页岩储层裂缝型孔隙定量预测的新方法

裂缝作为有效的储集空间和渗流通道,对于页岩储层具有重要的作用。裂缝研究的难点在于难以像井震结合波阻抗反演一样综合测井和地震信息开展裂缝预测。提出了一种综合测井和地震信息预测裂缝的新思路:首先拓展了SPM软孔模型,把孔隙空间分为硬孔隙、基质孔隙和裂缝型孔隙,建立岩石物理模型,并求取裂缝型孔隙度曲线,通过FMI成像测井曲线证实了裂缝型孔隙度结果的可靠性;然后综合裂缝型孔隙度测井曲线和地震数据,通过多属性神经网络反演预测实现了裂缝型孔隙度的定量预测。研究成果表明,通过和原始测井曲线以及和蚂蚁体等地震几何属性的对比,证明裂缝型孔隙度反演结果比较可靠,可以用来定量解释页岩储层的裂缝发育程度。本研究实现了综合测井曲线和地震信息定量预测页岩储层裂缝发育程度的方法,对于页岩储层定量解释具有重要的意义。     

机器学习方法在浅层滩坝相薄储层孔隙度预测中的应用——以准噶尔盆地车排子地区白垩系为例

准噶尔盆地车排子地区白垩系储层以滩坝相沉积为主,储层砂体薄,纵向变化快,孔隙度估算难度较大。基于Xgboost机器学习算法,根据取心井的岩心实测数据,结合其对应的测井数据,建立了测井孔隙度模型。结果表明,研究区对储层孔隙度影响较大的测井变量为自然伽马测井、声波测井、密度测井和冲洗带电阻率测井,其相关系数分别为0.38、0.42、0.28和0.32。基于特征测井数据,利用Xgboost算法预测的孔隙度与实测孔隙度吻合度较高,相关系数为0.92,均方差为0.20。此外,对近期钻探的新井储层孔隙度进行预测,结果表明孔隙度较高的井段与试油数据相吻合,从侧面反映了模型的可靠性。这一结果为研究区油气藏评价和后期油藏模型的建立提供基础数据,有利于提高研究区勘探的精度。同时,该模型也可用于类似滩坝相、砂体薄的沉积背景下储层孔隙度估算研究。     

基于机器学习和测井数据的碳酸盐岩孔隙度与渗透率预测

准确预测碳酸盐岩储层孔隙度和渗透率对于碳酸盐岩油气藏储层评价具有重要意义。碳酸盐岩储层裂缝与溶孔广泛发育,基于经验公式从测井曲线预测储层孔隙度和渗透率具有较大误差。以中东某碳酸盐岩油藏为研究对象,选取914块取心井岩心,测定孔隙度与渗透率,利用随机森林（RF）、K-近邻（KNN）、支持向量机（SVM）和长短期记忆网络（LSTM）4种不同机器学习方法,通过测井数据进行孔隙度与渗透率预测,优化机器学习参数,筛选出适用于碳酸盐岩油藏的测井孔隙度与渗透率预测方法。研究结果表明：4种机器学习方法预测储层孔隙度结果差异不大,通过调整输入参数种类,可进一步提高孔隙度与渗透率预测效果,当以补偿中子（NPHI）、岩性密度（RHOB）和声波时差（DT）3种测井参数数据作为输入时,基于LSTM的储层孔隙度预测精度最高,孔隙度预测结果均方根误差（RMSE）为4.536 2;由于碳酸盐岩储层的强非均质性,基于机器学习的测井储层渗透率预测效果较差,相对而言,仅以NPHI作为机器学习输入参数时,基于RF的储层渗透率预测精度最高,渗透率预测结果的RMSE为45.882 3。     

综合利用岩芯,测井,地震资料预测孔隙度

综合利用岩芯、测井、地震资料预测储层孔隙度，首先是利用分辨率高的测井、岩芯资料建立关系模式，然后利用地震层速度计算孔隙度。在远离钻井的地区，也能确定孔隙度的分布情况。文章还介绍了该方法在三个地区的实际应用。     

海拉尔盆地贝尔凹陷三叠纪布达特群-早白垩世大磨拐河组储层孔隙纵向分布特征

贝尔凹陷是海拉尔盆地最有潜力的油气勘探地区.由于该区储层类型较多,实测孔隙数据较少,很难了解各类储层孔隙在纵向上的分布.根据铸体薄片数据,采用立方体模型来推算原生孔隙度,利用原生孔隙度和视孔隙度与埋深在纵向上的组合规律了解储层孔隙的现今分布特征.通过实验数据推测出该区储层可能发育3个次生孔隙带,分布在埋深1 000～1 200m、1 300～2 000 m和2 040～2 300m,其中1 300～2 000m次生孔隙带已被证实.     

利用成像测井评价储层孔隙空间的二维非均质性

针对当前储层非均质性评价中表征方法单一、评价仅限于一维的研究现状,提出利用FMI成像测井评价储层井周二维孔隙空间非均质性的方法。通过比较目标储层的孔隙度频数分布曲线,从宏观上判断储层井周二维非均质性。选取合适的孔隙度二值化阈值,明确原、次生孔隙的所在位置。利用成像孔隙度谱将储层进行分类,判断目标储层的储集特性。利用储层非均质程度系数T定量评价储层井周二维非均质性。相比于利用常规测井识别裂缝、孔洞,通过FMI成像测井判断储层非均质性具有评价形式多样化、连续性、方位性、直观性和分辨率较高的优势,从而提高对储层非均质性的认知程度。     

碳酸盐岩礁滩油气储层地震预测方法探讨

储层结构和孔隙流体预测是目前碳酸盐岩礁滩油气储层地震预测的重点和难点。这里从流体敏感性参数的选择和基于储层结构模拟的孔隙度预测二方面。研究了碳酸盐岩礁滩油气储层的流体识别问题。其中,基于测井资料统计分析和／或岩石物理岩样测试的参数交会图的制作,是优选烃类敏感参数的基础。在单一敏感参数的基础上,构组复合型的流体识别因子,能获得更好的流体识别效果。储层孔隙度预测是这样实现的：首先,对Gassman流体替换方程通过引入近似关系βp-βs≈βp进行简化;然后引入Eshelby—Walsh储层结构参数以获得直接计算孔隙度的表达式;最后,根据弹性反演得到的纵波、横渡阻抗（或纵波、横波速度）等参数,计算得到孔隙度及孔隙流体预测剖面。经实际地震资料的流体预测结果显示,新方法比常规方法预测的精度高。     

多属性反演技术在储层预测研究中的应用——以珠江口盆地陆丰A区中新统珠江组储层为例

珠江口盆地陆丰A区中新统珠江组中-下段2370层是该地区主力油层之一, 但储层厚度差异大、分布不清, 严重制约了区域勘探部署.本文综合地震、测井和地质资料, 分析得出纵波阻抗和V_P/V_S为研究区识别岩性的敏感参数, 并通过叠前同步反演技术刻画出研究区2370层砂岩分布特征, 整体呈北厚南薄的展布.以地震振幅、分频属性及叠前反演属性为基础, 利用多属性反演技术分析统计了各属性与孔隙度之间的关系, 优选出密度、V_P/V_S、地震导数、LR、V_P、25~30Hz地震分频6种属性为储层物性识别参数, 综合预测研究区2370层储层滨岸砂坝砂体孔隙度发育特征.多属性反演结果表明, 在研究区东北部、西部, 厚层的滩坝储集砂体的孔隙度发育, 普遍在18%以上; 而在中部和东部, 受滩间、坝间泥岩与滩坝砂的叠合区影响呈条带状分布, 孔隙度为10%~18%.预测结果与同期钻井的钻后结果基本一致, 预测成功率在75%以上.多属性反演技术在研究区的储层预测中表现出良好的有效性和实用性, 对类似地区的储层预测也具有借鉴意义.     

基于地震相分析的孔隙度预测

这里主要讨论在地震相分析下的孔隙度预测。其基本原理是：首先对研究区块进行前期常规解释（合成记录、层位追踪、构造及断层解释）,在此基础上利用地震相分析技术,并结合测井及岩芯资料对研究区进行沉积相带划分,将地震信息转化为地质信息;然后根据相带划分结果,对单一相带中的密度、声波速度与孔隙度井资料进行统计,拟合获得相关最好的波阻抗与孔隙度关系公式,这样多个相带就有不同的孔隙度计算公式;最后通过反演得到的波阻抗计算获得孔隙度。由于在横向上加入了地质解释,所以通过这种方法能够有效结合地质规律,提高三维孔隙度预测精度,还能更好地进行孔隙流体预测及储层评价。     

基于KICA属性优化的支持向量机储层参数预测

为提高储层参数预测的精度,提出一种基于核独立分量分析(KICA)属性优化的支持向量机储层参数预测技术,KICA属性优化技术充分体现属性信息的非线性关系与高阶统计特性,提取出相互统计独立的反映地下储层参数的储层信息。支持向量机技术基于结构风险最小化原理,可解决小样本、高维与局部最小的非线性系统问题,二者有效的结合,能够将繁冗的地震属性空间,结合较少的井数据精确预测出储层的参数分布。通过模型及实际资料研究表明,本文储层参数预测方法的应用效果好,预测精度高。