稠油储层核磁共振孔隙度校正方法

图1 稠油储层实测的测井NMR孔隙度和渗透率与常规岩心实验测量结果对比图

Fig.1 Comparisons of porosities and permeabilities acquired from field NMR logging and routine core derived results

2 岩心NMR实验

为了研究稠油含量对测井NMR孔隙度的影响，本次研究选取南海东部盆地某油田A14井韩江组的10块岩心样品，分别开展了原始状态、饱含稠油状态、水驱油致残余稠油状态，以及饱含水状态的岩心NMR实验.研究了稠油含量与不同状态下岩心NMR孔隙度之间的相关关系，在此基础上，建立了稠油储层岩心NMR孔隙度校正模型，并将其推广到实际稠油储层，以实现利用NMR测井资料准确计算储层孔隙度的目的.

2.1 岩心样品的岩石物理参数

10块进行NMR实验的岩心样品的岩石物理参数如表 1所示.从表中所示的测量结果可以看到，所选岩心利用常规气驱法测量的孔隙度介于18.0%~34.7%之间，平均孔隙度为28.6%，渗透率介于17.9~ 3 129.3 mD（1 mD=0.987×10^-3μm²）之间，平均渗透率为282.4 mD，属于中-高孔渗岩石.由于地层岩性为疏松砂岩，为防止岩心破碎，在取心后将其用石蜡封装并放于冷藏冰柜中.表中所述的地层电阻率是指所取岩心对应深度的地层深侧向电阻率.根据目标区域基于电缆地层测试获取的测压取样标定，确定纯水层的电阻率上限为1.1 Ω·m^{[19, 20]}.因此，所选的10块岩心样品均取自于含稠油储层.

表1 岩心样品的岩石物理参数

Table 1 The physical properties of core samples used in the NMR experiments

样品编号	取心深度/m	孔隙度/%						渗透率/mD	地层电阻率/(Ω·m)	岩性	备注
样品编号	取心深度/m	气驱法	原始状态	饱含油	残余油	饱含水	NMR测井	渗透率/mD	地层电阻率/(Ω·m)	岩性	备注
C1	1359.76	32.2	29.4	30.7	30.9	32.6	26.1	138.0	1.36	疏松砂岩	稠油层
C2	1362.25	34.3	30.3	32.5	32.8	34.7	29.7	1219.3	1.96	疏松砂岩	稠油层
C3	1378.80	34.7	31.9	31.1	31.3	34.1	30.5	2140.9	3.38	疏松砂岩	稠油层
C4	1385.62	29.1	27.6	26.9	27.1	28.3	29.3	351.5	1.42	疏松砂岩	（稠）油水同层
C5	1388.62	24.5	22.4	22.7	22.9	23.5	24.1	57.2	1.17	疏松砂岩	（稠）油水同层
C6	1390.62	25.2	22.0	23.1	23.4	24.2	24.7	19.8	1.30	疏松砂岩	稠油层
C7	1431.75	33.6	28.8	30.9	31.4	34.0	28.4	2245.8	4.92	疏松砂岩	稠油层
C8	1433.48	18.0	13.6	17.4	17.5	17.7	17.6	17.9	3.91	疏松砂岩	稠油层
C9	1474.60	31.5	27.8	29.9	30.3	31.6	27.9	3129.3	4.85	疏松砂岩	稠油层
C10	1483.57	23.5	21.0	21.7	21.9	23.2	20.8	178.6	1.22	疏松砂岩	（稠）油水同层

新窗口打开| 下载CSV

2.2 NMR实验流程

为了研究孔隙中的稠油含量对岩心NMR孔隙度的影响，采用如图 2所示的步骤开展了4种状态的NMR实验.考虑到实验过程中使用的稠油（取自目标储层）的粘度较大，为了提高油的流动性，使岩心能够充分饱含高粘度的原油，在实验过程中，模拟实际地层温度（65 ℃），采用0.5 MPa的压差进行驱替和实验.岩心NMR实验使用MesoMR23-060H-I磁共振分析仪（纽迈电子科技有限公司），实验过程中选取的NMR测量参数为：等待时间（TW）= 6.0 s；回波间隔（TE）= 0.1 ms；信号叠加次数（NS）= 128；回波个数=15 000.

图2

图2 岩心NMR实验流程图

Fig.2 The flow chat of NMR measurements for core samples

具体的岩心NMR实验步骤如下：

第一步：在钻井取心过程中，钻取井场新鲜样品，将其用石蜡密封并放于冷藏冰柜中以备实验之用.确保疏松岩石不被损坏，且孔隙流体处于未挥发的原始状态.

第二步：将原始岩心样品从冷藏冰柜中取出，装载到岩心夹持器，升温至65 ℃并稳定1 h后，进行NMR测量，以得到岩心原始状态的T₂谱及NMR孔隙度.

第三步：在岩心温度恒定在65 ℃的情况下，施加0.5 MPa的压差，用取自于目标储层的稠油来驱替岩心8 h，直到岩心出口端连续出稠油时停止驱替，使岩心达到饱含稠油（束缚水）状态并进行NMR测量，得到饱含稠油状态下的T₂谱及NMR孔隙度.

第四步：保持实验温度不变，施加0.5 MPa的压差，采用模拟的地层水（矿化度36.0 mg/L）来驱替岩心8 h，直到出口端持续出水为止.认为此时岩心大孔隙空间中的稠油基本被挤出，岩石处于残余油状态.对其进行NMR测量，以得到残余油状态下的T₂谱及NMR孔隙度.

第五步：完成上述四步实验后，将岩心进行洗油和洗盐处理7~14天.

第六步：将进行了洗油洗盐处理的岩心样品装载到岩心夹持器，升温至65 ℃后，采用0.5 MPa的驱替压差来驱替矿化度为36.0 mg/L的模拟地层水8 h，直到岩心出口端持续出水为止.认为此时的岩心处于饱含水状态.对其进行NMR测量，得到饱含水状态的T₂谱及NMR孔隙度.

经过上述实验步骤后，即得到岩心原始状态、饱含稠油状态、残余油状态和饱含水状态的T₂谱及NMR孔隙度等参数.同时，为了对比测井NMR孔隙度与岩心NMR孔隙度之间的差异，读取了与岩心相同深度的实测测井NMR孔隙度（表 1）.

3 稠油储层NMR孔隙度校正模型

3.1 岩心实验结果分析

根据表 1所示的实验结果可以直观看到，在饱含水状态下测量的岩心NMR孔隙度与基于常规气驱法测量的孔隙度具有较高的一致性.然而，当岩心孔隙含稠油（原始状态、饱含稠油状态和残余油状态）后，测量的NMR孔隙度较常规气驱法测量的孔隙度均偏低，但偏低程度有所不同.为了定量分析不同状态下测量的岩心NMR孔隙度与真实岩心孔隙度之间的差异，我们分析了岩心样品常规气驱法测量的孔隙度与饱含水状态和三种含油状态下的NMR孔隙度的关系（图 3）.从图 3可以看到，对于所有的样品，常规气驱法测量的孔隙度与饱含水状态下测量的NMR孔隙度基本落在对角线上，说明饱含水状态下测量的岩心NMR孔隙度能够代表地层的真实孔隙度.当岩石孔隙含油后，测量的NMR孔隙度明显减小，且原始状态下测量的NMR孔隙度减小最为明显；饱含稠油状态和残余油状态下的NMR孔隙度接近，且与气驱法测量的孔隙度之间的差异也相对较小.

图3

图3 气驱法测量的孔隙度与三种含油状态和饱含水状态下测量的岩心NMR孔隙度的对比

Fig.3 Comparisons of porosities measured with gas drive method and NMR under different conditions

同时，为了确定在何种含油状态下实验室测量的岩心NMR孔隙度更能够代表地层条件下实测的测井NMR孔隙度，我们分析了不同含油状态下岩心NMR孔隙度与相同深度上实测测井NMR孔隙度的关系（图 4）.图 4显示，所有样品在原始状态下测量的岩心NMR孔隙度最接近于实测的测井NMR孔隙度，而对于其中的6块样品而言，饱含稠油状态和残余油状态下测量的岩心NMR孔隙度明显较实测测井NMR孔隙度高.出现这种现象的原因可能在于：（1）原始状态下的岩心样品处于密封冷藏状态，其孔隙流体未被挥发，且岩石孔隙结构未发生变化.因此，孔隙流体保存状态最接近于实际地层情况；（2）在使样品达到饱含稠油和残余油状态过程中，采用了0.5 MPa的压差来驱替岩心达8 h，对于这种疏松的高孔隙砂岩而言，长时间的施加驱替压力可能引起岩心部分孔隙空间被破坏，导致测量的孔隙度较原始状态下的真实孔隙度大[图 5(a)和5(b)].图 5所示的C7号和C8号岩心不同状态下测量的T₂谱形态特征对比可以看到，进行驱替后的岩心T₂谱明显右移，说明驱替压力可能导致了岩石孔隙结构的改变，验证了上述推测.因此，本次研究利用原始状态下测量的岩心NMR孔隙度代表实际地层条件下测量的测井NMR孔隙度来建立校正模型.

图4

图4 不同状态下测量的岩心NMR孔隙度与实测测井NMR孔隙度的对比

Fig.4 Comparisons of measured NMR porosities under different conditions and acquired results from field NMR logging

图5

图5 四种状态下岩心样品T₂谱形态对比. (a) C7号岩心；(b) C8号岩心

Fig.5 Comparisons of T₂ distributions acquired under four conditions. (a) C7 core sample; (b) C8 core sample

为了定量研究孔隙稠油含量对NMR孔隙度的影响，我们计算了饱含水状态下岩心NMR孔隙度与三种含油状态下岩心NMR孔隙度的相对误差，并分析其相关关系，其结果分别如图 6(a)和6(b)所示.根据图 6(a)和6(b)所示的统计结果，可以得出如下规律：（1）除个别样品外，随着岩石孔隙度的增大，饱含稠油状态下测量的岩心NMR孔隙度与饱含水状态下测量的岩心NMR孔隙度之间的相对误差逐渐增大；（2）相较于饱含稠油和残余油状态，原始状态与饱含水状态测量的NMR孔隙度之间的相对误差普遍更大；（3）当岩心NMR孔隙度大于34.0%时，饱含稠油及残余油状态下测量的岩心NMR孔隙度与饱含水状态下的相对误差明显大于6.0%.

图6

图6 含油状态与饱含水状态下测量的岩心NMR孔隙度的相对误差

Fig.6 The relative errors between NMR porosity acquired at saturated water state and three oil states

为了进一步定量分析稠油含量对NMR孔隙度的影响，我们分析了饱含水状态与含油状态下岩心NMR孔隙度之间相对误差随地层深侧向电阻率（RPCEHM）的变化，结果如图 7所示.从图中可以看到，除了极个别样品外，随着地层深侧向电阻率的增加，含油状态与饱含水状态下的岩心NMR孔隙度之间的相对误差逐渐增大.然而，地层深侧向电阻率以3.5 Ω·m为界，其孔隙度相对误差的变化呈两种趋势.当地层深侧向电阻率小于3.5 Ω·m时，随着电阻率增大，相对误差的增加趋势较缓；而当地层深侧向电阻率大于3.5 Ω·m时，随着电阻率增大，相对误差急剧增加.

图7

图7 地层深侧向电阻率和饱含水状态与含油状态下岩心NMR孔隙度之间相对误差的关系

Fig.7 The relationships of formation resistivity and the relative errors between NMR porosity acquired at saturated water state and oil states

结合图 6和图 7所示的结果可知，出现上述趋势的主要原因在于：对于地层深侧向电阻率以及孔隙度均较低的地层，相应的含油饱和度（孔隙含油体积与岩石总孔隙体积之比）也较低^[21].此时，孔隙含油对NMR孔隙度的影响相对较小；随着地层孔隙度增大，地层深侧向电阻率升高，相应的地层含油饱和度也增大，此时孔隙流体体积（尤其是含油体积）及其相态的变化对孔隙度的影响也较大.

3.2 稠油储层NMR孔隙度校正方法

图 4显示实测测井NMR孔隙度与原始状态下测量的岩心NMR孔隙度之间的差异最小，为了减小中间计算过程对测量结果带来的误差，应该选用实测测井NMR孔隙度为自变量来建立稠油储层孔隙度校正模型.然而，实际分析发现，实测测井NMR孔隙度与饱含水状态下的岩心NMR孔隙度之间的相关性极差（图 8），利用其建立的孔隙度校正模型的精度不高.因此，为了建立可靠的稠油储层测井NMR孔隙度校正模型，以相应地层深侧向电阻率等于3.5 Ω·m为界，将10块岩心样品分为两大类.其中，地层深侧向电阻率大于3.5 Ω·m的样品有3块，地层深侧向电阻率介于1.1~3.5 Ω·m的样品有7块.以饱含水状态下的岩心NMR孔隙度代表地层的真实孔隙度，以原始状态下测量的岩心NMR孔隙度代表实际测量的测井NMR孔隙度，建立二者之间的相关关系，其结果如图 9所示.从图 9可以看到，对于深侧向电阻率不同的地层，原始状态与饱含水状态下测量的岩心NMR孔隙度之间的相关关系明显不同.对于两类储层而言，二者之间近似于平行关系.在实际稠油储层评价中，首先根据测量的地层深侧向电阻率将储层分为两类后，将图 9所示的岩心NMR孔隙度校正模型应用到实测测井NMR孔隙度，并对其进行处理即可得到经过稠油校正后的储层真实孔隙度.

图8

图8 测井NMR孔隙度与饱含水状态下岩心NMR孔隙度的关系

Fig.8 Cross plot of acquired porosity from field NMR logging and measured results from core samples at saturated water state

图9

图9 稠油储层NMR孔隙度校正模型

Fig.9 Model of calculating the NMR porosity in heavy oil-bearing formation

需要注意的是，基于电缆地层测试资料获取的测压取样结果，确定本研究区域内含（稠）油层（油水同层）的电阻率下限为1.1 Ω·m.因此，深侧向电阻率小于1.1 Ω·m的地层为纯水层，其测井NMR孔隙度不受稠油的影响，能够反映地层的真实孔隙度，无需对其进行校正.只有对于深侧向电阻率大于1.1 Ω·m的地层，才需要利用图 9所示的模型将实际测量的测井NMR孔隙度校正为地层的真实孔隙度.

4 应用效果分析

将本次研究建立的稠油储层岩心NMR孔隙度校正模型推广到南海东部盆地某油田A14井韩江组，并对实际测量的测井NMR孔隙度进行了校正，以得到经过稠油校正后的测井NMR孔隙度，并将校正前、后的测井NMR孔隙度与234块岩心常规气驱法测量孔隙度进行了对比，其结果如图 10所示.

图10

图10 南海东部盆地某油田A14井韩江组利用本研究提出方法校正的测井NMR孔隙度、实测的测井NMR孔隙度与常规气驱法测量的岩心孔隙度对比图

Fig.10 Comparisons of corrected NMR porosity based on the proposed model, uncorrected field NMR porosity and core derived results in well A14

该井中的NMR测井数据采用了斯伦贝谢的CMR-Plus仪器测量得到，而常规测井数据则来自于随钻测量.图 10中第一道所示的测井曲线包括随钻自然伽马（GR）和井径（CALCFM），其作用是用来指示地层的岩性和划分渗透层；第二道显示的曲线包括随钻密度（BDCFM）和中子（NPLFM），用来指示地层的孔隙度；第三道则显示了随钻侧向电阻率测井曲线，利用深侧向电阻率（RPCEHM），将电阻率大于1.1 Ω·m的地层识别为含（稠）油层；第四道为深度道；第五道显示了利用CMR-Plus仪器测量的NMR测井T₂谱；最后一道对比了实际测量的测井NMR孔隙度（TCMR）和利用图 9所示的模型进行稠油校正后的测井NMR孔隙度（PHIT）与常规气驱法测量的岩心孔隙度（CPOR）.从图中的对比可以看到，在高电阻率（大于1.1 Ω·m）层段，实测的测井NMR孔隙度明显低于常规气驱法得到的岩心孔隙度，这主要是由于实测的测井NMR孔隙度受稠油的影响，导致其含氢指数降低，测量的孔隙度偏小所致.而利用本研究所述方法得到的校正后的测井NMR孔隙度与常规气驱法测量的岩心孔隙度基本吻合.尤其是在地层深侧向电阻率大于3.5 Ω·m的井段，实测的测井NMR孔隙度较常规气驱法得到的岩心孔隙度低5.0%左右.而经过本研究提出方法对测井NMR孔隙度进行稠油校正后，得到的孔隙度与常规气驱法得到的岩心孔隙度结果一致.

为了定量反映本研究提出方法在稠油储层核磁孔隙度校正中的有效性，分别读取与岩心深度一一对应的实测测井NMR孔隙度和经过稠油校正后的NMR孔隙度，计算出二者与常规气驱法测量的岩心孔隙度之间的相对误差，并统计其平均值.结果表明，实测测井NMR孔隙度与常规气驱法测量的岩心孔隙度之间的相对误差为11.19%，这一孔隙度计算误差明显高于储量规范的基本要求^[22].而经过本研究提出方法对实测测井NMR孔隙度进行稠油校正后，与常规气驱法测量的岩心孔隙度之间的相对误差降低到4.84%，满足储量规范的要求.这充分表明采用本研究提出方法后，稠油储层测井NMR孔隙度的计算精度大大提高.

5 结论

（1）对于水层和含轻质油层，利用NMR测井能够准确获取储层的孔隙度；而对于含稠油储层，受稠油粘度的影响，实测的测井NMR孔隙度明显低于地层的真实孔隙度.在稠油储层，为了得到真实的地层孔隙度，需要对实测的测井NMR孔隙度进行稠油校正.

（2）实验室原始状态下测量的岩心NMR孔隙度最接近实测的测井NMR孔隙度，而采用0.5 MPa压差进行驱替后，测量的岩心NMR孔隙度较实测测井NMR孔隙度高.因此，选择实验室原始状态和饱含水状态测量的岩心NMR孔隙度来建立稠油校正模型.

（3）以地层深侧向电阻率等于3.5 Ω·m为界，将地层划分为两大类.分别建立了每类储层原始状态与饱含水状态下岩心NMR孔隙度的相关关系.将此相关关系推广到实际地层，即可对实际测量的测井NMR孔隙度进行稠油校正，得到地层的真实孔隙度.

（4）基于本研究提出的模型，对南海东部盆地某油田A14井韩江组实际资料进行处理后的结果表明，经过稠油校正后的测井NMR孔隙度与常规气驱法测量的岩心孔隙度具有较好的一致性.利用该模型能够大大提高稠油储层测井NMR孔隙度的计算精度.

利益冲突【-逻*辑*与-】#160;【-逻*辑*与-】#160;

无

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

COATES

G R

, XIAO

L Z

, PRIMMER

M G

NMR logging principles and applications[M]. Houston, USA: Gulf Publishing Company, 2000, 1- 256.

[2]

DUNN

K J

, BERGMAN

D J

, LATORRACA

G A

Nuclear magnetic resonance: petrophysical and logging applications[M]. New York, USA: Handbook of Geophysical Exploration, 2002, 1- 176.

[3]

ZHU

X J

, ZHANG

X M

, SHAN

S S

Evaluation of core samples from low-porosity and low-permeability carbonate reservoir with NMR experiments

[J]. Chinese J Magn Reson, 2020, 37 (3): 349- 359.

朱学娟, 张向明, 单沙沙.

岩心NMR实验对低孔低渗碳酸盐岩储层的适应性研究

[J]. 波谱学杂志, 2020, 37 (3): 349- 359.

[4]

LIU

, XU

J X

, ZHENG

, et al.

Factors affecting and correction methods for porosity measured by NMR logging in the J oilfield of bohai bay

[J]. Chinese J Magn Reson, 2020, 37 (3): 370- 380.

刘欢, 徐锦绣, 郑炀, 等.

渤海J油田储层NMR测井孔隙度影响因素分析及校正

[J]. 波谱学杂志, 2020, 37 (3): 370- 380.

[5]

HOU

K J

, WU

J M

, GE

, et al.

Calculating porosity from two-dimensional NMR relaxation spectra of the Leikoupo Group's 4th Section

[J]. Chinese J Magn Reson, 2020, 37 (2): 162- 171.

侯克均, 吴见萌, 葛祥, 等.

基于二维NMR弛豫谱的雷四段孔隙度计算方法

[J]. 波谱学杂志, 2020, 37 (2): 162- 171.

[6]

ZHANG

, HE

Z B

, CAO

W Q

, et al.

Effects of echo time on NMR apparent porosity and correction methods

[J]. Chinese J Magn Reson, 2020, 37 (2): 172- 181.

张宫, 何宗斌, 曹文倩, 等.

回波间隔对NMR表观孔隙度的影响及矫正方法

[J]. 波谱学杂志, 2020, 37 (2): 172- 181.

[7]

LIU

, XU

J X

, ZHENG

, et al.

Analysis and correction of influential factors of reservoir porosity by NMR logging in J oilfield of Bohai Bay

[J]. Chinese J Magn Reson, 2020, 37 (3): 370- 380.

刘欢, 徐锦绣, 郑炀, 等.

渤海J油田储层NMR测井孔隙度影响因素分析及校正

[J]. 波谱学杂志, 2020, 37 (3): 370- 380.

[8]

XIAO

, MAO

Z Q

, LI

G R

, et al.

Calculation of porosity from nuclear magnetic resonance and conventional logs in gas-bearing reservoirs

[J]. Acta Geophys, 2012, 60 (4): 1030- 1042.

DOI:10.2478/s11600-012-0015-y [本文引用: 1]

[9]

GUBELIN

, BOYD

Total porosity and bound-fluid measurements from an NMR tool

[J]. J Petrol Technol, 1997, 49 (7): 718.

DOI:10.2118/39096-JPT [本文引用: 1]

[10]

MENGER S, PRAMMER M. Can NMR porosity replace conventional porosity in formation evaluation?[C]. SPWLA 39th Annual Logging Symposium, 1998, SPWLA-1998-RR.

[11]

COATES G R, MENGER S, PRAMMER M, et al. Applying NMR total and effective porosity to formation evaluation[C]. SPE Annual Technical Conference and Exhibition, 1997, SPE-38736-MS.

[12]

KHARRAA H S, AL-AMRI M A, MAHMOUD M A, et al. Assessment of uncertainty in porosity measurements using NMR and conventional logging tools in carbonate reservoir[C]. SPE Saudi Arabia Section Technical Symposium and Exhibition, 2013, SPE-168110-MS.

[13]

GRANADO L M, SOSA J C, GALICIA J A, et al. Application of an artificial neural network ANN for the correction of NMR total porosity, effective porosity and the bulk volume irreducible water data obtained from a heavy oil reservoir using an oil based mud drilling fluid in the Samaria: Tertiary on the Southeastern of Mexico[C]. SPE Latin American and Caribbean Petroleum Engineering Conference, 2010, SPE-139135-MS.

[14]

ROMERO P, QUINTAIROS M. New applications of NMR in understanding heavy-oil behavior[C]. SPE International Thermal Operations and Heavy Oil Symposium, 2001, SPE-69696-MS.

DOI:10.3969/j.issn.1673-8926.2012.02.002 [本文引用: 2]

[15]

LIU

D R

, YIN

Q L

, YUAN

J H

, et al.

Nuclear magnetic resonance logging observation model for heavy oil reservoir and its application

[J]. Lithologic Reservoirs, 2012, 24 (2): 7- 10.

刘迪仁, 殷秋丽, 袁继煌, 等.

稠油储层NMR测井观测模式选择及其应用

[J]. 岩性油气藏, 2012, 24 (2): 7- 10.

DOI:10.3969/j.issn.1673-8926.2012.02.002 [本文引用: 2]

[16]

SHAO

W Z

, DING

Y J

, WANG

Q M

, et al.

A quantitative evaluation method for heavy-oil reservoir with NMR log data

[J]. Well Logging Technology, 2006, 30 (1): 67- 71.

DOI:10.3969/j.issn.1004-1338.2006.01.019 [本文引用: 1]

邵维志, 丁娱娇, 王庆梅, 等.

用NMR测井定量评价稠油储层的方法

[J]. 测井技术, 2006, 30 (1): 67- 71.

DOI:10.3969/j.issn.1004-1338.2006.01.019 [本文引用: 1]

[17]

GALFORD J E, MARSCHALL D M. Combining NMR and conventional logs to determine fluid volumes and oil viscosity in heavy-oil reservoirs[C]. SPE Annual Technical Conference and Exhibition, 2000, SPE-63257-MS.

DOI:10.3969/j.issn.1673-1409.2020.04.004 [本文引用: 1]

[18]

COELHO DE PADILHA S T, BAUDOT P. Application of NMR logging for heavy oil identification and quantification in oil-based mud environments[C]. SPWLA 42nd Annual Logging Symposium, 2001, SPWLA-2001-FF.

[本文引用: 2]

[19]

JIANG

Q T

, ZHANG

, BAI

L K

, et al.

Identification and evaluation of shallow low-resistivity reservoirs while drilling based on logging data: taking the Hanjiang Formation in Enping Sag of the Pearl River Mouth Basin as an example

[J]. Journal of Yangtze University (Natural Science Edition), 2020, 17 (4): 16- 22.

蒋钱涛, 张伟, 白林坤, 等.

基于录井资料的浅层低阻油层随钻识别及评价: 以珠江口盆地恩平凹陷韩江组为例

[J]. 长江大学学报(自然科学版), 2020, 17 (4): 16- 22.

DOI:10.3969/j.issn.1673-1409.2020.04.004 [本文引用: 1]

[20]

W L

, FENG

, GAO

C Q

, et al.

Identification of the low resistivity reservoirs by water cut calculated from well-logging data in Enping Sag

[J]. Offshore Oil, 2013, 33 (3): 65- 69.

DOI:10.3969/j.issn.1008-2336.2013.03.065 [本文引用: 1]

胡文亮, 冯进, 高楚桥, 等.

利用测井资料计算的含水率识别恩平凹陷低阻油层

[J]. 海洋石油, 2013, 33 (3): 65- 69.

DOI:10.3969/j.issn.1008-2336.2013.03.065 [本文引用: 1]

[21]

邹长春, 谭茂金, 尉中良, 等.

地球物理测井教程[M]. 北京: 地质出版社, 2010, 1- 287.

[22]

中华人民共和国国土资源部. 石油天然气储量计算规范[P]. DZ/T 0217-2005, 2005.