摘要 | 第4-5页 |
abstract | 第5-6页 |
第一章 引言 | 第10-16页 |
1.1 研究目的及意义 | 第10页 |
1.2 国内外研究现状 | 第10-14页 |
1.2.1 复杂含气储层特征分析 | 第10-11页 |
1.2.2 储层参数计算 | 第11-12页 |
1.2.3 储层类型划分及判别 | 第12-13页 |
1.2.4 储层流体性质识别 | 第13页 |
1.2.5 气层产能预测 | 第13-14页 |
1.3 技术路线 | 第14页 |
1.4 研究内容 | 第14-16页 |
第二章 储层特征及四性关系研究 | 第16-28页 |
2.1 储层地质特征 | 第16-18页 |
2.1.1 构造特征 | 第16-17页 |
2.1.2 沉积特征 | 第17-18页 |
2.2 储层“四性”特征 | 第18-24页 |
2.2.1 储层岩石学特征 | 第18-20页 |
2.2.2 储层物性特征 | 第20-21页 |
2.2.3 储层电性特征 | 第21-22页 |
2.2.4 储层含油气性特征 | 第22-23页 |
2.2.5 地层水特征及分布情况 | 第23-24页 |
2.3 储层“四性”关系分析 | 第24-26页 |
2.3.1 岩性-物性 | 第24-25页 |
2.3.2 岩性-含油性 | 第25页 |
2.3.3 物性-含油性 | 第25-26页 |
2.3.4 物性-电性-含油性 | 第26页 |
2.4 小结 | 第26-28页 |
第三章 储层参数计算 | 第28-46页 |
3.1 泥质含量 | 第28页 |
3.2 孔隙度建模 | 第28-33页 |
3.2.1 多元回归法 | 第28-29页 |
3.2.2 最优化法 | 第29-33页 |
3.3 渗透率建模 | 第33-41页 |
3.3.1 常规孔渗拟合 | 第33页 |
3.3.2 流动单元指数法 | 第33-36页 |
3.3.3 核磁测井估算渗透率 | 第36-37页 |
3.3.4 基于粒度资料计算渗透率 | 第37-41页 |
3.4 饱和度建模 | 第41-45页 |
3.4.1 含水饱和度建模 | 第41-43页 |
3.4.2 束缚水饱和度建模 | 第43-44页 |
3.4.3 饱和度建模效果 | 第44-45页 |
3.5 小结 | 第45-46页 |
第四章 储层分类方法研究 | 第46-50页 |
4.1 基于产能的储层类别标准划分 | 第46-47页 |
4.2 不同级别储层测井响应特征及识别标准 | 第47-48页 |
4.3 基于判别分析的储层类型识别 | 第48-49页 |
4.4 小结 | 第49-50页 |
第五章 气层测井识别方法研究 | 第50-66页 |
5.1 常规交会图法 | 第50-51页 |
5.2 中子伽马识别气层 | 第51-54页 |
5.3 基于阵列声波测井识别气层 | 第54-62页 |
5.3.1 横波预测 | 第55-58页 |
5.3.2 VP/VS与 DTC交会图法 | 第58页 |
5.3.3 基于Biot-Gassmann理论的流体因子识别法 | 第58-62页 |
5.4 核磁测井识别气层 | 第62-65页 |
5.5 小结 | 第65-66页 |
第六章 储层有效性评价及产能预测 | 第66-77页 |
6.1 储层有效性评价 | 第66-68页 |
6.1.1 储层品质指数下限确定 | 第66-67页 |
6.1.2 有效物性下限确定 | 第67-68页 |
6.2 综合指数法产能预测模型 | 第68-71页 |
6.2.1 相关性分析 | 第68-70页 |
6.2.2 产能预测模型 | 第70-71页 |
6.3 基于阵列声波资料产能预测方法 | 第71-74页 |
6.4 BP神经网络在产能预测中的应用 | 第74-76页 |
6.4.1 BP神经网络模型建立 | 第74-76页 |
6.4.2 建模效果 | 第76页 |
6.5 小结 | 第76-77页 |
结论 | 第77-79页 |
参考文献 | 第79-84页 |
攻读硕士学位期间取得的学术成果 | 第84-85页 |
致谢 | 第85页 |