首页期刊导航|中国石油勘探
期刊信息/Journal information
中国石油勘探
中国石油勘探

周家尧

双月刊

1672-7703

cpe@263.net

010-64523587

100011

北京市安华西里2区1号楼

中国石油勘探/Journal China Petroleum ExplorationCSCD北大核心CSTPCD
查看更多>>本刊为我国石油工业油气勘探更有成效的实践服务，把我国油气勘探中的新理论、新技术、新方法和新的管理经验奉献给广大读者—适应国内外油气勘探发展的需要，还将抓住油气勘探中的热点、难点问题进行讨论。
正式出版
收录年代

    油气探矿权竞争性出让区块快速评价方法研究

    郭沫贞刘军平倪新锋王玉山...
    134-146页
    查看更多>>摘要：油气探矿权竞争性出让是油气企业获取探矿权的重要途径.探矿权竞争性出让具有研究资料有限、研究程度低和评价周期短的特点.科学制定竞价方案的难点在于如何在短期内对出让区块的勘探潜力、资源规模和经济性作出全面快速准确的评价,目前尚未形成系统的评价方法.前期研究表明,优选合理的评价参数、建立合理的参数赋值标准是出让区块快速评价的关键,综合定量评价的结果是出让区块快速评价的核心.基于已出让区块资料条件和竞价规则,提出资料条件、地质条件(区带勘探潜力、烃源岩、储层、保存、圈闭、成藏配置)、资源量可靠性及工程技术等9类评价因素、18个评价参数及其赋值标准,建立了竞争性出让区块快速评价的参数体系.同时提出对竞争性出让区块勘探潜力、勘探风险和工程技术开展综合定量评价的油气勘探成功概率法,以及经济性评价的折现现金流法和类比法,从而为出让区块的竞价方案制定提供依据.将上述方法应用于部分已出让区块,所得出的竞价方案与实际竞价情况基本一致.

    油气探矿权竞争性出让快速评价勘探潜力评价经济评价

      原文链接:
    • 万方数据
    • 维普

    地震资料在气藏测井解释评价中的重要作用——以西伯利亚盆地M气田为例

    吴国海胡欣郭振华倪国辉...
    147-157页
    查看更多>>摘要：西伯利亚盆地M气田的白垩系上部层系HM1层、HM2层砂岩储层存在低阻气层,测井资料不完整,缺少密度和中子孔隙度曲线,给气层的解释评价带来较大困难.应用测井及试气资料发现地震剖面中亮点反射特征和储层含气性有很好的相关性,应用AVO技术,对地震叠前资料作了提噪和振幅补偿等处理工作,得到5个道集高精度的AVO剖面,通过分析振幅和炮检距的变化关系,进一步证实了地震亮点反射特征是气层引起的,确定了地震资料在辅助测井解释及气层预测研究中的可行性.用测井资料对地震剖面进行有效刻度、标定,排除地震反射特征中与天然气富集无关的岩性等因素,建立地震反射特征和储层含气性之间的直接关系.充分挖掘和利用地震资料中包含的天然气信息,亮点反射、锅底反射、屏蔽—吸收等地震剖面的反射特征辅助测井解释,在弥补测井资料不足的同时,也对测井解释结论进一步验证,根据亮点的分布范围精确地圈定出HM1层、HM2层的含气范围,真正实现了井—震结合.另外,利用亮点的振幅变化特征在预测高丰度的含气区、预测气层的厚度变化及估算气水界面等方面也发挥了巨大的作用.在气藏进行解释评价中采用这种井—震结合的方法,取得了非常好的效果,为井位优选提供了可靠的依据,成果得到了生产实践的检验.

    地震资料气藏测井解释评价重要作用

      原文链接:
    • 万方数据

    基于布谷鸟—BP神经网络的页岩脆性指数预测研究

    黄开兴刘卫华吴朝容胡华锋...
    158-166页
    查看更多>>摘要：页岩储层具有低孔隙度、低渗透率的物理性质,因此在页岩气开采中往往需要对其储层进行压裂处理,而页岩储层的可压裂性可用脆性指数来评价.目前应用最广泛的岩石脆性指数计算方法是基于矿物组分法.基于矿物组分法计算获得岩心页岩脆性指数(BI),利用BP神经网络的自我学习能力,探寻测井参数与页岩脆性指数(BI)之间的非线性关系,再结合布谷鸟(CS)算法的全局优化能力和稳定性来提升BP神经网络的预测精度和稳定性,从而建立基于CS—BP神经网络的页岩脆性指数预测模型.使用CS—BP预测模型对研究区Y1井和Y2井两口井进行了页岩BI值预测,其预测结果显示:CS—BP预测值与岩心BI值的变化趋势基本一致;CS—BP预测值总体预测效果较好.研究结果表明:基于布谷鸟(CS)—BP神经网络,利用测井资料快速计算页岩脆性指数的方法在研究区具有一定的实用价值.

    可压裂性页岩储层BP神经网络CS—BP算法页岩脆性指数

      原文链接:
    • 万方数据
    • 维普

    《中国石油勘探》投稿指南

    《中国石油勘探》编辑部
    封3页
      原文链接:
    • 万方数据
    • 维普