CN117130066A - 区域裂缝识别方法、装置、存储介质及电子设备 - Google Patents
区域裂缝识别方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN117130066A CN117130066A CN202210554805.5A CN202210554805A CN117130066A CN 117130066 A CN117130066 A CN 117130066A CN 202210554805 A CN202210554805 A CN 202210554805A CN 117130066 A CN117130066 A CN 117130066A
- Authority
- CN
- China
- Prior art keywords
- curve
- lithology
- logging
- extremum
- calculating
- 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
- 238000000034 method Methods 0.000 title claims abstract description 101
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 238000011161 development Methods 0.000 claims abstract description 53
- 230000002159 abnormal effect Effects 0.000 claims abstract description 47
- 238000010606 normalization Methods 0.000 claims abstract description 29
- 206010017076 Fracture Diseases 0.000 claims description 80
- 208000010392 Bone Fractures Diseases 0.000 claims description 67
- 238000012545 processing Methods 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 7
- 230000009467 reduction Effects 0.000 claims description 6
- 230000004044 response Effects 0.000 abstract description 14
- 230000008569 process Effects 0.000 abstract description 13
- NPPQSCRMBWNHMW-UHFFFAOYSA-N Meprobamate Chemical compound NC(=O)OCC(C)(CCC)COC(N)=O NPPQSCRMBWNHMW-UHFFFAOYSA-N 0.000 description 23
- 238000004519 manufacturing process Methods 0.000 description 19
- 239000010410 layer Substances 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 239000004576 sand Substances 0.000 description 12
- 239000011435 rock Substances 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000011160 research Methods 0.000 description 8
- 239000007788 liquid Substances 0.000 description 6
- 230000003321 amplification Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 5
- 239000011229 interlayer Substances 0.000 description 5
- 238000003199 nucleic acid amplification method Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 230000009545 invasion Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005553 drilling Methods 0.000 description 3
- 238000005755 formation reaction Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 229910021532 Calcite Inorganic materials 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 210000000746 body region Anatomy 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012407 engineering method Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000004005 microsphere Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000004058 oil shale Substances 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V5/00—Prospecting or detecting by the use of ionising radiation, e.g. of natural or induced radioactivity
- G01V5/04—Prospecting or detecting by the use of ionising radiation, e.g. of natural or induced radioactivity specially adapted for well-logging
- G01V5/08—Prospecting or detecting by the use of ionising radiation, e.g. of natural or induced radioactivity specially adapted for well-logging using primary nuclear radiation sources or X-rays
- G01V5/12—Prospecting or detecting by the use of ionising radiation, e.g. of natural or induced radioactivity specially adapted for well-logging using primary nuclear radiation sources or X-rays using gamma or X-ray sources
Landscapes
- Physics & Mathematics (AREA)
- High Energy & Nuclear Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本申请涉及油藏勘探技术领域，具体涉及一种区域裂缝识别方法、装置、存储介质及电子设备，包括：获取目标区域的测井资料；根据所述测井资料确定测井曲线；根据所述测井曲线的岩性和异常类型计算测井曲线极值；对所述测井曲线极值取绝对值并进行归一化处理；根据归一化处理后的测井曲线极值得到裂缝指示曲线Frac。本申请通过分岩性优选裂缝敏感曲线进行异常响应极值放大的流程，达到识别裂缝发育位置和条数的目的，裂缝指示曲线Frac峰值个数与裂缝条数相匹配，峰值位置即为裂缝发育井段，本申请特别适用于高角度，延伸短的裂缝识别。
Description
技术领域
本申请涉及油藏勘探技术领域，特别地涉及一种区域裂缝识别方法、装置、存储介质及电子设备。
背景技术
鄂尔多斯盆地为稳定盆地，盆地内的褶皱和断层相对不发育，但在稳定背景上具有不稳定的因素，在区域构造应力作用下，盆地内裂缝仍然广泛存在。这种发育于弱变形构造区的构造裂缝，又被称为区域裂缝。受区域构造应力场的控制，区域裂缝分布规则，规模大，间距宽，发育范围广，产状相对稳定，水平方向延伸较远，裂缝两侧无明显水平错动且垂直于岩层面，能组成良好的裂缝网络系统。
致密砂岩储层裂缝识别方法主要包括三类：
1、基于特殊测井资料的裂缝识别方法
主要包括成像测井、地层倾角测井、阵列声波测井和核磁共振测井等，能够直观判断裂缝产状、类型，计算出裂缝长度、密度、开度及孔隙度等相关参数；但由于特殊测井费用较普通测井昂贵，通常有特殊测井资料的井少甚至没有[B1]。
2、基于常规测井资料的裂缝识别方法
(1)构建裂缝识别特征指示参数法其原理是基于天然裂缝的测井响应特征分析，对包含裂缝异常信息的常规测井曲线进行“异常放大”、“曲线重构”和“针对性筛选”，以突出常规测井曲线上的天然裂缝异常特征，识别裂缝。应用比较广泛的特征指示参数有①基于探测深度不同的深侧向—微球形聚焦电阻率法DR、电阻率侵入校正差比法RTC，该方法由于有些研究区油层的径向电阻率关系表现为多样性特征而不适用；②声波孔隙度与中子孔隙度差比法DP，该方法对于低角度裂缝有较好的显示，但对于高角度裂缝其指示效果较差；③曲线变化率法，常采用纵向分辨率较高、探测深度较浅的微电极、微侧向、声波、密度、中子、自然伽马测井等测井曲线，该方法较为简洁、方便易行，主要干扰因素是储集层中的隔夹层往往引起和裂缝相似的异常特征；④饱和度比值法，当裂缝十分发育时，截割式侵入导致SXO≈SW，该方法失效；⑤三孔隙度比值法，该方法的不利因素是声波速度测井主要反映的是原生的粒间孔隙度和水平裂缝。其它特征指示参数如交会骨架指数法、孔隙结构指数m、地层因素比值法、岩石模量法E等因相关参数不易获取而不常用。
(2)基于特征指示参数的综合识别方法在构建裂缝特征指示参数的基础上，采用复杂理论及算法识别裂缝。①综合概率法，该方法需要把各个裂缝指示特征参数识别裂缝的能力与岩心或成像测井资料的裂缝识别结果进行对比，进而赋予各指示参数合适的其权重系数，需要丰富的资料，权重系数的赋值人为因素大；②神经网络法，能够避开事先建立的测井解释模型，通过其本身算法的结果来自动确定裂缝带与各测井响应或特征参数之间的复杂问题，但需要大量的取心资料作为学习样品；③分形理论，选取波形变化特征与岩石的裂缝特征具有较好的相关性的测井曲线，计算其分形维数D值，可以反映裂缝的发育程度；④小波多尺度分析法，提取小波高频属性识别裂缝，储层的垂向非均值性比如钙质隔夹层的发育对③、④两种方法都有较大干扰。
3、裂缝的动态识别方法
根据裂缝在油藏开发过程中的动态响应特征，利用钻井工程方法、试井分析方法、动态监测资料分析法和压力分析法等油藏工程方法来识别和评价储集层裂缝的发育情况，能对测井识别的裂缝进行验证和补充。与常规测井资料相比，动态资料不易获取。
发明内容
针对上述问题，本申请提供一种区域裂缝识别方法、装置、存储介质及电子设备，一方面弥补了岩心资料的不足，另一方面公开了分岩性优选裂缝敏感曲线进行异常响应极值放大的流程，达到识别裂缝发育位置和条数的目的。
第一方面，本申请提供了一种区域裂缝识别方法，所述方法包括：
获取目标区域的测井资料；
根据所述测井资料确定测井曲线；
根据所述测井曲线的岩性和异常类型计算测井曲线极值；
对所述测井曲线极值取绝对值并进行归一化处理；
根据归一化处理后的测井曲线极值得到裂缝指示曲线Frac。
在一些实施例中，所述根据所述测井资料确定测井曲线，包括：
在所述测井资料中选择岩性为致密砂岩的井径和自然伽马曲线，岩性为泥页岩选择井径、自然伽马和声波时差曲线。
在一些实施例中，所述根据所述测井曲线的岩性和异常类型计算测井曲线极值，包括：
若岩性为致密砂岩，且异常类型为裂缝发育段井径扩径，则计算井径曲的极大值；
若岩性为致密砂岩，且异常类型为自然伽马增高，则计算自然伽马曲线的极大值；
若岩性为泥页岩，且异常类型为裂缝发育段井径扩径，则计算井径曲的极大值；
若岩性为泥页岩，且异常类型为声波时差增加，则计算声波时差曲线的极大值；
若岩性为泥页岩，且异常类型为自然伽马降低，则计算自然伽马曲线的极小值。
在一些实施例中，对所述测井曲线极值取绝对值并进行归一化处理，包括：
通过matlab对所述测井曲线极值取绝对值并进行归一化处理。
在一些实施例中，所述根据归一化处理后的测井曲线极值得到裂缝指示曲线Frac，包括：
将岩性为致密砂岩的不同类型测井曲线的极值相乘，得到第一乘积；
将岩性为泥页岩的不同类型测井曲线的极值相乘，得到第二乘积；
将所述第一乘积和所述第二乘积相加，得到所述裂缝指示曲线Frac。
第二方面，一种区域裂缝识别装置，所述装置包括：
获取单元，用于获取目标区域的测井资料；
确定单元，用于根据所述测井资料确定测井曲线；
第一计算单元，用于根据所述测井曲线的岩性和异常类型计算测井曲线极值；
处理单元，用于对所述测井曲线极值取绝对值并进行归一化处理；
第二计算单元，用于根据归一化处理后的测井曲线极值计算得到裂缝指示曲线Frac。
在一些实施例中，所述确定单元，用于在所述测井资料中选择岩性为致密砂岩的井径和自然伽马曲线，岩性为泥页岩选择井径、自然伽马和声波时差曲线。
在一些实施例中，所述第一计算单元，用于若岩性为致密砂岩，且异常类型为裂缝发育段井径扩径，则计算井径曲的极大值；若岩性为致密砂岩，且异常类型为自然伽马增高，则计算自然伽马曲线的极大值；若岩性为泥页岩，且异常类型为裂缝发育段井径扩径，则计算井径曲的极大值；若岩性为泥页岩，且异常类型为声波时差增加，则计算声波时差曲线的极大值；若岩性为泥页岩，且异常类型为自然伽马降低，则计算自然伽马曲线的极小值。
在一些实施例中，所述处理单元，用于通过matlab对所述测井曲线极值取绝对值并进行归一化处理。
在一些实施例中，所述第二计算单元，用于将岩性为致密砂岩的不同类型测井曲线的极值相乘，得到第一乘积；将岩性为泥页岩的不同类型测井曲线的极值相乘，得到第二乘积；将所述第一乘积和所述第二乘积相加，得到所述裂缝指示曲线Frac。
第三方面，一种存储介质，该存储介质存储的计算机程序，可被一个或多个处理器执行，可用来实现如上述第一方面所述的区域裂缝识别方法。
第四方面，一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，所述存储器和所述处理器之间互相通信连接，该计算机程序被所述处理器执行时，执行如上述第一方面所述的区域裂缝识别方法。
本申请提供的一种区域裂缝识别方法、装置、存储介质及电子设备，包括：获取目标区域的测井资料；根据所述测井资料确定测井曲线；根据所述测井曲线的岩性和异常类型计算测井曲线极值；对所述测井曲线极值取绝对值并进行归一化处理；根据归一化处理后的测井曲线极值得到裂缝指示曲线Frac。本申请通过分岩性优选裂缝敏感曲线进行异常响应极值放大的流程，达到识别裂缝发育位置和条数的目的，裂缝指示曲线Frac峰值个数与裂缝条数相匹配，峰值位置即为裂缝发育井段，本申请特别适用于高角度，延伸短的裂缝识别。
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作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，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，还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的一种区域裂缝识别方法的流程示意图；
图2为本申请实施例提供的极值法裂缝识别示意图；
图3为本申请实施例提供的野外地质剖面佳县临佳黄河大桥长7河口坝砂体区域裂缝发育特征示意图；
图4为本申请实施例提供的定边油田东仁沟区块长7油层组岩心裂缝发育特征示意图；
图5为本申请实施例提供的东仁沟区块定探1783井长7油层组裂缝极值法识别结果示意图；
图6为本申请实施例提供的东仁沟区块长7油层组取心井与非取心井的直井生产井段裂缝线密度与初周日产液量关系示意图；
图7为本申请实施例提供的一种区域裂缝识别装置的结构示意图；
图8为本申请实施例提供的一种电子设备的连接框图。
具体实施方式
以下将结合附图及实施例来详细说明本申请的实施方式，借此对本申请如何应用技术手段来解决技术问题，并达到相应技术效果的实现过程能充分理解并据以实施。本申请实施例以及实施例中的各个特征，在不相冲突前提下可以相互结合，所形成的技术方案均在本申请的保护范围之内。
由背景技术可知，现有的裂缝识别方法中，特殊测井资料裂缝识别方法和动态裂缝识别方法需要的数据都比较不易获得，或者会进一步增加成本，而现有的采用常规测井资料进行裂缝识别的方法中，要么就是所需要的数据不易获取，要么就是只适用于低角度裂缝，而对于高角度，延伸短的裂缝则识别结果较差。
有鉴于此，本申请提供一种区域裂缝识别方法、装置、存储介质及电子设备，一方面弥补了岩心资料的不足，另一方面公开了分岩性优选裂缝敏感曲线进行异常响应极值放大的流程，达到识别裂缝发育位置和条数的目的，特别适用于高角度，延伸短的裂缝识别。
实施例一
图1为本申请实施例提供的一种区域裂缝识别方法的流程示意图，如图1所示，本方法包括：
S101、获取目标区域的测井资料；
S102、根据所述测井资料确定测井曲线；
S103、根据所述测井曲线的岩性和异常类型计算测井曲线极值；
S104、对所述测井曲线极值取绝对值并进行归一化处理；
S105、根据归一化处理后的测井曲线极值得到裂缝指示曲线Frac。
需要说明的是，本发明提供了一种基于常规测井曲线的致密砂岩储层区域裂缝的识别方法—极值法。该方法依据研究区区域裂缝产状相对稳定，“高角度、延伸短”的特征，采用对测井曲线求极值的方法凸显裂缝发育段曲线值的异常增大或异常减小，达到在钻井资料非常有限的情况下利用常规测井曲线识别裂缝发育位置和条数的目的。
在一些实施例中，所述根据所述测井资料确定测井曲线，包括：
在所述测井资料中选择岩性为致密砂岩的井径和自然伽马曲线，岩性为泥页岩选择井径、自然伽马和声波时差曲线。
需要说明的是，充分考虑测井曲线对不同裂缝产状的敏感性，泥浆侵入深度、井孔、储层中钙质或泥质隔夹层等因素对裂缝识别的干扰，选择对裂缝有明确异常响应并能排除干扰因素的测井曲线。
受岩性影响，发育在不同岩性岩层中的裂缝其测井响应特征也会不同，因此区分砂岩和泥页岩识别裂缝。致密砂岩选择井径(CAL，in)和自然伽马(GR，API)曲线，泥页岩选择CAL、GR和声波时差(AC，us/ft)曲线。
在一些实施例中，所述根据所述测井曲线的岩性和异常类型计算测井曲线极值，包括：
若岩性为致密砂岩，且异常类型为裂缝发育段井径扩径，则计算井径曲的极大值；
若岩性为致密砂岩，且异常类型为自然伽马增高，则计算自然伽马曲线的极大值；
若岩性为泥页岩，且异常类型为裂缝发育段井径扩径，则计算井径曲的极大值；
若岩性为泥页岩，且异常类型为声波时差增加，则计算声波时差曲线的极大值；
若岩性为泥页岩，且异常类型为自然伽马降低，则计算自然伽马曲线的极小值。
需要说明的是，区分砂岩和泥页岩，依据测井曲线值异常增大或减小求取极大值或极小值。致密砂岩裂缝发育段井径扩径，高自然伽马异常，裂缝识别时求井径和自然伽马曲线的极大值。泥页岩裂缝发育段井径扩径，声波时差略增，裂缝识别时求井径和声波时差曲线的极大值；自然伽马略有降低，但远超过砂岩自然伽马值(异常)，裂缝识别时求自然伽马曲线的极小值。
具体的，如图2所示，为极值法裂缝识别示意图。
测井曲线极值求取借助matlab软件，求取流程如下(以定探1783井CAL和GR曲线为例)：
(1)将目的层井段CAL和GR曲线值及相应井深加载到excel表中，用matlab软件读取数据；
b1＝xlsread('定探1783.xlsx','sheet1','B2:B562')；％原始CAL曲线，数据位于B列第2～562行
c1＝xlsread('定探1783.xlsx','sheet1','C2:C562')；％原始GR曲线，数据位于C列第2～562行
(2)对CAL测井曲线求极大值(CALmax)公式
CALmax＝diff(diff(b1))；
CALmax＝[0,0,0,0,0,CALmax']'；
CALmax(CALmax>0)＝0；
对GR测井曲线求极小值(GRmin)公式
GRmin＝diff(diff(c1))；
GRmin＝[0,0,0,0,0,GRmin']'；
GRmin(GRmin<0)＝0；
在一些实施例中，对所述测井曲线极值取绝对值并进行归一化处理，包括：
通过matlab对所述测井曲线极值取绝对值并进行归一化处理。
需要说明的是，通过matlab对所述测井曲线极值取绝对值并进行归一化处理的过程如下：
曲线极值处理
(1)对曲线的极值取绝对值(R2、R3)
for i＝1:length(CALmax)
R2＝abs(CALmax)；
end
for i＝1:length(GRmin)
R3＝abs(GRmin)；
end
(2)对绝对值归一化处理(归一至0～100之间)。
for i＝1:length(R2)
R_CALmax(i)＝100*(R2(i)-min(R2))/(max(R2)-min(R2))；
end
for i＝1:length(R3)
R_GRmin(i)＝100*(R3(i)-min(R3))/(max(R3)-min(R3))；
end
在一些实施例中，所述根据归一化处理后的测井曲线极值得到裂缝指示曲线Frac，包括：
将岩性为致密砂岩的不同类型测井曲线的极值相乘，得到第一乘积；
将岩性为泥页岩的不同类型测井曲线的极值相乘，得到第二乘积；
将所述第一乘积和所述第二乘积相加，得到所述裂缝指示曲线Frac。
需要说明的是，区分不同岩性将相同深度的不同裂缝敏感曲线处理后的极值相乘，达到对包含裂缝异常信息的常规测井曲线“异常放大”的目的，裂缝指示曲线Frac(为无量纲)峰值个数与裂缝条数相匹配，峰值位置即为裂缝发育井段。
具体的，该过程通过matlab处理过程如下：
for i＝1:length(c1)
if(c1<90)
Fsand(i)＝R_CALmax(i)*R_GRmax(i)
else
Fmud(i)＝R_CALmax(i)*R_GRmax(i)
end
for i＝1:length(c1)
Frac(i)＝Fsand(i)+Fmud(i)
end
需要说明的是，若存在泥页岩的声波时差曲线，则可将“Fmud(i)＝R_CALmax(i)*R_GRmax(i)”修改为“Fmud(i)＝R_CALmax(i)*R_GRmax(i)*R_ACmax(i)”进行计算。
进一步需要说明的是，本专利方法识别的裂缝发育位置与岩心观察位置吻合度高，裂缝指示曲线峰值个数与岩心裂缝条数匹配度高，对于研究区产状相对稳定，以“角度高、延伸短”裂缝为主的情况很适用，尤其是垂向分辨率高。
将研究区定边油田东仁沟区块长7油层组有取心资料的直井生产井段识别出的裂缝条数除以生产井段厚度，得到基于生产井段厚度的裂缝线密度，该线密度与野外地质剖面中裂缝发育规律相符，与直井试油试采的初周日产液量呈正比关系。非取心井识别出的裂缝也符合上述情况，表明该天然裂缝识别方法的可靠性。
综上所述，本申请实施例提供了一种区域裂缝识别方法，所述方法包括：获取目标区域的测井资料；根据所述测井资料确定测井曲线；根据所述测井曲线的岩性和异常类型计算测井曲线极值；对所述测井曲线极值取绝对值并进行归一化处理；根据归一化处理后的测井曲线极值得到裂缝指示曲线Frac。本申请通过分岩性优选裂缝敏感曲线进行异常响应极值放大的流程，达到识别裂缝发育位置和条数的目的，裂缝指示曲线Frac峰值个数与裂缝条数相匹配，峰值位置即为裂缝发育井段，本申请特别适用于高角度，延伸短的裂缝识别。
实施例二
基于上述本发明实施例公开的区域裂缝识别方法，下面以具体实例进行计算结果分析。
图3为本发明实施例野外地质剖面佳县临佳黄河大桥长7河口坝砂体区域裂缝发育特征示意图，整体产状较单一，在砂岩和泥岩中均有分，裂缝线密度受岩性及厚度影响。具体情况为2～5m厚层砂体下平上凸，反韵律，为三角洲前缘河口坝砂体。剖面总长22m，河口坝砂体裂缝线密度约1.2条/m,席状砂为1.8条/m，2m厚泥岩为5条/m。
图4为本发明实施例定边油田东仁沟区块长7油层组岩心裂缝发育特征示意图，以垂直缝和高角度缝为主，偶见方解石充填；岩心观察描述中同一块岩心发育2条以上裂缝的情况少见。单条裂缝长度介于0.05m～1.0m，以0.3m以下居多，裂缝一般在岩石力学层内发育，对于砂体而言裂缝长度控制在单砂体内。其中，a-定1729井，2219.0m，垂直缝；b-定1781井，2325.63m，高角度缝；c-定1783井，2214.07m，方解石半充填垂直缝；d，e-定1783井，水平滑脱缝，2214.6m；f-定1387井，2436.4m，垂直缝。
图5为本发明实施例东仁沟区块定探1783井长7油层组裂缝极值法识别结果示意图，裂缝指示曲线Frac指示的裂缝发育位置与条数与岩心观察结果匹配度高。图中CALmax为井径极大值，GRmax为自然伽马极大值，GRmin为自然伽马极小值，ACmax为声波时差极大值。与取心井标定，研究区裂缝指示曲线Frac值>2指示裂缝发育井段。
图6为本发明实施例东仁沟区块长7油层组取心井与非取心井的直井生产井段裂缝线密度与初周日产液量关系示意图。
以定边油田东仁沟区块定1783井为例(图5所示)识别的裂缝发育位置与岩心观察位置吻合度高，裂缝指示曲线峰值个数与岩心裂缝条数和匹配度高。图中长7油层组顶部、底部油页岩处以及薄层砂岩与泥岩互层处裂缝尤为发育，这与野外地质观察结果相吻合。
目前东仁沟区块有部分直井采用射孔压裂的方式开采长7油层组顶部厚层砂体，生产井段厚度介于4m～8m，平均5m。将直井生产井段识别出的裂缝条数除以生产井段厚度，得到基于生产井段厚度的裂缝线密度，平均为0.38条/m，天然裂缝较为发育，有利于加砂压裂缝网系统的形成。利用野外地质剖面中裂缝发育规律拟合公式计算5m厚度砂体发育的裂缝线密度平均值为0.32条/m，与裂缝识别结果接近。从取心井段天然裂缝线密度与试油试采的初周日产液关系可以看出(图6所示)，裂缝的发育程度与产液量呈正比关系，非取心井识别出的裂缝也符合这种规律，充分说明该天然裂缝识别方法的可靠性。
实施例三
基于上述本发明实施例公开的区域裂缝识别方法，图7具体公开了应用该区域裂缝识别方法的区域裂缝识别装置。
如图7所示，本发明实施例公开了一种区域裂缝识别装置，所述装置包括：
获取单元701，用于获取目标区域的测井资料；
确定单元702，用于根据所述测井资料确定测井曲线；
第一计算单元703，用于根据所述测井曲线的岩性和异常类型计算测井曲线极值；
处理单元704，用于对所述测井曲线极值取绝对值并进行归一化处理；
第二计算单元705，用于根据归一化处理后的测井曲线极值计算得到裂缝指示曲线Frac。
需要说明的是，本发明提供了一种基于常规测井曲线的致密砂岩储层区域裂缝的识别方法—极值法。该方法依据研究区区域裂缝产状相对稳定，“高角度、延伸短”的特征，采用对测井曲线求极值的方法凸显裂缝发育段曲线值的异常增大或异常减小，达到在钻井资料非常有限的情况下利用常规测井曲线识别裂缝发育位置和条数的目的。
在一些实施例中，所述确定单元，用于在所述测井资料中选择岩性为致密砂岩的井径和自然伽马曲线，岩性为泥页岩选择井径、自然伽马和声波时差曲线。
需要说明的是，充分考虑测井曲线对不同裂缝产状的敏感性，泥浆侵入深度、井孔、储层中钙质或泥质隔夹层等因素对裂缝识别的干扰，选择对裂缝有明确异常响应并能排除干扰因素的测井曲线。
受岩性影响，发育在不同岩性岩层中的裂缝其测井响应特征也会不同，因此区分砂岩和泥页岩识别裂缝。致密砂岩选择井径(CAL，in)和自然伽马(GR，API)曲线，泥页岩选择CAL、GR和声波时差(AC，us/ft)曲线。
在一些实施例中，所述第一计算单元，用于若岩性为致密砂岩，且异常类型为裂缝发育段井径扩径，则计算井径曲的极大值；若岩性为致密砂岩，且异常类型为自然伽马增高，则计算自然伽马曲线的极大值；若岩性为泥页岩，且异常类型为裂缝发育段井径扩径，则计算井径曲的极大值；若岩性为泥页岩，且异常类型为声波时差增加，则计算声波时差曲线的极大值；若岩性为泥页岩，且异常类型为自然伽马降低，则计算自然伽马曲线的极小值。
需要说明的是，区分砂岩和泥页岩，依据测井曲线值异常增大或减小求取极大值或极小值。致密砂岩裂缝发育段井径扩径，高自然伽马异常，裂缝识别时求井径和自然伽马曲线的极大值。泥页岩裂缝发育段井径扩径，声波时差略增，裂缝识别时求井径和声波时差曲线的极大值；自然伽马略有降低，但远超过砂岩自然伽马值(异常)，裂缝识别时求自然伽马曲线的极小值。
具体的，如图2所示，为极值法裂缝识别示意图。
测井曲线极值求取借助matlab软件，求取流程如下(以定探1783井CAL和GR曲线为例)：
(1)将目的层井段CAL和GR曲线值及相应井深加载到excel表中，用matlab软件读取数据；
b1＝xlsread('定探1783.xlsx','sheet1','B2:B562')；％原始CAL曲线，数据位于B列第2～562行
c1＝xlsread('定探1783.xlsx','sheet1','C2:C562')；％原始GR曲线，数据位于C列第2～562行
(2)对CAL测井曲线求极大值(CALmax)公式
CALmax＝diff(diff(b1))；
CALmax＝[0,0,0,0,0,CALmax']'；
CALmax(CALmax>0)＝0；
对GR测井曲线求极小值(GRmin)公式
GRmin＝diff(diff(c1))；
GRmin＝[0,0,0,0,0,GRmin']'；
GRmin(GRmin<0)＝0；
在一些实施例中，所述处理单元，用于通过matlab对所述测井曲线极值取绝对值并进行归一化处理。
需要说明的是，通过matlab对所述测井曲线极值取绝对值并进行归一化处理的过程如下：
曲线极值处理
(1)对曲线的极值取绝对值(R2、R3)
for i＝1:length(CALmax)
R2＝abs(CALmax)；
end
for i＝1:length(GRmin)
R3＝abs(GRmin)；
end
(2)对绝对值归一化处理(归一至0～100之间)。
for i＝1:length(R2)
R_CALmax(i)＝100*(R2(i)-min(R2))/(max(R2)-min(R2))；
end
for i＝1:length(R3)
R_GRmin(i)＝100*(R3(i)-min(R3))/(max(R3)-min(R3))；
end
在一些实施例中，所述第二计算单元，用于将岩性为致密砂岩的不同类型测井曲线的极值相乘，得到第一乘积；将岩性为泥页岩的不同类型测井曲线的极值相乘，得到第二乘积；将所述第一乘积和所述第二乘积相加，得到所述裂缝指示曲线Frac。
需要说明的是，区分不同岩性将相同深度的不同裂缝敏感曲线处理后的极值相乘，达到对包含裂缝异常信息的常规测井曲线“异常放大”的目的，裂缝指示曲线Frac(为无量纲)峰值个数与裂缝条数相匹配，峰值位置即为裂缝发育井段。
具体的，该过程通过matlab处理过程如下：
需要说明的是，若存在泥页岩的声波时差曲线，则可将“Fmud(i)＝R_CALmax(i)*R_GRmax(i)”修改为“Fmud(i)＝R_CALmax(i)*R_GRmax(i)*R_ACmax(i)”进行计算。
进一步需要说明的是，本专利方法识别的裂缝发育位置与岩心观察位置吻合度高，裂缝指示曲线峰值个数与岩心裂缝条数匹配度高，对于研究区产状相对稳定，以“角度高、延伸短”裂缝为主的情况很适用，尤其是垂向分辨率高。
将研究区定边油田东仁沟区块长7油层组有取心资料的直井生产井段识别出的裂缝条数除以生产井段厚度，得到基于生产井段厚度的裂缝线密度，该线密度与野外地质剖面中裂缝发育规律相符，与直井试油试采的初周日产液量呈正比关系。非取心井识别出的裂缝也符合上述情况，表明该天然裂缝识别方法的可靠性。
综上所述，本申请实施例提供了一种区域裂缝识别装置，所述装置包括：获取目标区域的测井资料；根据所述测井资料确定测井曲线；根据所述测井曲线的岩性和异常类型计算测井曲线极值；对所述测井曲线极值取绝对值并进行归一化处理；根据归一化处理后的测井曲线极值得到裂缝指示曲线Frac。本申请通过分岩性优选裂缝敏感曲线进行异常响应极值放大的流程，达到识别裂缝发育位置和条数的目的，裂缝指示曲线Frac峰值个数与裂缝条数相匹配，峰值位置即为裂缝发育井段，本申请特别适用于高角度，延伸短的裂缝识别。
实施例四
本实施例还提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，其上存储有计算机程序，该计算机程序被处理器执行时可以实现如实施例一的方法步骤，本实施例在此不再重复赘述。
实施例五
图8为本申请实施例提供的一种电子设备500的连接框图，如图8所示，该电子设备500可以包括：处理器501，存储器502，多媒体组件503，输入/输出(I/O)接口504，以及通信组件505。
其中，处理器501用于执行如实施例一中的区域裂缝识别方法中的全部或部分步骤。存储器502用于存储各种类型的数据，这些数据例如可以包括电子设备中的任何应用程序或方法的指令，以及应用程序相关的数据。
处理器501可以是专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(Digital Signal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(Programmable LogicDevice，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述实施例一中的区域裂缝识别方法。
存储器502可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。
多媒体组件503可以包括屏幕和音频组件，该屏幕可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器或通过通信组件发送。音频组件还包括至少一个扬声器，用于输出音频信号。
I/O接口504为处理器501和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。
通信组件505用于该电子设备500与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near Field Communication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件505可以包括：Wi-Fi模块，蓝牙模块，NFC模块。
综上，本申请提供的一种区域裂缝识别方法、装置、存储介质及电子设备，该方法包括：获取目标区域的测井资料；根据所述测井资料确定测井曲线；根据所述测井曲线的岩性和异常类型计算测井曲线极值；对所述测井曲线极值取绝对值并进行归一化处理；根据归一化处理后的测井曲线极值得到裂缝指示曲线Frac。本申请通过分岩性优选裂缝敏感曲线进行异常响应极值放大的流程，达到识别裂缝发育位置和条数的目的，裂缝指示曲线Frac峰值个数与裂缝条数相匹配，峰值位置即为裂缝发育井段，本申请特别适用于高角度，延伸短的裂缝识别。
在本申请实施例所提供的几个实施例中，应该理解到，所揭露的方法，也可以通过其它的方式实现。以上所描述的方法实施例仅仅是示意性的。
需要说明的是，在本文中，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、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他要素，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“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
虽然本申请所揭露的实施方式如上，但上述的内容只是为了便于理解本申请而采用的实施方式，并非用以限定本申请。任何本申请所属技术领域内的技术人员，在不脱离本申请所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本申请的专利保护范围，仍须以所附的权利要求书所界定的范围为准。
Claims (12)
1.一种区域裂缝识别方法，其特征在于，所述方法包括：
获取目标区域的测井资料；
根据所述测井资料确定测井曲线；
根据所述测井曲线的岩性和异常类型计算测井曲线极值；
对所述测井曲线极值取绝对值并进行归一化处理；
根据归一化处理后的测井曲线极值得到裂缝指示曲线Frac。
2.根据权利要求1所述的方法，其特征在于，所述根据所述测井资料确定测井曲线，包括：
在所述测井资料中选择岩性为致密砂岩的井径和自然伽马曲线，岩性为泥页岩选择井径、自然伽马和声波时差曲线。
3.根据权利要求2所述的方法，其特征在于，所述根据所述测井曲线的岩性和异常类型计算测井曲线极值，包括：
若岩性为致密砂岩，且异常类型为裂缝发育段井径扩径，则计算井径曲的极大值；
若岩性为致密砂岩，且异常类型为自然伽马增高，则计算自然伽马曲线的极大值；
若岩性为泥页岩，且异常类型为裂缝发育段井径扩径，则计算井径曲的极大值；
若岩性为泥页岩，且异常类型为声波时差增加，则计算声波时差曲线的极大值；
若岩性为泥页岩，且异常类型为自然伽马降低，则计算自然伽马曲线的极小值。
4.根据权利要求1所述的方法，其特征在于，对所述测井曲线极值取绝对值并进行归一化处理，包括：
通过matlab对所述测井曲线极值取绝对值并进行归一化处理。
5.根据权利要求1所述的方法，其特征在于，所述根据归一化处理后的测井曲线极值得到裂缝指示曲线Frac，包括：
将岩性为致密砂岩的不同类型测井曲线的极值相乘，得到第一乘积；
将岩性为泥页岩的不同类型测井曲线的极值相乘，得到第二乘积；
将所述第一乘积和所述第二乘积相加，得到所述裂缝指示曲线Frac。
6.一种区域裂缝识别装置，其特征在于，所述装置包括：
获取单元，用于获取目标区域的测井资料；
确定单元，用于根据所述测井资料确定测井曲线；
第一计算单元，用于根据所述测井曲线的岩性和异常类型计算测井曲线极值；
处理单元，用于对所述测井曲线极值取绝对值并进行归一化处理；
第二计算单元，用于根据归一化处理后的测井曲线极值计算得到裂缝指示曲线Frac。
7.根据权利要求6所述的装置，其特征在于，所述确定单元，用于在所述测井资料中选择岩性为致密砂岩的井径和自然伽马曲线，岩性为泥页岩选择井径、自然伽马和声波时差曲线。
8.根据权利要求7所述的装置，其特征在于，所述第一计算单元，用于若岩性为致密砂岩，且异常类型为裂缝发育段井径扩径，则计算井径曲的极大值；若岩性为致密砂岩，且异常类型为自然伽马增高，则计算自然伽马曲线的极大值；若岩性为泥页岩，且异常类型为裂缝发育段井径扩径，则计算井径曲的极大值；若岩性为泥页岩，且异常类型为声波时差增加，则计算声波时差曲线的极大值；若岩性为泥页岩，且异常类型为自然伽马降低，则计算自然伽马曲线的极小值。
9.根据权利要求6所述的装置，其特征在于，所述处理单元，用于通过matlab对所述测井曲线极值取绝对值并进行归一化处理。
10.根据权利要求6所述的装置，其特征在于，所述第二计算单元，用于将岩性为致密砂岩的不同类型测井曲线的极值相乘，得到第一乘积；将岩性为泥页岩的不同类型测井曲线的极值相乘，得到第二乘积；将所述第一乘积和所述第二乘积相加，得到所述裂缝指示曲线Frac。
11.一种存储介质，其特征在于，该存储介质存储的计算机程序，可被一个或多个处理器执行，可用来实现如权利要求1～5任意一项所述的区域裂缝识别方法。
12.一种电子设备，其特征在于，包括存储器和处理器，所述存储器上存储有计算机程序，所述存储器和所述处理器之间互相通信连接，该计算机程序被所述处理器执行时，执行如权利要求1～5任意一项所述的区域裂缝识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210554805.5A CN117130066A (zh) | 2022-05-20 | 2022-05-20 | 区域裂缝识别方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210554805.5A CN117130066A (zh) | 2022-05-20 | 2022-05-20 | 区域裂缝识别方法、装置、存储介质及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117130066A true CN117130066A (zh) | 2023-11-28 |
Family
ID=88856956
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210554805.5A Pending CN117130066A (zh) | 2022-05-20 | 2022-05-20 | 区域裂缝识别方法、装置、存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117130066A (zh) |
-
2022
- 2022-05-20 CN CN202210554805.5A patent/CN117130066A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106951660B (zh) | 一种海相碎屑岩水平井储层测井解释方法及装置 | |
| Fernández-Ibáñez et al. | Integrating borehole image logs with core: A method to enhance subsurface fracture characterization | |
| CN110321595B (zh) | 一种测井提取静态品质系数的断层封闭性评价方法 | |
| US11230922B2 (en) | Fracture interpretation with resistivity and sonic logs in biaxial anisotropic formations | |
| CN110927794A (zh) | 一种致密储层裂缝识别与孔隙度定量计算的方法 | |
| CN107861162B (zh) | 基于微电极测井资料的天然裂缝识别方法及系统 | |
| Lai et al. | Typical misinterpretations and scientific concepts in well-logging geologic studies | |
| CN110173259B (zh) | 一种斯通利波能量补偿校正的方法 | |
| CN109826623B (zh) | 一种致密砂岩储层层理缝的地球物理测井判识方法 | |
| CN106777649B (zh) | 一种裂缝型储集层孔隙结构定量评价方法 | |
| KR101292659B1 (ko) | 물리 검층 데이터의 해석 방법 | |
| CN110939428B (zh) | 一种致密砂岩油气藏储层裂缝的识别方法 | |
| CN111594155B (zh) | 一种致密复杂岩性储层气层、水层识别方法 | |
| US9885797B2 (en) | Monitoring matrix acidizing operations | |
| CN110320562B (zh) | 页岩气储层水平井中声波时差的校正方法 | |
| CN117130066A (zh) | 区域裂缝识别方法、装置、存储介质及电子设备 | |
| CN114876454B (zh) | 一种大斜度井复杂岩性水淹层识别方法及系统 | |
| CN108627878B (zh) | 致密砂岩地层的裂缝识别方法及系统 | |
| CN113325468B (zh) | 储层缝洞分布范围预测方法及装置 | |
| CN113625360B (zh) | 微裂缝地层产量预测方法、系统、电子设备及介质 | |
| CN114325820A (zh) | 一种煤层下伏岩层富水性的分析方法及其系统 | |
| CN109116440B (zh) | 致密灰岩储层裂缝识别方法 | |
| Yang et al. | Application of conventional logging interpretation fracture method based on neural network in offshore Oilfield L | |
| CN113720745A (zh) | 含碳屑碎屑岩储层地球物理测井计算孔隙度的方法 | |
| CN115508890B (zh) | 一种裂缝孔隙型储层叠前叠后反演方法 |
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 |