深层砂岩储层孔隙度的预测方法及装置

技术领域

本发明涉及石油天然气地质勘探中的储层评价技术领域，尤其涉及一种深层砂岩储层孔隙度的预测方法及装置。

背景技术

孔隙度是石油天然气储层评价的关键参数，储层孔隙度的大小、演化与成岩作用息息相关。目前，国内外对储层孔隙度的预测方法大致可以分为5类：基于深度指数的孔隙度预测方法；基于成岩物理实验的孔隙度预测方法；基于储层孔隙演化历史的孔隙度模拟方法；基于地震相的储层孔隙度预测方法；基于局部决策树算法的孔隙度预测方法。但在埋藏热效应成岩作用为主的地区，对于一定成分成熟度和结构成熟度的砂岩，地温场是影响储层孔隙度的重要因素，且地层越深地温场的影响越大，对于深层砂岩储层，上述方法并不能准确考虑到地温场对储层孔隙度的影响，因而，在埋藏热效应成岩作用为主的地区，利用现有技术预测得到的深层砂岩储层孔隙度的预测准确度低，甚至无法预测深层砂岩储层孔隙度。

发明内容

本发明实施例提供一种深层砂岩储层孔隙度的预测方法，用以提高深层砂岩储层孔隙度的预测准确度，该方法包括：

获取目标层段中测井每一位置点的砂岩储层孔隙度、地层温度数据、砂岩储层粒度和石英含量；

根据测井每一位置点的地层温度数据，确定测井每一位置点的时间-温度指数TTI；

根据测井每一位置点的砂岩储层孔隙度、砂岩储层粒度、石英含量和TTI，建立砂岩储层孔隙度的预测模型；所述砂岩储层孔隙度的预测模型，用于表征每一位置点的砂岩储层孔隙度和TTI之间的关联关系；

获取目的层段的地层分层数据和地温梯度；

根据目的层段的地层分层数据和地温梯度，确定目的层段中每一位置点的TTI；

根据目的层段中每一位置点的TTI和所述砂岩储层孔隙度的预测模型，确定目的层段中每一位置点的砂岩储层孔隙度。

本发明实施例还提供一种深层砂岩储层孔隙度的预测装置，用以提高深层砂岩储层孔隙度的预测准确度，该装置包括：

测井数据获取模块，用于获取目标层段中测井每一位置点的砂岩储层孔隙度、地层温度数据、砂岩储层粒度和石英含量；

测井TTI确定模块，用于根据测井每一位置点的地层温度数据，确定测井每一位置点的时间-温度指数TTI；

预测模型建立模块，用于根据测井每一位置点的砂岩储层孔隙度、砂岩储层粒度、石英含量和TTI，建立砂岩储层孔隙度的预测模型；所述砂岩储层孔隙度的预测模型，用于表征每一位置点的砂岩储层孔隙度和TTI之间的关联关系；

目的层段数据获取模块，用于获取目的层段的地层分层数据和地温梯度；

目的层段TTI确定模块，用于根据目的层段的地层分层数据和地温梯度，确定目的层段中每一位置点的TTI；

砂岩储层孔隙度预测模块，用于根据目的层段中每一位置点的TTI和所述砂岩储层孔隙度的预测模型，确定目的层段中每一位置点的砂岩储层孔隙度。

本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述深层砂岩储层孔隙度的预测方法。

本发明实施例也提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述深层砂岩储层孔隙度的预测方法的计算机程序。

本发明实施例中，通过获取目标层段中测井每一位置点的砂岩储层孔隙度、地层温度数据、砂岩储层粒度和石英含量；根据测井每一位置点的地层温度数据，确定测井每一位置点的时间-温度指数TTI；根据测井每一位置点的砂岩储层孔隙度、砂岩储层粒度、石英含量和TTI，建立砂岩储层孔隙度的预测模型；其中，砂岩储层孔隙度的预测模型，用于表征每一位置点的砂岩储层孔隙度和TTI之间的关联关系；获取目的层段的地层分层数据和地温梯度；根据目的层段的地层分层数据和地温梯度，确定目的层段中每一位置点的TTI；根据目的层段中每一位置点的TTI和所述砂岩储层孔隙度的预测模型，确定目的层段中每一位置点的砂岩储层孔隙度。通过引入时间-温度指数TTI，可准确地表征地温场带来的地质效应，建立时间-温度指数TTI和砂岩储层孔隙度相关联的砂岩储层孔隙度的预测模型，可准确考虑到地温场对深层储层孔隙度的影响，从而提高深层砂岩储层孔隙度的预测准确度，进而更好地指导后续开发中的区域预探、风险勘探及精准勘探，提高勘探成功率。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例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一些实施例，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，还可以根据这些附图获得其他的附图。

图1为本发明实施例中深层砂岩储层孔隙度的预测方法的示意图。

图2为本发明具体实施例中步骤103的实施方法示意图。

图3为本发明具体实施例中步骤106的实施方法示意图。

图4为本发明具体实施例中深层砂岩储层孔隙度的预测方法的示意图。

图5为本发明具体实施例中步骤402的实施方法示意图。

图6为本发明一具体应用实施中的库车-塔北地区古近系-白垩系粗-中粒砂岩储层孔隙度与TTI相关关系图示意图。

图7为本发明一具体应用实施中的库车-塔北地区古近系-白垩系中细-细粒砂岩储层孔隙度与TTI相关关系图。

图8为本发明一具体应用实施中的古近系-白垩系不等粒-含砾砂岩储层孔隙度与TTI值相关关系图。

图9为本发明一具体应用实施中的某井点白垩系热史-埋藏史图。

图10为本发明一具体应用实施中的库车-塔北地区白垩系砂岩储层TTI等值线图。

图11为本发明实施例中深层砂岩储层孔隙度的预测装置的示意图。

图12为本发明具体实施例中深层砂岩储层孔隙度的预测装置的示意图。

具体实施方式

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、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，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他实施例，都属于本发明保护的范围。

发明人发现，虽然，TTI(Time temperature index，时间-温度指数)最初用于研究沉积物有机质及油气烃源岩的热演化程度(Lopatin，1971；Waples，1980)，通过建立TTI值与镜质体发射率(Ro)之间的相互关系进行烃源岩生烃史模拟及生油窗确定(Wood，1988；邹华耀，1992；秦承志，2002)，广泛应用于油气盆地模拟中。但在埋藏热效应成岩作用为主的地区，对于一定成分成熟度和结构成熟度的深层砂岩，地温场、埋藏热演化轨迹和地质作用时间，是影响储层孔隙度的主要因素，而这3种因素的综合地质效应可用TTI进行衡量。因而，在埋藏热效应成岩作用为主的地区，可利用TTI对深层砂岩储层孔隙度进行有效预测，提高深层砂岩储层孔隙度的预测准确度。

本发明实施例提供了一种基于TTI值来预测深层砂岩孔隙度的方法，用以提高深层砂岩储层孔隙度的预测准确度，如图1所示，该方法包括：

步骤101：获取目标层段中测井每一位置点的砂岩储层孔隙度、地层温度数据、砂岩储层粒度和石英含量；

步骤102：根据测井每一位置点的地层温度数据，确定测井每一位置点的时间-温度指数TTI；

步骤103：根据测井每一位置点的砂岩储层孔隙度、砂岩储层粒度、石英含量和TTI，建立砂岩储层孔隙度的预测模型；其中，砂岩储层孔隙度的预测模型，用于表征每一位置点的砂岩储层孔隙度和TTI之间的关联关系；

步骤104：获取目的层段的地层分层数据和地温梯度；

步骤105：根据目的层段的地层分层数据和地温梯度，确定目的层段中每一位置点的TTI；

步骤106：根据目的层段中每一位置点的TTI和砂岩储层孔隙度的预测模型，确定目的层段中每一位置点的砂岩储层孔隙度。

由图1所示流程可以得知，本发明实施例中，通过获取目标层段中测井每一位置点的砂岩储层孔隙度、地层温度数据、砂岩储层粒度和石英含量；根据测井每一位置点的地层温度数据，确定测井每一位置点的时间-温度指数TTI；根据测井每一位置点的砂岩储层孔隙度、砂岩储层粒度、石英含量和TTI，建立砂岩储层孔隙度的预测模型；其中，砂岩储层孔隙度的预测模型，用于表征每一位置点的砂岩储层孔隙度和TTI之间的关联关系；获取目的层段的地层分层数据和地温梯度；根据目的层段的地层分层数据和地温梯度，确定目的层段中每一位置点的TTI；根据目的层段中每一位置点的TTI和所述砂岩储层孔隙度的预测模型，确定目的层段中每一位置点的砂岩储层孔隙度。通过引入时间-温度指数TTI，可准确地表征地温场带来的地质效应，建立时间-温度指数TTI和砂岩储层孔隙度相关联的砂岩储层孔隙度的预测模型，可准确考虑到地温场对深层储层孔隙度的影响，从而提高深层砂岩储层孔隙度的预测准确度，进而更好地指导后续开发中的区域预探、风险勘探及精准勘探，提高勘探成功率。

具体实施时，首先获取目标层段中测井每一位置点的砂岩储层孔隙度、地层温度数据、砂岩储层粒度和石英含量。可进行资料准备，包括收集已钻井岩心物性、岩矿成分、有机质镜质体反射率、地层温度等获取目标层段中测井每一位置点的砂岩储层孔隙度、地层温度数据、砂岩储层粒度和石英含量。岩心物性资料中包括储层某一深度处的砂岩储层孔隙度，岩矿成分资料包括储层某一深度处的砂岩储层石英、长石、岩屑、杂基和胶结物的含量；有机质镜质体反射率包括储层某一深度处的有机质镜质体反射率；地层温度是指储层某一深度处的地层测试温度等。具体实施例中，目标层段选取可用于指导后续开发的深层地层层段，根据生产的实际需要选取，例如选择4000米-5000米的地层层段。其中，深层地层一般是指埋深在3500米以上的地层。

获取目标层段中测井每一位置点的地层温度数据后，根据测井每一位置点的地层温度数据，确定测井每一位置点的时间-温度指数TTI。具体实施时，按照如下公式，根据测井每一位置点的地层温度数据，确定测井每一位置点的TTI：

其中，TTI表示每一位置点的时间-温度指数；n

具体实施例中，在资料允许的条件下，测井每一位置点的TTI的值可以从Basinmod软件或Petronasmod软件或自编软件中直接读取。

确定测井每一位置点的时间-温度指数TTI后，根据测井每一位置点的砂岩储层孔隙度、砂岩储层粒度、石英含量和TTI，建立砂岩储层孔隙度的预测模型。具体实施时，如图2所示，包括：

步骤201：按照砂岩储层粒度的类别和石英含量的多少，对测井中的位置点的岩性进行分类；

步骤202：根据同一岩性分类下的测井每一位置点的砂岩储层孔隙度和TTI，利用线性回归法，建立每一岩性分类对应的砂岩储层孔隙度的预测模型。

其中，砂岩储层孔隙度的预测模型，用于表征每一位置点的砂岩储层孔隙度和TTI之间的关联关系，如下所示：

φ＝a

其中，φ表示每一位置点的砂岩储层孔隙度；TTI表示每一位置点的时间-温度指数；a

具体实施时，砂岩储层粒度的类别可分为粗-中粒、中细-细粒、不等粒-含砾等3类，石英含量分为65％～75％、50％～65％、小于50％等3类，按照砂岩储层粒度的类别和石英含量的多少，将测井中的位置点的岩性分为9类：

①粒度为粗-中粒且石英含量为65％～75％；

②粒度为粗-中粒且石英含量为50％～65％；

③粒度为粗-中粒且石英含量为小于50％；

④粒度为中细-细粒且石英含量为65％～75％；

⑤粒度为中细-细粒且石英含量为50％～65％；

⑥粒度为中细-细粒且石英含量为小于50％；

⑦粒度为不等粒-含砾且石英含量为65％～75％；

⑧粒度为不等粒-含砾且石英含量为50％～65％；

⑨粒度为不等粒-含砾且石英含量为小于50％。

具体实施时，可建立不同粒度下，砂岩储层的石英含量、孔隙度、TTI值数据统计表，进行数据分析。同一岩性分类下，根据数据统计表，建立砂岩储层孔隙度与TTI的一元线性回归方程，即上述公式(2)。可通过回归方程公式(2)，建立该区域不同岩性分类下砂岩储层孔隙度与TTI值函数方程中常数a

建立砂岩储层孔隙度的预测模型后，获取目的层段的地层分层数据和地温梯度。并根据目的层段的地层分层数据和地温梯度，确定目的层段中每一位置点的TTI。其中，地层分层数据是指不同地层层位顶面和底面深度，可利用地震剖面和邻井资料，进行地震地层解释得到。地温梯度可利用区域地质资料及有机质镜质体反射率得到。获取目的层段的地层分层数据和地温梯度后，可利用Basin mod或Petromod软件建立单点目的层热史和埋藏史图，得到目的层段的热史和埋藏史，并输出相关数据表。根据目的层段的地层分层数据、地温梯度、热史和埋藏史等等资料，基于公式(1)，计算得到目的层段中每一位置点的TTI。

确定目的层段中每一位置点的TTI后，根据目的层段中每一位置点的TTI和上述建立的砂岩储层孔隙度的预测模型，确定目的层段中每一位置点的砂岩储层孔隙度。具体实施时，如图3所示，包括：

步骤301：根据目的层段中每一位置点的地层埋藏史，确定目的层段中每一位置点所属岩性分类；

步骤302：根据目的层段中每一位置点所属岩性分类对应的砂岩储层孔隙度的预测模型和目的层段中每一位置点的TTI，确定目的层段中每一位置点的砂岩储层孔隙度。

具体实施例中，确定的砂岩储层孔隙度预测值后，可与实测值进行比较，得到预测的评价效果，例如，预测的评价效果为：准确(±0～1.5％)、较准确(±1.5％～3.0％)和不准确(±3.0％～5.0％)。

进一步地，考虑到储层孔隙演化过程中胶结作用减孔和溶蚀作用增孔的影响，本发明还提供一种深层砂岩储层孔隙度的预测方法，如图4所示，在图1的基础上还包括：

步骤401：对建立的每一岩性分类对应的砂岩储层孔隙度的预测模型进行校正，得到每一岩性分类对应的校正后的砂岩储层孔隙度的预测模型；

相应地，步骤106适应性调整为步骤402：根据目的层段中每一位置点的TTI和所述校正后的砂岩储层孔隙度的预测模型，确定目的层段中每一位置点的砂岩储层孔隙度。

其中，校正后的砂岩储层孔隙度的预测模型如下：

φ＝a

其中，φ表示每一位置点的砂岩储层孔隙度；TTI表示每一位置点的时间-温度指数；a

其中，胶结减孔量φ

步骤402具体实施时，如图5所示，包括：

步骤501：根据目的层段中每一位置点的地层埋藏史，确定目的层段中每一位置点所属岩性分类；

步骤502：根据目的层段中每一位置点所属岩性分类对应的校正后的砂岩储层孔隙度的预测模型和目的层段中每一位置点的TTI，确定目的层段中每一位置点的砂岩储层孔隙度。

确定目的层段中每一位置点的砂岩储层孔隙度后，还可利用目的层段中每一位置点的砂岩储层孔隙度和储层的TTI等值线图，绘制目的层储层孔隙度等值线图，进而确定不同间隔储层的孔隙度分布范围和不同区域储层储集性能差异。其中，目的层储层的TTI等值线图可利用目的层段中每一位置点的TTI的值进行绘制。

可以理解的是，上述公式仅为示例，实施时可以对该公式进行变形，或采用其它公式或方法，本领域技术人员可以理解，变形后的这些公式或方法均落入本发明的保护范围，实施例中不再赘述。

此外，本发明实施例提供的深层砂岩储层孔隙度的预测方法，还可用于低勘探程度地区，这类地区由于勘探程度低，能用于预测的可用数据不多，而本发明实施例提供的深层砂岩储层孔隙度的预测方法所需的数据少且比较容易获取，只要有一定数量的地震剖面、几口井的成熟度分析数据以及区域地温梯度和地表温度，利用本发明实施例提供的深层砂岩储层孔隙度的预测方法，便可以通过TTI对目标层段的砂岩储层孔隙度进行有效预测。对于新层系或超深层领域也同样适用，利用区域地质资料和地震信息，建立基于TTI的砂岩储层孔隙度定量预测模型，进而求取目的层段中砂岩储层孔隙度，以指导风险勘探及精准勘探，提高勘探成功率。该方法创新了国内外深层砂岩储层孔隙度预测方法的新类型，提高了预测精度，填补了基于TTI的深层砂岩储层孔隙度预测研究的技术空白。

下面给出一具体实例说明本发明实施例如何预测深层砂岩储层孔隙度。本例应用于在库车-塔北深层白垩系砂岩储层评价预测研究中，并取得了较好的应用效果。

具体实施过程，包括：

S1：资料准备、数据分析、模型构建

资料准备包括收集已钻井岩心物性、岩矿成分、有机质镜质体反射率、地层温度等。岩心物性资料包括某一深度砂岩储层孔隙度；岩矿成分资料包括某一深度砂岩储层石英、长石、岩屑、杂基和胶结物含量；有机质镜质体反射率包括某一深度有机质镜质体反射率；地层温度是指某一深度地层测试温度。

数据分析是指利用公式(1)进行砂岩储层某一深度处的TTI的值的计算

数据分析还包括建立砂岩储层粒度下的石英含量、孔隙度和TTI的数据统计表，如下表：表1、表2和表3所示。

表1库车-塔北地区古近系-白垩系粗-中粒砂岩储层岩矿组成、TTI和孔隙度统计表

表2库车-塔北地区古近系-白垩系中细-细粒砂岩储层岩矿组成、TTI和孔隙度统计表

表3库车-塔北地区古近系-白垩系不等粒-含砾砂岩储层岩矿组成、TTI和孔隙度统计表

模型构建是指利用表1-表3所显示的数据统计表，建立上述①-⑨岩性分类下的砂岩储层孔隙度与TTI的一元线性回归方程，即砂岩储层孔隙度的预测模型。其中，本例中所建立的砂岩储层孔隙度的预测模型，如图6、图7和图8所示。其中，通过公式(2)，建立该区域不同岩性分类下砂岩储层孔隙度与TTI值函数方程中常数a

表4库车-塔北地区砂岩储层孔隙度与TTI值函数方程中常数经验值统计表

进一步地，模型构建还包括，对建立的砂岩储层孔隙度与TTI的一元线性回归方程的校正。考虑到储层孔隙演化过程中胶结作用减孔和溶蚀作用增孔的影响，得到校正后的砂岩储层孔隙度的预测模型如下：

φ＝a

其中，φ表示每一位置点的砂岩储层孔隙度；TTI表示每一位置点的时间-温度指数；a

S2：单点砂岩储层TTI的计算

利用地层分层数据、地温梯度、热史和埋藏演化史等等资料及公式(1)，计算目的层储层中未钻井的井点处TTI的值。获取目的层段的地层分层数据和地温梯度后，可利用Basin mod或Petromod软件建立单点目的层热史和埋藏史图，得到目的层段的热史和埋藏史，例如，某井点处的热史-埋藏史图，如图9所示。

将目的层段上述相关数据带入公式(1)中，计算得到TTI的值，如下表5所示。

表5某井点白垩系砂岩储层不同埋藏时期TTI计算值统计表

S3：单点目的层段砂岩储层孔隙度预测

将目的层段TTI的值，代入储层孔隙度预测方程，即公式(3)中，计算得到孔隙度预测值，并与实测值进行比较，结果如下表6所示。预测评价效果分为：准确(±0～1.5％)、较准确(±1.5％～3.0％)、不准确(±3.0％～5.0％)。

表6塔里木盆地库车坳陷白垩系不同深度的砂岩孔隙度预测与实测比对表

S4：砂岩储层孔隙度平面预测

利用单点目的层段砂岩储层孔隙度预测值和储层TTI值等值线图，绘制目的层储层孔隙度等值线图，进而确定不同间隔储层孔隙度分布范围和不同区域储层储集性能差异。其中，目的层储层TTI值等值线图，可利用单点目的层段砂岩储TTI的值(表5所示)进行绘制，如图10所示。

在本具体实例中库车-塔北深层白垩系深层砂岩储层评价预测研究中成功应用，并取得了较好的应用效果。且相关成果具有广阔的推广应用前景，对国内其他地区类似储层的评价预测具有良好的借鉴意义。

上述具体应用的实施仅为举例，其余实施方式不再一一赘述。

基于同一发明构思，本发明实施例还提供一种深层砂岩储层孔隙度的预测装置，由于深层砂岩储层孔隙度的预测装置所解决问题的原理与深层砂岩储层孔隙度的预测方法相似，因此深层砂岩储层孔隙度的预测装置的实施可以参见深层砂岩储层孔隙度的预测方法的实施，重复之处不再赘述，具体结构如图11所示：

测井数据获取模块1101，用于获取目标层段中测井每一位置点的砂岩储层孔隙度、地层温度数据、砂岩储层粒度和石英含量；

测井TTI确定模块1102，用于根据测井每一位置点的地层温度数据，确定测井每一位置点的时间-温度指数TTI；

预测模型建立模块1103，用于根据测井每一位置点的砂岩储层孔隙度、砂岩储层粒度、石英含量和TTI，建立砂岩储层孔隙度的预测模型；其中，砂岩储层孔隙度的预测模型，用于表征每一位置点的砂岩储层孔隙度和TTI之间的关联关系；

目的层段数据获取模块1104，用于获取目的层段的地层分层数据和地温梯度；

目的层段TTI确定模块1105，用于根据目的层段的地层分层数据和地温梯度，确定目的层段中每一位置点的TTI；

砂岩储层孔隙度预测模块1106，用于根据目的层段中每一位置点的TTI和砂岩储层孔隙度的预测模型，确定目的层段中每一位置点的砂岩储层孔隙度。

具体实施时，测井TTI确定模块1102具体用于：

按照如下公式，根据测井每一位置点的地层温度数据，确定测井每一位置点的TTI：

其中，TTI表示每一位置点的时间-温度指数；n

具体实施时，预测模型建立模块1103具体用于：

按照砂岩储层粒度的类别和石英含量的多少，对测井中的位置点进的岩性行分类；

根据同一岩性分类下的测井每一位置点的砂岩储层孔隙度和TTI，利用线性回归法，建立每一岩性分类对应的砂岩储层孔隙度的预测模型。

其中，砂岩储层孔隙度的预测模型如下：

φ＝a

φ表示每一位置点的砂岩储层孔隙度；TTI表示每一位置点的时间-温度指数；a

具体实施时，砂岩储层孔隙度预测模块1106具体用于：

根据目的层段中每一位置点的地层埋藏史，确定目的层段中每一位置点所属岩性分类；

根据目的层段中每一位置点所属岩性分类对应的砂岩储层孔隙度的预测模型和目的层段中每一位置点的TTI，确定目的层段中每一位置点的砂岩储层孔隙度。

具体实施例中的砂岩储层孔隙度的预测装置，如图12所示，在图11的基础上还包括：

预测模型校正模块1201，用于对建立的每一岩性分类对应的砂岩储层孔隙度的预测模型进行校正，得到每一岩性分类对应的校正后的砂岩储层孔隙度的预测模型；

校正后的砂岩储层孔隙度的预测模型如下：

φ＝a

其中，φ表示每一位置点的砂岩储层孔隙度；TTI表示每一位置点的时间-温度指数；a

相应地，砂岩储层孔隙度预测模块1106，用于根据目的层段中每一位置点的TTI和校正后的砂岩储层孔隙度的预测模型，确定目的层段中每一位置点的砂岩储层孔隙度。具体实施时，砂岩储层孔隙度预测模块1106具体用于：

根据目的层段中每一位置点的地层埋藏史，确定目的层段中每一位置点所属岩性分类；

根据目的层段中每一位置点所属岩性分类对应的校正后的砂岩储层孔隙度的预测模型和目的层段中每一位置点的TTI，确定目的层段中每一位置点的砂岩储层孔隙度。

本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述深层砂岩储层孔隙度的预测方法。

本发明实施例还提供一种计算机可读存储介质，存储有执行上述深层砂岩储层孔隙度的预测方法的计算机程序。

综上所述，本发明实施例提供的深层砂岩储层孔隙度的预测方法及装置具有如下优点：

通过获取目标层段中测井每一位置点的砂岩储层孔隙度、地层温度数据、砂岩储层粒度和石英含量；根据测井每一位置点的地层温度数据，确定测井每一位置点的时间-温度指数TTI；根据测井每一位置点的砂岩储层孔隙度、砂岩储层粒度、石英含量和TTI，建立砂岩储层孔隙度的预测模型；其中，砂岩储层孔隙度的预测模型，用于表征每一位置点的砂岩储层孔隙度和TTI之间的关联关系；获取目的层段的地层分层数据和地温梯度；根据目的层段的地层分层数据和地温梯度，确定目的层段中每一位置点的TTI；根据目的层段中每一位置点的TTI和所述砂岩储层孔隙度的预测模型，确定目的层段中每一位置点的砂岩储层孔隙度。通过引入时间-温度指数TTI，可准确地表征地温场带来的地质效应，建立时间-温度指数TTI和砂岩储层孔隙度相关联的砂岩储层孔隙度的预测模型，可准确考虑到地温场对深层储层孔隙度的影响，从而提高深层砂岩储层孔隙度的预测准确度，进而更好地指导后续开发中的区域预探、风险勘探及精准勘探，提高勘探成功率。进一步地，能够通过建立目标区域的砂岩储层孔隙度的预测模型，以准确高效地预测低油气勘探程度区或新层系的砂岩储层孔隙度，以指导区域预探、风险勘探及精准勘探，提高勘探成功率。

本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明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，本发明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。

本发明是参照根据本发明实施例的方法、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。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。