长庆T气田致密砂岩气层测井评价方法
摘要 | 第4-5页 |
abstract | 第5-6页 |
第一章 前言 | 第10-18页 |
1.1 研究的目的及意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-15页 |
1.2.1 气层的定量计算 | 第11-13页 |
1.2.2 气水层识别方法 | 第13-15页 |
1.2.3 产能预测 | 第15页 |
1.3 研究内容及技术路线 | 第15-18页 |
1.3.1 研究内容 | 第15-17页 |
1.3.2 技术路线 | 第17-18页 |
第二章 区域概况与四性关系研究 | 第18-39页 |
2.1 沉积环境 | 第18-20页 |
2.1.1 构造背景 | 第18页 |
2.1.2 沉积岩颜色 | 第18-19页 |
2.1.3 沉积构造 | 第19-20页 |
2.2 沉积微相类型 | 第20-21页 |
2.2.1 分支河道亚相 | 第20-21页 |
2.2.2 洪泛沉积 | 第21页 |
2.3 成岩作用特征 | 第21-22页 |
2.3.1 破坏性成岩作用 | 第21-22页 |
2.3.2 建设性成岩作用 | 第22页 |
2.4 岩性特征 | 第22-26页 |
2.4.1 岩石类型及碎屑矿物组分 | 第22-23页 |
2.4.2 岩石结构组分特征 | 第23-24页 |
2.4.3 粒度分布特征 | 第24-26页 |
2.4.4 填隙物特征 | 第26页 |
2.5 物性特征 | 第26-31页 |
2.5.1 岩石孔渗特征 | 第26-28页 |
2.5.2 孔隙类型 | 第28页 |
2.5.3 孔隙结构特征 | 第28-31页 |
2.6 含气性特征 | 第31页 |
2.7 电性特征 | 第31-32页 |
2.8 岩性与物性关系 | 第32-33页 |
2.9 岩性与含气性关系 | 第33-34页 |
2.10 岩性与电性关系 | 第34-36页 |
2.11 物性与含气性关系 | 第36-37页 |
2.12 物性与电性关系 | 第37-38页 |
2.13 含气性与电性关系 | 第38-39页 |
第三章 储层有效物性下限研究 | 第39-42页 |
3.1 试气分析法 | 第39页 |
3.2 孔隙度-渗透率交会法 | 第39-40页 |
3.3 甩尾法 | 第40-42页 |
第四章 储层参数定量解释模型的建立 | 第42-54页 |
4.1 岩心深度归位 | 第42-43页 |
4.2 泥质含量模型 | 第43页 |
4.3 孔隙度解释模型 | 第43-49页 |
4.3.1 单相关模型 | 第43-45页 |
4.3.2 分类多元回归模型 | 第45-47页 |
4.3.3 层点模型 | 第47-49页 |
4.4 渗透率解释模型 | 第49-51页 |
4.5 含水饱和度解释模型 | 第51-52页 |
4.6 实际资料处理成果 | 第52-54页 |
第五章 储层流体识别方法 | 第54-68页 |
5.1 气水层的测井响应特征 | 第54页 |
5.2 常规识别图版 | 第54-55页 |
5.3 三孔隙度识别方法 | 第55-57页 |
5.4 气层指数 | 第57-58页 |
5.5 含气指数法与含气当量法 | 第58-59页 |
5.6 纵波等效弹性模量差比法 | 第59-62页 |
5.7 相关系数法 | 第62-66页 |
5.7.1 中子测井与密度测井的相关性分析 | 第62-64页 |
5.7.2 密度测井与电阻率测井相关性 | 第64-66页 |
5.8 侧向感应联测法 | 第66-68页 |
第六章 产能预测方法 | 第68-78页 |
6.1 组合特征参数产能预测 | 第68-72页 |
6.2 砂体结构 | 第72-73页 |
6.3 概率神经网络预测 | 第73-78页 |
6.3.1 概率神经网络原理 | 第73-75页 |
6.3.2 概率神经网络应用 | 第75-78页 |
结论 | 第78-79页 |
参考文献 | 第79-84页 |
攻读硕士学位期间取得的研究成果 | 第84-85页 |
致谢 | 第85页 |