裂缝性潜山油藏储集体岩性定量识别———以埕北30 太古界潜山储集体为例

由于油井取芯费用高昂加之油层保护的需要,不可能大量取芯,因此利用少量的岩芯资料,结合其它一些手段来预测未取芯井段的岩性,就成为有效识别和预测潜山储层分布的重要途径之一。该文针对埕北30 太古界潜山储集体,运用BP神经网络技术对测井资料进行了潜山储集体岩性的定量识别,经与岩芯观察、薄片分析、成像测井结果对比检验, 符合率达到了90%,从而为开展潜山油藏裂缝预测研究奠定了基础。      

模糊联想记忆法在海拉尔盆地贝尔凹陷储层岩性识别中的应用

针对海拉尔盆地贝尔凹陷储层岩性复杂的特点,进行了储层岩性识别方法研究,并利用钻井取芯资料确定岩性,进行岩性定名及标定测井资料。在进行标准化、归一化和方波化处理后,建立研究区复杂岩性储层测井识别的基础模型,并利用模糊联想记忆方法,对研究区储层岩性进行识别后,将研究区岩性划分为火山碎屑岩、火山碎屑沉积岩和沉积岩3大类、12小类。通过31口井的测井资料实际处理验证,岩性识别符合率平均达86.1%。     

克拉玛依六区——九区石炭系火山岩油藏岩性识别与岩相划分

根据克拉玛依石炭系火山岩岩屑录井描述、岩心薄片鉴定、常规测井资料,通过分析不同类型的火山岩对测井参数的敏感性和响应特征,用统计学方法研究常规测井参数与不同类型火山岩之间的对应关系,建立了电阻率、自然伽马与岩性关系图版。进一步研究了六区—九区石炭系火山岩的岩性、岩相特征、分布规律及与含油性的关系,为今后此类油藏的岩性识别与岩相研究提供了可借鉴的方法。     

3种经典机器学习算法在火山岩测井岩性识别中的对比

岩性识别一直是火山岩油气勘探中的重要课题,基于测井数据的岩性识别也逐渐成为火山岩研究的需要,大数据背景下的机器学习算法为测井岩性识别提供了一个新方向。为提高某研究区火山岩岩性识别符合率,本文采用K近邻、支持向量机和自适应增强3种经典机器学习算法,对研究区内的粗面岩、非致密粗面岩、辉绿岩、辉长岩、玄武岩和非致密玄武岩等6类中基性火山岩进行岩性识别。从常规测井系列中优选对研究区岩性敏感的自然伽马、声波时差、补偿中子、深侧向电阻率和补偿密度等5种测井参数作为岩性识别模型的输入向量,从研究区内5口有岩心样品或薄片鉴定资料的目标层中选取测井数据点1 440个,其中960个作为训练样本,其余480个作为测试样本。以识别符合率和时间作为评价指标,对3种算法的识别结果进行对比分析,实验表明：自适应增强算法的分类准确率最高,6类岩性平均识别符合率达到82.10%;支持向量机算法表现良好,平均识别符合率为81.04%;K近邻算法平均识别符合率为76.04%。     

支持向量机与微电阻率成像测井识别火山岩岩性

针对火山岩储层,从岩石化学成分分类和岩石结构分类两个角度出发,提出了一种利用测井资料识别火山岩岩性的方法。基于取芯薄片鉴定资料获得对应井段的常规测井数据,利用统计学习理论中的支持向量机方法对其处理,得到地质上按岩石化学成分分类的火山岩岩性类别。建立地层微电阻率成像测井图像与不同结构火山岩岩性之间的对应关系,归纳出典型的微电阻率图像模式,从而得到地质上按岩石结构分类的火山岩岩性类别,结合上述两者结论确定最终岩性,实现了运用支持向量机算法处理常规测井资料与微电阻率图像模式相结合的火山岩岩性测井识别新方法。     

火山岩天然气藏地质储量参数的确定方法

大庆油田东部深层某井区火山岩气藏岩性复杂、储层参数计算以及流体性质识别困难。根据岩性组合规律建立火山岩解释模型,对深层的火山岩测井资料进行处理与解释。联合使用成像测井分析结果、岩性分类和多井对比等方法,提高了测井解释精度和解释符合率。计算的孔隙度、饱和度和渗透率为提交天然气地质储量提供了基础参数。     

松辽盆地东岭地区深层火成岩测井特征与岩性识别

以松辽盆地东岭地区深层火成岩地层为研究对象,基于录井、岩心、薄片分析等岩性资料,建立火成岩岩性与测井响应的关系,绘制了利用测井响应识别火成岩岩性的图版。并利用自组织神经网络方法识别岩性,取得了良好的效果。     

自组织神经网络在测井储层评价中的应用

在测井储层评价过程中,岩性及流体性质的识别难度很大。当地层信息较少时,传统的交会图和有监督神经网络(如BP神经网络)等方法在识别岩性时会受到一定限制。为此.基于自组织神经网络的结构和原理,建立了岩性和流体样本数据集,利用自组织神经网络对样本数据集进行了训练和纠错,得到了数据集的聚类结果,通过选择合适的测井曲线和网络权值,以样本数据集的聚类结果作为分类基础,对岩性和流体进行了识别,获得了较好的效果,实际资料处理结果与岩心分析资料对比,吻合度高。     

多方法融合判别复杂砂砾岩岩性

砂砾岩储集体为快速沉积环境下形成的沉积物,具有很强的非均质性,因此,利用测井数据进行岩性识别的结果准确性较差。笔者针对该问题,从砂砾岩储集体中岩性测井特征提取和模式识别算法2方面进行分析。在测井特征提取上,针对其粒度跨度大、成分复杂、过渡岩性测井特征多样的特点,利用沉积相、物源体系控制岩石的成分和结构特征的多样性,达到准确提取岩石骨架颗粒参数的目的。在模式识别算法上,选取支持向量机、极限学习机和概率神经网络3种基于不同分类原理的模式识别算法,构建SEP岩性判别算法。在松辽盆地南部梨树断陷下白垩统营城组砂砾岩储集体岩性识别中,采用SEP法,利用GR-AC-CNL-DEN-RLLD-w(K-PE测井数据组合,对13口钻井的284块样本岩性进行判别,SEP识别结果与3种单方法相比,能够提高岩性判别结果的准确性和稳定性,识别符合率均值达到83.64%。     

应用Bayes逐步判别分析识别辛176区块Es4储层岩性

辛176区块沙四段储层存在粗砂岩、不等粒砂岩和细砂岩,岩性非均质性较强.“四性”关系研究表明,岩性的准确识别是正确评价储层静态参数,识别油水层特别是低阻油层的前提.这里介绍了Bayes逐步判别方法原理和技术流程,在应用有序聚类分析方法开展测井曲线自动分层的基础上,综合应用自然电位(SP)、自然伽玛(GR)、声波时差(AC)、深探测电阻率(Rt)、浅探测电阻率(Rxo)测井资料和岩心分析资料,建立了粗砂岩、不等粒砂岩、细砂岩和泥岩的判别函数.应用效果表明,Bayes逐步判别法识别岩性符合率达到了86％,能够满足辛176区块沙四段储层岩性识别的需要.     

线性降维映射方法识别火山岩岩性

随着世界对油气资源的需求不断增加,火山岩油气藏的勘探和开发逐步成为油气储量、产量的新的增长点。火山岩岩性研究是火山岩油气储层研究的基础。常规的识别岩性方法不是很有效,作者曾用主成份分析方法来识别火山岩岩性,取得了一些效果,能够把基性岩,中性岩和酸性岩三大类岩石区分开来。但当岩性中也包括结构时,识别的效果就不是很理想,很难将流纹岩和流纹质凝灰岩区分开来。对岩石薄片鉴定,全岩分析以及综合测井曲线得到的火山岩岩样应用线性降维映射方法来识别,取得了很好的效果,它能将常规主成份分析方法很难区分的流纹岩和流纹质凝灰岩区分开来。     

准噶尔盆地滴西地区石炭系火山岩识别与预测

准噶尔盆地腹部滴西地区石炭系火山岩储层中已获重要的工业气流。然而由于成岩环境复杂,岩性多变,火山机构受后期风化剥蚀和构造作用的影响,保存不完整,使得该区火山岩研究难度大,认识程度较低。本文对滴西地区石炭系巴塔玛依内山组火山岩特征进行了研究,分析了该区典型岩性的岩心、岩石薄片及测井响应特征,提出了一套火山岩测井识别的方法。在此基础上,总结了典型岩性组合的地震反射特征,并对岩性的展布情况进行了预测。最后,对火山岩形成的环境进行了探讨。研究结果显示,滴西地区巴塔玛依内山组顶面的火山岩分布具有一定的分段特征,可以分为东部、中部、西部三段: 从成分上看,东部以酸性岩为主,西部以基性岩为主,中部则酸性岩、中性岩和基性岩皆较发育; 从火山岩产状上看,东部和西部以喷出产状为主,中部则侵入产状和喷出产状皆发育。巴塔玛依内山组火山岩体具有多期次的特点,各火山机构彼此叠置,时间和空间上具有一定的相关性。层状火山机构发育。本文的研究方法对准噶尔盆地内石炭系火山岩研究及火山机构的解剖具有借鉴意义,同时也为该区的油气勘探和开发提供一定的依据。     

泰国Phetchabun盆地Wichian Buri次盆新生界火山岩岩性识别及岩相展布特征

新生界火山岩是泰国Phetchabun盆地Wichian Buri次盆的主要含油气岩系,但因火山岩喷发环境复杂,喷发期次频繁,造成火山岩岩性复杂,识别难度较大,岩相展布不清,这些因素严重制约着油气的进一步勘探和开发。通过岩心、岩石薄片、测井及地震等资料分析,总结了研究区火山岩的岩性特征,并提出相应的识别方法,同时对火山岩的发育期次和岩相展布进行了研究。结果表明:①研究区火山岩类型丰富,从基性岩至酸性岩、熔岩至火山角砾岩都有发育,以偏碱性玄武岩为主; ②自然伽马、密度及光电吸收界面指数测井对火山岩成分变化最为敏感,成像测井可以提供火成岩的结构和构造信息,两者结合可准确地识别火山岩岩性; ③结合测井和地震响应特征,研究区新生界火山岩为3期喷发的产物,可识别出火山通道相、溢流相、爆发相和火山沉积相等岩相类型,并预测其分布规律。研究成果为研究区火山岩的岩性识别提供了有效手段,并明确了岩相展布特征,可为研究区的油气勘探和开发提供一定的依据。     

测井曲线概率分布法识别四川盆地火山岩气水层

火山岩的矿物成分复杂,主要矿物有石英、正长石、斜长石、云母、角闪石、辉石和橄榄石.不同岩性的储层物性和孔隙结构类型各不相同,这给火山岩气水层判别造成很大困难.基于测井资料,首先采用中子-密度交会图的方法求取孔隙度,然后结合实验室的岩电参数以及测井的电阻率曲线,构建P1/2概率分布曲线,根据概率曲线的分布形态来识别火山岩...     

海拉尔盆地乌南地区下白垩统火山碎屑岩孔隙结构特征与储层分类

海拉尔盆地乌南地区下白垩统储层的岩性主要为火山熔岩、火山碎屑岩和正常沉积岩。以往的储层研究均遵循根据岩性建立测井解释方法的思路。根据乌南地区储层同种岩性具有不同测井响应、不同岩性又具有相同测井的特征,采用压汞实验分析与岩心孔渗试油分析相结合,建立本区的实验室条件下的储层分类标准,并利用常规测井资料建立乌南地区测井储层分类标准。压汞实验资料与岩心孔渗试油资料显示研究区储层可以分为三大类(四小类):Ⅰ类储层的孔隙以溶蚀粒间孔为主,黏土矿物以分散式和内衬式充填;ⅡA类储层孔隙主要是熔蚀粒间孔和溶蚀粒内孔,黏土矿物以搭桥式或以内衬式充填;ⅡB类储层主要为溶蚀粒内孔,黏土矿物以搭桥式充填;Ⅲ类储层在铸体薄片中几乎观察不到有效的孔隙,黏土矿物堵塞孔喉。采用XD-N与DEN或CNL做交会图,能有效区分乌南地区储层类别,储层分类判别符合率达到88.9%。     

克拉美丽气田石炭系火山岩复杂岩性岩电特征

准噶尔盆地东部克拉美丽气田石炭系火山岩岩石类型复杂多样,且同一岩性由于结构、构造和成分的差异,电性特征差异亦较大,岩性识别困难。本文通过对该区14口井取心段岩电关系研究,认为自然伽马、电阻率、密度三种曲线岩性特征响应明显; 电阻率、中子、密度、声波四条曲线对火山岩岩石构造特征响应明显。并编制了岩性和岩石构造测井识别交会图版11张。进而利用电测资料识别出该区11种火山岩岩石类型: 正长斑岩、二长斑岩、玄武岩、粗面岩、英安岩、流纹岩、霏细岩、沉凝灰岩、熔结凝灰岩、火山角砾岩和熔结火山角砾岩; 识别出5种岩石构造类型: 正长斑岩中气孔及块状构造和玄武岩中杏仁、碎裂及块状构造。通过本区12口钻井取心后验,测井识别结果与钻井岩心分析结果吻合良好,可作为地区性火山岩测井岩性、岩石构造识别模式。