0 引言
横波预测技术[3-4]研究一直是国内外研究人员的热点,目前已经开展了大量研究工作,总结而言,横波速度预测主要分为两大类。一类是基于深度学习的方法,利用已知井横波测井曲线与对应多条实测的物性曲线进行数据训练,从而建立横波速度与实测物性参数之间的非线性映射关系,继而将该映射关系应用于研究区内具有相同地质条件但未开展横波实测井,达到横波速度预测的目的。该方法简单易行,原理相对简单,适合于地层非均质性强,岩石物理建模难度大,难以保证横波预测精度的地区,其局限性在于缺乏地球物理意义,对实测横波的质量依赖比较大。Han等[5]通过孔隙度、泥质含量与横波速度的关系研究,拟合了纵波速度与横波速度的关系式。Castagna[6]、Krief等[7]通过深度学习的方法,推导了饱含水状态下非均质性储层纵、横波速度经验回归公式。陈小根等[8]开展了基于多元回归方法的岩石物理性质预测模型研究,由回归模型计算出的岩石物理性质参数值与在实验室测得的值相当接近。李春鹏[9]开展了基于贝叶斯判定的反演域岩石物理交会研究,通过分析解决了各交会对象多参数判定问题,指导了反演域弹性参数的物性解释。另一类是基于岩石物理建模技术开展横波预测,通过对研究区目的层岩石的岩性、孔隙结构、流体性质、地层温度和压力等特征的恢复,对岩石的地球物理特性进行假设,并构建岩石物理模型,通过正演实现横波预测的一门技术。近几年,围绕非均质性强的储层开展了大量的针对性的研究工作。针对碎屑岩储层,Pride[10]的固结系数模型、Lee[11]对固结模型的改进,实际生产过程中部分领域取得了较好的效果。尤其是近几年,Xu-White模型[12]在生产应用中日趋成熟,在实际应用中针对Xu-White模型,很多学者也有更深入的见解,例如应用地震反演的方法对孔隙度、泥质含量及孔隙纵横比的输入性的参数进行了修正[13-14],提高了横波预测的精度。针对碳酸盐岩储层矿物组分和孔隙类型双复杂的特点,尤其是针对微观孔隙结构复杂的问题,提出了双孔隙模型[15]、孔缝洞三孔隙模型[16]、各向异性模型[17]等适用于碳酸盐岩储层的岩石物理模型,实现了弹性参数的准确求取,在川中高磨地区灯影组、塔中奥陶系、鄂尔多斯南缘奥陶系等领域取得了显著效果。针对致密砂岩储层,通常具有孔隙度低、渗透率低、孔隙结构复杂的特点,由于Gasmann模型[18]中没有考虑孔隙类型,而且低渗透性储层不满足Gasmann理论中流体在孔隙中无摩擦自由流动的假设条件,因而Gasmann理论在致密储层岩石物理建模横波预测中难以适用。目前最常用的地震岩石物理模型是Eugenia等[19]提出的软孔隙模型(soft-porosity model)。印兴耀等[20]、李龙[21]根据实际研究区低孔低渗和复杂孔隙的特点分别应用了Biot相洽理论和高频地震岩石物理模型。
针对岩性类型多样、岩石矿物组分复杂的关键问题,开展不同岩性分类型岩石物理建模技术选取。形成了基于复杂岩性“分层段、分岩性、分模型”的三分法横波预测技术和基于复杂岩石矿物组分“舍轻就重,同类合并”为原则的碱湖型云化致密储层干岩石骨架建立技术,并对比优选了自洽模型(self-consistent)开展了云化砂岩段储层的岩石物理建模计算。该技术的探索应用,在玛湖凹陷风城组复杂岩性组合横波预测及脆性甜点预测中取得了较好的效果,为该区井位部署和储量落实提供了依据,为类似地区油气勘探积累了宝贵的经验。
1 关键技术思路及方法优选
由于不同岩性、不同勘探领域的特殊性,以及不同储层条件的岩石组分、孔隙结构类型、流体性质等都具有其特殊性,导致经验公式和经验参数不可能在每个地区都适用。即使同一个地区,同一口井的不同层段由于岩性不同,也不能完全套用某一个岩石物理模型。尤其是近几年随着勘探的不断深入,火山岩油藏、砂砾岩油藏及页岩油藏的勘探发展十分迅速,这些储层的非均质性十分严重,现有的岩石物理模型往往难以满足这些特殊储层横波预测的需求。因此,需要我们根据勘探区的储层条件,采取针对性的岩石物理模型,并且在原有的认识上加以改进,综合运用地质、测井、岩心、地震等原始资料提高岩石物理模型的精度,从而提高横波预测的准确性。基于以上认识,重点分析了研究区的储层特点,结合现有的岩石物理模型的对比分析,制定了玛湖凹陷风城组复杂岩性组合横波预测整体思路,即根据不同层段的岩性采用针对性的技术方法和岩石物理模型(图1)开展横波预测。针对火山岩段由于火山岩储层具有极强的非均质性,导致岩石物理模型建立非常复杂,对比分析创新采用基于SVM支持向量机的深度学习方法估算横波;针对砂砾岩段综合考虑了岩石基质性质、孔隙大小、形状,以及孔隙流体对横波速度的影响,选用了经典Xu-White模型开展横波预测;针对云化砂岩段复杂矿物组分的特点,首次采取“舍轻就重,同类合并”为原则来开展云化储层干岩石模型的建立,对比优选了自洽模型(self-consistent)开展岩石物理建模横波预测。最终通过“分层段、分岩性、分模型”的三分法横波预测技术,实现了复杂岩性组合横波预测。
图1
图1
复杂岩性组合横波预测流程
Fig.1
Complex lithology combination transverse wave prediction process
1.1 火山岩段储层横波预测
1.1.1 研究区火山岩储层特征
风城组二段沉积时期,玛西、玛北斜坡带局部出现火山岩高地,发育喷出—溢流相,气孔较发育(图2)。火山岩的种类多种多样,根据野外露头和钻井岩心揭示,主要以玄武岩、凝灰岩、安山岩、流纹岩为主,英安岩、流纹岩、火山角砾岩、火山碎屑岩等也有发育。玄武岩为杏仁状构造、玻晶交织结构,其中基质部分占30%~97%,杏仁体部分占3%~30%。原岩矿物中主要为斜长石,含量为33%~90%,其次为玻璃质(8%~15%),次生矿物中主要为绿泥石和方解石,含量分别为12%~54%、3%~25%。根据铸体薄片资料分析,火山岩孔隙类型主要为未充填—半充填气孔、基质及班晶溶蚀孔、微裂缝等。
图2
图2
玛湖凹陷典型井风城组火山岩岩芯及岩石薄片
Fig.2
Core and thin section photos of typical well P1f Formation volcanic rocks in Mahu Depression
1.1.2 火山岩段横波预测方法优选
针对火山岩储层岩石物理建模,前人做了大量的研究工作。如徐苗苗[25]针对火山岩的岩性、矿物特征建立了火山岩体积解释模型,提出一种复合蛙跳算法进行矿物含量求解,并充分考虑了矿物组分及孔隙结构所造成的骨架非均质性特征,建立了火山岩岩石物理模型。陈树民等[26]对松辽盆地徐家围子地区,采用超声脉冲透射法测定岩样的声学参数,进行了不同流体状态下岩样的岩石物理参数特征分析。然而,研究区火山岩岩性复杂,不同岩性具有不同的岩石学特征,矿物组分差异明显,同时受特殊成岩作用的影响,多种孔隙结构的发育导致火山岩储层具有极强的非均质性,而对于不同种类的火山机构,其储集性能及含油气性也具有较大差别,从而导致针对火山岩岩石物理模型建立非常复杂。
针对非均质性强,岩石物理建模难度大,难以保证横波预测精度的地区,前人开展了基于深度学习的方法预测横波,取得了较好的效果。对比经验公式、多曲线拟合及深度学习横波预测效果,在研究区最终采用基于SVM支持向量机的深度学习方法估算横波。支持向量机[27](support vector machines,SVM)的基本模型是定义在特征空间上的间隔最大的线性分类器,间隔最大使它有别于感知机;SVM还包括核技巧,这使它成为实质上的非线性分类器。SVM的学习策略就是间隔最大化,可形式化为一个求解凸二次规划的问题,也等价于正则化的合页损失函数的最小化问题。SVM的学习算法就是求解凸二次规划的最优化算法。在研究区实际应用中,将实测横波作为学习目标,选取涵盖岩石基质、孔隙及流体性质等特征的密度、深侧向电阻率、纵波速度3条曲线选择为输入层,依据深度学习方法完成无横波测井井点火山岩段横波预测。经过不同深度学习方法对比,基于SVM支持向量机的深度学习方法估算横波与实测横波相关系数高达95%(图3)。
图3
图3
MH025井火山岩段横波速度预测结果
Fig.3
S-wave prediction results of MH025 well volcanic section
1.2 砂砾岩段储层横波预测
1.2.1 研究区砂砾岩储层特征
通过岩心、岩石薄片、单井沉积序列和沉积相分析(图4),玛湖凹陷二叠系风城组沉积时期主要为冲积扇—扇三角洲—咸化湖泊相体系,可划分出扇三角洲平原、扇三角洲内前缘、扇三角洲外前缘和前扇三角洲(滨浅湖)亚相。单井沉积相分析表明,风三段、风二段普遍发育灰色砂砾岩、含砾砂岩与褐色含砾泥质砂岩,为扇三角洲前缘水下分流河道沉积,上部和下部分别发育褐色泥岩、灰色泥岩和含砾泥质砂岩,为分流间湾沉积。砂砾岩中砾石大小不等,一般为0.125~2 cm,多呈次棱角—次圆状;砾石成分较复杂,主要为凝灰岩,含量约30%~75%,其次为霏细岩和安山岩,含量约3%~12%。填隙物主要为方解石、方沸石、白云石等,含量约2%~5%,杂基主要为泥质、泥晶方解石、火山尘等,含量约1%~6%。胶结类型为压嵌式—孔隙型。岩石结构以砂砾状结构、不等粒砂质结构为主,为颗粒支撑;接触方式为点—线接触和点接触为主。岩石颗粒磨圆主要为次棱角—次圆状,分选较差。根据铸体薄片资料分析,孔隙类型以剩余粒间孔、粒间溶孔为主,少量方沸石溶孔及压碎缝。毛管压力曲线为偏细歪度,孔隙分选不好,具有小孔隙和细喉道。
图4
图4
玛湖凹陷典型井风城组砂砾岩岩芯及岩石薄片
Fig.4
Core and thin section photos of typical well P1f Formation glutenite rocks in Mahu Depression
1.2.2 砂砾岩段横波预测方法优选
针对致密砂砾岩储层地震岩石物理建模,目前最常用的地震岩石物理模型是RUIZ等提出的软孔隙模型(soft-porosity model)。李龙[21]根据实际研究区低孔低渗和复杂孔隙的特点分别应用了Biot相洽理论和高频地震岩石物理模型。针对玛湖凹陷扇三角洲砂砾岩致密储层横波预测,于宝利等[28]通过准确计算泥质含量、孔隙度及流体饱和度等参数,应用经典Xu-White模型,有效提高了横波速度估算精度,为玛湖地区三叠系百口泉组叠前弹性敏感参数反演提供了保障。王贤等[29] 借助岩石物理建模的方法,确定了夏子街组和风城组砂砾岩的弹性参数,利用高分辨率的叠前反演预测弹性属性,进而通过经典Xu-White模型开展岩石物理反演,预测得到横波速度等弹性参数,从而实现了夏子街组和风城组储层的定量评价。
针对研究区风城组砂砾岩储层,通过软孔隙模型(soft-porosity model)、Biot相洽理论模型及经典Xu-White模型预测效果对比分析(图5),经典Xu-White模型横波预测精度更高。该模型综合考虑了岩石基质性质、孔隙大小、形状,以及孔隙流体对横波速度的影响,是一种广泛应用于孔隙度较低的砂泥岩储层的岩石物理模型。Xu-White模型将石英和黏土矿物作为主要矿物, 将孔隙体积分为砂岩孔隙体积和泥岩孔隙体积,利用宽长比来描述孔隙形状,在此基础上考虑流体对速度的影响,定量计算横波速度。结合研究区风城组砂砾岩段的砂泥特点、流体性质、温压条件以及最优化测井解释结果,确定了岩石物理建模参数,最终通过正演预测横波与实测横波对比发现,在砂砾岩段高度吻合,然而云化砂岩段吻合性却较差(图5),需要针对云化砂岩段开展岩石物理建模技术攻关。
图5
图5
MH025井砂砾岩段模型横波预测结果
Fig.5
Shear wave estimation results of MH025 well sandstone model
1.3 云化砂岩段储层横波预测
1.3.1 研究区云化砂岩储层特征
据取心资料统计分析(图6),风城组碱(咸)湖—热水喷流沉积环境中形成了众多云质岩储层,主要包括云化泥岩、云化粉砂岩、泥质白云岩、粉砂质白云岩、硅质白云岩和白云岩等。质岩储层矿物组分十分复杂,包括石英、钾长石、斜长石、方解石、白云石、菱铁矿、碳钠镁石、碳钠钙石、黄铁矿、角闪石、菱镁矿、黏土矿物等近12种矿物。主要发育裂缝、溶蚀孔隙及少量晶间孔,储集空间主要为晶间 (溶)孔、晶内溶孔及裂缝,其中白云石、碳钠钙石、硬石膏、硅硼钠石等矿物的溶蚀是形成溶蚀孔隙的主要因素。不同的岩性,其孔隙度差异较大。钻井证实,孔隙度相对较高的储层为云化砂岩和泥质白云岩,一般在5%~10%,孔隙度相对较低的储层为云化泥岩和白云岩,分别为1%~4%和0.1%~0.4%[30]。
图6
图6
玛湖凹陷典型井风城组云化砂岩岩芯及岩石薄片照片
Fig.6
Core and thin section photos of typical well P1f Formation dolomitized sandstone in Mahu Depression
1.3.2 云化砂岩段横波预测方法优选
云化砂岩是砂砾岩储层成岩过程中,在准同生期相对安静的温度较高的静水环境中Ca2+、Mg2+发生交代作用储层发生云化。因此其岩石物理建模既不同于普通的砂砾岩,也不同于碳酸盐岩,不能简单地套用适用于砂砾岩的Xu-White模型,也不能套用适用于碳酸盐岩的孔缝洞三孔隙模型、各向异性模型。调研发现,周琦杰[31]、李宏兵等[32]针对云化储层多矿物组分开展了初步的研究工作,但是截至目前针对如此复杂矿物组分的岩石物理建模横波预测尚未取得明显的应用效果。究其原因,主要是两个方面的原因:一是云化砂岩岩石矿物组分复杂,至少包含了12种矿物,难以有效地等效建立云化砂岩骨架模型;二是针对云化砂岩既不同于碎屑岩储层,也不同于碳酸盐岩储层,岩石物理模型选取存在较大争议。
通过大量单井分析表明,云化砂岩的岩石矿物组分虽复杂,但是由于部分矿物含量少,而且仅个别井存在,在岩石物理建模中可以忽略。另外部分矿物的岩石物理参数十分接近,因此实际建模中可以简化矿物的组分。针对云化致密储层复杂矿物组分的特点,采取“舍轻就重,同类合并”为原则来开展云化储层干岩石模型的建立。分析发现,菱铁矿、碳钠镁石、碳钠钙石、黄铁矿、角闪石、菱镁矿只在研究区少数井零星分布,且总量在5%以下,对预测结果影响小,所以建模时可以忽略。另外,石英、钾长石、斜长石的密度分别为2.65、2.59、2.61 g/cm3,纵波速度分别为5 492、5 590、5 749 m/s,整体岩石物理参数十分接近,因此将这3种矿物等效为石英。最终将12种矿物等效为石英、方解石、白云石、黏土等4种矿物(图7)。
图7
图7
云化砂岩储层多矿物简化分析
Fig.7
Simplified analysis of multiple minerals in dolomite reservoir
在岩石物理模型的选择方面,对于碳酸盐岩储层,主要应用Xu-Pay模型,碳酸盐岩储层白云岩占比超过50%,储层在纵向和横向上非均质性更强,Xu-Pay模型遵循了Xu-White所描述的过程,基于加权平均法的密度重建,反演出矿物和流体的密度,在加权过程中偏向白云石取值,构建出总孔隙度,此外在Xu-Pay模型中通过将不同的孔隙逐次加入到岩石中,从而实现了不同孔隙形状对弹性参数影响的考虑,在混合过程中默认为白云石溶蚀孔占比最高;而对于碎屑岩中的云化砂岩而言,虽然矿物组分中包含白云石和方解石,但从矿物百分含量分析,石英和黏土的含量仍然占比最高,显然Xu-Pay模型从适用条件上看,并不适用于云化砂岩储层。对于碎屑岩储层,模型骨架和孔隙可以通过颗粒介质模型和自相容近似的等效介质理论作为理想模型;这两大类模型具体主要包括以下几类模型:纯净砂岩模型(grainsupported)、泥质砂岩模型(dispersive clay)及砂质泥岩模型(layered clay)、自洽模型(self-consistent)。纯净砂岩模型(grainsupported)认为模型中石英矿物占绝对比重,占比超过90%以上,不包含石英类矿物及黏土矿物以外的矿物成分,为干燥的等同弹性球体颗粒体任意排列的有效模量;泥质砂岩模型(dispersive clay)仍然认为模型石英类矿物占比较高,但是黏土矿物含量比例有所提升,不包含石英类矿物及黏土矿物以外的矿物成分,可以用来计算胶结物沉淀在颗粒接触面上砂岩及黏土的体积模量和剪切模量;砂质泥岩模型(layered clay)认为模型黏土类矿物占比较高,不包含石英类矿物及黏土矿物以外的矿物成分。很显然这3种岩石物理模型并不适用于矿物组分含有白云石和方解石的云化砂岩储层。而自洽模型(self-consistent)认为有孔弹性材料混合物的等效模量的理论估算一般以与各个构成成分各自的弹性模量、多个构成成分的体积含量以及各个构成成分如何相互组合在一起的集合细节,对于矿物的类型并无严格的要求,都是先使用在一种材料的无限背景介质中加入另一种材料的单个包含物的弹性变形的理论界,再用不同的方法来估算当包含物偶一定分布时的等效模量,显然自洽模型更适用于开展云化砂岩段储层的岩石物理建模计算。
最终,通过基于石英、方解石、白云石、黏土矿物等4种矿物的最优化测井解释和基于Archie公式含水饱和度计算,获得4种矿物的体积含量、总孔隙度、含水饱和度等参数,将这些参数输入到自洽模型(self-consistent)进行横波预测,通过反复调整骨架点纵波速度、横波速度、密度、宽长比等参数,使正演模型数据和实测数据达到较高的相关性,最终确定可用于整个研究区的岩石物理模型和优化参数。针对云化砂岩段横波预测,通过Xu-Pay模型、经典Xu-White模型及自洽模型(self-consistent)预测效果对比分析(图8),自洽模型(self-consistent)预测横波与实测横波吻合度较高(图8),满足了云化砂岩段横波预测精度要求。
图8
图8
MH025井云化砂岩段横波速度预测结果
Fig.8
Shear wave estimation results of MH025 well dolomite sandstone section
针对火山岩段、砂砾岩段、云化砂岩段开展基于分岩性、分层段、分模型的横波计算,求出全井段高质量横波曲线,验证曲线密度、纵波速度与实测高度吻合,预测横波与实测横波同样吻合度较高(图9),进一步验证了该横波预测方法准确可靠。
图9
图9
MH025井全井段横波速度预测结果
Fig.9
Shear wave estimation results of MH025 well full well section
2 应用实例及效果分析
玛南斜坡二叠系风城组为典型的非常规油气勘探领域,优质甜点储层的预测是寻找油气富集区的核心,精细的横波预测是优质甜点储层预测的关键。然而研究区发育3类储集层,包括火山岩、砂砾岩和云化砂岩,岩性组合复杂,岩石矿物组分多样,本次研究中采用了基于复杂岩性“分层段、分岩性、分模型”的三分法横波预测技术和基于复杂岩石矿物组分“舍轻就重,同类合并”为原则的碱湖型云化致密储层干岩石骨架建立技术,通过对研究区钻遇风城组的玛湖025等5口井实测横波与预测横波交会分析表明(图10),交会点整体收敛,预测曲线与实测曲线相关程度较高。
图10
图10
玛南斜坡风城组预测横波与实测横波交会
Fig.10
Cross plot of predicted shear wave and measured shear wave of P1f on Manan slope
图11
图11
玛南斜坡纵横波速度比反演剖面
Fig.11
Inversion profile of P-wave and S-wave velocity ratio on Manan slope
图12
图12
玛南斜坡纵横波速度比反演平面
a—砂砾岩储层;b—火山岩储层;c—云化砂岩储层
Fig.12
Inversion plan of P-wave and S-wave velocity ratio on Manan slope
a—glutenite reservoir ;b—volcanic reservoir;c—dolomite reservoir
3 结论
针对复杂岩性组合横波预测,探索出了一套基于“分层段、分岩性、分模型”的岩石物理建模方法,即针对火山岩段由于火山岩储层具有极强的非均质性,导致岩石物理模型建立非常复杂,创新采用基于SVM支持向量机的深度学习方法估算横波;针对砂砾岩段综合考虑了岩石基质性质、孔隙大小、形状,以及孔隙流体对横波速度的影响,选用了经典Xu-White模型开展横波预测;针对云化砂岩段复杂矿物组分的特点,首次采取“舍轻就重,同类合并”为原则来开展云化储层等效干岩石模型的建立新思路,对比优选了自洽模型(self-consistent)开展岩石物理建模横波预测。最终通过“分层段、分岩性、分模型”的三分法横波预测技术,实现了复杂岩性组合横波预测。与以往方法相比,该方法在玛南斜坡横波速度预测方面具有更高的精度,且实际叠前反演中的结果表明,该方法具有一定的应用性。
参考文献
玛湖凹陷风城组碱湖烃源岩生烃机理及资源量新认识
[J].
Fengcheng alkaline lacustrine source rocks of Lower Permian in Mahu Sag in Junggar Basin:Hydrocarbon generation mechanism and petroleum resources reestimation
[J].
准噶尔盆地玛湖凹陷二叠系风城组烃源岩生烃动力学特征
[J].
Hydrocarbon generation kinetics of source rocks of Permian Fengcheng Formation in Mahu Sag,Junggar Basin
[J].
岩石物理模型在横波速度估算中的应用
[J].
DOI:10.3969/j.issn.1000-1441.2012.01.009
[本文引用: 1]
岩石物理模型是进行岩石物理研究、求取横波速度的重要基础。利用Xu-White砂泥岩混合模型,通过岩心测试数据、纵波和密度曲线、泥质百分含量及孔隙度测量得到岩石骨架的体积模量和剪切模量,然后计算不同流体及流体饱和度下岩石的有效弹性模量,进而计算出纵、横波速度。经过与实测密度、纵波资料的对比,调整参数循环迭代计算,得到最终横波速度。利用岩石物理模型估算横波速度,解决了平湖油气田放鹤亭构造常规测井缺乏横波资料的难题,为AVO正演模拟、叠前AVO/AVA同步反演提供了可靠的基础数据。
Application of petrophysical model in shear wave velocity estimation
[J].
地震岩石物理模型综述
[J].
A review of seismic rock physics models
[J].
Effects of porosity and clay content on wave velocities in sandstones
[J].
Relationships between compressional-wave and shear-wave velocities in clastic silicate rocks
[J].
A petrophysical interpretation using the velocities of P and S waves (full-waveform sonic)
[J].
基于多元回归方法的岩石物理性质预测模型研究
[J].
Study on the prediction model of rock physical property based on multiple regression method
[J].
基于贝叶斯判定的反演域岩石物理交会
[J].
Rock physics crossplot in inversion domain based on Bayesian decision
[J].
A new velocity model for clay-sand mixtures1
[J].
横波速度计算方法与应用
[J].
Computational approach of S-wave velocity and application
[J].
利用常规测井资料基于岩石物理和多矿物分析反演横波速度
[J].
Shear wave velocity inversion with routine well logs based on rock physics and multi-minerals analysis
[J].
Joint inversion of conventional well logs for evaluation of double-porosity carbonate formations
[J].
Pore shape effect on elastic properties of carbonate rocks
[C]//
碳酸盐岩储层横波速度估算
[C]//
S-wave velocity prediction for carbonate reservoirs
[C]//
On the applicability of Gassmann model in carbonates
[C]//
致密储层各向异性地震岩石物理建模及应用
[J].
Anisotropic rock physics modeling of tight sandstone and applications
[J].
Quantitative characterization for rock physics modulus of tight clastic reservoir
[J].
玛湖凹陷二叠系风城组碱湖云质岩储层成岩作用
[J].
Diagenesis of alkaline lacustrine dolomitic reservoirs of Permian Fengcheng Formation in Mahu Sag
[J].
准噶尔盆地西北缘风城组沉积环境探讨
[J].
Study on sedimentary environment of Fengcheng Formation at Northwest margin of Junggar Basin
[J].
玛湖凹陷二叠系风城组页岩油储层孔隙结构及分类评价
[J].
Pore structure and classification evaluation of shale oil reservoirs of Permian Fengcheng Formation in Mahu Sag
[J].
松辽盆地白垩系火山岩储层岩石物理声学特性分析
[J].
Physical analysis of acoustic characteristics of Cretaceous volcanic rocks in the Songliao Basin
[J].
基于边界点的支持向量机分类算法
[J].
Support vector machine classification algorithm based on boundary points
[J].
岩石物理建模技术在玛湖西斜坡储集层预测中的应用
[J].
Application of petrophysical modeling technique in favorable reservoir prediction in western slope of Mahu Sag,Junggar Basin
[J].
玛南地区中下二叠统有利储层预测
[J].从测井地层评价出发,将测井解释成果引入到测井地层评价中,质控并提高了最终测井最优化解释的成果,提高泥质含量解释精度,并确定了有效孔隙度的解释公式,从泥质含量及有效孔隙度方面对砂砾岩储层进行了评价,确定了贫泥孔隙砂砾岩的岩性边界,锁定优质储层.借助岩石物理建模的方法,确定了夏子街组和风城组孔隙砂砾岩的弹性参数区间,在地震道集优化处理基础上,利用高分辨率的叠前反演预测弹性属性,进而通过岩石物理反演技术,预测得到孔隙度,从而实现全三维空间的夏子街组和风城组储层的定量评价,并对优质储层进行了细致刻画,预测成果得到了实际钻探结果的印证.
Prediction of favorable reservoirs of Middle and Lower Permian in Manan area
[J].
准噶尔盆地西北缘风城组白云岩成因及油气富集因素
[J].
Dolomites genesis and hydrocarbon enrichment of the Fengcheng Formation in the northwestern margin of Junggar Basin
[J].
多重孔岩石微分等效介质模型及其干燥情形下的解析近似式
[J].
DOI:10.6038/cjg20141028
[本文引用: 1]
经典的微分等效介质(DEM)理论可用于确定多孔介质的弹性性质,但由于缺乏多重孔DEM方程,其估计的多重孔岩石的等效弹性模量依赖于包裹体(即不同孔隙纵横比的孔或缝)的添加顺序.本文首先从Kuster-Toksöz理论出发建立了Zimmermann和Norris两种形式的多重孔DEM方程.Norris形式的多重孔DEM方程预测的等效弹性模量总是位于Hashin-Shtrikman上下限内,而Zimmermann形式的多重孔DEM方程有时会越界.然后,通过使用干燥岩石模量比的解析近似式,对两个相互耦合的Norris形式DEM方程进行解耦得到干燥多重孔岩石的体积和剪切模量解析式.用全DEM方程的数值解对解析近似式的有效性进行了测试,解析公式的计算结果在整个孔隙度分布区间与数值解吻合良好.对实验室测量数据在假设岩石含有双重孔隙的情形下用双重孔DEM解析公式对岩石的弹性模量进行了预测,结果表明,解析式准确地预测了弹性模量随孔隙度的变化.双重孔(即软、硬孔)DEM解析模型可用来反演各孔隙类型的孔隙体积比,它可以通过实验室测量与理论预测之间的平方误差最小反演得到.砂岩样品的反演结果揭示,软孔的孔隙体积百分比与粘土含量没有明显的相关性.
A differential effective medium model of multiple-porosity rock and its analytical approximations for dry rock
[J].
