砂砾岩储层确定方法及装置与流程

1.本技术涉及油气勘探领域，具体涉及一种砂砾岩储层确定方法及装置。


背景技术：

2.砂砾岩油气藏是指以砾岩、砂砾岩为主要储层的油气藏，在全世界分布范围较广，例如美国的洛杉矶盆地、阿根廷库约盆地、加拿大西部盆地、巴西的塞尔希培-阿戈斯盆地等都有丰富的砂砾岩油气藏。在我国国内以准噶尔盆地的克拉玛依油田为典型代表，油气资源丰富，勘探潜力巨大。
3.与砂岩储层相比，砂砾岩储层在沉积响应、储层物性及微观孔隙结构等方面均有明显的不同。砂砾岩储层主要发育在冲积扇、陡坡带扇三角洲及近岸水下扇等距离物源较近的沉积体系中，这就造成砂砾岩储层具有砾石成分复杂、岩相变化快、非均质性强等特点。砂砾岩储层与非储层在常规测井曲线上的响应特征不明显，测井表征与评价精度不高；且储层与围岩阻抗差异较小，纵波波阻抗只能大致区分泥岩和砂砾岩，有效储层的评价和预测难度大。


技术实现要素：

4.针对现有技术中的问题，本技术提供一种砂砾岩储层确定方法及装置，能够准确、便捷得确定目标工区的砂砾岩储层的空间展布特征。
5.为了解决上述问题中的至少一个，本技术提供以下技术方案：
6.第一方面，本技术提供一种砂砾岩储层确定方法，包括：
7.根据目标工区砂砾岩储层的岩心数据，确定砂砾岩储层的渗透率与孔隙度的比值；
8.根据所述孔隙度、所述砂砾岩储层的岩电参数和地层水资料，确定所述砂砾岩储层的含油饱和度；
9.根据所述目标工区的补偿密度测井曲线数据、补偿中子测井曲线数据以及所述岩心数据中的泥质含量，确定所述砂砾岩储层的泥质含量；
10.根据所述渗透率与孔隙度的比值、所述含油饱和度以及所述砂砾岩储层的泥质含量，确定所述砂砾岩储层的品质因子；
11.根据所述品质因子和原始地震数据，确定所述砂砾岩储层的品质因子模拟数据体；
12.对所述品质因子模拟数据体进行数据分析，确定所述目标工区的砂砾岩储层的分布特征。
13.进一步地，所述根据目标工区砂砾岩储层的岩心数据，确定砂砾岩储层的渗透率与孔隙度的比值，包括：
14.根据目标工区不同地层和不同粒度的岩心数据与测井资料中的密度数据和声波数据，得到双参数测井解释模型；
15.根据所述双参数测井解释模型，确定所述目标工区全井段的渗透率和孔隙度数据曲线以及渗透率与孔隙度的比值。
16.进一步地，所述根据所述孔隙度、所述砂砾岩储层的岩电参数和地层水资料，确定所述砂砾岩储层的含油饱和度，包括：
17.根据所述孔隙度、所述砂砾岩储层的岩电参数和地层水资料中的地层水电阻率，确定阿尔奇含油饱和度计算模型；
18.根据所述阿尔奇含油饱和度计算模型，确定所述砂砾岩储层的含油饱和度。
19.进一步地，所述根据所述目标工区的补偿密度测井曲线数据、补偿中子测井曲线数据以及所述岩心数据中的泥质含量，确定所述砂砾岩储层的泥质含量，包括：
20.对所述目标工区的补偿密度测井曲线数据和补偿中子测井曲线数据的差值进行归一化处理；
21.对所述岩心数据中的泥质含量和经过所述归一化处理后的补偿密度测井曲线数据和补偿中子测井曲线数据进行数据拟合处理，得到所述砂砾岩储层的泥质含量。
22.进一步地，所述根据所述品质因子和原始地震数据，确定所述砂砾岩储层的品质因子模拟数据体，包括：
23.根据所述品质因子的特征曲线数据、所述原始地震数据中的地震属性和纵波波阻抗以及预设多属性神经网络模拟模型，得到所述砂砾岩储层的品质因子模拟数据体。
24.进一步地，所述对所述品质因子模拟数据体进行数据分析，确定所述目标工区的砂砾岩储层的分布特征，包括：
25.对所述品质因子模拟数据体进行连井剖面分析，确定所述目标工区的砂砾岩储层的纵横向变化特征。
26.进一步地，所述对所述品质因子模拟数据体进行数据分析，确定所述目标工区的砂砾岩储层的分布特征，包括：
27.对所述品质因子模拟数据体进行等时地层格架分析，确定所述目标工区的砂砾岩储层的平面分布特征。
28.第二方面，本技术提供一种砂砾岩储层确定装置，包括：
29.渗孔比确定模块，用于根据目标工区砂砾岩储层的岩心数据，确定砂砾岩储层的渗透率与孔隙度的比值；
30.含油饱和度确定模块，用于根据所述孔隙度、所述砂砾岩储层的岩电参数和地层水资料，确定所述砂砾岩储层的含油饱和度；
31.泥质含量确定模块，用于根据所述目标工区的补偿密度测井曲线数据、补偿中子测井曲线数据以及所述岩心数据中的泥质含量，确定所述砂砾岩储层的泥质含量；
32.品质因子确定模块，用于根据所述渗透率与孔隙度的比值、所述含油饱和度以及所述砂砾岩储层的泥质含量，确定所述砂砾岩储层的品质因子；
33.品质因子模拟数据体确定模块，用于根据所述品质因子和原始地震数据，确定所述砂砾岩储层的品质因子模拟数据体；
34.砂砾岩储层分布特征分析模块，用于对所述品质因子模拟数据体进行数据分析，确定所述目标工区的砂砾岩储层的分布特征。
35.进一步地，所述渗孔比确定模块包括：
36.双参数测井解释模型构建单元，用于根据目标工区不同地层和不同粒度的岩心数据与测井资料中的密度数据和声波数据，得到双参数测井解释模型；
37.渗孔比确定单元，用于根据所述双参数测井解释模型，确定所述目标工区全井段的渗透率和孔隙度数据曲线以及渗透率与孔隙度的比值。
38.进一步地，所述含油饱和度确定模块包括：
39.阿尔奇含油饱和度计算模型构建单元，用于根据所述孔隙度、所述砂砾岩储层的岩电参数和地层水资料中的地层水电阻率，确定阿尔奇含油饱和度计算模型；
40.含油饱和度确定单元，用于根据所述阿尔奇含油饱和度计算模型，确定所述砂砾岩储层的含油饱和度。
41.进一步地，所述泥质含量确定模块包括：
42.测井曲线数据归一化处理单元，用于对所述目标工区的补偿密度测井曲线数据和补偿中子测井曲线数据的差值进行归一化处理；
43.数据拟合单元，用于对所述岩心数据中的泥质含量和经过所述归一化处理后的补偿密度测井曲线数据和补偿中子测井曲线数据进行数据拟合处理，得到所述砂砾岩储层的泥质含量。
44.进一步地，所述品质因子模拟数据体确定模块包括：
45.多属性神经网络模拟模型处理单元，用于根据所述品质因子的特征曲线数据、所述原始地震数据中的地震属性和纵波波阻抗以及预设多属性神经网络模拟模型，得到所述砂砾岩储层的品质因子模拟数据体。
46.进一步地，所述砂砾岩储层分布特征分析模块包括：
47.连井剖面分析单元，用于对所述品质因子模拟数据体进行连井剖面分析，确定所述目标工区的砂砾岩储层的纵横向变化特征。
48.进一步地，所述砂砾岩储层分布特征分析模块包括：
49.等时地层格架分析单元，用于对所述品质因子模拟数据体进行等时地层格架分析，确定所述目标工区的砂砾岩储层的平面分布特征。
50.第三方面，本技术提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的砂砾岩储层确定方法的步骤。
51.第四方面，本技术提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的砂砾岩储层确定方法的步骤。
52.由上述技术方案可知，本技术提供一种砂砾岩储层确定方法及装置，通过明确砂砾岩储层物性主控因素，通过常规测井曲线计算出能有效指示储层优劣的砂砾岩储层参数，优选储层参数渗透率与孔隙度的比值、含油饱和度以及泥质含量，得到砂砾岩储层品质因子，然后采用地震多属性神经网络模拟模型，得到砂砾岩储层品质因子的模拟数据体，进而通过对数据体进行数据分析，预测砂砾岩有效储层的空间展布，解决了现有技术中砂砾岩储层常规测井表征和分类精度不高、叠前道集数据缺乏和计算量大、叠后纵波波阻抗预测难度大等技术问题，能够准确、便捷得确定目标工区的砂砾岩储层的空间展布特征。
附图说明
53.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
54.图1为本技术实施例中的砂砾岩储层确定方法的流程示意图之一；
55.图2为本技术实施例中的砂砾岩储层确定方法的流程示意图之二；
56.图3为本技术实施例中的砂砾岩储层确定方法的流程示意图之三；
57.图4为本技术实施例中的砂砾岩储层确定方法的流程示意图之四；
58.图5为本技术实施例中的砂砾岩储层确定装置的结构图之一；
59.图6为本技术实施例中的砂砾岩储层确定装置的结构图之二；
60.图7为本技术实施例中的砂砾岩储层确定装置的结构图之三；
61.图8为本技术实施例中的砂砾岩储层确定装置的结构图之四；
62.图9为本技术实施例中的砂砾岩储层确定装置的结构图之五；
63.图10为本技术实施例中的砂砾岩储层确定装置的结构图之六；
64.图11为本技术实施例中的砂砾岩储层确定装置的结构图之七；
65.图12为本技术的一具体实施例中储层泥质含量与孔隙度的关系图；
66.图13为本技术的一具体实施例中储层泥质含量与渗透率的关系图；
67.图14为本技术的一具体实施例中k/φ与平均孔喉半径r的交会图；
68.图15为本技术的一具体实施例中基于rq的储层分类评价成果图；
69.图16为本技术的一具体实施例中砂砾岩储层品质因子地震模拟剖面成果图；
70.图17为本技术的一具体实施例中砂砾岩储层品质因子地震模拟平面成果图；
71.图18为本技术实施例中的电子设备的结构示意图。
具体实施方式
72.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
73.考虑到砂砾岩储层具有砾石成分复杂、岩相变化快、非均质性强等特点。砂砾岩储层与非储层在常规测井曲线上的响应特征不明显，测井表征与评价精度不高；且储层与围岩阻抗差异较小，纵波波阻抗只能大致区分泥岩和砂砾岩，有效储层的评价和预测难度大的问题，本技术提供一种砂砾岩储层确定方法及装置，通过明确砂砾岩储层物性主控因素，通过常规测井曲线计算出能有效指示储层优劣的砂砾岩储层参数，优选储层参数渗透率与孔隙度的比值、含油饱和度以及泥质含量，得到砂砾岩储层品质因子，然后采用地震多属性神经网络模拟模型，得到砂砾岩储层品质因子的模拟数据体，进而通过对数据体进行数据分析，预测砂砾岩有效储层的空间展布，解决了现有技术中砂砾岩储层常规测井表征和分类精度不高、叠前道集数据缺乏和计算量大、叠后纵波波阻抗预测难度大等技术问题，能够准确、便捷得确定目标工区的砂砾岩储层的空间展布特征。
74.可以理解的是，本技术针对目标工区砂砾岩储层的特点，通过实际钻井录井、测井、取心、实验分析测试等资料，开展砂砾岩储层物性主要控制因素分析，砂砾岩储层通常发育在近物源相变快的沉积环境中，砂砾岩储层物性复杂的内在因素多是由砾石成分多样、磨圆分选极差、孔隙结构复杂、泥杂基含量高造成的，因此本技术通过综合对比分析研究，确定砂砾岩储层物性受孔隙结构、泥质含量的影响比较大。
75.为了能够准确、便捷得确定目标工区的砂砾岩储层的空间展布特征，本技术提供一种砂砾岩储层确定方法的实施例，参见图1，所述砂砾岩储层确定方法具体包含有如下内容：
76.步骤s101：根据目标工区砂砾岩储层的岩心数据，确定砂砾岩储层的渗透率与孔隙度的比值。
77.可选的，本技术确定储层孔隙结构为决定砂砾岩储层物性的主要控制因素之一，因此本技术采用渗透率与孔隙度的比值(k/φ，简称渗孔比)来反映储层孔隙结构特征，它与吼道半径r呈正比，其数值大小变化对孔隙结构的优劣变化反应灵敏，渗孔比越大，孔隙结构特征越好，储层物性越优。
78.具体的，参见图12储层泥质含量与孔隙度的关系图，该图12可以看出泥质含量与孔隙度呈反比，同时参见图13储层泥质含量与渗透率的关系图，该图13可以看出储层泥质含量与渗透率呈反比，且与图12相比较，泥质含量对渗透率的影响较孔隙度更大。
79.可选的，为保证渗孔比(k/φ)的计算精度，本技术根据目标工区的实际情况，在开展测井曲线标准化处理的基础上，采用岩心刻度测井的方法，建立孔隙度(φ)和渗透率(k)模型。
80.具体的，本技术采用分小层分粒度岩心孔隙度与测井密度、声波开展相关分析，通过多元回归建立基于密度-声波的双参数孔隙度、渗透率测井解释模型，最后计算出全井段孔隙度、渗透率曲线，以保障储层渗孔比(k/φ)计算的准确性。
81.步骤s102：根据所述孔隙度、所述砂砾岩储层的岩电参数和地层水资料，确定所述砂砾岩储层的含油饱和度。
82.可以理解的是，储层的含油饱和度(so)变化的影响因素之一是毛细管压力，而毛细管力的大小取决于储层的孔隙吼道半径，因此含油饱和度大小与孔隙结构的优劣呈正比，即含油饱和度越高，孔隙结构特征越好，储层物性越优。
83.可选的，本技术根据阿尔奇公式计算砂砾岩储层的含油饱和度(so)，其中，阿尔奇公式中的岩电参数可以通过采用实际工区的岩电样品建立岩电参数图版求得，地层水电阻率则可以通过地层水实际分析资料得出。
84.步骤s103：根据所述目标工区的补偿密度测井曲线数据、补偿中子测井曲线数据以及所述岩心数据中的泥质含量，确定所述砂砾岩储层的泥质含量。
85.可以理解的是，泥质含量(v
sh
)是控制砂砾岩储层物性的关键控制因素之一，泥质含量(v
sh
)越大，砂砾岩储层物性越差，反之，砂砾岩储层物性越好。
86.可选的，本技术可以建立基于常规测井曲线的den(补偿密度测井曲线数据)、cnl(补偿中子测井曲线数据)的砂砾岩储层泥质含量(v
sh
)计算模型，具体公式可以为：
[0087]vsh
＝x
×
δ(den-cnl)+y
ꢀꢀꢀꢀ
(1)
[0088]
其中，v
sh
为砂砾岩储层泥质含量，x、y为常数，本实施例中采用了归一化后的密度、
中子差值(δ(den-cnl))与目的层段岩心薄片鉴定的泥质含量交会拟合获得，其中x的值可以为28.0899，y的值可以为6.7752。
[0089]
步骤s104：根据所述渗透率与孔隙度的比值、所述含油饱和度以及所述砂砾岩储层的泥质含量，确定所述砂砾岩储层的品质因子。
[0090]
可以理解的是，本技术可以通过渗孔比(k/φ)、含油饱和度(so)、泥质含量(v
sh
)等参数构建出砂砾岩储层品质因子(rq)模型，从而计算出工区内所有井目的层段的砂砾岩储层品质因子(rq)特征曲线。
[0091]
具体的，采用公式(2)计算砂砾岩储层品质因子(rq)：
[0092][0093]
可以理解的是，砂砾岩储层品质因子(rq)越大，表明砂砾岩储层的各类储集条件有利，储集层的物性越好，参见图14k/φ与平均孔喉半径r的交会图，该图14可以看出k/φ与r呈函数关系，r值越大，k/φ越大。
[0094]
步骤s105：根据所述品质因子和原始地震数据，确定所述砂砾岩储层的品质因子模拟数据体。
[0095]
可选的，本技术可以采用多属性神经网络模拟模型，将计算出的多口井砂砾岩储层品质因子(rq)特征曲线与原始地震资料中的地震属性、纵波波阻抗等建立统计学关系，从井点出发，井间遵从原始地震数据，最终得到砂砾岩储层品质因子地震模拟数据体。
[0096]
在本技术的另一实施例中，在执行上述步骤s105之前，本技术还可以根据品质因子与预设阈值的数值比较关系对储层进行定量分类。
[0097]
可选的，采用上述计算得出的砂砾岩储层品质因子(rq)与储层岩心样品的含油性(饱含油、含油、油浸、油斑、油迹、荧光、无显示等)开展交会分析，建立有效储层的定量分类评价标准，从而实现砂砾岩储层全井段分类评价。例如，根据分析结果，将砂砾岩体分为一类储层(rq≥3.8)、二类储层(3.8＞rq≥1.5)、三类储层(1.5＞rq≥0.2)和非储层(rq＜0.2)等四类。
[0098]
可以理解的是，图15为基于rq的储层分类评价成果图，rq值越高储层越优，图15中rq≥1.5为该井目的层的有效储层段；图16为砂砾岩储层品质因子地震模拟剖面成果图，该图16可以看出rq≥1.5的砂砾岩一、二类有效储层在井上和井间的展布特征。图17为本砂砾岩储层品质因子地震模拟平面成果图，该图17可以看出rq≥1.5的砂砾岩一、二类有效储层在研究区平面上的分布特征。
[0099]
步骤s106：对所述品质因子模拟数据体进行数据分析，确定所述目标工区的砂砾岩储层的分布特征。
[0100]
可以理解的是，本技术可以采用剖面、层切片、体雕刻等方法对砂砾岩储层品质因子地震模拟数据体进行详细分析，依据上述的砂砾岩储层分类评价标准，实现砂砾岩有效储层纵向、横向及空间展布特征的预测研究，为油气勘探工作中的井位部署和储量计算等工作提供扎实的依据。
[0101]
在本技术的一种可选实施例中，本技术可以采用连井剖面法在垂向上和水平方向上分析各类储层的纵横向变化，对于描述砂砾岩储层的空间变化是非常有利的，同时对于验证井中和井间砂砾岩储层的预测结果的一致性也是很直观的。
[0102]
在本技术的另一种可选实施例中，本技术可以对目的层段的砂砾岩储层品质因子地震模拟数据体开展等时地层格架下的地层切片处理，从单张地层切片上可以清晰的看出砂砾岩有效储层的平面分布形态，从每个体系域代表性的多个地层切片上也可以观察到砂砾岩有效储层的纵向结构和演化规律。
[0103]
从上述描述可知，本技术实施例提供的砂砾岩储层确定方法，能够通过明确砂砾岩储层物性主控因素，通过常规测井曲线计算出能有效指示储层优劣的砂砾岩储层参数，优选储层参数渗透率与孔隙度的比值、含油饱和度以及泥质含量，得到砂砾岩储层品质因子，然后采用地震多属性神经网络模拟模型，得到砂砾岩储层品质因子的模拟数据体，进而通过对数据体进行数据分析，预测砂砾岩有效储层的空间展布，解决了现有技术中砂砾岩储层常规测井表征和分类精度不高、叠前道集数据缺乏和计算量大、叠后纵波波阻抗预测难度大等技术问题，能够准确、便捷得确定目标工区的砂砾岩储层的空间展布特征。
[0104]
为了能够准确确定砂砾岩储层的渗透率与孔隙度的比值，在本技术的砂砾岩储层确定方法的一实施例中，参见图2，还可以具体包含如下内容：
[0105]
步骤s201：根据目标工区不同地层和不同粒度的岩心数据与测井资料中的密度数据和声波数据，得到双参数测井解释模型。
[0106]
步骤s202：根据所述双参数测井解释模型，确定所述目标工区全井段的渗透率和孔隙度数据曲线以及渗透率与孔隙度的比值。
[0107]
可选的，为保证渗孔比(k/φ)的计算精度，本技术根据目标工区的实际情况，在开展测井曲线标准化处理的基础上，采用岩心刻度测井的方法，建立孔隙度(φ)和渗透率(k)模型。
[0108]
具体的，本技术采用分小层分粒度岩心孔隙度与测井密度、声波开展相关分析，通过多元回归建立基于密度-声波的双参数孔隙度、渗透率测井解释模型，最后计算出全井段孔隙度、渗透率曲线，以保障储层渗孔比(k/φ)计算的准确性。
[0109]
为了能够准确确定砂砾岩储层的含油饱和度，在本技术的砂砾岩储层确定方法的一实施例中，参见图3，还可以具体包含如下内容：
[0110]
步骤s301：根据所述孔隙度、所述砂砾岩储层的岩电参数和地层水资料中的地层水电阻率，确定阿尔奇含油饱和度计算模型。
[0111]
步骤s302：根据所述阿尔奇含油饱和度计算模型，确定所述砂砾岩储层的含油饱和度。
[0112]
可选的，本技术根据阿尔奇公式计算砂砾岩储层的含油饱和度(so)，其中，阿尔奇公式中的岩电参数可以通过采用实际工区的岩电样品建立岩电参数图版求得，地层水电阻率则可以通过地层水实际分析资料得出。
[0113]
为了能够准确确定砂砾岩储层的泥质含量，在本技术的砂砾岩储层确定方法的一实施例中，参见图4，还可以具体包含如下内容：
[0114]
步骤s401：对所述目标工区的补偿密度测井曲线数据和补偿中子测井曲线数据的差值进行归一化处理。
[0115]
步骤s402：对所述岩心数据中的泥质含量和经过所述归一化处理后的补偿密度测井曲线数据和补偿中子测井曲线数据进行数据拟合处理，得到所述砂砾岩储层的泥质含量。
[0116]
可选的，本技术可以建立基于常规测井曲线的den(补偿密度测井曲线数据)、cnl(补偿中子测井曲线数据)的砂砾岩储层泥质含量(v
sh
)计算模型，具体公式可以为：
[0117]vsh
＝x
×
δ(den-cnl)+y
ꢀꢀꢀꢀ
(1)
[0118]
其中，v
sh
为砂砾岩储层泥质含量，x、y为常数，本实施例中采用了归一化后的密度、中子差值(δ(den-cnl))与目的层段岩心薄片鉴定的泥质含量交会拟合获得，其中x的值可以为28.0899，y的值可以为6.7752。
[0119]
为了能够准确确定砂砾岩储层的品质因子模拟数据体，在本技术的砂砾岩储层确定方法的一实施例中，还可以具体包含如下内容：
[0120]
根据所述品质因子的特征曲线数据、所述原始地震数据中的地震属性和纵波波阻抗以及预设多属性神经网络模拟模型，得到所述砂砾岩储层的品质因子模拟数据体。
[0121]
可选的，本技术可以采用多属性神经网络模拟模型，将计算出的多口井砂砾岩储层品质因子(rq)特征曲线与原始地震资料中的地震属性、纵波波阻抗等建立统计学关系，从井点出发，井间遵从原始地震数据，最终得到砂砾岩储层品质因子地震模拟数据体。
[0122]
为了能够准确确定目标工区的砂砾岩储层的分布特征，在本技术的砂砾岩储层确定方法的一实施例中，还可以具体包含如下内容：
[0123]
对所述品质因子模拟数据体进行连井剖面分析，确定所述目标工区的砂砾岩储层的纵横向变化特征。
[0124]
在本技术的一种可选实施例中，本技术可以采用连井剖面法在垂向上和水平方向上分析各类储层的纵横向变化，对于描述砂砾岩储层的空间变化是非常有利的，同时对于验证井中和井间砂砾岩储层的预测结果的一致性也是很直观的。
[0125]
为了能够准确确定目标工区的砂砾岩储层的分布特征，在本技术的砂砾岩储层确定方法的一实施例中，还可以具体包含如下内容：
[0126]
对所述品质因子模拟数据体进行等时地层格架分析，确定所述目标工区的砂砾岩储层的平面分布特征。
[0127]
在本技术的另一种可选实施例中，本技术可以对目的层段的砂砾岩储层品质因子地震模拟数据体开展等时地层格架下的地层切片处理，从单张地层切片上可以清晰的看出砂砾岩有效储层的平面分布形态，从每个体系域代表性的多个地层切片上也可以观察到砂砾岩有效储层的纵向结构和演化规律。
[0128]
为了能够准确、便捷得确定目标工区的砂砾岩储层的空间展布特征，本技术提供一种用于实现所述砂砾岩储层确定方法的全部或部分内容的砂砾岩储层确定装置的实施例，参见图5，所述砂砾岩储层确定装置具体包含有如下内容：
[0129]
渗孔比确定模块10，用于根据目标工区砂砾岩储层的岩心数据，确定砂砾岩储层的渗透率与孔隙度的比值。
[0130]
含油饱和度确定模块20，用于根据所述孔隙度、所述砂砾岩储层的岩电参数和地层水资料，确定所述砂砾岩储层的含油饱和度。
[0131]
泥质含量确定模块30，用于根据所述目标工区的补偿密度测井曲线数据、补偿中子测井曲线数据以及所述岩心数据中的泥质含量，确定所述砂砾岩储层的泥质含量。
[0132]
品质因子确定模块40，用于根据所述渗透率与孔隙度的比值、所述含油饱和度以及所述砂砾岩储层的泥质含量，确定所述砂砾岩储层的品质因子。
[0133]
品质因子模拟数据体确定模块50，用于根据所述品质因子和原始地震数据，确定所述砂砾岩储层的品质因子模拟数据体。
[0134]
砂砾岩储层分布特征分析模块60，用于对所述品质因子模拟数据体进行数据分析，确定所述目标工区的砂砾岩储层的分布特征。
[0135]
从上述描述可知，本技术实施例提供的砂砾岩储层确定装置，能够通过明确砂砾岩储层物性主控因素，通过常规测井曲线计算出能有效指示储层优劣的砂砾岩储层参数，优选储层参数渗透率与孔隙度的比值、含油饱和度以及泥质含量，得到砂砾岩储层品质因子，然后采用地震多属性神经网络模拟模型，得到砂砾岩储层品质因子的模拟数据体，进而通过对数据体进行数据分析，预测砂砾岩有效储层的空间展布，解决了现有技术中砂砾岩储层常规测井表征和分类精度不高、叠前道集数据缺乏和计算量大、叠后纵波波阻抗预测难度大等技术问题，能够准确、便捷得确定目标工区的砂砾岩储层的空间展布特征。
[0136]
为了能够准确确定砂砾岩储层的渗透率与孔隙度的比值，在本技术的砂砾岩储层确定装置的一实施例中，参见图6，所述渗孔比确定模块10包括：
[0137]
双参数测井解释模型构建单元11，用于根据目标工区不同地层和不同粒度的岩心数据与测井资料中的密度数据和声波数据，得到双参数测井解释模型。
[0138]
渗孔比确定单元12，用于根据所述双参数测井解释模型，确定所述目标工区全井段的渗透率和孔隙度数据曲线以及渗透率与孔隙度的比值。
[0139]
为了能够准确确定砂砾岩储层的含油饱和度，在本技术的砂砾岩储层确定装置的一实施例中，参见图7，所述含油饱和度确定模块20包括：
[0140]
阿尔奇含油饱和度计算模型构建单元21，用于根据所述孔隙度、所述砂砾岩储层的岩电参数和地层水资料中的地层水电阻率，确定阿尔奇含油饱和度计算模型。
[0141]
含油饱和度确定单元22，用于根据所述阿尔奇含油饱和度计算模型，确定所述砂砾岩储层的含油饱和度。
[0142]
为了能够准确确定砂砾岩储层的泥质含量，在本技术的砂砾岩储层确定装置的一实施例中，参见图8，所述泥质含量确定模块30包括：
[0143]
测井曲线数据归一化处理单元31，用于对所述目标工区的补偿密度测井曲线数据和补偿中子测井曲线数据的差值进行归一化处理。
[0144]
数据拟合单元32，用于对所述岩心数据中的泥质含量和经过所述归一化处理后的补偿密度测井曲线数据和补偿中子测井曲线数据进行数据拟合处理，得到所述砂砾岩储层的泥质含量。
[0145]
为了能够准确确定砂砾岩储层的品质因子模拟数据体，在本技术的砂砾岩储层确定装置的一实施例中，参见图9，所述品质因子模拟数据体确定模块50包括：
[0146]
多属性神经网络模拟模型处理单元51，用于根据所述品质因子的特征曲线数据、所述原始地震数据中的地震属性和纵波波阻抗以及预设多属性神经网络模拟模型，得到所述砂砾岩储层的品质因子模拟数据体。
[0147]
为了能够准确确定目标工区的砂砾岩储层的分布特征，在本技术的砂砾岩储层确定装置的一实施例中，参见图10，所述砂砾岩储层分布特征分析模块60包括：
[0148]
连井剖面分析单元61，用于对所述品质因子模拟数据体进行连井剖面分析，确定所述目标工区的砂砾岩储层的纵横向变化特征。
[0149]
为了能够准确确定目标工区的砂砾岩储层的分布特征，在本技术的砂砾岩储层确定装置的一实施例中，参见图11，所述砂砾岩储层分布特征分析模块60包括：
[0150]
等时地层格架分析单元62，用于对所述品质因子模拟数据体进行等时地层格架分析，确定所述目标工区的砂砾岩储层的平面分布特征。
[0151]
从硬件层面来说，为了能够准确、便捷得确定目标工区的砂砾岩储层的空间展布特征，本技术提供一种用于实现所述砂砾岩储层确定方法中的全部或部分内容的电子设备的实施例，所述电子设备具体包含有如下内容：
[0152]
处理器(processor)、存储器(memory)、通信接口(communications interface)和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述通信接口用于实现砂砾岩储层确定装置与核心业务系统、用户终端以及相关数据库等相关设备之间的信息传输；该逻辑控制器可以是台式计算机、平板电脑及移动终端等，本实施例不限于此。在本实施例中，该逻辑控制器可以参照实施例中的砂砾岩储层确定方法的实施例，以及砂砾岩储层确定装置的实施例进行实施，其内容被合并于此，重复之处不再赘述。
[0153]
可以理解的是，所述用户终端可以包括智能手机、平板电子设备、网络机顶盒、便携式计算机、台式电脑、个人数字助理(pda)、车载设备、智能穿戴设备等。其中，所述智能穿戴设备可以包括智能眼镜、智能手表、智能手环等。
[0154]
在实际应用中，砂砾岩储层确定方法的部分可以在如上述内容所述的电子设备侧执行，也可以所有的操作都在所述客户端设备中完成。具体可以根据所述客户端设备的处理能力，以及用户使用场景的限制等进行选择。本技术对此不作限定。若所有的操作都在所述客户端设备中完成，所述客户端设备还可以包括处理器。
[0155]
上述的客户端设备可以具有通信模块(即通信单元)，可以与远程的服务器进行通信连接，实现与所述服务器的数据传输。所述服务器可以包括任务调度中心一侧的服务器，其他的实施场景中也可以包括中间平台的服务器，例如与任务调度中心服务器有通信链接的第三方服务器平台的服务器。所述的服务器可以包括单台计算机设备，也可以包括多个服务器组成的服务器集群，或者分布式装置的服务器结构。
[0156]
图18为本技术实施例的电子设备9600的系统构成的示意框图。如图18所示，该电子设备9600可以包括中央处理器9100和存储器9140；存储器9140耦合到中央处理器9100。值得注意的是，该图18是示例性的；还可以使用其他类型的结构，来补充或代替该结构，以实现电信功能或其他功能。
[0157]
一实施例中，砂砾岩储层确定方法功能可以被集成到中央处理器9100中。其中，中央处理器9100可以被配置为进行如下控制：
[0158]
步骤s101：根据目标工区砂砾岩储层的岩心数据，确定砂砾岩储层的渗透率与孔隙度的比值。
[0159]
步骤s102：根据所述孔隙度、所述砂砾岩储层的岩电参数和地层水资料，确定所述砂砾岩储层的含油饱和度。
[0160]
步骤s103：根据所述目标工区的补偿密度测井曲线数据、补偿中子测井曲线数据以及所述岩心数据中的泥质含量，确定所述砂砾岩储层的泥质含量。
[0161]
步骤s104：根据所述渗透率与孔隙度的比值、所述含油饱和度以及所述砂砾岩储层的泥质含量，确定所述砂砾岩储层的品质因子。
[0162]
步骤s105：根据所述品质因子和原始地震数据，确定所述砂砾岩储层的品质因子模拟数据体。
[0163]
步骤s106：对所述品质因子模拟数据体进行数据分析，确定所述目标工区的砂砾岩储层的分布特征。
[0164]
从上述描述可知，本技术实施例提供的电子设备，通过明确砂砾岩储层物性主控因素，通过常规测井曲线计算出能有效指示储层优劣的砂砾岩储层参数，优选储层参数渗透率与孔隙度的比值、含油饱和度以及泥质含量，得到砂砾岩储层品质因子，然后采用地震多属性神经网络模拟模型，得到砂砾岩储层品质因子的模拟数据体，进而通过对数据体进行数据分析，预测砂砾岩有效储层的空间展布，解决了现有技术中砂砾岩储层常规测井表征和分类精度不高、叠前道集数据缺乏和计算量大、叠后纵波波阻抗预测难度大等技术问题，能够准确、便捷得确定目标工区的砂砾岩储层的空间展布特征。
[0165]
在另一个实施方式中，砂砾岩储层确定装置可以与中央处理器9100分开配置，例如可以将砂砾岩储层确定装置配置为与中央处理器9100连接的芯片，通过中央处理器的控制来实现砂砾岩储层确定方法功能。
[0166]
如图18所示，该电子设备9600还可以包括：通信模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是，电子设备9600也并不是必须要包括图18中所示的所有部件；此外，电子设备9600还可以包括图18中没有示出的部件，可以参考现有技术。
[0167]
如图18所示，中央处理器9100有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。
[0168]
其中，存储器9140，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息，此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序，以实现信息存储或处理等。
[0169]
输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为lcd显示器，但并不限于此。
[0170]
该存储器9140可以是固态存储器，例如，只读存储器(rom)、随机存取存储器(ram)、sim卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，该存储器的示例有时被称为eprom等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142，该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。
[0171]
存储器9140还可以包括数据存储部9143，该数据存储部9143用于存储数据，例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
[0172]
通信模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通信模
块(发送机/接收机)9110耦合到中央处理器9100，以提供输入信号和接收输出信号，这可以和常规移动通信终端的情况相同。
[0173]
基于不同的通信技术，在同一电子设备中，可以设置有多个通信模块9110，如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)9110还经由音频处理器9130耦合到扬声器9131和麦克风9132，以经由扬声器9131提供音频输出，并接收来自麦克风9132的音频输入，从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外，音频处理器9130还耦合到中央处理器9100，从而使得可以通过麦克风9132能够在本机上录音，且使得可以通过扬声器9131来播放本机上存储的声音。
[0174]
本技术的实施例还提供能够实现上述实施例中的执行主体为服务器或客户端的砂砾岩储层确定方法中全部步骤的一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的执行主体为服务器或客户端的砂砾岩储层确定方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：
[0175]
步骤s101：根据目标工区砂砾岩储层的岩心数据，确定砂砾岩储层的渗透率与孔隙度的比值。
[0176]
步骤s102：根据所述孔隙度、所述砂砾岩储层的岩电参数和地层水资料，确定所述砂砾岩储层的含油饱和度。
[0177]
步骤s103：根据所述目标工区的补偿密度测井曲线数据、补偿中子测井曲线数据以及所述岩心数据中的泥质含量，确定所述砂砾岩储层的泥质含量。
[0178]
步骤s104：根据所述渗透率与孔隙度的比值、所述含油饱和度以及所述砂砾岩储层的泥质含量，确定所述砂砾岩储层的品质因子。
[0179]
步骤s105：根据所述品质因子和原始地震数据，确定所述砂砾岩储层的品质因子模拟数据体。
[0180]
步骤s106：对所述品质因子模拟数据体进行数据分析，确定所述目标工区的砂砾岩储层的分布特征。
[0181]
从上述描述可知，本技术实施例提供的计算机可读存储介质，通过明确砂砾岩储层物性主控因素，通过常规测井曲线计算出能有效指示储层优劣的砂砾岩储层参数，优选储层参数渗透率与孔隙度的比值、含油饱和度以及泥质含量，得到砂砾岩储层品质因子，然后采用地震多属性神经网络模拟模型，得到砂砾岩储层品质因子的模拟数据体，进而通过对数据体进行数据分析，预测砂砾岩有效储层的空间展布，解决了现有技术中砂砾岩储层常规测井表征和分类精度不高、叠前道集数据缺乏和计算量大、叠后纵波波阻抗预测难度大等技术问题，能够准确、便捷得确定目标工区的砂砾岩储层的空间展布特征。
[0182]
本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0183]
本发明是参照根据本发明实施例的方法、设备(装置)、和计算机程序产品的流程
图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0184]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0185]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0186]
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。