简介:2000年9月17日-10月15日,作者参加地质总局组织的铀矿地质考察培训团对乌兹别克斯坦共和国地浸砂岩型铀矿进行了考察。着重对地浸砂岩型铀矿勘查各阶段工作方法,特别是储量计算(包括计算机处理)、地浸试验工艺、矿床经济技术评价(包括计算机程序)以及铀矿勘查管理工作等方面的学习。本文侧重介绍乌兹别克铀矿和铀矿地质企业,中卡兹库姆铀成矿省地浸砂岩型铀矿地质特征,典型矿床介绍、成矿规律概括等。通过这次考察培训,开阔了视野,增长了见识,增进了友谊、系统地学习和掌握了寻找地浸砂岩型铀矿的先进理论和技术方法,对我们目前所承担的地浸砂岩型铀矿区调项目工作很有帮助和启发。
简介:巴西东南部坎普斯盆地的巴拉库达(Barracuda)和龙卡多尔(Roncador)特大油田属于1990-1999年间全世界最重要的油气发现,储层为硅质碎屑浊积岩,储量估计有40×10^8桶油当量。这两个油田分别位于深水区和超深水区,水深范围600-2100m。巴拉库达油田发现于1989年4月,发现井为4-RJS-381井,水深980m。油田面积约157km^2,水深范围600-1200m,储层为第三系浊积岩,地震属性分析表明:古新统、始新统和渐新统含油砂岩包裹在页岩和泥灰岩中,油藏以地层圈闭为主。油田地质储量为27×10^8桶,总可采储量分别为:渐新统油藏6.59×10^8桶,始新统油藏5.80×10^8桶。巴拉库达油田与卡拉廷加(Caratinga)油田因地理位置接近而予以共同开发。开发方案结合了试验生产系统(2002年10月停止运转)和永久性生产系统(安装实施中)的使用。试验生产系统于1997年投产,采用浮式采油、储存和卸油(简称FPSO)固定开采装置,永久性生产系统则预计于2004年的下半年投产,整个开采系统包括20口采油井和14口注水井。原油和天然气的装卸和处理均由处理能力为15×10^4桶/日和480×10^4In^2/d天然气的FP—S0装置进行。2006年将达到峰值产量。龙卡多尔油田发现于1996年,发现井为1-RJS-436A,水深为1500-2100In,油田油气储量巨大(地质储量92×10^8桶,总可采储量为26×10^8桶油当量),储层为上白垩统(麦斯特里希特阶)浊积砂岩。该油田发现井数据证实:总有效厚度为153m的麦斯特里希特阶油藏被页岩夹层分割成5个主要的层位,仅有最上层可见地震振幅异常,其余4层与页岩夹层有明显区别的声阻抗,因而未见振幅异常。油藏的评估表明原油油质不一(18°~31.5°API)、油藏结构复杂,其外部几何形状为东部和北部下倾、西部和南部尖灭,圈闭为构造一地层复合圈闭�
简介:在任何新油田开发的初期,地质和工程数据的局限性和不确定性都是油藏描述和模拟的问题。这些问题是由不同输入模型变量的不确定性导致的,例如储层连通性、流体粘度和岩心端点饱和度。在这种情况下,对地球和流动模拟模型采用adhoc方法(在一个时间段给出一个系数)不可能为指定商业目标决策提供正确的信息。本项研究给出了三个油田的实例,这些实例中,工程和地球模型变量在系统方法中已发生了变化,以便利用实验设计方法(ED)评价油藏动态。油田实例分析的结果表明,井(生产井和注入井)的技术要求比所预期的技术要求要少一些。同样重要的是,有一个实例研究已表明实验室的测量结果可能使周围的石油粘度和岩心端点饱和度的不确定性最小化。同时,我们也了解到,由于油藏各向异性大,水平井的择优定向在边界上优于垂直井。在另一个实例中,地层、油-气接触面(GOC)和含水带强度是初步筛选后所有因素设计中的主要变量。本文证实了由于这些变量满足了最小储量标准,因而能使项目继续进行下去。对于所有的研究而言,也许最重要的是如何利用与adhoc方法相比少得多的流动模拟运行次数来获取正确的信息。
简介:内乌肯(Neuquen)盆地上侏罗统一下白垩统瓦卡穆尔塔组(VacaMuerta)(VM)是阿根廷很多常规油气田的重要烃源岩。随着该国页岩油气勘探开发的兴起,很多公司开始对瓦卡穆尔塔组页岩区带进行描述。用于识别页岩区带的特征参数比较多,其中之一就是总有机碳(TOC)含量;TOC较高的地方产量也较高。不过我们无法直接通过地震资料对其进行测量,只能通过间接方法进行估测。考虑到TOC对纵波和横波速度以及密度的影响,地球科学家试图利用TOC与P-波阻抗之间的线性或非线性关系来计算TOC。我们认为,利用该方法对瓦卡穆尔塔组进行描述存在较大的不确定性,因此提出了一种不同的描述方法。由于伽马值(GR)和TOC之间可能存在线性关系,所以除P-波阻抗之外,伽马值是另一个可以用来描述瓦卡穆尔塔组的参数。利用P-波阻抗和GR数据体和贝叶斯分类法,基于TOC及其相关的不确定性建立了由不同岩相构成的储层模型。首先,根据由测井数据计算的GR和P-波阻抗的截止值识别不同的岩相。然后利用高斯椭圆法确定GR与P-波阻抗的交会图上数据的分布。接下来,根据高斯椭圆确定每个岩相的二维概率密度函数(PDFs)。将这些PDFs与GR及P-波阻抗数据体相结合,就可以在3D数据体(3Dvolume)内识别不同的岩相。通过基于模型的叠后反演来计算P一波阻抗,同时使用概率神经网络(PNN)法来计算GR。用此方法得到的P-波阻抗和GR与3D数据体内的盲井具有很好的一致性,这增强了我们利用该方法对瓦卡穆尔塔组进行描述的信心。把以曲率线性特征(curvaturelineaments)表示的不连续性叠加在目的层的TOC图上,有助于得出更全面的认识,进而帮助优化水平井的部署方案。