[發明專利]一種快速確定辮流帶及內部微相組合關系的方法

有效

• 申請號: 202010594246.1
• 申請日: 2020-06-28
• 公開（公告）號: CN111679341B
• 公開（公告）日: 2022-04-15
• 發明（設計）人: 李曉慧;蘇玉亮;王文東;徐紀龍;陳子強
• 申請（專利權）人: 中國石油大學（華東）
• 主分類號: G01V11/00
• 分類號: G01V11/00
• 代理公司: 青島錦佳專利代理事務所(普通合伙) 37283
• 代理人: 邵朋程

1.一種快速確定辮流帶及內部微相組合關系的方法，其特征在于包括以下步驟：

(1)對研究區單井的小層內進行垂向期次劃分，通過點、線、面的地層劃分與對比，使單期次地層格架實現區域內閉合；

其中小層指低于段的地層單位，其巖性、成分、生物組合具有相同特征，由多個沉積旋回構成；單期次地層指最小的巖石地層單位，垂向上由單一沉積旋回構成；

建立精度達到Miall儲層構型理論研究的4級構型界面，然后將時間單元等時的單期砂體作為研究對象；

(2)建立不同沉積微相的測井相與巖心相對應關系，確定出與沉積微相最相關的測井參數，即GR曲線的數值及形態與沉積微相最為相關；

以單期次地層為單位，根據取心井段的測井曲線形態及巖心資料開展沉積微相人工解釋，識別出泛濫平原、心灘、水道充填三種微相類型；

(3)利用神經網絡分析技術，通過觀測取心井不同微相的自然伽馬GR特征，建立各類微相識別的GR定量標準；

首先建立神經網絡分析的特征向量，樣本來源于取心井的巖心相與測井相人工解釋，每個微相段對應的測井曲線段的特征參數構成了一個特征向量，特征向量由測井參數GR、AC、LLD組成，是神經網絡進行訓練處理的輸入數據；然后對特征向量進行聚類分析，建立神經網絡模型，獲得各類微相的測井參數識別范圍，識別出心灘、辮狀水道及泛濫平原的7種GR典型曲線形態及定量標準；

利用GR值的大小對GR典型曲線進行顏色充填，近紅色表示心灘，30GR50；近黃色表示辮狀水道，50GR80；近綠色表示水道泥質充填或泛濫平原，GR80；

(4)利用現代沉積、野外露頭考察資料，分析水道對心灘形態的控制作用；

首先確定與研究區沉積體系、環境及砂體類型具有很好相似性的野外露頭及現代沉積資料，然后通過野外露頭及現代沉積資料對水道及心灘微相在垂直剖面上的巖性、成分、粒度、韻律性進行描述，通過應用Google Earth軟件，對不同河流、不同時間地質信息的識別提取，研究辮狀水道對心灘壩形態的約束，描述不同微相在平面上的形態、規模及組合關系；

(5)以任一單期地層為研究對象，將帶有充填顏色的GR曲線投影到平面上，利用步驟(2)及步驟(3)建立的沉積微相標準，順古流水方向，識別出大面積連通的辮流帶邊界；

若平面上呈現大面積的近綠色，GR80，代表較厚泥巖的泛濫平原沉積，是確定辮流帶邊界的重要標志；

若平面上呈現大面積近紅色的心灘相，30GR50，近黃色的辮狀水道相，50GR80，判斷該區域為辮流帶的主體部位；

(6)在辮流帶內部，以GR曲線的平面分布為約束，確定每條水道的延伸路徑，利用步驟(4)建立的水道對心灘壩形態的約束，實現水道與心灘壩的平面組合；

首先是辮狀水道的識別：

在單期辮流帶內部，利用連井剖面與GR曲線平面展布交互分析，進行確定性的辮狀水道延伸方向的識別；

若一個河道帶砂體對應鄰井中等高程段為厚層泥巖段，即可判斷兩井間存在辮狀水道的穿梭；

若兩井間存在明顯的粒序旋回差異，即可判斷兩井間存在辮狀水道的穿梭；

若與鄰井相比，砂巖段較薄，即可判斷兩井間存在辮狀水道的穿梭；

若單井GR曲線呈單個鐘形，發育明顯的向上變細沉積旋回，可判斷該井處于河道充填沉積部位，有辮狀水道穿過；

然后是水道與心灘壩平面組合關系的判斷：

若識別出環繞心灘的辮狀水道是對稱性，則心灘壩將受到順流加積與垂向加積作用，判斷心灘壩形態為縱向砂壩；

若識別出環繞心灘的辮狀水道是不對稱水流，則心灘壩將受到側向加積作用，判斷心灘壩形態為斜列砂壩；

若識別出的心灘壩中下部兩側辮狀水道是不對稱性水流，則心灘壩將出現一側侵蝕，一側沉積，判斷心灘壩呈現側向遷移的形態；

若近紅色的心灘發育區范圍較大，則判斷沉積物在心灘壩尾部卸載，形成壩尾沉積，壩尾不斷延長，最終充填心灘壩之間的辮狀水道，形成了復合心灘壩。