扎赫拉·里亚齐
岩石分型是油藏描述过程的一部分,在油田开发的数据采集阶段之后进行。渗透率、孔隙度、初始含水饱和度和压汞毛细管压力 (MICP) 是主要数据,在此过程中应用这些数据取决于方法。渗透率是大多数岩石分型方法中最常见的输入数据,可以区分砂岩中不同类型的管道。尽管如此,其数据源仅限于少数储层间隔和油井,无论其实验室工作的时间和成本如何。此外,使用不同的相关性或神经网络方法将岩石分型结果输入静态或动态模型具有挑战性,并给模型带来更多不确定性,尤其是对于碳酸盐岩。
同时,由于束缚水饱和度和孔隙度是体积水 (BVW) 方法中容易获得的数据,因此该方法适合用于岩石分类,而其结果可直接用于碳酸盐岩和砂岩的模型。在文献中,该方法被视为辅助方法,本文使用 MATLAB 代码将其作为三个碳酸盐岩油田的独立岩石分类方法进行了研究。储层质量指数 (RQI) 方法也被用作基于渗透率的方法对这些油田的岩石进行分类,并通过 MICP 曲线分类对两者进行了验证。结果显示,按 BVW 方法分类的岩石类型与其相关的分组 MICP 曲线之间具有令人满意的匹配度。比较两种方法,BVW 方法将碳酸盐岩归类为较少的岩石类型,分组 MICP 曲线表现出较少的变化。实现 MICP 曲线的令人满意的聚类表明,BVW 方法是三个碳酸盐岩油田岩石分类的合适方法。因此,对于孔隙度和渗透率相关系数较低的碳酸盐岩,由于其存在次生孔隙度和性质上存在不同程度的非均质性,它可能是一种合适的方法。