鄂尔多斯盆地南部C井区延9储层物性评价方法研究
摘要
延9储层的物性评价是该地区储层"四性评价"中的重要一环,反映了储层质量的好坏,决定了油区的丰度和储量。为了进一步提升油田的产能,本文通过收集整理鄂尔多斯盆地南部C井区延9储层有关地质资料、岩心资料及测井资料,在全区地层划分对比的基础上,开展"四性关系"研究,建立并优选储层参数解释模型,分析研究区延9储层的物性评价方法以及物性与含油性关系。储层岩性以中砂岩和细砂岩为主、其次为粉砂岩,探C77井的平均孔隙度为13.71%,平均渗透率为80.680×10-3μm2。分别利用声波时差和岩心分析孔隙度建立了估算孔隙度和渗透率的解释模型,单井物性预测显示C77井延9储层的平均孔隙度为14.33%,渗透率为92.681×10-3μm2,孔渗发育良好;物性平面展布特征研究显示泥质含量越低,孔隙度渗透率越高;物性与含油性关系研究显示总体上孔渗性越好,含油性越好。上述成果有利于该区的产能评价与油田开发。
引文
[1]赵军龙,测井方法原理[M],陕西人民教育出版社, 2011:1-209.
[2]王永东、王彦龙,利用二元回归法建立砂岩孔隙度解释模型[J],西北大学学报(自然科学版), 2010, 40(4):690-694.
[3]顾伟欣、周红、耿锋,多元统计方法在储层孔隙度模型建立中的应用[J],断块油气田, 2008, 15(3):58-61.
[4]肖立志、王筱文、谢然红等,中国陆相地层核磁共振孔隙度研究[J],中国科学:物理学力学天文学, 2006, 36(4):366-374.
[5]罗少成、宗会风、张爱华等,砂泥岩储集层孔隙度模型建立的几种方法[J],内蒙古石油化工, 2006, 32(10):118-120.
[6]王向公、张超谟、黄文新等,神经网络在地层对比中的应用[J],国外油气科技, 1995, 3(44):55-60.
[7]孙淑霞、吴征、贝丰,人工神经网络在生烃条件评价中的应用[J],石油与天然气地质, 1996, 17(1):68-70.
[8]蔡煜东、姚林声,用人工神经网络建立油田采收率模型[J],石油地球物理勘探, 1994, 29(2):166-169.
[9]魏永佩、陈会鑫,人工神经网络及其在油气勘探开发中的应用[J],大自然探索, 1998, 17(63):43-46.
[10]王朋岩,用神经网络预测储层的孔隙度[J],大庆石油学院学报, 2003, 23(2):12-17.
[11]郭海敏,生产测井导论[M],石油工业出版社, 2003:1-112.
[12]李昊、张海茹,不同尺度渗透率评价方法研究[J],长江大学学报(自然科学版), 2011, 8(7):27-29.
[13]贾文玉、闫安宇、田素月,渗透率的理论计算方法[J],测井技术, 2000,24(3),118-121.
[14]周灿灿、程相志、司兆伟等,核磁共振自旋回波串确定渗透率方法探讨[J],测井技术, 2002, 26(2):12-20.
[15]胡作维、黄思静、李小宁等,多元逐步回归分析在评价孔隙结构对低渗透砂岩储层质量影响中的应用[J],桂林理工大学学报, 2013, 33(1):21-25.
[16]殷艳玲,岩电参数影响因素研究[J],测井技术, 2007, 31(6):511-515.
[17]张开洪、陈一健、陈福煊,孔隙度误差对岩电参数的影响及校正公式和图版[J],西南石油大学学报(自然科学版),1995, 17(3):53-60.
[18]冯进,基于数字岩石物理实验的岩石电性影响因素分析:以珠江口盆地(东部地区)中浅层砂岩储层为例[J],中国海上油气, 2012, 24(6):12-16.
[19]张剑风,低孔低渗泥质砂岩水淹层岩电参数确定方法研究[J],国外测井技术, 2012(4):56-58.
[20]张振城、孙建孟、马建海等,阿尔奇公式中a, m值对饱和度计算结果的影响[J],中国石油大学学报:自然科学版,2004, 28(6):27-30.
[21]伍泽云、王晓光、王浩,低孔低渗储层中确定Archie参数m与a的改进方法[J],石油天然气学报, 2009, 31(3):76-78.
[22]周改英、刘向君,致密砂岩储层岩电参数实验研究[J],科技导报, 2011, 29(18):38-41.
[23]张丽华、潘保芝、单刚义,孔隙度指数m确定方法研究进展[J],地球物理学进展, 2010, 25(3):975-981.
[2]王永东、王彦龙,利用二元回归法建立砂岩孔隙度解释模型[J],西北大学学报(自然科学版), 2010, 40(4):690-694.
[3]顾伟欣、周红、耿锋,多元统计方法在储层孔隙度模型建立中的应用[J],断块油气田, 2008, 15(3):58-61.
[4]肖立志、王筱文、谢然红等,中国陆相地层核磁共振孔隙度研究[J],中国科学:物理学力学天文学, 2006, 36(4):366-374.
[5]罗少成、宗会风、张爱华等,砂泥岩储集层孔隙度模型建立的几种方法[J],内蒙古石油化工, 2006, 32(10):118-120.
[6]王向公、张超谟、黄文新等,神经网络在地层对比中的应用[J],国外油气科技, 1995, 3(44):55-60.
[7]孙淑霞、吴征、贝丰,人工神经网络在生烃条件评价中的应用[J],石油与天然气地质, 1996, 17(1):68-70.
[8]蔡煜东、姚林声,用人工神经网络建立油田采收率模型[J],石油地球物理勘探, 1994, 29(2):166-169.
[9]魏永佩、陈会鑫,人工神经网络及其在油气勘探开发中的应用[J],大自然探索, 1998, 17(63):43-46.
[10]王朋岩,用神经网络预测储层的孔隙度[J],大庆石油学院学报, 2003, 23(2):12-17.
[11]郭海敏,生产测井导论[M],石油工业出版社, 2003:1-112.
[12]李昊、张海茹,不同尺度渗透率评价方法研究[J],长江大学学报(自然科学版), 2011, 8(7):27-29.
[13]贾文玉、闫安宇、田素月,渗透率的理论计算方法[J],测井技术, 2000,24(3),118-121.
[14]周灿灿、程相志、司兆伟等,核磁共振自旋回波串确定渗透率方法探讨[J],测井技术, 2002, 26(2):12-20.
[15]胡作维、黄思静、李小宁等,多元逐步回归分析在评价孔隙结构对低渗透砂岩储层质量影响中的应用[J],桂林理工大学学报, 2013, 33(1):21-25.
[16]殷艳玲,岩电参数影响因素研究[J],测井技术, 2007, 31(6):511-515.
[17]张开洪、陈一健、陈福煊,孔隙度误差对岩电参数的影响及校正公式和图版[J],西南石油大学学报(自然科学版),1995, 17(3):53-60.
[18]冯进,基于数字岩石物理实验的岩石电性影响因素分析:以珠江口盆地(东部地区)中浅层砂岩储层为例[J],中国海上油气, 2012, 24(6):12-16.
[19]张剑风,低孔低渗泥质砂岩水淹层岩电参数确定方法研究[J],国外测井技术, 2012(4):56-58.
[20]张振城、孙建孟、马建海等,阿尔奇公式中a, m值对饱和度计算结果的影响[J],中国石油大学学报:自然科学版,2004, 28(6):27-30.
[21]伍泽云、王晓光、王浩,低孔低渗储层中确定Archie参数m与a的改进方法[J],石油天然气学报, 2009, 31(3):76-78.
[22]周改英、刘向君,致密砂岩储层岩电参数实验研究[J],科技导报, 2011, 29(18):38-41.
[23]张丽华、潘保芝、单刚义,孔隙度指数m确定方法研究进展[J],地球物理学进展, 2010, 25(3):975-981.