【技术实现步骤摘要】
本专利技术涉及测井图像裂缝识别，具体涉及一种岩性约束下的高精度测井图像裂缝识别方法。
技术介绍
1、目前裂缝性储层油气产量在世界油气总产量中占有很大的比例，因此研究裂缝性储层具有重要意义，裂缝是良好的油气运移通道和油气良好的储集空间，因此对于裂缝高效、准确的识别具有重要意义。
2、目前针对于裂缝识别方法主要包括地质、地震以及测井方法。地质方法虽然能够清晰的看到天然裂缝的具体特征，但所需数据量大，在实际情况下无法做到每一个深度都取心；针对于地震方法进行识别裂缝，主要对于大尺度裂缝的识别精度高，对于小尺度裂缝的识别精度较低，并且利用地震方法进行裂缝识别成本较高，因此没有被广泛应用；目前最广泛应用的裂缝识别方法是测井方法，主要包括单一常规测井系列识别、成像测井识别以及多参数常规测井融合识别裂缝。在单一测井系列中，裂缝会导致声波时差增大、中子孔隙度增大、密度降低、电阻率降低的特征，但由于岩性、充填性以及流体性质导致测井响应受到影响，引起裂缝识别误差。由于成像测井是根据井周范围内的地层电阻率生成井壁图像，相对于常规测井来说是目前被认为精度最高的测井方法，而阵列声波测井其探测范围更远，但现阶段如何在约束岩性的情况下进行图像信息融合识别裂缝仍存在一定困难。
3、现有技术中，文献号为cn114609682a的专利文献记载有一种电成像缝洞参数的提取方法、系统及计算机可读存储介质，其方法通过获取电成像测井全井眼覆盖图像；对电成像测井全井眼覆盖图像进行初分割,获取全井眼电导率图像初分割缝洞子图像；提取全井眼电导率图像初分割缝洞
4、上述技术方案，实验手段较为繁琐，操作复杂；未考虑岩性变化引起的成像图像变化，造成提取信息误差，形成的参数误差会导致最终提取结果不准确；且没有对于成像图像的结果进行验证，建立相关模型精确度不高。
5、文献号为cn112780253a的专利文献记载有一种裂缝型储层的预测及评价方法，根据地质资料,确定裂缝型储层的裂缝发育基础参数；对裂缝型储层的测井特征进行交汇分析,确定裂缝型储层的地球物理识别依据；开展单井裂缝型储层解释,确定裂缝型储层的纵向发育特征,确定裂缝型储层的发育规律；将裂缝型储层的测井特征和dst测试结合,开展裂缝型储层的有效性单井研究；利用裂缝型储层的测井特征,确定叠前五维裂缝的预测偏移距和方位角,计算裂缝型储层的发育强度和走向；结合裂缝有效性评价成果,确定有效裂缝发育带；结合构造储层研究成果,完成储层综合评价及井位建议。
6、上述技术方案，所需资料较复杂，裂缝识别难度较高；且没有考虑岩性变化造成的裂缝识别假象，裂缝识别准确性存在误差。
技术实现思路
1、为解决上述问题，本专利技术提供一种岩性约束下的高精度测井图像裂缝识别方法，用于降低测井图像裂缝识别误差，以便于精确预测油气，精准进行油气勘探开发。
2、为了实现上述目的，本专利技术的技术方案如下：一种岩性约束下的高精度测井图像裂缝识别方法，包括如下步骤：
3、s1建立基于岩石力学参数及自然伽马的双参数岩性约束指标：对自然伽马测井曲线进行处理得到放射性岩性约束系数lithgr，通过岩石矿物组分计算得到岩石脆性指数，并进行处理得到脆性岩性约束系数lithbi，根据放射性岩石约束系数与脆性岩性约束系数与岩性的相关程度确定权重系数建立综合岩性约束系数lithcon；
4、s2基于人机交互的井壁电成像裂缝信息提取：在建立的岩性约束指标下，基于电成像图像提取裂缝信息，明确裂缝有效性及几何特征信息；
5、s3阵列声波图像裂缝信息提取：基于电成像提取的裂缝几何特征，进一步基于阵列声波图像提取裂缝力学特征信息；
6、s4建立多参数约束下的裂缝综合判别指标：根据不同裂缝信息计算不同权重系数，建立裂缝综合识别指标，基于裂缝综合识别指标进行裂缝综合识别；
7、s5高精度图像信息下的裂缝精细识别结果检验：基于各测井系列提取的裂缝参数，计算测井压裂段综合指标，与测井裂缝实际发育对比验证。
8、进一步，s1建立基于岩石力学参数及自然伽马的双参数岩性约束指标中，放射性岩性约束系数lithgr计算公式如下：
9、
10、脆性岩性约束系数lithbi计算公式如下：
11、
12、综合岩性约束系数lithcon计算公式如下：
13、
14、根据lithcon的值与标准井岩性进行对比确定其阈值，从而确定岩性约束范围。
15、进一步，s2基于人机交互的井壁电成像裂缝信息提取，具体步骤如下：
16、根据电成像图像所显示的裂缝信息进行数值模拟得到裂缝几何特征定量计算：
17、
18、式中w为裂缝宽度，rm为泥浆电阻率，rxo为侵入带电阻率，k、n为与仪器相关的常数，a为裂缝引起的电导异常面积，由成像图像与电阻率曲线标定计算得到；
19、通过如下公式计算得到裂缝平均水动力宽度：
20、
21、式中，l为第i段裂缝长度，cm；
22、通过如下公式计算得到裂缝视孔隙度：
23、
24、式中，sm是岩石表面积；
25、通过如下公式计算得到裂缝视密度：
26、
27、式中，h为统计窗长；c为井眼覆盖率，％；θ为第i条裂缝的视倾角。
28、进一步，井壁电成像测井利用16级灰度表示地层电阻率的相对变化；基于人机交互方式拾取裂缝，基于正弦曲线形态，提取裂缝倾角、走向特征，根据图像色带亮度特征以及裂缝图像形态初步判别裂缝类型。
29、进一步，s3阵列声波图像裂缝信息提取，具体步骤如下：
30、基于电成像提取的裂缝几何特征信息后，从阵列波形数据中提取地层纵波、横波、斯通利波慢度的能量幅度及衰减数值，并有效对地层快慢横波进行分离，计算地层速度各向异性的百分比大小和方向；
31、对阵列波形数据解编，对接收器的单极纵波、横波和斯通利波能量进行积分计算，计算出纵波、横波和斯通利波能量，判断裂缝是否发育及其力学性质；
32、基于不同偏振方向的横波在传播过程中的波速差异，判断裂缝几何特征信息与电成像结果进行相互标定；
33、基于快横波面的方位，预测裂缝走向；
34、基于各向异性的大小，结合电成像几何特征信息评估裂缝的发育强度及划分裂缝力学类型；
35、对比裂缝走向和地层最大水平主应力方向，预测裂缝有效性。
36、进一步，预测裂缝有效性，包括当裂缝走向与地层最大水平主应力角度相差35°时，预测裂缝系统的有效性较差；当裂缝走向与地层最大水平主应力角度一致或者相差小于35°时，预测裂缝系本文档来自技高网...
【技术保护点】
1.一种岩性约束下的高精度测井图像裂缝识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的岩性约束下的高精度测井图像裂缝识别方法，其特征在于，S1建立岩性约束指标中，放射性岩性约束系数LITHgr计算公式如下：
3.根据权利要求2所述的岩性约束下的高精度测井图像裂缝识别方法，其特征在于，S2基于人机交互的井壁电成像裂缝信息提取，具体步骤如下：
4.根据权利要求3所述的岩性约束下的高精度测井图像裂缝识别方法，其特征在于，井壁电成像测井利用16级灰度表示地层电阻率的相对变化；基于人机交互方式拾取裂缝，基于正弦曲线形态，提取裂缝倾角、走向特征，根据图像色带亮度特征以及裂缝图像形态初步判别裂缝类型。
5.根据权利要求4所述的岩性约束下的高精度测井图像裂缝识别方法，其特征在于，S3阵列声波图像裂缝信息提取，具体步骤如下：
6.根据权利要求5所述的岩性约束下的高精度测井图像裂缝识别方法，其特征在于，预测裂缝有效性，包括：当裂缝走向与地层最大水平主应力角度相差35°时，预测裂缝系统的有效性较差；当裂缝走向与地层最大水平主应力
7.根据权利要求6所述的岩性约束下的高精度测井图像裂缝识别方法，其特征在于，S4建立裂缝综合识别指标，具体步骤如下：
8.根据权利要求7所述的岩性约束下的高精度测井图像裂缝识别方法，其特征在于，裂缝倾角：DTi大于0.7代表低角度缝，DTi小于0.7代表高角度缝；
...【技术特征摘要】
1.一种岩性约束下的高精度测井图像裂缝识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的岩性约束下的高精度测井图像裂缝识别方法，其特征在于，s1建立岩性约束指标中，放射性岩性约束系数lithgr计算公式如下：
3.根据权利要求2所述的岩性约束下的高精度测井图像裂缝识别方法，其特征在于，s2基于人机交互的井壁电成像裂缝信息提取，具体步骤如下：
4.根据权利要求3所述的岩性约束下的高精度测井图像裂缝识别方法，其特征在于，井壁电成像测井利用16级灰度表示地层电阻率的相对变化；基于人机交互方式拾取裂缝，基于正弦曲线形态，提取裂缝倾角、走向特征，根据图像色带亮度特征以及裂缝图像形态初步判别裂缝类型。
5.根据权利...
【专利技术属性】
技术研发人员：李可赛，孙佳琦，刘彦君，林行杰，邓虎成，何建华，何贤宏，王杰，李洪，雷铠铖，
申请(专利权)人：成都理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。