代理模型构建方法 | |
Rezaei et al. | Applications of Machine Learning for Estimating the Stimulated Reservoir Volume (SRV) | |
CN114063169B (zh) | 一种波阻抗反演方法、***、设备和存储介质 |
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 |