一种基于测井数据的残留烃率确定模型构建方法及残留烃率确定方法
文献发布时间:2023-06-19 11:37:30
技术领域
本发明属于烃源岩评价技术领域,涉及一种基于测井数据的残留烃率确定模型构建方法及残留烃率确定方法。
背景技术
目前全球非常规油可采资源量为4421亿吨,非常规气技术可采资源量为227万亿方,资源总量远超常规油气。近年来对于非常规资源的研究越来越火,国内更是有邹才能,贾承造等院士致力于非常规的研究,并获得很大的科学成果。
根据Pepper和Sandvik等人发表在《地质学会》期刊上的数据,表明有机物质保留了一部分生成的石油,每100g有机物吸附的液体约为10g,即100mgHC/gTOC。因此,在超过吸附阈值之前存在耐油排出,即直到油饱和度指数(OSI=100xS
在经历高水平勘探的盆地中,可以根据热解实验和TOC测试实验获得S
本发明很好的解决了上述问题,热解和TOC数据较少的情况下我们可以利用测井数据有效快速的对烃源岩进行判识,并且数据具有很好的连续性。该方法具有低成本,高效,连续等特点,很好的指导油气勘探,帮助油田获得竞争优势。
发明内容
本发明的目的在于提供一种基于测井数据的残留烃率确定模型构建方法;该方法构建的残留烃率确定模型有助于在热解和TOC数据较少的情况下快速有效的实现对目标区域烃源岩残留烃率的确定。
本发明的目的在于提供一种基于测井数据的快速确定目标区烃源岩残留烃率的方法,该方法具有低成本,高效,连续等特点,很好的指导油气勘探,帮助油田获得竞争优势。
为了实现上述目的,本发明提供了一种基于测井数据的残留烃率确定模型构建方法,其中,该方法包括:
1)获取目标区域典型烃源岩层的测井数据以及烃源岩样品;
2)基于获取的烃源岩样品,确定各烃源岩样品的残留烃率;
3)基于获取的测井数据以及各烃源岩样品的残留烃率,确定与残留烃率相关且彼此间互不线性相关的测井数据;
4)将步骤3)确定的与残留烃率相关且彼此间互不线性相关的测井数据进行标准化得到标准化的测井数据;
5)基于标准化的测井数据,利用主成分分析方法构造出相互独立的主成分;
6)基于各烃源岩样品的残留烃率以及所述主成分,构建残留烃率关于所述主成分的计算模型即测井数据的残留烃率确定模型。
在上述基于测井数据的残留烃率确定模型构建方法中,优选地,基于获取的烃源岩样品,确定各烃源岩样品的残留烃率包括:
基于获取的烃源岩样品,确定各烃源岩样品溶解烃量和有机碳总量;
基于各烃源岩样品溶解烃量和有机碳总量,确定各烃源岩样品的残留烃率;其中,残留烃率=溶解烃量÷有机碳总量;
在一具体实施方式中,确定各烃源岩样品溶解烃量和有机碳总量通过常规热解实验进行确定。
在上述基于测井数据的残留烃率确定模型构建方法中,优选地,基于获取的测井数据以及各烃源岩样品的残留烃率,确定与残留烃率相关且彼此间互不线性相关的测井数据包括:
将各类测井数据分别与残留烃率数据进行对应,并逐一观察各类测井数据和残留烃率数据的相关性,确定与残留烃率数据的相关系数的平方R
对各类与残留烃率相关的测井数据进行线性相关分析,确定彼此间互不线性相关的测井数据。
在上述基于测井数据的残留烃率确定模型构建方法中,优选地,所述与残留烃率相关且彼此间互不线性相关的测井数据包括铀含量测井数据、钍含量测井数据、钾含量测井数据、体积密度校正值测井数据、自然伽马测井数据、中子测井数据、冲洗带电阻率测井数据、深侧向电阻率测井数据、钻井液电阻率测井数据、自然伽马射线测井数据和声波测井数据。
在上述基于测井数据的残留烃率确定模型构建方法中,优选地,将步骤3)确定的与残留烃率相关且彼此间互不线性相关的测井数据进行标准化得到标准化的测井数据通过下述公式进行:
其中,z_log
在上述基于测井数据的残留烃率确定模型构建方法中,优选地,基于标准化的测井数据,利用主成分分析方法构造出相互独立的主成分指:利用主成分分析对各类标准化的测井数据进行融合及降维,得到代表全部标准化的测井数据90%以上信息的主成分;
在一具体实施方式中,主成分满足:
PC1=f1(z_log
PC2=f2(z_log
PCm=fm(z_log
其中,PCj(j=1,2......m)为第j个主成分;z_log
在上述基于测井数据的残留烃率确定模型构建方法中,优选地,基于各烃源岩样品的残留烃率以及所述主成分,构建残留烃率关于所述主成分的计算模型即测井数据的残留烃率确定模型通过系数方式实现:
通过最优回归分析的方法拟合出残留烃率关于所述主成分的最佳回归方程作为残留烃率关于所述主成分的计算模型即测井数据的残留烃率确定模型;
在一具体实施方式中,残留烃率关于所述主成分的最佳回归方程满足:
其中,
本发明还提供了一种基于测井数据的残留烃率确定方法,该方法包括:
采用上述基于测井数据的残留烃率确定模型构建方法构建得到基于测井数据的残留烃率确定模型;
获取目标区域的测井响应数据;
基于目标区域的测井响应数据,利用所述基于测井响应数据的残留烃率确定模型,确定目标区域的残留烃率。
在上述基于测井数据的残留烃率确定方法中,优选地,构建得到的残留烃率确定模型为:
残留烃率=a
其中,PCj=b
其中,j=1,2…m;
式中,PCj(j=1,2…m)为第j个主成分;z_log
在一具体实施方式中,构建得到的残留烃率确定模型为:
残留烃率=0.3625-0.0696PC1+0.1333PC2+0.1858PC3+0.0122PC4,其中,
式中,PCj(j=1,2,3,4)为第j个主成分;U为铀含量测井数据,ppm;TH为钍含量测井数据,ppm;K为钾含量测井数据,v/v;DRHO为体积密度校正值测井数据,g/cm
本发明提供的残留烃率确定模型构建方法将烃源岩残留烃率与测井信息结合起来,构建得到能够高效进行残留烃率确定的模型。
本发明提供的残留烃率确定方法能够实现通过测井数据快速判识包括深层在内的烃源岩的残留烃率,数据来源困难和不连续的问题,同时为烃源岩的的评价提供了简单有效的方法,提高了烃源岩评价和油气来源分析的工作效率。与现有技术相比具备如下有益效果:
(1)节省了大量的取样和实验,节省了勘探时间,降低成本,减少了受样品分布非均质性和取样人为性等因素的影响;
(2)本发明所提供的方法利用测井数据快速识别烃源岩,数据来源便捷且具有连续性,能更好更快的应用到更大的区域;
(3)本发明利用多条测井数据进行预测模型的建立,有效的减少了单一因素对结果的影响,保证了数据的准确性和实用性。
附图说明
图1为本发明一实施例提供的基于测井数据的残留烃率确定模型构建方法的流程示意图。
图2为本发明一实施例提供的基于测井数据的残留烃率确定方法的流程示意图。
图3A为实施例1中残留烃率与密度测井曲线的关系的交叉图。
图3B为实施例1中残留烃率与铀含量/钍含量测井曲线的关系的交叉图。
图3C为实施例1中残留烃率与中子测井曲线的关系的交叉图。
图3D为实施例1中残留烃率与钾含量测井曲线的关系的交叉图。
图3E为实施例1中残留烃率与深侧向电阻率测井曲线的关系的交叉图。
图3F为实施例1中残留烃率与自然伽马射线测井曲线的关系的交叉图。
图3G为实施例1中残留烃率与声波测井曲线的关系的交叉图。
图3H为实施例1中残留烃率与钻井液电阻率测井曲线的关系的交叉图。
图3I为实施例1中残留烃率与冲洗带电阻率测井曲线的关系的交叉图。
图3J为实施例1中残留烃率与自然伽马测井曲线的关系的交叉图。
图3K为实施例1中残留烃率与体积密度校正值测井曲线的关系的交叉图。
图4为实施例1中YW2井残留烃率计算值与实验获得值对比图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚完整的描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明的保护范围。
下面参考本发明的若干代表性实施方式,详细阐述本发明的原理和精神。
参见图1,本发明一实施例提供了一种基于测井数据的残留烃率确定模型构建方法,其中,该方法包括:
步骤S1:获取目标区域典型烃源岩层的测井数据以及烃源岩样品;
步骤S2:基于获取的烃源岩样品,确定各烃源岩样品的残留烃率;
步骤S3:基于获取的测井数据以及各烃源岩样品的残留烃率,确定与残留烃率相关且彼此间互不线性相关的测井数据;
步骤S4:将步骤S3确定的与残留烃率相关且彼此间互不线性相关的测井数据进行标准化得到标准化的测井数据;
步骤S5:基于标准化的测井数据,利用主成分分析方法构造出相互独立的主成分;
步骤S6:基于各烃源岩样品的残留烃率以及所述主成分,构建残留烃率关于所述主成分的计算模型即测井数据的残留烃率确定模型。
其中,本发明提供的残留烃率确定模型构建方法,通过测井数据提取主成分,建立主成分与残留烃率之间的关系式得出一个定量模型;本发明提供的残留烃率确定模型构建方法构建得到的模型有助于在热解和TOC数据较少的情况下利用测井数据快速有效的实现对目标区域烃源岩残留烃率的确定。
进一步地,基于获取的烃源岩样品,确定各烃源岩样品的残留烃率包括:
基于获取的烃源岩样品,确定各烃源岩样品溶解烃量和有机碳总量;
基于各烃源岩样品溶解烃量和有机碳总量,确定各烃源岩样品的残留烃率;其中,残留烃率=溶解烃量÷有机碳总量;
其中,确定各烃源岩样品溶解烃量和有机碳总量通过常规热解实验进行确定即可;具体热解操作可以视选用热解仪器而定。
进一步地,基于获取的测井数据以及各烃源岩样品的残留烃率,确定与残留烃率相关且彼此间互不线性相关的测井数据包括:
将各类测井数据分别与残留烃率数据进行对应,并逐一观察各类测井数据和残留烃率数据的相关性,确定与残留烃率数据的相关系数的平方R
对各类与残留烃率相关的测井数据进行线性相关分析,确定彼此间互不线性相关的测井数据。
进一步地,获取目标区域典型烃源岩层的测井数据至少包括铀含量测井数据、钍含量测井数据、钾含量测井数据、体积密度校正值测井数据、自然伽马测井数据、中子测井数据、冲洗带电阻率测井数据、深侧向电阻率测井数据、钻井液电阻率测井数据、自然伽马射线测井数据和声波测井数据;
在一实施方式中,获取目标区域典型烃源岩层的测井数据包括铀含量测井数据、钍含量测井数据、钾含量测井数据、体积密度校正值测井数据、自然伽马测井数据、中子测井数据、冲洗带电阻率测井数据、深侧向电阻率测井数据、钻井液电阻率测井数据、自然伽马射线测井数据、声波测井数据和密度测井数据。
进一步地,所述与残留烃率相关且彼此间互不线性相关的测井数据包括铀含量测井数据、钍含量测井数据、钾含量测井数据、体积密度校正值测井数据、自然伽马测井数据、中子测井数据、冲洗带电阻率测井数据、深侧向电阻率测井数据、钻井液电阻率测井数据、自然伽马射线测井数据和声波测井数据。
进一步地,将步骤S3确定的与残留烃率相关且彼此间互不线性相关的测井数据进行标准化得到标准化的测井数据通过下述公式进行:
式中,z_log
进一步地,基于标准化的测井数据,利用主成分分析方法构造出相互独立的主成分指:利用主成分分析对各类标准化的测井数据进行融合及降维,得到代表全部标准化的测井数据90%以上(优选为95%以上)信息的主成分;
在一实施方式中,主成分满足:
PC1=f1(z_log
PC2=f2(z_log
PCm=fm(z_log
式中,PCj(j=1,2......m)为第j个主成分,无量纲;z_log
例如,利用主成分分析对11种标准化的测井数据进行融合及降维,得到4个代表全部热解组合参数95%以上信息的主成分;
其中,利用主成分分析对各类标准化的测井数据进行融合及降维,得到代表全部标准化的测井数据90%以上(优选为95%以上)信息的主成分采用常规方式进行即可;例如,运用主成分分析算法求取主成分变换参数矩阵及方差贡献矩阵,在方差矩阵中选取累计方差贡献达90%以上(优选为95%以上)的前n个主成分作为目标主成分并在主成分变换参数矩阵截取前n个主成分的变换参数(主成分的变换参数,即原始各类标准化的测井数据向目标主成分的变换方法);仅保留前n个主成分并舍弃剩余主成分从而实现对各类标准化的测井数据进行融合及降维。
进一步地,基于各烃源岩样品的残留烃率以及所述主成分,构建残留烃率关于所述主成分的计算模型即测井数据的残留烃率确定模型通过系数方式实现:
通过最优回归分析的方法拟合出残留烃率关于所述主成分的最佳回归方程作为残留烃率关于所述主成分的计算模型即测井数据的残留烃率确定模型;
其原理为:将残留烃率作为因变量,将主成分作为自变量,拟合线性方程参数,这些参数可以使得预测的残留烃率与实际残留烃率差异的平方和最小;在一实施方式中,残留烃率关于所述主成分的最佳回归方程满足:
其中,
参见图2,本发明一实施例提供一种基于测井数据的残留烃率确定方法,其中,该方法包括:
步骤S21:获取目标区域典型烃源岩层的测井数据以及烃源岩样品;
步骤S22:基于获取的烃源岩样品,确定各烃源岩样品的残留烃率;
步骤S23:基于获取的测井数据以及各烃源岩样品的残留烃率,确定与残留烃率相关且彼此间互不线性相关的测井数据;
步骤S24:将步骤S23确定的与残留烃率相关且彼此间互不线性相关的测井数据进行标准化得到标准化的测井数据;
步骤S25:基于标准化的测井数据,利用主成分分析方法构造出相互独立的主成分;
步骤S26:基于各烃源岩样品的残留烃率以及所述主成分,构建残留烃率关于所述主成分的计算模型即测井数据的残留烃率确定模型;
步骤S27:获取目标区域的测井响应数据;
步骤S28:基于目标区域的测井响应数据,利用所述基于测井响应数据的残留烃率确定模型,确定目标区域的残留烃率。
其中,本发明提供的基于测井数据的残留烃率确定方法,基于目标区域典型烃源岩的测井数据与残留烃率确定是适用于目标区域的残留烃率关于测井数据的计算公式,在此基础上能够实现直接利用目标区域任意处的测井数据快速有效确定该区域对应的烃源岩残留烃率。
进一步地,基于获取的烃源岩样品,确定各烃源岩样品的残留烃率包括:
基于获取的烃源岩样品,确定各烃源岩样品溶解烃量和有机碳总量;
基于各烃源岩样品溶解烃量和有机碳总量,确定各烃源岩样品的残留烃率;其中,残留烃率=溶解烃量÷有机碳总量;
其中,确定各烃源岩样品溶解烃量和有机碳总量通过常规热解实验进行确定即可;具体热解操作可以视选用热解仪器而定。
进一步地,基于获取的测井数据以及各烃源岩样品的残留烃率,确定与残留烃率相关且彼此间互不线性相关的测井数据包括:
将各类测井数据分别与残留烃率数据进行对应,并逐一观察各类测井数据和残留烃率数据的相关性,确定与残留烃率数据的相关系数的平方R
对各类与残留烃率相关的测井数据进行线性相关分析,确定彼此间互不线性相关的测井数据。
进一步地,获取目标区域典型烃源岩层的测井数据至少包括铀含量测井数据、钍含量测井数据、钾含量测井数据、体积密度校正值测井数据、自然伽马测井数据、中子测井数据、冲洗带电阻率测井数据、深侧向电阻率测井数据、钻井液电阻率测井数据、自然伽马射线测井数据和声波测井数据;
在一实施方式中,获取目标区域典型烃源岩层的测井数据包括铀含量测井数据、钍含量测井数据、钾含量测井数据、体积密度校正值测井数据、自然伽马测井数据、中子测井数据、冲洗带电阻率测井数据、深侧向电阻率测井数据、钻井液电阻率测井数据、自然伽马射线测井数据、声波测井数据和密度测井数据。
进一步地,所述与残留烃率相关且彼此间互不线性相关的测井数据包括铀含量测井数据、钍含量测井数据、钾含量测井数据、体积密度校正值测井数据、自然伽马测井数据、中子测井数据、冲洗带电阻率测井数据、深侧向电阻率测井数据、钻井液电阻率测井数据、自然伽马射线测井数据和声波测井数据。
进一步地,将步骤S3确定的与残留烃率相关且彼此间互不线性相关的测井数据进行标准化得到标准化的测井数据通过下述公式进行:
式中,z_log
进一步地,基于标准化的测井数据,利用主成分分析方法构造出相互独立的主成分指:利用主成分分析对各类标准化的测井数据进行融合及降维,得到代表全部标准化的测井数据90%以上(优选为95%以上)信息的主成分;
在一实施方式中,主成分满足:
PC1=f1(z_log
PC2=f2(z_log
PCm=fm(z_log
式中,PCj(j=1,2......m)为第j个主成分,无量纲;z_log
例如,利用主成分分析对11种标准化的测井数据进行融合及降维,得到4个代表全部热解组合参数95%以上信息的主成分;
其中,利用主成分分析对各类标准化的测井数据进行融合及降维,得到代表全部标准化的测井数据90%以上(优选为95%以上)信息的主成分采用常规方式进行即可;例如,运用主成分分析算法求取主成分变换参数矩阵及方差贡献矩阵,在方差矩阵中选取累计方差贡献达90%以上(优选为95%以上)的前n个主成分作为目标主成分并在主成分变换参数矩阵截取前n个主成分的变换参数(主成分的变换参数,即原始各类标准化的测井数据向目标主成分的变换方法);仅保留前n个主成分并舍弃剩余主成分从而实现对各类标准化的测井数据进行融合及降维。
进一步地,基于各烃源岩样品的残留烃率以及所述主成分,构建残留烃率关于所述主成分的计算模型即测井数据的残留烃率确定模型通过系数方式实现:
通过最优回归分析的方法拟合出残留烃率关于所述主成分的最佳回归方程作为残留烃率关于所述主成分的计算模型即测井数据的残留烃率确定模型;
其原理为:将残留烃率作为因变量,将主成分作为自变量,拟合线性方程参数,这些参数可以使得预测的残留烃率与实际残留烃率差异的平方和最小;在一实施方式中,残留烃率关于所述主成分的最佳回归方程满足:
其中,
进一步地,构建得到的残留烃率确定模型为:
残留烃率=a
其中,PCj=b
其中,j=1,2…m;
式中,PCj(j=1,2…m)为第j个主成分;z_log
例如,构建得到的残留烃率确定模型为:
残留烃率=0.3625-0.0696PC1+0.1333PC2+0.1858PC3+0.0122PC4,其中,
式中,PCj(j=1,2,3,4)为第j个主成分;U为铀含量测井数据,ppm;TH为钍含量测井数据,ppm;K为钾含量测井数据,v/v;DRHO为体积密度校正值测井数据,g/cm
实施例1
本实施例提供了一种基于测井数据的残留烃率确定方法,用以对塔里木盆地中上奥陶统统中的烃源岩残留烃率进行确定;
该方法包括:
步骤1:获取塔里木盆地YW2井中上奥陶系烃源岩样品及其对应的12条测井曲线;
12条测井曲线具体包括密度测井曲线(DEN)、铀含量测井曲线(U)、钍含量测井曲线(TH)、钾含量测井曲线(K)、自然伽马射线测井曲线(GR)、中子测井曲线(CN)、声波测井曲线(DT)、自然伽马测井曲线(GRCN)、深侧向电阻率测井曲线(RD)、冲洗带电阻率测井曲线(RXO)、钻井液电阻率(RM)测井曲线和体积密度校正值测井曲线(DRHO);其中,铀含量测井曲线U和钍含量测井曲线TH以U/TH的形式进行表示。
步骤2:基于获取的塔里木盆地YW2井中上奥陶系烃源岩样品,确定各烃源岩样品溶解烃量(S
溶解烃量(S
步骤3:将塔里木盆地YW2井中上奥陶系各类测井曲线分别与残留烃率进行对应,并逐一观察各类测井曲线和残留烃率的相关性,确定与残留烃率的相关系数的平方R
具体而言,通过获得的塔里木盆地YW2井中上奥陶系的残留烃率(S
步骤4:将塔里木盆地YW2井中上奥陶系的与残留烃率相关且彼此间互不线性相关的测井曲线进行标准化得到标准化的测井曲线,从而建立了塔里木盆地地区的标准参数数据库;其中,标准化通过下述公式进行:
式中,z_log
步骤5:基于标准化的测井曲线,利用主成分分析对各类标准化的测井曲线进行融合及降维,得到代表全部标准化的测井曲线90%以上信息的主成分;
具体而言,利用主成分分析方法对上述10种测井曲线进行融合及降维构造出了若干个相互独立的主成分,得到4个代表全部测井曲线95.70%信息的主成分,各主成分和各测井曲线之间的关系式为:
式中,PCj(j=1,2,3,4)为第j个主成分;U为铀含量测井数据,ppm;TH为钍含量测井数据,ppm;K为钾含量测井数据,v/v;DRHO为体积密度校正值测井数据,g/cm
塔里木盆地YW2井中上奥陶系主成分数据计算结果参见表1。
步骤6:通过最优回归分析的方法拟合出塔里木盆地YW2井中上奥陶系残留烃率关于其主成分的最佳回归方程作为残留烃率关于所述主成分的计算模型即测井数据的残留烃率确定模型;
(S
式中,PCj(j=1,2,3,4)为第j个主成分;(S
塔里木盆地YW2井中上奥陶系烃源岩残留烃率的预测值计算结果参见表1;
将塔里木盆地中上奥陶统YW2井通过此模型计算得到的数据与实验获得的数据进行对比(如表1),并进行线性拟合(如图4所示);YW2井计算得到的S
表1
步骤7:获取塔里木盆地中上奥陶统统中各井的测井曲线;
步骤8:基于塔里木盆地中上奥陶统统中各井的测井曲线,利用步骤6建立的基于测井响应数据的残留烃率确定模型,确定塔里木盆地中上奥陶统统中各井的残留烃率。
- 一种基于测井数据的残留烃率确定模型构建方法及残留烃率确定方法
- 一种反射率数据的确定方法、电量确定方法及相关装置