A 地区页岩气储层总有机碳含量测井评价方法研究

doi:10.3969/j.issn.1673-8926.2014.03.012

岩性油气藏 ›› 2014, Vol. 26 ›› Issue (3): 74–78.doi: 10.3969/j.issn.1673-8926.2014.03.012

A 地区页岩气储层总有机碳含量测井评价方法研究

熊镭¹，张超谟^1,2，张冲²，谢冰¹，丁一¹，韩淑敏³

1.长江大学地球物理与石油资源学院，武汉 430100； 2.长江大学油气资源与勘探技术教育部重点实验室，武汉 430100； 3.中国石油集团东方地球物理有限公司，河北涿州 072750

出版日期:2014-06-06 发布日期:2014-06-06
第一作者:熊镭（1988-），男，长江大学在读硕士研究生，研究方向为地球物理测井综合解释。地址：（430100）湖北省武汉市蔡甸区长江大学。E-mail：xiongzy71@gmail.com。
基金资助:
湖北省自然科学基金项目“基于等效岩石单元模型的渗透率测井评价方法研究”（编号：2013CFB396）资助

Research on logging evaluation method of TOC content of shale gas reservoir in A area

XIONG Lei¹， ZHANG Chaomo¹^，²，ZHANG Chong²，X IE Bing¹，DING Yi¹，HAN Shumin³

#br# #br#

1. Geophysics and Oil Resource Institute， Yangtze University， Wuhan 430100， China； 2. Key Laboratory of Exploration Technologies for Oil & Gas Resources， Ministry of Education， Yangtze University， Wuhan 430100， China； 3. Bureau of Geophysics Prospecting Inc.， CNPC， Zhuozhou 072750， Hebei， China

Online:2014-06-06 Published:2014-06-06

摘要/Abstract

摘要：

页岩气储层中总有机碳含量（TOC）反映了页岩的生烃潜力，准确获取页岩气储层 TOC 含量对页岩气的开发具有重要意义。利用测井资料的连续性和纵向分辨率高等特点，建立精度较高的 TOC 测井评价模型。在分析几种常用 TOC 测井评价方法限制因素的基础上，结合 A 地区岩性变化复杂的实际情况，建立了 BP 神经网络预测 TOC、拟合方法计算 TOC、基于干酪根含量计算 TOC 共 3 种模型，并对该地区 X 井页岩进行了 TOC 含量评价。结果表明：在 A 地区采用 BP 神经网络预测 TOC 模型其精度最高，可为岩性复杂地区的 TOC 含量评价提供技术支持。

关键词: 石炭系, 火山岩, 油气藏, 影响因素, 准噶尔盆地

Abstract:

Total organic carbon（TOC） content of shale gas reservoir reflects the hydrocarbon generation potential of shale rocks. It has an important guiding significance for shale gas development to obtain the TOC content accurately by use of conventional logging data which has characteristics of continuousness and high vertical resolution. Therefore, it is especially important to establish highly precise model of the organic carbon content evaluation. Combining the limiting factors of TOC content evaluation methods with the reality of complex lithological changes of A area, we established three kinds of TOC content models to evaluate shale rocks from X well in A area. They are BP neural network, uranium and kerogen. It is concluded that the BP neural network model is with the highest precision to forecast the total organic carbon content, and provide technical support to TOC content evaluation in complex lithology areas.

Key words: Carboniferous, volcanic rock, reservoir, influencing factors, Junggar Basin

熊镭，张超谟，张冲，谢冰，丁一，韩淑敏. A 地区页岩气储层总有机碳含量测井评价方法研究[J]. 岩性油气藏, 2014, 26(3): 74–78.

X IONG Lei，ZHANG Chaomo，ZHANG Chong，X IE Bing，DING Yi，HAN Shumin. Research on logging evaluation method of TOC content of shale gas reservoir in A area[J]. Lithologic Reservoirs, 2014, 26(3): 74–78.

参考文献

［1］郝建飞，周灿灿，李霞，等.页岩气地球物理测井评价综述［J］.地球物理学进展，2012，27（4）：1624-1632.
［2］曲彦胜，钟宁宁，刘岩，等.烃源岩有机质丰度的测井计算方法及影响因素探讨［J］.岩性油气藏，2011，23（2）：80-84.
［3］ Fertle H. Total organic carbon content determined from well logs［G］. SPE Formation Evaluation 15612，1988：407-419.
［4］ Passey Q R，Moretti F U，Stroud J D. A practical model for organic richness from porosity and resistivity logs ［J］. AAPG Bulletion，1990，74（12）：1777-1794.
［5］朱光有，金强，张林晔.用测井信息获取烃源岩的地球化学参数研究［J］.测井技术，2003，27（2）：104-109.
［6］ Carpentier B，Bessereau G. Wireline logging and source rocks-estimation of organic carbon content by the CARBOLBG method ［J］.The Log Analysts，1991，32（3）：279-297.
［7］ Schmoker J W，Hester T C. Organic carbon in Bakken Formation，United States portion of Williston Basin［J］. AAPG Bulletion，1983，67（12）：2165-2174.
［8］ Kwiatkowsky J，Galford J，Quirein J. Predicting pyrite and total organic carbon from well logs for enhancing shale reservoir interpretation［R］. SPE 161097，2012.
［9］郭龙，陈践发，苗忠英.一种新的TOC 含量拟合方法研究与应用［J］.天然气地球科学，2009，20（6）：951-956.
［10］ Huang Zehui，Williamson M A. Artificial neural network modeling as an aid to source rock characterization［J］. Marine and Petroleum Geology，1996，13（2）：277-290.
［11］史峰，王小川，郁磊，等. MATLAB 神经网络30 个经典案例［M］.北京：北京航空航天大学出版社，2010.
［12］杨建，杨程博，张岩，等.基于改进神经网络的渗透率预测方法［J］.岩性油气藏，2011，23（1）：98-102.
［13］郝红卫，蒋蓉蓉.基于最近邻规则的神经网络训练样本选择方法［J］.自动化学报，2007，33（12）：1247-1251.

相关文章 15

[1]	余琪祥, 罗宇, 段铁军, 李勇, 宋在超, 韦庆亮. 准噶尔盆地环东道海子凹陷侏罗系煤层气成藏条件及勘探方向[J]. 岩性油气藏, 2024, 36(6): 45-55.
[2]	李道清, 陈永波, 杨东, 李啸, 苏航, 周俊峰, 仇庭聪, 石小茜. 准噶尔盆地白家海凸起侏罗系西山窑组煤岩气“甜点”储层智能综合预测技术[J]. 岩性油气藏, 2024, 36(6): 23-35.
[3]	白玉彬, 李梦瑶, 朱涛, 赵靖舟, 任海姣, 吴伟涛, 吴和源. 玛湖凹陷二叠系风城组烃源岩地球化学特征及页岩油“甜点”评价[J]. 岩性油气藏, 2024, 36(6): 110-121.
[4]	乔桐, 刘成林, 杨海波, 王义凤, 李剑, 田继先, 韩杨, 张景坤. 准噶尔盆地盆1井西凹陷侏罗系三工河组凝析气藏特征及成因机制[J]. 岩性油气藏, 2024, 36(6): 169-180.
[5]	杨海波, 冯德浩, 杨小艺, 郭文建, 韩杨, 苏加佳, 杨皩, 刘成林. 准噶尔盆地东道海子凹陷二叠系平地泉组烃源岩特征及热演化史模拟[J]. 岩性油气藏, 2024, 36(5): 156-166.
[6]	魏成林, 张凤奇, 江青春, 鲁雪松, 刘刚, 卫延召, 李树博, 蒋文龙. 准噶尔盆地阜康凹陷东部深层二叠系超压形成机制及演化特征[J]. 岩性油气藏, 2024, 36(5): 167-177.
[7]	程焱, 王波, 张铜耀, 齐玉民, 杨纪磊, 郝鹏, 李阔, 王晓东. 渤中凹陷渤中A-2区新近系明化镇组岩性油气藏油气运移特征[J]. 岩性油气藏, 2024, 36(5): 46-55.
[8]	易珍丽, 石放, 尹太举, 李斌, 李猛, 刘柳, 王铸坤, 余烨. 塔里木盆地哈拉哈塘—哈得地区中生界物源转换及沉积充填响应[J]. 岩性油气藏, 2024, 36(5): 56-66.
[9]	张磊, 李莎, 罗波波, 吕伯强, 谢敏, 陈新平, 陈冬霞, 邓彩云. 东濮凹陷北部古近系沙三段超压岩性油气藏成藏机理[J]. 岩性油气藏, 2024, 36(4): 57-70.
[10]	王同川, 陈浩如, 温龙彬, 钱玉贵, 李玉琢, 文华国. 川东五百梯地区石炭系岩溶古地貌识别及储集意义[J]. 岩性油气藏, 2024, 36(4): 109-121.
[11]	卞保力, 刘海磊, 蒋文龙, 王学勇, 丁修建. 准噶尔盆地盆1井西凹陷石炭系火山岩凝析气藏的发现与勘探启示[J]. 岩性油气藏, 2024, 36(3): 96-105.
[12]	王社教, 施亦做, 方朝合, 曹倩, 任路. 中国油田地热开发利用现状与发展方向[J]. 岩性油气藏, 2024, 36(2): 23-32.
[13]	李长海, 赵伦, 刘波, 赵文琪, 王淑琴, 李建新, 郑天宇, 李伟强. 滨里海盆地东缘北特鲁瓦油田石炭系碳酸盐岩储层裂缝网络连通性评价[J]. 岩性油气藏, 2024, 36(2): 113-123.
[14]	王金铎, 曾治平, 徐冰冰, 李超, 刘德志, 范婕, 李松涛, 张增宝. 准噶尔盆地沙湾凹陷二叠系上乌尔禾组流体相态及油气藏类型[J]. 岩性油气藏, 2024, 36(1): 23-31.
[15]	王天海, 许多年, 吴涛, 关新, 谢再波, 陶辉飞. 准噶尔盆地沙湾凹陷三叠系百口泉组沉积相展布特征及沉积模式[J]. 岩性油气藏, 2024, 36(1): 98-110.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

A 地区页岩气储层总有机碳含量测井评价方法研究

Research on logging evaluation method of TOC content of shale gas reservoir in A area

PDF (PC)

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10