CN116699696A - 一种储层分布的预测方法、装置及存储介质 - Google Patents
一种储层分布的预测方法、装置及存储介质 Download PDFInfo
- Publication number
- CN116699696A CN116699696A CN202210176334.9A CN202210176334A CN116699696A CN 116699696 A CN116699696 A CN 116699696A CN 202210176334 A CN202210176334 A CN 202210176334A CN 116699696 A CN116699696 A CN 116699696A
- Authority
- CN
- China
- Prior art keywords
- reservoir
- quality factor
- logging
- distribution
- reservoir quality
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000003860 storage Methods 0.000 title claims abstract description 16
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 31
- 230000035699 permeability Effects 0.000 claims abstract description 20
- 239000004927 clay Substances 0.000 claims abstract description 18
- 238000010586 diagram Methods 0.000 claims description 14
- 238000005553 drilling Methods 0.000 abstract description 7
- 239000003208 petroleum Substances 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 16
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000013067 intermediate product Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
- G01V1/44—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging using generators and receivers in the same well
- G01V1/48—Processing data
- G01V1/50—Analysing data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/62—Physical property of subsurface
- G01V2210/624—Reservoir parameters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/64—Geostructures, e.g. in 3D data cubes
- G01V2210/643—Horizon tracking
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- Remote Sensing (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明实施例提供一种储层分布的预测方法、装置和存储介质,属于石油技术领域。所述预测方法包括:获取储层在不同测井深度下的测井数据,其中所述测井数据包括所述储层的渗透率、孔隙度、含水饱和度和泥质含量;基于所述测井数据确定储层品质因子;以及基于不同测井深度下的储层品质因子形成的储层品质因子曲线,进行储层分布预测。本发明实施例基于渗透率、孔隙度、含水饱和度和泥质含量综合得到储层品质因子,基于该储层品质因子能够精确识别储层,从而精准预测储层分布,有利于针对钻井部署得到更高的储层钻遇率。
Description
技术领域
本发明涉及石油开发技术领域,具体地涉及一种储层分布的预测方法、装置及存储介质。
背景技术
当前对储层的品质评价需要用到孔隙度、渗透率和饱和度等多条测井曲线进行综合评价,进而难以通过单一曲线明确区分不同的储层类型。现有技术通过利用孔隙度和渗透率的函数构建储层品质指数,用于表征储层品质的好坏,但是该储层品质指数仅是定量表征储层微观孔隙结构的最佳宏观物性参数,其只反映孔隙结构的品质,导致对储层类型的评价不够精准,难以准确的预测储层的分布。例如,在实际应用中,采用现有的储层品质指数,干层和含气层的计算结果较为接近,导致干层和含气层较难区分,导致不同类型储层之间区分不明显。另外,对于储层空间分布一般是基于所建立的储层品质指数与弹性参数(如纵波速度、横波速度、密度)之间的关系来预测,但是由于储层品质因子余弹性参数关系建立困难,因此难以对储层空间分布得到准确的预测结果。
发明内容
本发明实施例的目的是提供一种储层分布的预测方法、装置及存储介质,用于至少解决上述存在的技术问题。
为了实现上述目的,第一方面,本发明实施例提供一种储层分布的预测方法,所述预测方法包括:获取储层在不同测井深度下的测井数据,其中所述测井数据包括所述储层的渗透率、孔隙度、含水饱和度和泥质含量;基于所述测井数据确定储层品质因子;以及基于不同测井深度下的储层品质因子形成的储层品质因子曲线,进行储层分布预测。
可选的,所述储层品质因子通过如下公式被确定:
其中,RQIstr是所述储层品质因子,K是指定测井深度下的渗透率,是指定测井深度下的孔隙度,SW是指定测井深度下的含水饱和度,SH是指定测井深度下的泥质含量。
可选的,所述基于不同测井深度下的储层品质因子形成的储层品质因子曲线,进行储层分布预测,包括:分析不同测井深度的储层品质因子曲线的曲线特征,其中所述曲线特征包括所述储层品质因子曲线的峰值点;基于所述储层品质因子的曲线特征,确定对应于不同曲线特征的储层类型;其中,所述储层类型至少包括以下之一者:气层、差气层、含气层、干层以及水层。
可选的,所述基于不同测井深度下的储层品质因子形成的储层品质因子曲线,进行储层分布预测还包括:将所述储层品质因子曲线所对应的储层深度位置与所述储层的地震标定位置相匹配,确定与所述储层深度位置所匹配的地震标定位置的储层类型;分析所述地震标定位置的储层的地震反射波形特征,并基于所述地震反射波形的空间分布形态,预测不同类型储层的空间分布范围。
可选的,基于所述储层品质因子与所述孔隙度,得到所述储层品质因子与所述空隙度的关系图;获取所述储层品质因子在所述关系图上的分布,并根据所述测井数据验证基于所述储层品质因子对于储层分布的预测结果。
第二方面,本发明实施例提供一种储层分布的预测装置,一种储层分布的预测装置,所述预测装置包括:获取单元,用于获取储层在不同测井深度下的测井数据,其中所述测井数据包括所述储层的渗透率、孔隙度、含水饱和度和泥质含量;确定单元,用于基于所述测井数据确定储层品质因子;以及预测单元,用于基于不同测井深度下的储层品质因子形成的储层品质因子曲线,进行储层分布预测。
可选的,所述预设关联关系被配置为通过如下公式表示:
其中,RQIstr是所述储层品质因子,K是指定测井深度下的渗透率,是指定测井深度下的孔隙度,SW是指定测井深度下的含水饱和度,SH是指定测井深度下的泥质含量。
可选的,所述预测单元用于采用如下方式对储层分布进行预测:分析不同测井深度的储层品质因子曲线的曲线特征,其中所述曲线特征包括所述储层品质因子曲线的峰值点;基于所述储层品质因子的曲线特征,预测对应于不同曲线特征的储层类型;其中,所述储层类型至少包括以下之一者:气层、差气层、含气层、干层以及水层。
可选的,所述基于所述储层品质因子,对所述储层分布进行预测,还包括:将所述储层品质因子曲线所对应的储层深度位置与所述储层的地震标定位置相匹配,确定与所述储层深度位置所匹配的所述地震标定位置的储层类型;分析所述地震标定位置的储层的地震反射波形特征,并根据所述地震反射波形的空间分布形态,预测不同类型储层的空间分布范围。
第三方面,本发明实施例提供一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令用于使得机器执行本申请上述第一方面任一项所述的储层分布的预测方法。
通过上述技术方案,本发明基于渗透率、孔隙度、含水饱和度和泥质含量综合得到储层品质因子,基于该储层品质因子能够精确识别储层,从而精准预测储层分布,有利于针对钻井部署得到更高的储层钻遇率。。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明实施例,但并不构成对本发明实施例的限制。在附图中:
图1是根据一示例性实施例示出的一种储层分布的预测方法流程图;
图2是根据一示例性实施例示出的一种储层品质因子示意图;
图3是根据一示例性实施例示出的一种储层品质因子与孔隙度的关系示意图;
图4是根据一示例性实施例示出的另一种储层品因子与孔隙度的关系示意图;
图5是根据一示例性实施例示出的一种储层空间分布预测的方法流程图;
图6是根据一示例性实施例示出的一种储层空间分布示意图;
图7是根据一示例性实施例示出的另一种储层空间分布示意图;
图8是根据一示例性实施例示出的一种储层分布的预测装置示意框图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明实施例,并不用于限制本发明实施例。
图1是根据一示例性实施例示出的一种储层分布的预测方法,如图1所示所述预测方法包括:
步骤S11,获取储层在不同测井深度下的测井数据,其中所述测井数据包括所述储层的渗透率、孔隙度、含水饱和度和泥质含量。
举例而言,在石油钻探过程中,为了对所勘探区域的岩层特性以初步了解,通常基于设计的井深深度进行测井,获取该勘探区域不同深度下储层参数。例如可以通过地球物理测试方法,勘探测井方法、声波测井方法等。
步骤S12,基于所述测井数据确定储层品质因子。
举例而言,本申请实施例综合考虑储层的渗透率、孔隙度、含水饱和度和泥质含量对于储层品质的影响,并基于与储层品质因子之间的预设关联关系,确定储层品质因子。
在一优选实施例中,所述储层品质因子通过如下公式被确定:
其中,RQIstr是所述储层品质因子,K是指定测井深度下的渗透率,是指定测井深度下的孔隙度,SW是指定测井深度下的含水饱和度,SH是指定测井深度下的泥质含量。需要说明的是,本申请实施例并不限定上述公式,本申请还可以根据实际应用需要,根据各个测井数据的权重配置不同的计算公式,以便于对于不同类型的储层分布进行有效预测。
步骤S13,基于不同测井深度下的储层品质因子形成的储层品质因子曲线,进行储层分布预测。
在一优选实施例中,所述基于不同测井深度下的储层品质因子形成的储层品质因子曲线,进行储层分布预测,包括:分析不同测井深度的储层品质因子曲线的曲线特征,其中所述曲线特征包括所述储层品质因子曲线的峰值点;基于所述储层品质因子的曲线特征,确定对应于不同曲线特征的储层类型;其中,所述储层类型至少包括以下之一者:气层、差气层、含气层、干层以及水层。
举例而言,如图2所示,图2中第一列为测井深度,第二列为根据测井数据分析得到的测井解释结论,第三列为采用现有技术所得到的对应于不同测井深度的储层品质指数曲线,第四列为采用本申请实施方法所得到的对应于不同测井深度的储层品质因子曲线。首先对基于储层品质因子所形成的储层品质因子曲线的曲线特征进行分析。从图2中的第四列可以看出,例如曲线a和曲线b的峰值点所对应的计算结果较高,曲线c的峰值点所对应的计算结果较低,而对于测井深度为3380至3390之间来说,其储层品质因子曲线趋近直线,即其对应的计算结果为0。进一步,根据不同曲线特征,基于所对应的测井数据,进行储层类型的预测。从上述储层品质因子的计算公式可以看出,含水饱和度SW对于储层品质因子的计算结果影响较大。因此,若该曲线的峰值点的计算结果较高,则说明该测井深度下的储层的含水饱和度较低,进而结合该深度下的其他测井数据以及不同类型储层自身的基本特性,即可综合预测出该测井深度下的储层类型。因此,通过上述预测方法所预测出的储层分布可以看出,对于含气层,其储层品质因子曲线的峰值点的计算结果远低于气层和差气层,而对于干层来说,其储层品质因子曲线的计算结果趋近于0。而对于图2中的采用常规的计算所得到的储层品质指数曲线来说,虽然气层和差气层的储层品质曲线的峰值点的计算结果较高,干层和含气层的储层品质指数曲线的峰值点的计算结果较低,但是干层和含气层的计算结果较为接近,因此很难有效区分干层和含气层。显然,通过本申请实施例,各个类别储层的储层品质因子计算结果的差异性更为明显,通过本申请的储层品质因子能够有效的识别出储层分布,尤其是气层和干层之间的区分更加明显。
在一优选实施例中,为了进一步验证本申请的储层品质因子计算结果的准确性,本申请实施例还可以基于所述储层品质因子与所述孔隙度之间的关系,获取所述储层品质因子分布状态,以验证基于所述储层品质因子对于储层分布的预测结果。
举例而言,基于所述储层品质因子与孔隙度之间的关系,建立储层品质因子与孔隙度的交会图。参照图3和图4所示,其中,图3和图4中不同形状的标记代表不同类型的储层,图3中的横坐标为孔隙度,纵坐标为储层品质指数。图4中的横坐标为孔隙度,纵坐标为储层品质因子。如图3所示,改进前气层(圆点)与水层(方形点)均处于高值位置,因此难以有效区分。而如图4所示,改进后的水层(方形点)处于低值位置,使得气层(圆点)与水层(方形点)之间的差异更为明显。
在更为优选的实施例中,本申请实施例还可以根据储层品质因子曲线所预测出储层类型,对储层的空间分布进行预测。如图5所示,所述基于所述储层品质因子,对所述储层分布进行预测,还包括:
步骤S21,将所述储层品质因子曲线所对应的储层深度位置与所述储层的地震标定位置相匹配,确定与所述储层深度位置所匹配的地震标定位置的储层类型。
举例而言,本申请测井数据与地震标定之间可以得到的准确的时间深度关系,将储层品质因子的储层深度位置与地震标定位置进行匹配。具体的,首先基于多口井的储层品质因子测井曲线为样本,建立初始储层品质因子低频三维数据模型;其次,分析该三维数据模型与地震波形横向变化的相关性,在贝叶斯框架下对储层品质因子的高频成分进行模拟,使得模拟结果符合地震中品和测井曲线结构特征;进一步的,利用地震波形的横向变换关系与储层品质因子模型计算概率,在概率最大时输出储层品质因子数据体的结果,进而得到不同深度下的储层类型分布,在进行位置匹配后就可以得到所匹配的地震标定位置的储层类型。
步骤S22,分析所述地震标定位置的储层的地震反射波形特征,并基于所述地震反射波形的空间分布形态,预测不同类型储层的空间分布范围。
举例而言,上述实施例中,储层品质因子曲线仅能从纵向分析储层的分布,由于实际测井过程中,考虑到测井的分布数量,测量成本等,无法对储层的横向分布进行有效的预测。因此本申请实施例采用地震波形指示反演的方法来对储层的空间分布进行预测,通过分析地震标定位置的储层的地震反射波形特征,基于地震反射波形的空间分布形态,来预测不同类型储层的空间分布范围。具体的,本申请实施例通过测井数据、地震资料、地质资料等建立三维地震反演模型。将储层品质因子曲线通过地震标定后所得到的储层品质因子数据体和表征地震波形特征的三维地震数据体作为输入,通过三维地震反演模型得到储层品质因子的三维数据体,进而得到储层的空间分布范围。通过本申请实施例可以利用地震波形特征的相似性和空间距离等特点,将井上计算的储层品质因子曲线和三维地震资料建立关联,分析储层分布的横向变化,从而对储层的空间分布进行精准的预测。
进一步参照图6和图7所示,图6是改进前的储层品质指数地震预测剖面图,在图6中曲线1和曲线2为计算的储层品质指数曲线。图7为改进后的储层品质因子地震预测剖面图,图7中曲线3和曲线4为计算的井上的储层品质因子曲线。图7较之图6相比,其储层分布曲线横向分布更加清晰,能够清楚识别储层的空间分布范围。
因此,通过本申请的计算方法可以使得气层、含水气层、差气层、干层等之间的差异性更为明显,因此通过本申请计算得到的储层品质因子能够有效的区分各个类型储层,尤其是对于气层的识别更加精准。
通过上述实施例可以看出,上述实施例中根据测井深度下的测井数据,建立储层品质因子,以预测不同测井深度下的储层分布。显然,其主要是基于纵向角度分析储层分布,难以从横向角度直观分析储层的空间分布。
综上所述,本申请实施例的储层分布预测方法具有如下优点:1)能够结合含水饱和度对于储层品质的影响,在考虑储层渗透率和孔隙度的基础上,加入泥质含量和含水饱和度,考虑因素更加全面,储层分析更准确。2)基于从渗透率、孔隙度、含水饱和度和泥质含量与储层品质因子之间的关系,计算储层品质因子,采用单曲线快速识别不同类型储层,各个类型的储层差异更为明显,尤其是能够快速识别出气层。3)能够结合测井数据,从表征储层品质的储层品质因子分析出发,基于地震波形特征指示反演方法,有效的将测井数据与地震数据结合,在纵向预测储层分布的基础上,预测储层分布的横向变化,进而对于储层空间分布进行预测,提高了储层分布预测的精度,有利于后续钻井部署中得到更高的钻遇率。
基于与上述储层分布的预测方法相同的构思,如图8所示,本申请实施例提供一种储层分布的预测装置10,其特征在于,所述预测装置100包括:获取单元110,用于获取储层在不同测井深度下的测井数据,其中所述测井数据包括所述储层的渗透率、孔隙度、含水饱和度和泥质含量;确定单元120,用于基于所述测井数据确定储层品质因子;以及预测单元130,用于基于不同测井深度下的储层品质因子形成的储层品质因子曲线,进行储层分布预测。
在所述确定单元120中,所述预设关联关系被配置为通过如下公式表示:
其中,RQIstr是所述储层品质因子,K是指定测井深度下的渗透率,是指定测井深度下的孔隙度,SW是指定测井深度下的含水饱和度,SH是指定测井深度下的泥质含量。
所述预测单元130采用如下方式储层分布进行预测:分析不同测井深度的储层品质因子曲线的曲线特征,其中所述曲线特征包括所述储层品质因子曲线的峰值点;基于所述储层品质因子的曲线特征,预测对应于不同曲线特征的储层类型;其中,所述储层类型至少包括以下之一者:气层、差气层、含气层、干层以及水层。
所述预测单元130对所述储层分布进行预测,还包括:将所述储层品质因子曲线所对应的储层深度位置与所述储层的地震标定位置相匹配,确定与所述储层深度位置所匹配的所述地震标定位置的储层类型;分析所述地震标定位置的储层的地震反射波形特征,并根据所述地震反射波形的空间分布形态,预测不同类型储层的空间分布范围。
相应的,本申请实施例还提供一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令用于使得机器执行本申请上述实施例所述的储层分布的预测方法。
本领域内的技术人员应明白,本申请的实施例可提供为方法、装置、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、装置、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商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他要素,或者是还包括为这种过程、方法、商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“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种储层分布的预测方法,其特征在于,所述预测方法包括:
获取储层在不同测井深度下的测井数据,其中所述测井数据包括所述储层的渗透率、孔隙度、含水饱和度和泥质含量;
基于所述测井数据确定储层品质因子;以及
基于不同测井深度下的储层品质因子形成的储层品质因子曲线,进行储层分布预测。
2.根据权利要求1所述的预测方法,其特征在于,所述储层品质因子通过如下公式被确定:
其中,RQIstr是所述储层品质因子,K是指定测井深度下的渗透率,是指定测井深度下的孔隙度,SW是指定测井深度下的含水饱和度,SH是指定测井深度下的泥质含量。
3.根据权利要求1所述的预测方法,其特征在于,所述基于不同测井深度下的储层品质因子形成的储层品质因子曲线,进行储层分布预测,包括:
分析不同测井深度的储层品质因子曲线的曲线特征,其中所述曲线特征包括所述储层品质因子曲线的峰值点;
基于所述储层品质因子的曲线特征,确定对应于不同曲线特征的储层类型;
其中,所述储层类型至少包括以下之一者:气层、差气层、含气层、干层以及水层。
4.根据权利要求3所述的预测方法,其特征在于,所述基于不同测井深度下的储层品质因子形成的储层品质因子曲线,进行储层分布预测还包括:
将所述储层品质因子曲线所对应的储层深度位置与所述储层的地震标定位置相匹配,确定与所述储层深度位置所匹配的地震标定位置的储层类型;
分析所述地震标定位置的储层的地震反射波形特征,并基于所述地震反射波形的空间分布形态,预测不同类型储层的空间分布范围。
5.根据权利要求1所述的预测方法,其特征在于,所述预测方法还包括:
基于所述储层品质因子与所述孔隙度,得到所述储层品质因子与所述空隙度的关系图;
获取所述储层品质因子在所述关系图上的分布,并根据所述测井数据验证基于所述储层品质因子对于储层分布的预测结果。
6.一种储层分布的预测装置,其特征在于,所述预测装置包括:
获取单元,用于获取储层在不同测井深度下的测井数据,其中所述测井数据包括所述储层的渗透率、孔隙度、含水饱和度和泥质含量;
确定单元,用于基于所述测井数据确定储层品质因子;以及
预测单元,用于基于不同测井深度下的储层品质因子形成的储层品质因子曲线,进行储层分布预测。
7.根据权利要求6所述的预测装置,其特征在于,所述预设关联关系被配置为通过如下公式表示:
其中,RQIstr是所述储层品质因子,K是指定测井深度下的渗透率,是指定测井深度下的孔隙度,SW是指定测井深度下的含水饱和度,SH是指定测井深度下的泥质含量。
8.根据权利要求6所述的预测装置,其特征在于,所述预测单元对储层分布进行预测,包括:
分析不同测井深度的储层品质因子曲线的曲线特征,其中所述曲线特征包括所述储层品质因子曲线的峰值点;
基于所述储层品质因子的曲线特征,预测对应于不同曲线特征的储层类型;
其中,所述储层类型至少包括以下之一者:气层、差气层、含气层、干层以及水层。
9.根据权利要求8所述的预测装置,其特征在于,所述预测单元对所述储层分布进行预测,还包括:
将所述储层品质因子曲线所对应的储层深度位置与所述储层的地震标定位置相匹配,确定与所述储层深度位置所匹配的所述地震标定位置的储层类型;
分析所述地震标定位置的储层的地震反射波形特征,并根据所述地震反射波形的空间分布形态,预测不同类型储层的空间分布范围。
10.一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令用于使得机器执行本申请上述权利要求1-5任一项所述的储层分布的预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210176334.9A CN116699696A (zh) | 2022-02-25 | 2022-02-25 | 一种储层分布的预测方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210176334.9A CN116699696A (zh) | 2022-02-25 | 2022-02-25 | 一种储层分布的预测方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116699696A true CN116699696A (zh) | 2023-09-05 |
Family
ID=87822655
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210176334.9A Pending CN116699696A (zh) | 2022-02-25 | 2022-02-25 | 一种储层分布的预测方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116699696A (zh) |
-
2022
- 2022-02-25 CN CN202210176334.9A patent/CN116699696A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111425193B (zh) | 一种基于聚类分析测井岩石物理相划分的储层可压性评价方法 | |
CN111665560B (zh) | 油气层识别方法、装置、计算机设备及可读存储介质 | |
CN113919219A (zh) | 基于测井大数据的地层评价方法及*** | |
CN112576244B (zh) | 一种孔隙度计算方法和装置 | |
CN105158796A (zh) | 确定toc含量的方法和装置 | |
CN108490491A (zh) | 一种基于波形指示反演的滩体预测方法 | |
CN111208565B (zh) | 基于kt模型的孔缝参数反演方法、装置及存储介质 | |
CN112796738A (zh) | 一种阵列声波测井和常规测井结合的地层渗透率计算方法 | |
CN112578441A (zh) | 储层厚度预测分析方法、计算机设备及存储介质 | |
CN110470581B (zh) | 确定储层应力敏感程度的方法、装置及存储介质 | |
CN113050189A (zh) | 一种测井曲线的重构方法、装置、设备及存储介质 | |
US11927713B2 (en) | Method, device and medium for acquiring logging parameters | |
CN111208566B (zh) | 基于sca模型的孔缝参数反演方法、装置及存储介质 | |
CN112049623B (zh) | 一种中基性火山岩束缚水出水的判定方法和装置 | |
CN111812716A (zh) | 页岩气储层总有机碳含量叠前定量预测方法、装置及设备 | |
CN111239809B (zh) | 一种基于属性融合原理的优势储层确定方法及*** | |
CN116699696A (zh) | 一种储层分布的预测方法、装置及存储介质 | |
CN113703041B (zh) | 气砂敏感因子的构建方法及致密性砂岩含气性的预测方法 | |
CN112987122A (zh) | 一种泥质含量计算方法、装置、电子设备及存储介质 | |
CN114565116A (zh) | 一种低渗储层物性参数的预测方法和装置 | |
CN112363243A (zh) | 预测页岩油优质储层的方法、装置、计算机设备及介质 | |
Amanipoor | Providing a subsurface reservoir quality maps in oil fields by geostatistical methods | |
CN113914853B (zh) | 深水沉积体系砂泥岩薄互层砂岩储层含水饱和度确定方法 | |
CN113253346B (zh) | 薄互层储层水平裂缝的预测方法 | |
CN112861061A (zh) | 地质分层方法及***、处理设备 |
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 |