油气产量和可采储量的预测模型

产量递减分析法油气田开发模式油气田开发模式，是指任何油气田从投产到开发结束，油气田产量随生产时间变化全过程的态式。

概括起来，油气田的开发模式共分为4-1) : (a)投产即进入递减；(b)投产后经过一段稳产后进入递减；(c)投产后产量随时间增长，当达到最大值后进入递减；(d)投产后产量随时间增加，在经过一个稳产阶段后进入递减；图(e)和图(f)分别为图(d)和图(c)模式的变异形式。

上述六种开发模式，只要已经进入递减期，均可利用产量递减法预测油气田的可采储量和剩余可采储量。

图4-1油气田开发模式图<e)6种(见图油气田开发的实际经验表明，何时进入递减阶段，主要取决于油、气藏的储集类型，驱动类型、稳产阶段的采出程度，以及开发调整（细分层系、打加密井）和强化开采工艺技术的效果等。

根据统计资料表明，对于水驱开发的油田来说，大约采出油田可采储量的60%左右，就有可能进入产量递减阶段。

在图4-2上给出了前苏联23个水驱砂岩油田的无量纲产量QD不同年份的产量除以最高年产量），与可采储量的采出程度RD的关系图，而这些油田的RD值已达80%-99.8%。

由图4-2可以看出，对于水驱开发的油田来说，大约采出可采储量的60%左右，就有可能进入产量递减阶段。

阿尔浦斯（Arps）递减类型对于业已进入递减阶段的油气田，阿尔浦斯（Arps）根据矿场实际的产量递减数据，进行了统计与分析，并从理论上提出了指数、双曲和调和三种递减类型。

下面将介绍其主要的内容。

.递减率、递减系数和递减指数当油、气田的产量进入递减阶段之后，其递减率由下式表示: (4-1)式中: D —瞬时递减率，又称为名义递减率，月或年，％/月或％/年;Q 油、气田递减阶段t时间的产量，油田为10 m /月，或是10 m /年，气田为10 m /月或10 m /年;t - -递减阶段的生产时间，月或年；dQdt - -单位时间内的产量变化率（见图4-3）。

在矿场实际工作中，也常用到递减系数的概念，它与递减率的关系式为: a^l-D(4-2)式中的a为递减系数，它的单位与递减率相同。

2p可采储量在全球能源市场中，2P可采储量是一个关键指标，它对能源企业的投资决策、政策制定和市场竞争力具有重要意义。

本文将从以下几个方面对2P可采储量进行详细解析。

一、2P可采储量的定义和作用2P可采储量（Proved plus Probable reserves）是指在现有技术和经济条件下，油气田已探明可采储量（Proved reserves）的基础上，加上预测的可采储量（Probable reserves）。

它是衡量油气田规模和开发潜力的重要依据，为能源企业制定开发计划和投资决策提供数据支持。

二、2P可采储量的评估方法2P可采储量的评估主要依据油气藏地质特征、储层物性、井筒状况、地面设施等因素，通过一系列数学模型和预测方法进行综合评估。

常用的评估方法包括：类比法、动态法、静态法、地球物理法等。

评估结果需经过专家评审和监管部门审批，才能作为可靠的2P可采储量数据。

三、2P可采储量的应用场景2P可采储量在能源行业具有广泛的应用，主要包括：1.投资决策：能源企业根据2P可采储量评估结果，确定油气田的开发规模、投资额度和开采顺序。

2.政策制定：政府部门依据2P可采储量数据，制定能源发展规划、产业政策和补贴政策。

3.市场交易：2P可采储量是油气田资产交易、股权转让等重要依据，有助于各方评估投资价值和风险。

四、我国2P可采储量的现状与发展趋势近年来，我国2P可采储量呈现稳步增长态势。

一方面，得益于油气勘查技术的不断提升，国内油气田不断发现新的可采储量；另一方面，国家政策扶持和能源企业努力，使得我国2P可采储量增长潜力持续释放。

然而，我国油气资源开发仍面临诸多挑战，如资源品位低、开发成本高、环境压力大等。

未来，我国2P可采储量发展趋势将取决于技术创新、政策环境和市场需求等多方面因素。

五、提高2P可采储量的策略与建议为提高2P可采储量，我国可以从以下几个方面入手：1.加大勘查力度：通过实施国家能源战略，加大对油气资源的勘查投入，提高油气资源探明率。

储量计算方法储量计算是石油工程中的一个重要环节，用于估算石油储层中的可采储量。

准确的储量计算是决定石油开发方案和经济效益的基础，因此储量计算方法的选择和应用至关重要。

本文将介绍几种常用的储量计算方法，并对其适用范围和计算步骤进行详细说明。

一、原油1. 物质平衡法物质平衡法是一种常用的储量计算方法，它基于储层中的流体平衡原理，通过石油气田的产量及气藏中原油的组分和状态参数，推算储层中的可采原油储量。

该方法适用于采收率较高且气藏物性比较单一的情况。

2. 体积法体积法以储层中的原油体积为计算依据，通过测定储层体积、有效孔隙度和饱和度等参数，计算储层中的原油储量。

这种方法适用于孔隙度较高和载油组分较复杂的储层。

二、天然气1. 产量法产量法是计算天然气储量的一种常用方法，它基于气井的产量数据和气藏参数，通过推算气藏衰减规律来估算储层中的可采天然气量。

该方法适用于气藏开发过程中产量变化较大的情况。

2. 压缩因子法压缩因子法是另一种常用的天然气储量计算方法，它通过测定天然气的压缩因子、温度和压力等参数，计算储层中的可采天然气储量。

这种方法适用于含硫气体和高压气藏等特殊情况。

三、重质油1. 含量法含量法是计算重质油储量的一种常用方法，它基于石油样品化验结果，通过测定重质油中的组分含量和密度等参数，推算储层中的可采重质油储量。

该方法适用于重质油储层中重质组分含量较高的情况。

2. 计算模型法计算模型法是另一种常用的重质油储量计算方法，它基于石油化工和油藏工程理论，通过建立数学计算模型，推算储层中的可采重质油储量。

这种方法适用于重质油储层中油质较复杂和渗透率较低的情况。

总结起来，储量计算方法依据不同的油气藏特点和采收技术要求，选择合适的计算方法进行储量估算。

在实际应用过程中，还应考虑不确定性因素对计算结果的影响，并结合其它地质和工程数据进行综合评价，以提高储量计算结果的准确性和可靠性。

以上介绍的储量计算方法仅为常见的几种，随着石油工程技术的发展，还会出现新的计算方法。

HCZ预测模型法在凝析气藏可采储量中的应用分析王宏玉;黄炳光;刘振平;王怒涛【摘要】介绍了3种对凝析气藏具有较好适用性的预测模型及其求解模型常数的方法.初次将胡-陈-张(HCZ)模型应用到凝析气藏中,采用线性试差法分别对其天然气和凝析油的可采储量进行拟合取值,还对凝析气藏的累积产量进行了有效预测.并将胡-陈-张(HCZ)预测模型与哈伯特(Hubbert)模型和胡-陈(HC)模型进行了实例对比分析.结果表明:胡-陈-张预测模型与哈伯特模型更适用于凝析气藏,胡-陈预测模型不适用于凝析气藏的全程预测和可采储量的计算.【期刊名称】《石油化工应用》【年(卷),期】2014(033)009【总页数】5页(P34-37,50)【关键词】凝析气藏;可采储量;胡-陈-张模型;哈伯特模型;胡-陈模型【作者】王宏玉;黄炳光;刘振平;王怒涛【作者单位】西南石油大学油气藏地质及开发工程国家重点实验室,四川成都610500;西南石油大学油气藏地质及开发工程国家重点实验室,四川成都610500;西南石油大学油气藏地质及开发工程国家重点实验室,四川成都610500;西南石油大学油气藏地质及开发工程国家重点实验室,四川成都610500【正文语种】中文【中图分类】TE328当油气田投入开发之后，获取其生产数据资料，即可利用预测模型法，对油气田的产量和可采储量进行有效预测。

预测模型法通常广泛地应用于常规油气藏产量和可采储量的计算[1]。

常用预测模型有广义翁氏模型、胡-陈（HC）模型、胡-陈-张（HCZ）模型、哈伯特（Hubbert）模型、威布尔（Weibull）模型等。

虽然凝析气藏开采过程中，当地层压力低于露点压力后，会造成凝析油的析出，使得凝析气产量，尤其是凝析油产量的变化非常复杂。

但总的来说，凝析气藏的开发过程，符合预测模型的基础理论，其天然气和凝析油产量随时间的变化而变化，存在先成长、然后衰老和枯竭的过程。

因此近几年，预测模型法已经开始应用于凝析气藏中[2-4]。

关于能源需求量预测常用模型及方法预测不仅要对事物未来的走势和可能出现的情景作定性分析，还要对某些关键的构成作定量判断，由于人们认识事物的能力有限，由于许多事物在已经经历过的过程中尚未能展现出许多重要因素的影响，即使对认识到的影响因素也难以有很深入的了解，因而人们的预测很难与未来的发展完全吻合，能够从大趋势上做到分析基本正确，就是成绩不小。

一般说来，定性的预测，特别是定量的预测所涉及的对象越简单的、涉及未来的时间越短，预测的准确程度可能高些；涉及的事物越复杂、影响因素越多，涉及未来的时间越长，预测的准确性越差，这使许多定量的预测也仅带有半定量性质。

在这种情况下，我们应把它看成是一种很可能出现的方案。

针对这种情况，从预测上说，就要求：（1）把复杂事物的预测简化成相对单一的模式，或从多个相对简单的角度做出预测并加以综合；（2）随着发展，不断做出新的预测，这种新的预测不但可以收纳许多原来未料及或未重视的新的影响因素，而且可以用这一段时间已经发生的事实去修正原来的预测公式或参数。

预测的基本思路是由过去和现在推断未来，由已知推测未知。

因此，可将预测方法大致分为两类：由事物本身的发展过程推测未来和由已知的或设定的条件推导未来的油气发展状况：具体方法也可归纳为直接预测和间接预测。

这里仅列举直接预测法。

该类方法从事物本身的历史和现状来认识影响它们的各种因素，利用这些因素的可能变化，推测未来一段时间内的变化趋势乃至变化量。

换言之，对油气未来的预测主要依靠油气本身的变化。

从逻辑上，把影响油气的各种因素起作用的综合结果——储量和产量（在一定程度上也表现为品质和空间分布）作为最直接的预测资料，将其作为最基本的依据来得出预测结论。

这种预测，可以是简单的外预期，也可以考虑到多变量变化趋势的适应预期和合理预期。

（1）客观存在受过去和现状影响太深，如果未来的基本框架与它们一致，这个预测的可靠性很大。

而如果未来的影响因素发生了相当大的变化，这个预测结果可能产生相当大的偏差。

收稿日期:2008207201基金项目:国家重大专项“新一轮全国油气资源评价”之“我国油气资源潜力分析及发现趋势预测”(编号:ZP 2C 214)部分成果作者简介:朱杰(19762),男,博士研究生,主要从事油气资源评价研究. 文章编号:16732064X (2008)0520021203储量增长预测模型的对比分析Contrastive analysis of reserves increasing prediction models朱杰1,车长波2,刘成林1,杨虎林2,苏瑾1(1.中国石油大学(北京)资源与信息学院,北京102249;2.国土资源部油气资源战略研究中心,北京100034)摘要:在调研国内外油气储量增长趋势预测研究的基础上,分析了翁旋回、龚帕兹、逻辑斯谛和高斯模型中各参数的地质含义和对曲线形态的控制作用.应用以上4种模型对苏北盆地2006—2030年石油储量增长趋势进行了预测.在预测效果上,左偏型的翁旋回和龚帕兹模型比对称型的逻辑斯谛和高斯模型更符合我国含油气盆地的储量增长特点.关键词:储量增长;预测模型;翁旋回模型;龚帕兹模型;逻辑斯谛模型;高斯模型;苏北盆地中图分类号:TE155 文献标识码:A 应用最广泛的油气储量增长趋势的主要预测模型有翁旋回、、逻辑斯谛模型等.国内许多学者采用以上模型对我国未来的石油探明储量进行了预测[124],但缺乏模型的对比分析.1　预测模型1.1　翁旋回模型翁旋回模型属于非对称的预测模型,用于年探明储量或产量的预测[5].对于油田资源有限体系,其油气储量在随时间的变化过程中,正比于时间t 的n 次方函数兴起,又随着t 的负指数函数衰减,用翁旋回模型表述为R =A t n e -t,t =(y -y 0)/c.(1)式中,R 为油气田储量,104t/a (油田)或108m 3/a (气田);t 为折算时间;y 0为油气田储量发现起始年份;y 为油气田某一勘探年份;A ,c ,n 为模型参数.由于式(1)中的n 为一正实数,而不仅仅是正整数,因此式(1)又称为广义翁旋回模型[6].公式中各参数的意义:c 控制曲线的张口,c 值大时,曲线张口大,预测区的勘探持续时间长;c 值小时,曲线张口小,预测区的勘探持续时间短.n 控制曲线的形态,n 值大时,曲线形状较为陡峭,表示预测区的勘探开发力度大,储量迅速达到高峰,但高峰阶段持续时间短;n 值小时,曲线形状较为平缓,勘探开发历程较长,储量增长缓慢,达到高峰后持续较长的时间,之后平缓下降.整理苏北盆地1973年以来的储量数据,通过最小二乘法拟合翁旋回模型的参数,预测2006—2030年苏北盆地石油储量发现状况(图1).预测曲线表明苏北盆地的储量发现高峰已过,目前正处于下降图1　翁旋回预测苏北盆地石油探明地质储量增长趋势图2008年9月第23卷第5期西安石油大学学报(自然科学版)Journal of Xi ′an Shiyou University (Natural Science Edition )Sep.2008Vol.23No.5的趋势,但衰减速度明显低于前期的增长速度,至2030年累计探明石油储量将达到40544.0×104t ,届时,苏北盆地的石油资源探明程度将达到95.0%.1.2　龚帕兹模型龚帕兹模型广泛应用于油气资源增长的预测,其一般公式为y =k eabt.(2)式中,y 为模型函数;t 为时间变量;k ,a ,b 为模型参数.各参数的地质意义:y 是累计储量,k 是地质资源量.t 为预测时间与初始时间的差值.参数a 一般为负数,控制储量高峰出现时间,a 值小时(绝对值大),高峰出现较晚;a 值大时,高峰出现较早.参数b 的取值范围一般为0<b <1,控制预测曲线的形态,b 值大时,曲线较陡;b 值小时,曲线较平缓.龚帕兹模型也用于累计值的预测,图2为预测图.累计探明储量实际值与预测值的相关系数达0.90.与逻辑斯谛模型相比,龚帕兹模型预测的储量发现高峰偏小,出现时间也偏早,储量发现的下降趋势更为平缓,其预测的2030年苏北盆地累计探明储量为39073.4×104t ,探明程度91.6%.图2　龚帕兹模型预测苏北盆地石油探明地质储量增长趋势图1.3　逻辑斯谛模型逻辑斯谛预测模型属于一个增长类型的模型,表示油气的储量发现从渐增期开始,经过成长发展期,达到稳定期,用于累积储量的预测[7].其公式为y =k 1+a e -bt .(3)式中,y 为模型函数;t 为时间变量;k ,a ,b 为模型参数.就式(3)而言,y 是累计储量,用该模型进行储量增长预测时,k 为地质资源量.t 为预测时间与初始时间的差值.参数a 控制储量发现高峰时间,a 值大时,高峰出现较晚,表明预测地区经历了较长勘探时间才达到储量发现高峰阶段;a 值小时,高峰出现较早,在勘探初期就达到了储量发现的高峰.参数b 控制了预测曲线的形态,b 值大时,曲线较陡,表明勘探早期工作量投入大,储量上升快,达到高峰后储量下降也快;b 值小时,曲线较平缓,表明储量发现平稳上升或下降,勘探持续时间长.逻辑斯谛模型用于累计值的预测,图3表示苏北盆地年探明储量和累计探明储量的实际值与预测值的拟合情况,累计探明储量的实际值与预测值相关系数达0.98.该模型预测2030年苏北盆地的累计探明储量可达41241.3×104t ,探明程度96.6%,基本上已经处于完全探明状态.图3　逻辑斯谛模型预测苏北盆地石油探明地质储量增长趋势图1.4　高斯模型高斯模型是正态模型,用于年探明储量预测[8].y =k ・e -(t -t m)22s2.(4)式中,y 为年探明储量;t 为勘探年份;t m 为储量发现高峰所对应的年份;k 为储量高峰值;s 为模型参数,控制曲线形态,s 值大时,曲线张口大,形状较为平缓,勘探持续时间长;s 值小时,曲线张口小,形状较为陡峭,勘探持续时间短.图4为预测结果,实际值与预测值的相关系数图4　高斯模型预测苏北盆地石油探明地质储量增长趋势图—22—西安石油大学学报(自然科学版)为0.96.预测曲线显示,苏北盆地的储量发现高峰年是2002年,已处于下降趋势.预测到2030年累计探明储量40583.4×104t,探明程度95.1%.2　模型的对比分析2.1　基本类型在所介绍的预测模型中,逻辑斯谛、龚帕兹模型一般用于累积储量或产量的预测,而其他模型用于年储量或产量的预测.这些模型主要分为2类:(1)李从瑞等基于广义翁氏模型、威布尔模型、瑞利模型和t模型提出的Ⅰ类广义预测模型[9]:Q=at b e-t mc.(5)该类模型的特点是每年发现的储量或年产量Q在随时间的变化过程中,正比于t的b次方函数兴起,又随着t的负指数函数衰减,在某一时刻“b”达到有限极值时增长率为0.当t<b时,增长率为正,当t>b时,增长率为负.(2)在对逻辑斯谛模型、龚帕兹模型等研究的基础上,提出的Ⅱ类广义预测模型:Q=aN p k e-c t.(6)此类模型表示一个体系从形成到最后极限的过程,增长曲线呈“S”型,累积产量增长率微分方程结构与Ⅰ类广义预测模型不同.其特点是每年的储量或产量正比于累积的储量或产量值,又随着t的负指数函数衰减.2.2　曲线形态与高峰时间就年探明储量的预测曲线形态而言,翁旋回模型的曲线形态为左偏型,即储量增长上升速度快,迅速达到高峰后,以较为平缓的形式下降.龚帕兹模型的曲线形态也为左偏型,但储量发现上升速度较翁旋回模型慢,衰减速度稍快.逻辑斯谛与高斯模型的曲线是对称的,即储量发现起始阶段持续时间较长,上升缓慢,达到高峰后以与起始阶段对称的形态递减,只是高斯模型曲线的“腰部”更为鼓一些.每种模型的高峰出现时间也不相同.因为逻辑斯谛与高斯模型的曲线是对称的,其最高年探明储量的峰值恰好发生在资源量探明程度为50%的时候.翁旋回和龚帕兹模型的高峰出现时间受模型参数的控制,一般出现在资源量探明程度为40%～50%的时候.2.3　应用效果用以上数学模型进行油气储量增长的预测,一个重要的前提是预测时间段内预测区的油气勘探投入充足且不间断;预测值是未来一个时间段内油气储量增长评价值的预测,不排除有重大发现的可能.就苏北盆地储量增长预测结果来看,4种预测模型的预测结果相差不大,只是逻辑斯谛模型和高斯模型的曲线呈现对称形态,储量发现以相同速度增长和衰减;而翁旋回和龚帕兹模型的曲线为左偏形态,储量发现增长速度明显快于衰减速度.我国的含油气盆地油气资源比较丰富,但油气分布相对不集中,认识过程和勘探过程呈阶段性发展,勘探前期油气储量的发现速度往往较快,后期下降的趋势较为平缓,因此应用翁旋回和龚帕兹模型进行盆地储量增长的预测更为合理有效.3　结　论(1)各类预测模型中的参数控制了曲线的形态,具有相应的地质含义.(2)分别应用翁旋回、龚帕兹、逻辑斯谛和高斯模型预测了苏北盆地2006—2030年石油储量增长状况,预测结果相似,但下降趋势更为平缓的翁旋回和龚帕兹模型较为适用.参考文献:[1]　周总瑛,张抗,周庆凡.油气储量、产量及需求量的常用预测方法[J].新疆石油地质,2001,22(5):4442447. [2]　贾文瑞,徐青,王燕灵,等.1996-2010年石油工业发展战略[M].北京:石油工业出版社,1999:1972250. [3]　沈平平,赵文智,窦立荣,等.中国石油资源前景与未来10年储量增长趋势预测[J].石油学报,2000,21(4):22 6.[4]　张抗,周总瑛,周庆凡.中国石油天然气发展战略[M].北京:地质出版社,石油工业出版社,中国石化出版社,2002:872135.[5]　翁文波.顶测论基础[M].北京:石油工业出版社,1984:79289.[6]　胡建国,陈元千.对Weng旋回模型预测可采储量方法的修正[J].新疆石油地质,1997,18(1):70275.[7]　陈元千,胡建国,张栋杰.Logistic模型的推导及自回归方法[J].新疆石油地质,1996,17(2):15021551.[8]　Laherrere J H.The Hubbert curve:its strengths andweaknesses[J].Oil&G as Journal,2004,98(16):63. [9]　李从瑞,陈元千.预测产量及可采储量的广义数学模型[J].石油勘探与开发,1998,25(4):38241.编辑:王　辉—32—朱杰等:储量增长预测模型的对比分析Contrastive analysis of reserves increasing prediction modelsAbstract:Based on the researches of reserve increasing prediction models at home and abroad,the geological signification of the parameters in each prediction model and the control of them to the shape of the prediction curve are analyzed,and the studied models include Weng cycle,the Compartz model,the Logistic model and the G auss model.The four models are used for forecasting the petroleum reserve increasing tendency of Subei Basin.The prediction results show that to2030year,the proved degree of the petroleum resource in this area will reach to about95%.Through comparing,it is held that Weng cycle and Compartz model are more suitable for forecasting the reserve increasing of the petroliferous basins in China than he Logistic model and the G auss model.K ey w ords:reserves increasing;prediction model;Weng cycle model;the Compartz model;the Logistic model;the G auss model; Subei BasinZHU Jie1,CHE Chang2bo2,L IU Cheng2lin1,YA N G Hu2lin2,S U Jin1(1.Faculty of Resources and Information,China Univer2 sity of Petroleum(Beijing),Beijing102249,China;2.The Oil and G as Resource Strategy Research Center,the Ministry of Land and Resources,Beijing100034,China)J XSYU2008V.23N.5p.21223Division of the reservoir flow units in low2permeability reservoirAbstract:The reservoir of some oilfield in Xinjiang is of low porosity and low permeability,it is very difficult to develop it.To develop it at high efficiency,the reservoir in this area is divided into four types of flow units by FZI(flow zone indicator)based on core and logging data,and the lithilogy and physical property of each type of flow units are studied.It is found that there is obvious differ2 ence in permeability of four types of flow units,and that there is very close relationship between single2well productivity and the type of flow units:the wells are of high productivity in whose perforation interval there is greater proportion ofⅠtype andⅡtype flow u2 nits,and those are of lower productivity in in whose perforation interval there is greater proportion ofⅢtype andⅣtype flow units. According to the distribution of the flow units,it is held that the east and north2east parts of the studied area in the plane and the hori2 zons of J2t2and J2t3on profile are main distribution zones ofⅠtype andⅡtype flow units,and they are also favorable zones to oil and gas distribution.The research results in this paper are of important significance to the injection2production pattern adjustment and the recovery factor enhancing of this area.K ey w ords:low2permeability reservoir;division of flow units;FZI;single2well productivity;injection2production well group OU Jia2qiang1,L UO Ming2gao2,W A N G Xiao2rong1(1.Research Institute of Centural Sichuan Oil and G as Field,S outhwest Oil and G as Field Company,Suining629000,Sichuan,China;2.College of Resources and Environment,S outhwest Petroleum Univer2 sity,Chengdu610500,Sichuan,China)J XSYU2008V.23N.5p.24228R ecognition of reservoir fluid property by acoustic logging inversionAbstract:The recognition of reservoir fluid property is one of the important contents of logging interpretation.In the process of well drilling,the property of the fluid contained in the reservoir can directly be recognized from logging cuttings and cores.But because the logging cuttings and cores may be polluted,and accurate result is not easily obtained.S ome logging techniques,such as NMR imag2 ing logging,can directly measure the property of reservoir fluids,but this logging technique can not be applied to all wells because of its high cost.For solving the difficulty,it is studied how recognize the property of reservoir fluids by conventional acoustic logging tech2 nique.At first,the models for the recognition of the reservoir fluid property are established,then acoustic interval transit time is in2 versed into resistivity according to the models,and the inversed resistivity compares with the measured resistivity.If the measured re2 sistivity is greater than the inversed resistivity,the reservoir is gas layer;if the measured resistivity is less than the inversed resistivity, the reservoir is water layer;the resistivity of the layer containing gas and water at the same time and the water layer containing gas is between that of gas layer and that of water layer,and they can be recognized from the magnitude of the difference between the mea2 sured resistivity and the inversed resistivity.some cases show that this method is suitable to the recognition of fluid property in the reservoirs of great porosity,the greater the porosity,the more accurate the recognition.For the reservoirs of low porosity and low per2 meability,the result of this method is poorer.K ey w ords:acoustic logging;acoustic logging inversion;recognition of reservoir fluid propertyW U Ji2yuan1,ZHA O Yong2gang2,ZHA N G De2z hu1(1.Engineering Supervision Center,North China Branch Company,China Petroleum and Chemical Corporation,Zhengzhou450000,Henan,China;2.Digital Well Logging Station,North China Petroleum Bu2 reau,Sinopec,Xinxiang453700,Henan,China)J XSYU2008V.23N.5p.29231,36Characteristics and recognition m arks of the volcanic lithofacies in W angshen1block of X ujia w eizi area in the north of Songliao B asinAbstract:Since Wangshen1block is explored in1994,its predicted geological reserves of natural gas is249.56×108m3,and of this,the geological reserves of natural gas in the volcanic rock reservoir of Y ingcheng Formation is190.7×108m3,which shows the good exploration and development prospects of Wangjiatun volcanic reservoir.But the variety of the litholotic types and the quickⅤ。