非均质古岩溶碳酸盐岩储层产能预测方法.pdf

本发明公开了一种非均质古岩溶碳酸盐岩储层产能预测方法，包括：通过储层参数处理，对储层进行分类，按分类储层进行储层厚度统计；再确定与产能相关的关键参数：基质孔隙度、斯通利波能量衰减、面洞率和储层厚度；根据确定的关键参数，计算得出储层品质综合评价指数RQ，并根据储层品质综合评价指数RQ建立产能预测模型，最后根据建立的产能预测模型对非均质古岩溶碳酸盐岩储层进行产能预测。本发明解决了非均质岩溶储层的精细刻画和表征问题，解决了非均质古岩溶储层渗透性的问题，解决了非均质古岩溶储层产能的主控因素问题，解决了主控因素的定量计算问题，从而进行精确产能预测。

1.  一种非均质古岩溶碳酸盐岩储层产能预测方法，其特征在于：通过储层参数处理，对储层进行分类，按分类储层进行储层厚度统计；再确定与产能相关的关键参数：基质孔隙度、斯通利波能量衰减、面洞率和储层厚度；根据确定的关键参数，计算得出储层品质综合评价指数RQ，并根据储层品质综合评价指数RQ建立产能预测模型，根据建立的产能预测模型对非均质古岩溶碳酸盐岩储层进行产能预测。

2.  根据权利要求1所述的非均质古岩溶碳酸盐岩储层产能预测方法，其特征在于：具体包括如下步骤：
a、采用最优化算法计算基质孔隙度；
b、通过阵列声波能量归一化处理、井眼校正之后的能量损失，计算斯通利波能量衰减；
c、通过电成像图像处理，计算面洞率参数；
d、按分类储层进行储层厚度统计；
e、确定与产能密切相关的关键参数；
f、根据确定的关键参数，计算储层品质综合评价指数RQ；
g、根据计算得到的储层品质综合评价指数RQ建立产能预测模型，根据产能预测模型对非均质古岩溶碳酸盐岩储层进行产能预测。

3.  根据权利要求1所述的非均质古岩溶碳酸盐岩储层产能预测方法，其特征在于：所述步骤a具体包括如下过程：
a1、通过最优化算法计算硅质含量，计算岩性剖面，消除硅质的影响，再根据岩性剖面计算声波和中子及密度加权平均孔隙度；
a2、按孔隙度Ф≥7%为Ⅰ类，7%>孔隙度Ф≥4%为Ⅱ类，2%≤孔隙度Ф<4%为Ⅲ类对储层厚度和孔隙度进行分类。

4.  根据权利要求2或3所述的非均质古岩溶碳酸盐岩储层产能预测方法，其特征在于：所述步骤b具体包括如下过程：
b1、首先进行声波能量值的归一化：将该井斯通利波能量做直方图统计分析，选取最大值作为斯通利波能量的基值，将目的层段的斯通利波能量值分别除以基值，将得到的数值作为归一化后的斯通利波能量值，将斯通利波能量值统一到0～1；
b2、通过能量值的归一化处理，再作井眼校正，消除非储层因素的影响；
b3、定量计算斯通利波能量衰减：
AST=（1-AMPST/AMPSTM）*100%-（1-AMPST/AMPSTM）*100%*VSH
其中：
AST为作归一化和岩性校正的斯通利波能量衰减；
AMPST为斯通利波能量；
AMPSTM为致密层斯通利波能量（设为可变参数，隐含值1000）；
VSH为泥质含量，为小数；
b4、根据定量计算得到的斯通利波能量衰减，再计算出归一化和井眼校正后的斯通利波能量衰减：
ASTC = 477.26×(CAL-BIT)^0.1714
其中：
ASTC为作井眼校正后的斯通利波能量衰减；
CAL为井径；
BIT为钻头尺寸。

5.  根据权利要求4所述的非均质古岩溶碳酸盐岩储层产能预测方法，其特征在于：所述步骤c具体包括如下过程：
c1、采用K均值聚类和跟踪虫技术进行电成像图像处理；
c2、利用跟踪虫基数，对溶蚀孔洞边沿特征做自动检测；
c3、在图像标识出真实的溶蚀孔洞边沿特征；
c4、计算溶蚀孔洞特征边沿内的面积，完成面洞率参数计算。

6.  根据权利要求2、3或5所述的非均质古岩溶碳酸盐岩储层产能预测方法，其特征在于：所述步骤d具体包括如下过程：按孔隙度Ф≥7%为Ⅰ类，7%>孔隙度Ф≥4%为Ⅱ类，2%≤孔隙度Ф<4%为Ⅲ类进行储层厚度统计。

7.  根据权利要求6所述的非均质古岩溶碳酸盐岩储层产能预测方法，其特征在于：所述步骤e具体包括如下过程：采用主成分分析方法，确定基质孔隙度、斯通利波能量衰减、面洞率和储层厚度是产能的主控因素。

8.  根据权利要求7所述的非均质古岩溶碳酸盐岩储层产能预测方法，其特征在于：所述步骤f具体包括如下过程：根据确定的关键参数，计算储层品质综合评价指数RQ：
RQ=f(Φ)* W₁+f(H)* W₂+ f(ASTC)* W₃ +f(HPOR)* W₄
其中，RQ-储层品质综合评价指数（小数），0<RQ<1；
Φ-基质孔隙度（%）；
H-储层厚度（m）；
ASTC-归一化和井眼校正后的斯通利波能量衰减（%）；
HPOR-面洞率（%）；
W₁～W₄分别为孔隙度、储层厚度、斯通利波能量衰减、面洞率的权系数（小数）。

9.  根据权利要求8所述的非均质古岩溶碳酸盐岩储层产能预测方法，其特征在于：所述步骤g具体包括如下过程：根据计算得到的储层品质综合评价指数RQ与测试产量的关系，建立产能预测模型如下：
Q=0.0058e^11.502RQ
其中，
f-函数；
e-自然对数的底：lnx=loge(x)，e约等于2.718281828；
Q-日产气量（×10⁴m³/d）；RQ-储层品质指数。

10.  根据权利要求9所述的非均质古岩溶碳酸盐岩储层产能预测方法，其特征在于：所述根据产能预测模型对非均质古岩溶碳酸盐岩储层进行产能预测如下：
RQ≥0.65，预测气产量：Q≥10×10⁴m³/d；

0.  53≤RQ<0.65，预测气产量：3×10⁴m³/d≤Q<10×10⁴m³/d；
RQ<0.53，预测气产量：Q<3×10⁴m³/d。

非均质古岩溶碳酸盐岩储层产能预测方法
技术领域
本发明涉及一种非均质古岩溶碳酸盐岩储层产能预测方法，属于地质勘探技术领域。
背景技术
四川盆地川中地区震旦系灯影组和寒武系龙王庙组作为最古老的油气勘探层系，储层具有多期溶蚀、多重介质、孔隙结构复杂、岩溶发育、硅质等充填作用强以及非均质、似均质储集体相互重叠的特点，造成了复杂的空隙空间结构，其产能评价更是一道难题。
通常利用常规测井资料计算储层的孔隙度、渗透率和含油气饱和度，并借助于神经网络法来评价储层和预测产能。当孔隙或溶蚀孔的大小和分布较均一时，这种方法评价储层和预测产能是较为有效的。但是在各向异性较强,特别是孔洞大小的差异较大或分布不均，即溶蚀孔洞的非均质性较强时，该方法的偏差较大。为了解决此问题，：《西南石油大学学报（自然科学版）》2008年第01期提出了非均质碳酸盐岩储层及产能评价方法探索：非均质碳酸盐岩储层的定量评价以及产能预测一直是测井分析中难以解决的问题，利用成像测井、核磁共振测井和偶极声波测井等资料分析了非均质储层特征，通过核磁共振测井分析了孔径大小及其与渗透率的关系，介绍了如何利用POROSPECT计算结果来描述原生、次生孔隙度，并研究了成像测井和核磁共振测井定量描述非均质储层的方法，较好地探索了孔洞缝发育程度、总孔隙度、次生孔隙度、渗透率、孔径大小与产能的关系以及利用核磁共振、成像测井评价产能的适应性。
但在实际应用中，上述技术还存在如下不足：
1、完全忽视了基质孔隙度对产能的贡献。
2、渗透率是根据核磁共振测井和斯通利波时差计算的渗透率，但斯通利波时差受泥饼影响较大，因此不利于提高渗透性评价的准确性。
3、没有考虑面洞率参数对产能的影响，导致产能预测精度较低。
4、现有技术主要分析了成像计算的次生孔隙度、储层厚度以及核磁渗透率、储层厚度与产能的相关性，都是单一因素的分析，并未形成综合信息的产能预测模型。
发明内容
本发明的目的在于克服现有非均质碳酸盐岩储层产能评价存在的上述问题，提供一种非均质古岩溶碳酸盐岩储层产能预测方法。本发明解决了非均质岩溶储层的精细刻画和表征问题，解决了非均质古岩溶储层渗透性的问题，解决了非均质古岩溶储层产能的主控因素问题，解决了这些主控因素的定量计算问题，从而进行产能预测。
为实现上述目的，本发明采用的技术方案如下：
一种非均质古岩溶碳酸盐岩储层产能预测方法，其特征在于：通过储层参数处理，对储层进行分类，按分类储层进行储层厚度统计；再确定与产能相关的关键参数：基质孔隙度、斯通利波能量衰减、面洞率和储层厚度；根据确定的关键参数，计算得出储层品质综合评价指数（RQ），并根据储层品质综合评价指数（RQ）建立产能预测模型，根据建立的产能预测模型对非均质古岩溶碳酸盐岩储层进行产能预测。
所述方法具体包括如下步骤：
a、采用最优化算法计算基质孔隙度；
b、通过阵列声波能量归一化处理、井眼校正之后的能量损失，计算斯通利波能量衰减；
c、通过电成像图像处理，计算面洞率参数；
d、按分类储层进行储层厚度统计；
e、确定与产能密切相关的关键参数；
f、根据确定的关键参数，计算储层品质综合评价指数RQ；
g、根据计算得到的储层品质综合评价指数RQ建立产能预测模型，根据产能预测模型对非均质古岩溶碳酸盐岩储层进行产能预测。
所述步骤a具体包括如下过程：
a1、通过最优化算法计算硅质含量，计算岩性剖面，消除硅质的影响，再根据岩性剖面计算声波和中子及密度加权平均孔隙度；
a2、按孔隙度Ф≥7%为Ⅰ类，7%>孔隙度Ф≥4%为Ⅱ类，2%≤孔隙度Ф<4%为Ⅲ类对储层厚度和孔隙度进行分类。
所述步骤b具体包括如下过程：
b1、首先进行声波能量值的归一化：将该井斯通利波能量做直方图统计分析，选取最大值作为斯通利波能量的基值，将目的层段的斯通利波能量值分别除以基值，将得到的数值作为归一化后的斯通利波能量值，将斯通利波能量值统一到0～1；
b2、通过能量值的归一化处理，再作井眼校正，消除非储层因素的影响；
b3、定量计算斯通利波能量衰减：
AST=（1-AMPST/AMPSTM）*100%-（1-AMPST/AMPSTM）*100%*VSH
其中：
AST为作归一化和岩性校正的斯通利波能量衰减；
AMPST为斯通利波能量；
AMPSTM为致密层斯通利波能量（设为可变参数，隐含值1000）；
VSH为泥质含量，为小数；
b4、根据定量计算得到的斯通利波能量衰减，再计算出归一化和井眼校正后的斯通利波能量衰减：
ASTC = 477.26×(CAL-BIT)^0.1714
其中：
ASTC为作井眼校正后的斯通利波能量衰减；
CAL为井径；
BIT为钻头尺寸。
所述步骤c具体包括如下过程：
c1、采用K均值聚类和跟踪虫技术进行电成像图像处理；
c2、利用跟踪虫基数，对溶蚀孔洞边沿特征做自动检测；
c3、在图像标识出真实的溶蚀孔洞边沿特征；
c4、计算溶蚀孔洞特征边沿内的面积，完成面洞率参数计算。
所述步骤d具体包括如下过程：按孔隙度Ф≥7%为Ⅰ类，7%>孔隙度Ф≥4%为Ⅱ类，2%≤孔隙度Ф<4%为Ⅲ类进行储层厚度统计。
所述步骤e具体包括如下过程：采用主成分分析（Principal component analysis on data（PCA））方法，确定基质孔隙度、斯通利波能量衰减、面洞率和储层厚度是产能的主控因素。
所述步骤f具体包括如下过程：根据确定的关键参数，计算储层品质综合评价指数RQ：
RQ=f(Φ)* W₁+f(H)* W₂+ f(ASTC)* W₃ +f(HPOR)* W₄
其中，RQ-储层品质综合评价指数（小数），0<RQ<1；
Φ-基质孔隙度（%）；
H-储层厚度（m）；
ASTC-归一化和井眼校正后的斯通利波能量衰减（%）；
HPOR-面洞率（%）；
W₁～W₄分别为孔隙度、储层厚度、斯通利波能量衰减、面洞率的权系数（小数）。
所述步骤g具体包括如下过程：根据计算得到的储层品质综合评价指数RQ与测试产量的关系，建立产能预测模型如下：
Q=0.0058e^11.502RQ
其中，
f-函数；
e-自然对数的底：lnx=loge(x)，e约等于2.718281828；
Q-日产气量（×10⁴m³/d）；RQ-储层品质指数。
所述根据产能预测模型对非均质古岩溶碳酸盐岩储层进行产能预测如下：
RQ≥0.65，预测气产量：Q≥10×10⁴m³/d；
 0.53≤RQ<0.65，预测气产量：3×10⁴m³/d≤Q<10×10⁴m³/d；
 RQ<0.53，预测气产量：Q<3×10⁴m³/d。
采用本发明的优点在于：
一、由于硅质对储层具有破坏作用，传统交会技术方法只能计算白云石和方解石两种岩石矿物组分，难以定量计算第三种矿物硅质，所以本发明采用最优化理论和算法计算岩石矿物组分，有利于提高硅质的定量计算精度，从而准确计算孔隙度。
二、因为非均质古岩溶碳酸盐岩储层的平均孔隙度并不完全代表储层品质，所以本发明对储层孔隙度分类，有利于评价不同孔隙度类别对产能的贡献。
三、一般情况下均匀介质储层的孔隙度与渗透率呈正相关关系，但非均质古岩溶碳酸盐岩储层的孔隙度与渗透率并非完全呈正相关，所以本发明采用归一化处理后的斯通利波能量衰减，有利于提高渗透性评价的准确性。
四、一般情况下均匀介质储层可以忽略孔洞对产能的影响，但非均质古岩溶碳酸盐岩储层的主要储集空间是孔洞，所以本发明使用成像测井计算的面洞率参数，有利于提高产能预测精度。
五、因为计算参数过多，增加了计算的复杂性，因此，本发明对这些变量加以“改造”，用为数极少的互补相关的新变量来反映原变量所提供的绝大部分信息，从而优化对产能贡献的关键参数，有利于提高产能预测精度。
六、因为非均质古岩溶碳酸盐岩储层单一的基质孔隙度并不完全代表储层品质，所以本发明建立多参数储层品质评价指数（RQ），有利于提高产能精度。
七、采用本发明后，支撑了生产解释，提高了解释精度及成功率：截至2013年11月11日，用产能预测结果来对40多口井、200多层的非均质较强的古岩溶储层进行精细评价，储层解释符合率92.7%；产能预测符合率达到了85%以上，并成功预测了一批100多万方/日的高产气井。
八、采用本发明后，在储量申报中发挥了重要作用，满足了勘探的需求：产能预测有效弥补了控制储量所要求的测试井控不足的问题，在储量申报中发挥了重要作用。
具体实施方式
实施例1
一种非均质古岩溶碳酸盐岩储层产能预测方法，包括：根据岩性、物性、电性、含油气性的相互关系，确定与产能相关的参数，包括基质孔隙度（物性）、深侧向电阻率（连通性）、斯通利波能量衰减（渗透性）、裂缝和孔洞发育程度（面洞率）、全烃值（录井含气性显示），并通过储层参数处理，将储层划分为Ⅰ、Ⅱ、Ⅲ类（孔隙度Ф≥7%为Ⅰ类，7%>孔隙度Ф≥4%为Ⅱ类，2%≤孔隙度Ф<4%为Ⅲ类。）。再采用主成分分析方法进行改造、优化，确定与产能相关的关键参数，即基质孔隙度（物性）、斯通利波能量衰减（渗透性）、面洞率、储层厚度，并赋予相应的权系数，计算储层品质综合评价指数RQ，从而对非均质古岩溶碳酸盐岩储层进行产能预测。
所述方法具体包括如下步骤：
a、利用最优化算法计算基质孔隙度；
b、通过阵列声波能量归一化处理、井眼校正之后的能量损失，计算斯通利波能量衰减；
c、通过电成像图像处理，计算面洞率参数；
d、按Ⅰ、Ⅱ、Ⅲ类储层进行储层厚度统计；
e、确定与产能密切相关的关键参数；
f、根据确定的关键参数，计算储层品质综合评价指数RQ；
g、根据计算得到的储层品质综合评价指数RQ建立产能预测模型，根据产能预测模型对非均质古岩溶碳酸盐岩储层进行产能预测。
所述步骤a具体包括如下过程：
a1、通过最优化算法计算硅质含量，计算岩性剖面，消除硅质的影响，再根据岩性剖面计算声波和中子及密度加权平均孔隙度；
a2、按孔隙度Ф≥7%为Ⅰ类，7%>孔隙度Ф≥4%为Ⅱ类，2%≤孔隙度Ф<4%为Ⅲ类对储层厚度和孔隙度进行分类。
所述步骤b具体包括如下过程：
b1、首先进行声波能量值的归一化：将该井斯通利波能量做直方图统计分析，选取最大值作为斯通利波能量的基值，将目的层段的斯通利波能量值分别除以基值，将得到的数值作为归一化后的斯通利波能量值，将斯通利波能量值统一到0～1；
b2、通过能量值的归一化处理，再作井眼校正，消除非储层因素的影响；
b3、定量计算斯通利波能量衰减：
AST=（1-AMPST/AMPSTM）*100%-（1-AMPST/AMPSTM）*100%*VSH
其中：
AST为作归一化和岩性校正的斯通利波能量衰减；
AMPST为斯通利波能量；
AMPSTM为致密层斯通利波能量（设为可变参数，隐含值1000）；
VSH为泥质含量，为小数；
b4、根据定量计算得到的斯通利波能量衰减，再计算出归一化和井眼校正后的斯通利波能量衰减：
ASTC = 477.26×(CAL-BIT)^0.1714
其中：
ASTC为作井眼校正后的斯通利波能量衰减；
CAL为井径；
BIT为钻头尺寸。
所述步骤c具体包括如下过程：
c1、采用K均值聚类和跟踪虫技术进行电成像图像处理；
c2、利用跟踪虫基数，对溶蚀孔洞边沿特征做自动检测；
c3、解释人员根据实际情况人机交互编辑，删除一些因钻痕、刮痕，钻具振动形成的裂缝，泥质条带，重泥浆造成的压裂缝，应力释放裂缝，井眼崩落，缝合线所造成的假象，在图像标识出真实的溶蚀孔洞边沿特征；
c4、最后计算溶蚀孔洞特征边沿内的面积，完成面洞率等参数计算。
所述步骤d具体包括如下过程：按孔隙度Ф≥7%为Ⅰ类，7%>孔隙度Ф≥4%为Ⅱ类，2%≤孔隙度Ф<4%为Ⅲ类进行储层厚度统计。
所述步骤e具体包括如下过程：采用主成分分析（Principal component analysis on data（PCA））方法，确定了基质孔隙度、斯通利波能量衰减和缝洞发育程度以及储层厚度是产能的主控因素。
所述步骤f具体包括如下过程：根据确定的关键参数，计算储层品质综合评价指数RQ：
RQ=f(Φ)* W₁+f(H)* W₂+ f(ASTC)* W₃ +f(HPOR)* W₄
RQ-储层品质综合评价指数（小数），0<RQ<1；
Φ-基持孔隙度（%）；
H-储层厚度（m）；
ASTC-归一化和井眼校正后的斯通利波能量衰减（%）；
HPOR-面洞率（%）；
W₁～W₄分别为孔隙度、储层厚度、斯通利波能量衰减、面洞率的权系数（小数）。
所述步骤g具体包括如下过程：根据计算得到的储层品质综合评价指数RQ与测试产量的关系，建立产能预测模型，从而对非均质古岩溶碳酸盐岩储层进行产能预测，
Q=0.0058e^11.502RQ
其中，
f-函数；
e-自然对数的底：lnx=loge(x)，e约等于2.718281828；
Q-日产气量（×10⁴m³/d）；RQ-储层品质指数。
产能预测级别如下：
 RQ≥0.65，预测气产量：Q≥10×10⁴m³/d；
0.53≤RQ<0.65，预测气产量：3×10⁴m³/d≤Q<10×10⁴m³/d；
RQ<0.53，预测气产量：Q<3×10⁴m³/d。
实施例2
本发明根据“四性”关系（岩性、物性、电性、含油气性的相互关系），确定与产能相关的信息，包括：储层岩石矿物组分、孔隙度、储层厚度、深侧向电阻率、面洞率、斯通利波能量衰减以及全烃等诸多参数。同时，通过储层参数处理，将储层进分为Ⅰ、Ⅱ、Ⅲ类，采用主成分分析方法（Principal component analysis on data（PCA））进行改造、优化，确定与产能密切相关的关键参数，并赋予相应的权系数，计算储层品质综合评价指数（RQ），从而建立产能预测方法。
对本发明中的方法技术方案具体说明如下：
①利用最优化算法计算基质孔隙度
首先，通过优化算法计算硅质含量，从而计算精确的岩性剖面，再根据岩性剖面计算声波和中子及密度加权平均孔隙度。
其次，按孔隙度Ф≥7%为Ⅰ类，7%>孔隙度Ф≥4%为Ⅱ类，2%≤孔隙度Ф<4%为Ⅲ类进行孔隙度分类。
②利用常规测井的异常响应以及阵列声波能量归一化处理、井眼校正之后的能量损失，建立非均质古岩溶碳酸盐岩储层渗透性计算和评价方法。
斯通利波是评价储层渗透性（裂缝）的有效手段之一。斯通利波在渗透性地层传播时会被衰减和反射，同时还发生频散，这些变化与地层的弹性、渗透性、裂缝等有关。与纵波和横波不同，斯通利波不是体波，而是一种面波，它在井筒内沿井壁表面传播，沿垂直井壁方向振动。斯通利波的能量与井壁的径向距离成指数关系衰减。井壁上由于溶蚀孔、洞、缝的存在会导致斯通利波传播速度的变化，产生斯通利波的反射，导致斯通利波的能量衰减。因此，斯通利波能量衰减大小可以反推非均质古岩溶碳酸盐岩储层的渗透性好坏，但同时受多种因素的影响，这些因素主要包括两个方面：地层因素和非地层因素。地层因素包括如岩性的变化、泥饼的存在，泥质含量的增加，储层储集空间结构的影响；非地层因素包括了测量过程中仪器的影响，比如不同的测井系列、不同的测量方式、声波发射探头的能量不同，测量环境如井径的不规则等都将影响到斯通利波能量值的变化。
A、为了更好地反应地层的渗透性，首先进行声波能量值的归一化，以消除非地层因素的影响。将该井斯通利波能量做直方图统计分析，选取最大值作为斯通利波能量的基值，将目的层段的斯通利波能量值分别除以基值，将得到的数值作为归一化后的斯通利波能量值。通过归一化处理后的能量值基本上消除了测井仪器或者测量方式不同造成的能量值的差别，从而将斯通利波能量值统一到0～1。
B、通过能量值的归一化处理，再作井眼校正，以消除非地层因素的影响。
C、定量计算斯通利波能量衰减，并建立评价标准
AST=（1-AMPST/AMPSTM）*100%-（1-AMPST/AMPSTM）*100%*VSH
其中：
AST为作归一化和岩性校正的斯通利波能量衰减；
AMPST为斯通利波能量；
AMPSTM为致密层斯通利波能量（设为可变参数，隐含值1000）；
VSH为泥质含量，为小数。
ASTC = 477.26×(CAL-BIT)^0.1714
其中：
ASTC为作井眼校正后的斯通利波能量衰减；
CAL为井径；
BIT为钻头尺寸。
③通过电成像图像处理，计算面洞率参数
采用K均值聚类和跟踪虫技术进行电成像图像处理，并在溶蚀孔洞边沿特征自动检测基础上，解释人员根据实际情况人机交互编辑，删除一些因钻痕、刮痕，钻具振动形成的裂缝，泥质条带，重泥浆造成的压裂缝，应力释放裂缝，井眼崩落，缝合线所造成的假象，在图像标识出真实的溶蚀孔洞边沿特征，最后计算溶蚀孔洞特征边沿内的面积，完成孔洞数、面孔率、溶蚀孔径频谱等参数计算。
④采用主成分分析方法（Principal component analysis on data（PCA））进行优化，确定与产能密切相关的关键参数。
由已有的试油成果可知，储层的含气性和产能与岩性、基质孔隙度（物性）、电阻率（连通性）、斯通利波能量衰减（渗透性）、面洞率（裂缝和孔洞发育程度）、全烃值（录井含气性显示）等众多因素有关，但它们并非简单的函数关系。为了提高产能预测精度，需要应用数学方法对参数进行分析。通过主成成分分析（Principal component analysis on data（PCA））方法，确定了基质孔隙（分Ⅰ、Ⅱ、Ⅲ类）、斯通利波能量衰减和面洞率以及储层厚度（分Ⅰ、Ⅱ、Ⅲ类）是主控因素。
⑤提出储层品质综合评价指数（RQ）概念，通过上述四个关键参数计算RQ。
RQ计算方法：
RQ=f(Φ)* W₁+f(H)* W₂+f(Rt)*W₃+f(ASTC)* W₄+f(TG)* W₅+f(HPOR)* W₆
式中：
RQ-储层品质综合评价指数（小数），0<RQ<1；
Φ-孔隙度（%）；
H-储层厚度（m）；
Rt-深侧向电阻率（Ωm）；
ASTC-归一化和井眼校正后的斯通利波能量衰减（%）；
TG-全烃（%）；
HPOR-成像计算的面洞率（%）；
W₁～W₆六项指标的权系数（小数）。
通过主成成分分析（PCA）方法进一步优化为：
RQ= f(Φ_Ⅰ)* W_Ⅰ+ f(Φ_Ⅱ)* W_Ⅱ+f(Φ_Ⅲ)* W_Ⅲ+f(H_Ⅰ)* W_Ⅰ+f(H_Ⅱ)* W_Ⅱ+f(H_Ⅲ)* W_Ⅲ+ f(ASTC,QFM)* W₃+ f(HPOR)* W₄
式中：
Φ_Ⅰ 、Φ_Ⅱ、Φ_Ⅲ分别为Ⅰ、Ⅱ、Ⅲ类储层孔隙度（%）；
H_Ⅰ、H_Ⅱ、H_Ⅲ分别为Ⅰ、Ⅱ、Ⅲ类储层厚度（m）；
W_Ⅰ、W_Ⅱ、W_Ⅲ分别为Ⅰ、Ⅱ、Ⅲ类储层权系数（小数）；
W₃、W₄ 分别是斯通利波能量衰减和面洞率的权系数（小数）。
⑥选取样本井，建立产能预测方程：
Q =0.0058e^11.502RQ
Q-日产气量（×10⁴m³/d）；
RQ-储层品质指数。
⑦产能预测级别：
   RQ≥0.65，预测气产量：Q≥10×10⁴m³/d；
  0.53≤RQ<0.65，预测气产量：3×10⁴m³/d≤Q<10×10⁴m³/d；
   RQ<0.53，预测气产量：Q<3×10⁴m³/d。