首页 理论教育 空间数据仓库的概念模型

空间数据仓库的概念模型

时间:2022-02-14 理论教育 版权反馈
【摘要】:根据以上分析,储层建模研究只是油田勘探开发中的一个研究专题,储层建模的空间数据仓库可以划分成沉积微相分析、储层的划分与对比、储层知识和储层建模4个研究主题,可见储层建模的空间数据仓库可以由多个数据集市组成,每个数据集市对应储层建模的每一个研究主题。所谓数据集市就是为满足某个专题研究服务而建立的子空间数据仓库。

储层建模实际上是针对油藏的建模,这从reservoir一词的含义也可看出,其目的是表征油气储层的非均质性。为了达到此目的,由于储层深埋在地下,必须采用一定的工具来获取储层的信息,使用一些理论来解释这些数据。因此,从获取的资料来看,主要包括四大类的基础资料:①岩芯及实验分析资料;②测井及其解释资料;③测试及油田开发资料;④地震资料及其处理成果。岩芯是反映储层静态特征的第一性资料,测试时获得储层动态特征的第一手资料,而测井和地震是间接取得储层静、动态资料的主要手段。只有综合应用这四大类资料,进行相互补充和相互验证,才能正确地评价储层的非均质性。从研究的对象看,油藏从小到大可以划分为5个层次,也就是从微观的孔隙结构到全油藏的一整套含油层系,对应到储层研究中的层次就是7级以下的层次,其中7级、8级、9级层次是储层建模需要研究的内容,7级为油层组,8级就是砂层组,9级就是常说的小层,或者是单砂层。

为了实现上述目的,往往需要采用储层沉积学的研究方法。首先是沉积相的识别和划分,在储层建模中应细分到沉积微相,这首先要对盆地区域沉积背景的了解和地震相的分析,是沉积相分析的前提。以此为依据,依靠岩芯资料,开展取芯井的单井相分析,这是识别沉积微相的必不可少的最关键的一步,在细致岩芯观察描述的基础上,综合各种分析资料、岩矿鉴定资料,建立沉积微相和测井典型曲线的响应模型,推广到全油田的单井测井沉积微相分析。细分沉积微相以后,进一步分析组成各沉积微相的能量单元,建立油藏内各类能量单元与储油物性的关系,进而依据沉积微相预测砂体的物性参数空间分布。

在建立好各井沉积微相以后,就可以开展油层组的划分和对比,这是描述储层形态和参数空间分布的基础,也是储层地质工作的基础。油层组划分的详细程度和对比精度直接决定了对储层的认识深度和精度。一般来讲,储层建模中的油层组划分与对比只需开展单砂层的划分和对比,因为油层组和砂层组的划分与对比工作在油田开发阶段已经完成。需要注意的是,特别是在中国东部复杂断块油田,该工作需要反复进行才能建立好。

储层非均质性研究包括层内非均质性研究和平面非均质性研究。层内非均质性研究包括单砂体的几何形态和沉积规模,对于砂体的几何形态,一般来讲,同一沉积微相的砂体几何形态可以完全相似,但沉积规模有数量级的差别,这是决定注采井网的关键因素。在确定各类沉积微相砂体单元的规模和大小以后,还需要分析成因单元砂体之间的连通程度和连通方式。通过各种方式连通的砂体,最终组成了油田开发中的流体流动单元。其评价指标是渗透率的差异程度和最高渗透率段的位置、层内不连续隔层的分布。砂体平面非均质性研究主要是依据成因砂体单元的规模,根据沉积模式进行微相平面展布的推测,进而预测砂体的平面非均质性,主要是尽可能地恢复小范围内的古流向。

储层评价是储层地质研究中最后一个环节。主要是研究储层内岩性、物性、含油性之间的关系,按照砂层组和单砂层进行分类评价,明确其内部差异。其评价差数主要有有效厚度、砂岩钻遇率、渗透率、有效孔隙度、油砂体面积、泥质含量和黏土矿物类型等、孔隙结构参数和层内非均质性。其主要依据是岩性中岩石颗粒的粗细、分选的好坏、粒序的纵向变化、泥质含量和胶结物类型直接控制着储层物性的变化,储层的电性则是岩性、物性、含油性的综合反映。其方法是将取芯井的测井曲线与岩芯进行详细对比,通过岩芯实验分析获得储油物性数据,和分层试油及其他测试手段得到的动态资料进行验证,得到各种关系曲线。

实际上精细储层地质研究的成果就是储层地质知识,这时就可以利用地质统计学技术建立储层地质模型。由于储层地质模型是在三维空间中的表现,还需要储层的构造模型,虽然油层的划分与对比得到了各分层界限,但毕竟取样数据相对较少,一般还需要地震资料的构造解释成果,把层面数据和断层数据进行时深转换得到深度域的地层格架模型,这往往得到的是砂层组的地层格架模型,这时需要根据砂层组的顶、底构造变化趋势,以及地层之间的接触关系,采用一定的插值算法得到单砂层的层面界限。

根据以上分析,储层建模研究只是油田勘探开发中的一个研究专题,储层建模的空间数据仓库可以划分成沉积微相分析、储层的划分与对比、储层知识和储层建模4个研究主题(图3-7),可见储层建模的空间数据仓库可以由多个数据集市组成,每个数据集市对应储层建模的每一个研究主题。所谓数据集市就是为满足某个专题研究服务而建立的子空间数据仓库。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈