2. 中国石油大学(北京)地球科学学院, 北京 102200
2. College of Geosciences China University of Petroleum, Beijing 102200, China
中江气田沙溪庙组气藏(以下简称中江沙溪庙组气藏)是受断砂配置控制的以构造-岩性气藏为主的远源次生气藏。该气藏以浅水三角洲平原-前缘分流河道砂沉积为主要沉积物。储层具有岩性复杂、厚度薄, 致密(孔隙度Ф约为8.66%, 渗透率K约为0.21mD(1mD=0.987×10-3um2)), 非均质性强的特点。储集空间类型多样、孔隙结构复杂, 次生孔隙占据重要地位, 孔径极差大, 孔渗关系差, 与大牛地气田下石盒子组(Ф约为8.6%, K约为0.81mD)和苏里格气田石盒子组(Ф约为10.3%, K约为0.57mD)气藏的情况类似, 是典型的低孔、低渗、低含气丰度的“三低”气藏[1]。测井储层参数是测井综合评价的重要依据, 气藏的复杂性导致了测井响应特征复杂多样, 使得孔隙度、渗透率、饱和度等测井储层参数精度低, 造成气、水层误判, 从而影响了气田的整体评价与开发。
由于“三低”油气藏与常规储层差异明显, 学者们进行了大量的测井精细解释模型研究, 如建立孔隙度复相关经验关系式, 在渗透率模型中考虑孔隙喉道中粘土的影响, 采用不同地质模型和数学方法评价饱和度等。随着电成像、核磁共振等测井新技术的迅速发展, 目前主流的研究方法利用神经网络等算法与核磁共振T2全谱数据预测致密砂岩储层渗透率[2]。利用Archie公式研究含水饱和度时, 选取准确可靠的岩电参数是研究的关键。学者们对影响岩电参数的因素已经基本达成共识, 由于受岩石物性、粒度、孔隙结构等众多因素的影响, 选用统一的岩电参数不能满足饱和度评价的精度要求, 因此各油气田针对各自的地质条件开展孔隙度、流体矿化度、地应力等参数与重要岩电参数的关系研究, 并建立饱和度指数、胶结指数计算模型, 力求提高含气(油)饱和度的计算精度[3-5]。
中江气田目前已进入开发阶段, 因为仅采用常规测井方法(主要为自然伽马、深浅侧向电阻率、补偿声波、补偿中子以及密度测井等), 故不能直接应用基于核磁共振和电成像的测井评价方法, 因此需要完善基于常规测井资料的储层参数解释模型, 为地质建模提供必要的基础资料。
1 储层“四性”关系 1.1 岩性和物性的关系储层岩石粒度是决定储层物性、电性的关键因素之一。从图 1可以看出, 当储层岩石碎屑颗粒细砂含量>75%时, 测井响应为高自然伽马、高电阻率特征, 岩心分析孔隙度Por < 4.0%, 岩心分析渗透率Perm < 0.1mD; 当储层岩石碎屑颗粒粗砂含量>75%时, 自然伽马值< 55API, 电阻率 < 15Ω·m, 声波时差>70μs/ft(1μs/ft≈3.28μs/m), 孔隙度>10.00%, 渗透率为0.1~1.0mD。总体而言, 岩石粒度越粗, 储层物性条件越好, 粗、中粒砂岩是优质储层发育的基础。由储层岩心分析孔隙度-渗透率交会统计结果(图 2)可知, 细粒砂岩孔隙度主要为3.00%~9.00%, 渗透率主要为0.01~0.20mD; 中粒砂岩孔隙度主要为6.00%~15.00%, 渗透率主要为0.04~1.00mD, 岩石粒度对储层的储渗能力具有显著的影响。
为进一步探索储层物性与含气饱和度之间的关系, 我们对不同含气饱和度下的纵、横波速度进行了测量, 结果如图 3、图 4、图 5所示。在不同孔隙度条件下, 纵波时差随着含气饱和度的增大而增大, 横波速度则随着含气饱和度的增大而降低, 纵横波速度比(vP/vS)随着含气饱和度的增大而降低, 说明根据纵横波速度比判定储层含气性的方法适用于中江沙溪庙组气藏[6]。
值得注意的是, 当储层物性较低(Φ<7%)时, 纵波时差虽然随着含气饱和度的增大而增大, 但增大幅度小, 纵横波速度比对含气饱和度的变化敏感性较差; 而当储层物性较高(Φ>7%)时, 纵波时差和纵横波速度比对含气饱和度的变化反映则较为敏感。总体来说, 在构造、岩性相同的条件下, 中江气田沙溪庙组气藏具有物性越好, 含气饱和度越高的特点。
1.3 物性和含气性对电性的影响中江沙溪庙组气藏不同物性和含气饱和度的储层电阻率差别大, 范围约为15~80Ω·m。储层电阻率受岩石物性和含气饱和度的双重影响, 储层电阻率随含气饱和度的增大而增大, 气层和干层电阻率均随孔隙度的减小而增大。
孔隙度、胶结指数与电阻率数值模型正演模拟结果如图 6所示, 由图可见, 孔隙度相同时, 储层电阻率(Rt)值随胶结指数的增大而增大, 孔隙度越低, 电阻率对孔隙度、胶结指数越敏感, 但当Φ>0.12时(图中红线处), 电阻率对孔隙度、胶结指数的敏感性明显降低(图 6中颜色越浅代表增大幅度越小, 颜色越深代表增大幅度越大)。含水饱合度(Sw)分别为25%, 50%, 75%, 100%的条件下, 孔隙度、胶结指数和电阻率的数值模型正演模拟结果如图 7所示, 可以看出, 储层电阻率受孔隙度、胶结指数、含水饱和度共同影响, 三者均为储层电阻率的重要影响因素(图 7中深绿色表明增大幅度大, 淡紫色表明增大幅度小)。相比之下, 岩石物性对电阻率的影响更为明显。
早期研究主要是将储集层的孔隙结构研究结果应用于地层流体运移及成藏规律研究, 研究成果未广泛应用于油、气、水测井评价。近些年的研究发现, 在低孔低渗致密储层中, 孔隙结构直接影响储层产能评价和油、气、水层测井评价的准确性[7-10]。因中江沙溪庙组气藏地质特征复杂, 所以孔隙结构对该气藏产能的影响尤为明显。
图 8为同一层位、同一河道的XX306和XX302井的测井曲线。两口井的测井响应特征差异不大, XX306井岩心实验分析孔隙度约为8.58%, XX302井岩心实验分析孔隙度约为9.1%;XX306井的孔隙结构指数(储层品质因子)约为0.18, XX302井的孔隙结构指数约为0.28。XX306井测试获得天然气产量约为900m3/d, XX302井测试获得天然气产量约为4.30×104m3/d, 表明低孔低渗储层的含气性及产能与孔隙结构密切相关。
孔隙度评价是在岩心归位的基础上, 将声波时差曲线与岩心孔隙度进行拟合, 建立关系式并进行总孔隙度解释, 再根据威利公式[11-12]计算泥质孔隙度, 最后得到泥质含量校正后的有效孔隙度。本文研究区有效孔隙度模型公式为:
$ \varphi_{\mathrm{e}}=0.5014 \times t_{\mathrm{AC}}-25.968-V_{ \mathrm{sh}} \times \frac{t_{\mathrm{AC}}-55.5}{133.5} $ | (1) |
式中:φe为有效孔隙度; tAC为声波时差; Vsh为泥质含量。
渗透率评价即建立岩心分析的渗透率与孔隙度简单经验关系, 如指数或幂函数模型, 但中江沙溪庙组气藏的储层孔隙和岩石结构复杂, 非均质性强, 岩心分析孔隙度和渗透率在交会图上分布分散, 若依据传统的单一关系建立渗透率模型, 则计算的渗透率不能满足致密储层精细评价的要求。因此按照同一流动单元范围内孔隙结构特征大致相同的特点, 将岩心样品分为几类流动单元并分类建立渗透率模型, 从而达到提高非均质致密储层渗透率评价精度的目的, 该方法称为流动单元法。
流动单元指数(FZI)定义如下:
$ F_{\mathrm{ZI}}=\frac{1}{S_{\mathrm{gv}} \sqrt{F_{\mathrm{s}}}}=\frac{\sqrt{\frac{K}{\varphi_{\mathrm{e}}}}}{1-\varphi_{\mathrm{e}}} $ | (2) |
式中:Fs为孔隙几何形状指数; Sgv为矿物颗粒比表面积。
流动单元指数将岩石矿物特征、孔喉特征相结合用于判定孔隙结构, 可准确描述气藏的非均质特征。将(2)式进行反变换即可得到基于流动单元的渗透率为:
$ K = 1014 \times F_{{\rm{ZI}}}^2\frac{{\varphi _{\rm{e}}^3}}{{{{\left( {1 - {\varphi _{\rm{e}}}} \right)}^2}}} $ | (3) |
在双对数坐标系中这种孔渗模型是近似的直线(斜率相同)。因此可近似认为同一直线上的样品具有相似的孔喉特征, 为同一类流动单元。根据中江沙溪庙组气藏地质及开发情况, 利用该区实验分析资料计算标准化孔隙度指标、流动单元指数、储层品质因子等参数, 采用K-Means聚类[13-15]分析方法, 将研究区样品分为如图 9所示的3类流动单元。Ⅰ类流动单元主要包括中、粗粒砂岩以及少量泥岩, 门槛压力最低, 中值半径最大, 最大进汞饱和度最高, 平均渗透率约为2.531mD; Ⅱ类流动单元主要包括中、细砂岩以及部分泥岩和泥质粉砂岩, 平均渗透率约为0.353mD; Ⅲ类流动单元渗透性最差, 主要为细砂岩, 泥质含量较大, 平均渗透率约为0.075mD。
分析各流动单元的电性特征可知, AC、RD和RS的测井响应组合对流动单元敏感性高, 因此, 采用支持向量机(SVM)对井中取心段地层进行流动单元特征识别, 并对未取心段地层进行分类预测, 可实现不同流动单元的整体判断, 正确率达70%。根据不同流动单元渗透率与孔隙度的关系, 建立如下的不同流动单元渗透率模型公式及参数(表 1)。
将本文提出的流动单元法应用于中江沙溪庙组气藏渗透率预测。如图 10所示中蓝色曲线为采用传统方法预测的渗透率曲线, 紫色曲线为采用本文方法预测的渗透率曲线, 红色曲线为岩心分析的孔隙度及渗透率, 可以看出, 采用本文方法预测的渗透率更接近岩心分析渗透率。
如图 11和图 12所示, 中江沙溪庙组气藏岩心的地层因素与孔隙度能够较好地满足双对数关系, 电阻率增大率与饱和度的双对数关系也较为明显, 表明Archie公式适用于本研究区。不同河道拟合关系存在差异, 说明利用包含固定胶结指数(m)和饱和度指数(n)值的Archie公式计算含气饱和度会导致结果出现偏差, 因此, 我们尝试引入其它测井参数修正模型表征参数, 从而完善含水饱和度模型。
中江气田沙溪庙组气藏储层的m, n值主要受储层的孔隙度、泥质含量等因素影响, 而孔隙度、泥质含量均可以利用测井资料求取。针对不同层位m, n值的主控因素, 分层位建立m, n值与主控因素的关系式, 可以得到随储层物性、岩性等变化的m, n参数值[16-22]。
以高庙JS33-2层2号河道为例, m与孔隙度、泥质含量有较好的相关性, 相关系数分别为0.87, 0.93, 采用多元统计回归方法可得2号河道的可变m的计算公式如下:
$ \begin{aligned} m=& a \times\left(0.0082 \times \varphi_{\mathrm{e}}^{2}+0.1726 \times \varphi_{\mathrm{e}}^{2}+\right.\\ &0.8858)+b \times 2.0668 \times V_{\mathrm{sh}}^{-0.07} \end{aligned} $ | (4) |
式中:φe为有效孔隙度; a, b均为相应的回归系数。
n与孔隙度无明显相关关系, 但与泥质含量有良好的相关性, 因此2号河道可变n的计算公式为:
$ n=0.9766 \times V_{\mathrm{sh}}^{0.2637} $ | (5) |
对于相同层位4号河道, n与泥质含量有着较好的相关性, 相关系数达0.82, 但与孔隙度相关性较差(相关系数仅为0.198), 因此采用泥质含量计算可变n的公式为:
$ n=0.0001 \times V_{\mathrm{sh}}^{2}+0.0003 \times V_{\mathrm{sh}}+1.65 $ | (6) |
孔隙度是孔隙结构的宏观体现, 泥质含量在某种程度上反映岩石的粒度, 与孔隙结构特征密切相关, 因此考虑m与孔隙结构特征的相关性, 结合压汞资料可知, m与孔喉半径关系密切(图 13), 孔喉半径越大, 岩石连通性越好, m值越低。
本文选取储层品质因子(IRQ)作为评价储层微观孔隙结构参数的中间参数[23-27]。假设单位体积岩石样品的孔隙由N个半径为r的毛管组成, 则:
$ {I_{{\rm{RQ}}}} = \frac{r}{{2\sqrt {{F_{\rm{s}}}} \tau }} = \sqrt {\frac{K}{{{\varphi _{\rm{e}}}}}} $ | (7) |
式中:τ为毛管弯曲度。
由(7)式可以看出, 宏观上IRQ与储层的孔隙度和渗透率密切相关; 微观孔隙结构分析可知, τ与IRQ也存在明显的相关关系。因此, IRQ与岩石的孔隙结构和孔隙度、渗透率均相关, 是岩石微观和宏观物性特征的综合反映。
如图 14所示, 储层品质指数与胶结指数相关性良好, 因此4号河道可变m的计算公式为:
$ m=1.5254 \times I_{\mathrm{RQ}}^{-0.057} $ | (8) |
XX206井是部署在该区JS21层系的一口滚动勘探井, 该层系前期部署的预探井测试天然气产量仅为3000m3/d。本井完钻后测井显示深度为2065.0~2682.0m, 砂岩单一, 厚度大, 储层物性较好, 声波时差约为77.5μs/ft, 电阻率整体较为平缓, 电阻率值约为31.3Ω·m, 但砂体中下部中子值明显升高, 且电阻率与声波时差同向变化。利用前期建立的测井解释模型计算得到的孔隙度平均值为9.9%, 渗透率平均值为0.096mD, 以Ⅱ类流动单元为主, 含水饱和度为64.2%, 综合评价为气水同层。利用本文新建立的物性解释模型及饱和度模型, 计算得到的孔隙度平均值为10.9%, 渗透率平均值为0.18mD, 以Ⅰ+Ⅱ类流动单元为主, 含水饱和度为25.3%, 压汞试验分析束缚水饱和度为24.6%, 基本不含可动水, 综合评价为气层(图 15)。该层最终测试无阻流量约为2.513×105m3/d, 与建立的测井评价新模型解释结论相符, 证明了本文方法的可行性, 为该层系的全面建产提供了可靠依据。
对于中江沙溪庙组气藏而言, 粗、中粒砂岩是优质储层发育的基础, 岩石粒度对储层的储渗能力具有显著的控制作用。储层特性决定着含气性, 即当储层流通性好, 储层品质好, 储层物性参数高时, 储层的含气饱和度高。电性特征为岩性、物性和含油气性的综合显示, 孔隙结构特性对电阻率的影响更为明显。
中江气田沙溪庙组气藏采用传统的单一关系建立渗透率模型, 计算得到的渗透率不能满足致密储层精细评价的要求, 但以流动单元为基础, 分类建立渗透率模型能提高渗透率评价精度。
Archie公式中m, n值与泥质含量和孔隙结构指数密切相关, 利用泥质含量、孔隙结构指数计算可变的m, n值, 得到的含水饱和度对中江沙溪庙组储层评价更为有效。
[1] |
何雨丹, 肖立志, 毛志强, 等. 测井评价"三低"油气藏面临的挑战和发展方向[J]. 地球物理学进展, 2005, 20(2): 282-288. HE Y D, XIAO L Z, MAO Z Q, et al. The present challenges and research direction of well logging evaluation methods in low porosity, low permeability and low saturation reservoir[J]. Progress in Geophysics, 2005, 20(2): 282-288. DOI:10.3969/j.issn.1004-2903.2005.02.003 |
[2] |
朱林奇, 张冲, 何小菊, 等. 基于改进BPNN与T2全谱的致密砂岩储层渗透率预测[J]. 石油物探, 2017, 56(5): 727-734. ZHU L Q, ZHANG C, HE X J, et al. Permeability prediction of tight sand stone reservoir based on improved BPNN and T2 full-spectrum[J]. Geophysical Prospecting for Petroleum, 2017, 56(5): 727-734. DOI:10.3969/j.issn.1000-1441.2017.05.013 |
[3] |
汤小燕. 特低渗储层测井评价技术综述与展望[J]. 地球物理学进展, 2015, 30(2): 783-789. TANG X Y. A review and perspective of logging evaluation technology for lower permeability reservoir[J]. Progress in Geophysics, 2015, 30(2): 783-789. |
[4] |
张小莉, 冯乔, 冯强汉, 等. 鄂尔多斯盆地中东部长6复杂低渗储层测井评价[J]. 地球物理学进展, 2012, 27(4): 1519-1524. ZHANG X L, FENG Q, FENG Q H, et al. Logging evaluation of low permeability reservoirs in Chang 6, eastcentral Ordos basin[J]. Progress in Geophysics, 2012, 27(4): 1519-1524. |
[5] |
赖锦, 王贵文, 罗官幸, 等. 基于岩石物理相约束的致密砂岩气储层渗透率解释建模[J]. 地球物理学进展, 2014, 29(4): 1173-1182. LAI J, WANG G W, LUO G X, et al. A fine logging interpretation model of permeability confined by petrophysical facies of tight gas sandstone reservoirs[J]. Progress in Geophysics, 2014, 29(3): 1173-1182. |
[6] |
房春慧, 潘保芝, 刘思慧, 等. 含气饱和度对致密砂岩纵波速度影响的实验研究及应用[J]. 地球物理学进展, 2015, 30(4): 1673-1676. FANG C H, PAN B Z, LIU S H, et al. Experimental study and application on effect of gas saturation on P-wave velocty[J]. Progress in Geophysics, 2015, 30(4): 1673-1676. |
[7] |
张明禄, 石玉江. 复杂孔隙结构砂岩储层岩电参数研究[J]. 石油物探, 2005, 44(1): 21-28. ZHANG M L, SHI Y J. On archie's electrical parameters of sandstone reservoir with complicated pore structures[J]. Geophysical Prospecting for Petroleum, 2005, 44(1): 21-28. DOI:10.3969/j.issn.1000-1441.2005.01.006 |
[8] |
张松扬. 大牛地气田致密砂岩储层测井评价[J]. 石油物探, 2010, 49(4): 415-420. ZHANG S Y. Logging evaluation technique for tight sandstone reservoir in Daniudi Gasfield[J]. Geophysical Prospecting for Petroleum, 2010, 49(4): 415-420. DOI:10.3969/j.issn.1000-1441.2010.04.013 |
[9] |
贺锡雷, 林凯, 张祖豪, 等. 孔隙度和孔隙结构对储层特性影响的定量比较[J]. 石油物探, 2018, 57(2): 179-185. HE X L, LIN K, ZHANG Z H, et al. Quantitative comparison of the influence of porosity and pore structure on reservoir characteristics[J]. Geophysical Prospecting for Petroleum, 2018, 57(2): 179-185. DOI:10.3969/j.issn.1000-1441.2018.02.002 |
[10] |
郭宇航, 潘保芝, 蒋必辞, 等. 苏里格地区三水模型与数学方法结合的致密砂岩储层评价[J]. 石油物探, 2015, 54(5): 621-626. GUO Y H, PAN B Z, JIANG B C, et al. Tight sandstone reservoir evaluation by the combination of three-water model and mathematical method in Sulige Area[J]. Geophysical Prospecting for Petroleum, 2015, 54(5): 621-626. DOI:10.3969/j.issn.1000-1441.2015.05.015 |
[11] |
邹杰, 周晓峰, 李双. 低渗透储层孔隙结构常规测井识别方法[J]. 测井技术, 2016, 40(2): 175-179. ZOU J, ZHOU X F, LI S. Identification method for pore structures with well logs in low-permeability sandstone[J]. Well Logging Technology, 2016, 40(2): 175-179. |
[12] |
任晓霞, 李爱芬, 王永政, 等. 致密砂岩储层孔隙结构及其对渗流的影响——以鄂尔多斯盆地马岭油田长8储层为例[J]. 石油与天然气地质, 2015, 36(5): 774-779. REN X X, LI A F, WANG Y Z, et al. Pore structure of tight sand reservoir and its influence on percolation—Taking the Chang 8 reservoir in Maling oilfield in Ordos Basin as an example[J]. Oil & Gas Geology, 2015, 36(5): 774-779. |
[13] |
司马立强, 肖华, 袁龙, 等. 基于BP神经网络技术的储层流动单元研究[J]. 测井技术, 2012, 36(4): 421-425, 430. SIMA L Q, XIAO H, YUAN L, et al. Research on reservoir flow unit based on bp neural network technology[J]. Well Logging Technology, 2012, 36(4): 421-425, 430. DOI:10.3969/j.issn.1004-1338.2012.04.020 |
[14] |
陈钢花, 张艳, 毛克宇, 等. 声-电测井联合流体识别因子构建方法及其应用[J]. 石油物探, 2017, 56(2): 295-301. CHEN G H, ZHANG Y, MAO K Y, et al. Establishment of fluid identification factor by joint acoustic and resistivity logging and its application:a case study of carbonate gas reservoir in the Northeast Sichuan[J]. Geophysical Prospecting for Petroleum, 2017, 56(2): 295-301. DOI:10.3969/j.issn.1000-1441.2017.02.017 |
[15] |
陈钢花, 胡琮, 曾亚丽, 等. 基于BP神经网络的碳酸盐岩储层缝洞充填物测井识别方法[J]. 石油物探, 2015, 54(1): 99-104. CHEN G H, HU C, ZENG Y L, et al. Logging identification method of fillings in fractures and caverns in carbonate reservoir based on BP neural network[J]. Geophysical Prospecting for Petroleum, 2015, 54(1): 99-104. DOI:10.3969/j.issn.1000-1441.2015.01.014 |
[16] |
赵毅, 朱立华, 施振飞, 等. 低孔低渗储层中岩电参数的修正[J]. 复杂油气藏, 2013, 6(4): 1-4, 23. ZHAO Y, ZHU L H, SHI Z F, et al. Correction of lithological electrical parameters in low porosity and low permeability reservoir[J]. Complex Hydrocarbon Reservoirs, 2013, 6(4): 1-4, 23. |
[17] |
BIAN H L, GUAN J, MAO Z Q, et al. Pore structure effect on reservoir electrical properties and well logging evaluation[J]. Applied Geophysics, 2014, 11(4): 374-383. DOI:10.1007/s11770-014-0462-0 |
[18] |
李秋实, 周荣安, 张金功, 等. 阿尔奇公式与储层孔隙结构的关系[J]. 石油与天然气地质, 2002, 23(4): 364-367. LI Q S, ZHOU R A, ZHANG J G, et al. Relations between archie's formula and reservoir pore structure[J]. Oil & Gas Geology, 2002, 23(4): 364-367. DOI:10.3321/j.issn:0253-9985.2002.04.013 |
[19] |
张洁, 罗健, 夏瑜, 等. 阿尔奇公式的适用性分析及其拓展[J]. 地球物理学报, 2018, 61(1): 311-322. ZHANG J, LUO J, XIA Y, et al. Limitation analysis and modification of the archie equation[J]. Chinese Journal of Geophysics, 2018, 61(1): 311-322. |
[20] |
杨雪, 潘保芝, 张晓明, 等. 低孔低渗砂岩储层含水饱和度模型建立及在松南地区的应用[J]. 石油地球物理勘探, 2010, 45(增刊1): 206-209. YANG X, PAN B Z, ZHANG X M, et al. Establishment of water saturation model for low porosity and low permeability reservoir and its application in Songnan Area[J]. Oil Geophysical Prospecting, 2010, 45(S1): 206-209. |
[21] |
张丽华, 潘保芝, 李舟波, 等. 新三水导电模型及其在低孔低渗储层评价中的应用[J]. 石油地球物理勘探, 2010, 45(3): 431-435. ZHANG L H, PAN B Z, LI Z B, et al. New three-water conduction model and its application in evaluation of low porosity and low permeability reservoir[J]. Oil Geophysical Prospecting, 2010, 45(3): 431-435. |
[22] |
肖昆, 邹长春, 邓居智, 等. 利用声波测井估算裂缝型水合物储层水合物饱和度[J]. 石油地球物理勘探, 2017, 52(5): 1067-1076. XIAO K, ZOU C C, DENG J Z, et al. Gas hydrate saturation estimation in fractured reservoirs with acoustic logging[J]. Oil Geophysical Prospecting, 2017, 52(5): 1067-1076. |
[23] |
陈杰, 刘向君, 成竹, 等. 利用电阻率测井资料研究砂岩孔隙结构特征[J]. 西南石油学院学报, 2005, 27(6): 5-7. CHEN J, LIU X J, CHEN Z, et al. Studying the pore structure of sandstone by resistivity logging[J]. Journal of Southwest Petroleum Institute, 2005, 27(6): 5-7. DOI:10.3863/j.issn.1674-5086.2005.06.002 |
[24] |
罗少成, 成志刚, 林伟川, 等. 复杂孔隙结构储层变岩电参数饱和度模型研究[J]. 测井技术, 2015, 39(1): 43-47. LUO S C, CHENG Z G, LIN W C, et al. Research on saturation model of variable rock-electric parameters for reservoirs with complicated pore structures[J]. Well Logging Technology, 2015, 39(1): 43-47. |
[25] |
袁伟, 张占松, 何小菊, 等. 根据常规测井资料评价储层孔隙结构[J]. 科学技术与工程, 2014, 14(33): 7-11. YUAN W, ZHANG Z S, HE X J, et al. Evaluate reservoir pore structure based on conventional log data[J]. Science Technology and Engineering, 2014, 14(33): 7-11. DOI:10.3969/j.issn.1671-1815.2014.33.002 |
[26] |
康毅力, 张浩, 游利军, 等. 致密砂岩微观孔隙结构参数对有效应力变化的响应[J]. 天然气工业, 2007, 27(3): 46-48. KANG Y L, ZHANG H, YOU L J, et al. The response of micropore structure parameters of tight sandstone to effective stress changes[J]. Natural Gas Industry, 2007, 27(3): 46-48. DOI:10.3321/j.issn:1000-0976.2007.03.014 |
[27] |
付金华, 石玉江. 利用核磁测井精细评价低渗透砂岩气层[J]. 天然气工业, 2002, 22(6): 39-42. FU J H, SHI Y J. Fine evaluation of low-permeability sandstone gas reservoir by use of nuclear magnetic resonance logging[J]. Natural Gas Industry, 2002, 22(6): 39-42. DOI:10.3321/j.issn:1000-0976.2002.06.010 |