青海涩北一号气田流动单元研究

以青海涩北一号气田为例,探讨了气藏储层流动单元研究方法。通过对各种储层参数分析,选择了自然电位相对幅度(ΔSP)、自然伽马相对幅度(ΔGR)作为流动单元划分参数,将研究目的层段储层划分为5类流动单元。其中Ⅰ、Ⅱ类流动单元储层物性最好,主要发育在高能滩坝相;Ⅲ类流动单元储层物性较好,主要分布中能滩坝相;Ⅳ类流动单元储层物性差,为低能滩坝相;Ⅴ类流动单元为泥岩层,其实质上为渗流屏障。通过综合分析,建立了研究区流动单元的分布模式,并分析了其对流体分布的控制作用。     

基于支持向量机的浊积扇低渗透储层流动单元研究

由于浊积扇储层成因机制的复杂性,本文通过因子分析从反映储层岩石物理特征、微观孔隙结构特征、储层沉积特征及储层非均质特征的13个储层参数中提取了5个主因子,并以此作为预测模型的输入,采用支持向量机的算法来建立流动单元预测模型。应用该模型对大芦湖油田樊29块10口关键井的预测样本进行检验,正判率达90.38%。运用建立的预测模型对研究区4⁴¹单砂层流动单元进行划分,将预测结果与定性分析结果对比,具有较高的吻合度。平面上,流动单元划分结果与沉积微相展布具有较高的对应关系：Ⅰ类、Ⅱ类流动单元储层质量最好,仅在浊积水道及朵叶体微相发育;Ⅲ类流动单元分布广泛,在浊积水道、水道侧缘及中扇侧缘微相均有分布;Ⅳ类流动单元主要分布在浊积扇外缘的扇缘亚相。结果表明,建立的流动单元模型能够较为系统地反映多种地质因素与流动性能之间的复杂映射规律。     

应用遗传神经网络研究碎屑岩储集层流动单元

应用遗传神经网络模式识别方法,以文72块沙三中为例,在取芯关键井流动单元聚类分析的基础上,选用流动层指数、孔隙度、渗透率、粒度中值、泥质含量、最大孔喉半径6项参数,将取芯井流动单元划分为4类,采用神经网络模式识别方法,通过建立遗传神经网络的学习及预测模型,对文72块沙三中油藏进行了流动单元识别,阐述了各类流动单元的特征,并应用序贯指示模拟,获得了流动单元的时空展布.流动单元与沉积微相空间分布的对比表明,物性和储集能力都较好的流动单元大部分位于水下分支水道微相中部及河口坝微相,水道和河口坝沉积是控制物性较好流动单元的主要沉积微相.储集层流动单元比沉积微相更精细地刻画了影响储集层流体流动的地下结构,通过流动单元研究可以预测剩余油的可能分布.     

松辽盆地徐东地区下白垩统火山岩储层流动单元研究

以松辽盆地徐东地区营城组一段为例,在建立火山岩储层等时地层格架基础上,选取孔隙度和渗透率这两项参数,运用SPSS软件进行聚类分析和判别分析,分析了研究区目的层流动单元时空发育特征。结果表明,孔隙度和渗透率是最能反映储层渗流特征的参数。研究区目的层流动单元可以划分为I、II、III和VI类等4种,其中III和VI类最发育,Ⅱ类次之,I类最少。在等时地层格架内紧密组合取心井岩心分析物性资料和非取心井精细测井解释物性资料,运用SPSS软件进行聚类和判别分析,可以实现火山岩储层流动单元表征,为储层有效开发提供依据。     

鄂尔多斯盆地下二叠统山西组2段低渗天然气 储层流动单元平面分布研究

储层非均质性是储层和油藏研究的核心内容。鄂尔多斯盆地下二叠统山西组2段低渗天然气储层非均质性严重,而储层流动单元分布是非均质性最直观体现。统计整理子洲气田一百多口井孔渗饱物性和储层数据,计算出流动带指数和储能系数,并据此给出主要目的层山-2-3(山西组2段第3砂组)流动单元平面分布,显示出流动单元顺河道方向呈带状,垂直于河道方向分块的特征,研究其机理表明,河道砂体的不同及河道中心与河道边缘砂体物性差异形成的平面非均质性,是流动单元分带的主要原因,主流动单元带位于主河道轴心和心滩,由1类和2类流动单元构成,物性好,以线性渗流为主,产量高;副流动单元带位于河道周围天然堤、决口扇和废弃河道沉积,物性差,呈现以启动压力梯度为特征的非线性渗流特征,产量低,而不同期三角洲幕式前积河道和局部辫状河道心滩发育造成层间非均质性,是纵向储层分块主控因素。并进一步用动态资料初步验证了流动单元划分的正确性。该研究成果为低渗致密气田区域储层非均质性量化研究给出了一个思路。     

吐哈盆地丘东凝析气藏中侏罗统储层流动单元划分

对吐哈盆地丘东凝析气藏中侏罗统储层的流动单元的划分方法和参数选取进行探讨。针对丘东凝析低渗透气藏的储层和流体特点,纵向上对研究区中侏罗统地层进行小层精细划分,平面上应用SPSS统计分析软件对厚度、孔隙度、泥质含量、流动带指数等4个参数进行聚类分析和判别分析,将研究区中侏罗统储层砂体划分为4类流动单元。结果表明各流动单元的类型与储层物性、沉积微相具有很好的对应关系,能够客观地反映气藏储层的地质特征。虽然丘东凝析低渗透气藏中流动单元的划分和油藏中流动单元的划分没有太大差别,但是参数的选取却与油藏中的存在着明显的不同。     

多参数判别流动单元的方法探讨

多参数识别是流动单元研究的发展方向，判别参数选择是多参数识别流动单元的关键。以鄂尔多斯盆地L37井区延安组Y9段河流相储层为例，应用SPSS统计分析软件，通过对表征储层的六项属性参数判别流动单元的能力及参数之间的相关性分析，选取粒度中值、孔隙度、流动层分层指数三项参数作为L37井区流动单元判别参数，建立了流动单元判别函数，研究了储层非均质特征。研究表明，本区的河流相储层可以划分为为Ⅰ、Ⅱ、Ⅲ、Ⅳ四类流动单元，分别分布在曲流砂坝、决口扇和砂坝顶部、天然堤微相中，层内非均质性表现为夹心型、均变型、均质型三种类型。针对不同的储层非均质性，油田开发生产中应采取不同的开发对策。     

基于流动单元的辫状河储层沉积微相研究——以王官屯油田官142断块侏罗系储层为例

针对王官屯油田官142断块侏罗系厚储层的特点,以取芯井岩芯分析资料为基础,应用因子分析的方法,将厚约50 m的砂砾岩层划分为13个流动单元,分为A、B、C、D四类.在流动单元划分的基础上,根据各类沉积相标志,将目的层确定为辫状河沉积相,大面积分布的辫状水道、心滩为该区储层沉积的主体.为了进一步精细划分沉积微相,应用各类岩性与泥质体积分数、声波时差、电阻率的交汇图,建立了各类沉积微相-岩石相的岩性、物性、电性划分标准,实现了沉积微相的精细划分.其与流动单元的空间配置关系决定了剩余油分布的差异性.这种基于流动单元划分沉积微相的方法是依据储层渗流性质的差异将储层划分成符合其渗流规律的层系,便于同油田开发的生产层系相结合,从而满足层系开发调整的需要.     

低渗油气储层物理参数解释模型——以宝浪油田煤系粗粒低渗储层为例

为了建立宝浪油田粗粒低渗储层的精确渗透率解释模型,从储层物性的影响因素分析入手,确定影响此类储层物性的关键属性参数.从表征岩石结构参数的流动带指数的角度建立了孔隙度和渗透率的关系模型,逐步建立以测井数据为基础的流动单元的判别函数.在流动单元判别的基础上,根据孔隙度和渗透率的关系模型进行了从测井数据到渗透率参数的计算.宝浪油田三工河组储层Ⅲ油组划分出5类流动单元类型,在流动单元控制下解释的储层渗透率值,经实际应用能够满足储层精细描述的要求.     

松辽盆地北部三肇凹陷升554断块特低渗油气储层流动单元研究

油气储层流动单元在高、中、低渗储层表征中已经得到普遍应用,但在特低渗储层研究中仍然很少涉及。以松辽盆地北部三肇凹陷升554断块下白垩统泉头组四段扶余油层特低渗储层为例,划分出E、G、P三种流动单元类型,从E类至P类流动单元,渗流能力逐渐减小。流动单元物性特征、空间分布特征均表明流动单元储层非均质性较强。分析了沉积相及开启型正断层对流动单元发育的控制作用。研究发现,在特低渗储层尺度内,流动单元自身的渗流能力对油藏开发的作用已经很小,而不同流动单元之间的渗流能力差异引起油藏开发效果的不同也已不明显,开发效果主要取决于砂体射开厚度、注水效果等开发因素以及断层渗流通道、泥岩渗流屏障、砂体厚度等地质因素。这与以往储层流动单元研究中普遍认为的"流动单元渗流能力越强,油藏注水开发效果越好"的观点是截然不同的。通过本文以期为特低渗油气储层流动单元研究提供一定借鉴,为特低渗油藏开发提供一定参考依据。     

塔河油田奥陶系碳酸盐岩岩溶储集体类型及划分方法研究

塔河油田奥陶系油藏储集体类型的多样性和复杂性,给常规测井定量解释带来了很大困难。此类油藏储集体类型的划分和识别对油田开发极为重要。根据6口关键井的电成像测井(FMI)和岩心样品特征,将塔河碳酸盐岩储集体划分为未充填洞穴型、垮塌充填洞穴型、机械充填洞穴型和裂缝型4类。依据其中5口井的常规测井响应和4类储集体划分结果,选用GR、RD、RS、K3(深浅侧向电阻率倒数差的绝对值)、AC、DEN和CNL共7种测井信息作为神经网络的输入学习样本,经学习训练建立了储层划分的神经网络模型。通过检验井对比,说明基于神经网络模型,通过常规测井的多参数约束,可以判断岩溶型储集体类型。经本次研究,初步形成了储集体半定量评价标准。     

基于神经网络的储层识别处理技术及在塔河油田的应用

简述神经网络用于储层识别模型的建立,并指出单独使用神经网络进行识别的不足。对此,设计了具有辅助神经网络作用的计算机程序,从而使单独使用网络的不足之处得到完善。通过塔河油田实际资料应用表明,在单独使用BP神经网络进行储层类型预测效果不是十分理想的情况下,采用这种处理技术,能够取得较好的效果。     

江苏码头庄油田储层流动单元与水淹状况分析

提出了储层流动单元"两步"法的研究新思路,并以江苏码头庄油田为例进行了尝试性的研究工作。在储层流动单元划分时,首先根据稳定的泥岩和含泥粉砂岩隔夹层的分布划分连通单元,然后对影响流体流动的储层特征参数进行聚类分析,并划分流动单元。通过对码头庄油田砂岩含油层系隔夹层的研究,可将储层划分为3个砂组和12个连通单元。码头庄油田有8个储层参数与日产油和吸水强度的关系密切,因而用这8个参数进行聚类分析划分出4类流动单元:E型、G型、F型、P型,它们的储层质量依次变差。把这8个储层参数经线性组合成一个综合参数———FU来作为综合判别流动单元类型的指标。码头庄油田油层内部流动单元的分布形式复杂,各种类型流动单元相间分布,流动单元的形状多呈条带状,沿北西—南东向延伸。流动单元的分布与沉积微相的分布和基准面旋回有关。流动单元的储层质量越好,其水淹状况越严重;流动单元的储层质量越差,其水淹状况越弱。平面上,流动单元的分布控制了边水和注入水的流动方向及水淹的分带性。     

多参数定量研究流动单元的方法——以鄂尔多斯盆地W93井区为例

多参数识别是流动单元研究的发展方向,判别参数选择是多参数识别流动单元的关键。以鄂尔多斯盆地W93井区延长组长6河流相储层为例,应用SPSS统计分析软件,通过对表征储层的11项属性参数判别流动单元的能力及参数之间的相关性分析,选取渗透率、有效厚度、渗流系数、储能系数、流动层指数、油藏品质指数6项参数作为W93井区流动单元判别参数,建立了流动单元判别函数,研究了各油层组流动单元特征。研究表明,本区的河流相储层可以划分为为A、B、C、D 4类流动单元,分别分布在水下分流河道、河口坝、决口扇、分流间湾和水下天然堤微相中。不同的流动单元具有不同的渗流能力和储集能力,因此油田开发生产中应采取不同的开发对策。     

莱州湾凹陷垦利油田沙河街组储层渗透率评价模型研究

文章以莱州湾凹陷垦利油田沙河街组储层为例,对传统的回归统计模型和基于BP神经网络的人工智能预测模型评价储层渗透率方法和效果进行了对比研究。目标储量报告里定火沙三段中孔、中渗;岩性（粒度）和孔隙度是储层渗透率的主要影响因素。根据岩心及测井数据,建立了孔隙度——粒度二元回归渗透率统计评价模型和BP神经网络渗透率预测模型。通过检验样本集精度对比,分析了隐含层数、隐含层节点数等网络结构参数变化对模型预测结果的影响,重点分析了不同的测井参数输入对BP神经网络模型预测结果的影响。优化后的BP神经网络模型对检验样本集的渗透率预测结果精度最高,其平均相对误差为37%,比传统的二元回归统计模型精度提高了26%。对目标油田三口井连续处理,BP神经网络模型渗透率预测结果更加合理,可以满足开发层段产能分析等生产需求。     

深水浊积水道储层多参数流动单元划分方法及其分布规律研究

多参数储层流动单元识别是深水浊积水道研究的发展方向,其中判别参数的选择是多参数流动单元识别的关键。以 西非尼日尔三角洲深水浊积水道储层为例,结合开发中的动态资料,优选了泥质含量、孔隙度和渗透率三个判别参数。运 用快速聚类分析的方法,将储层划分为 A,B,C,D 四类流动单元,并通过判别分析建立了流动单元的判别函数。最后根 据流动单元的判别函数进行了流动单元的单井解释,在沉积相研究的基础上分析了深水浊积水道储层流动单元的剖面与平 面分布规律。研究表明: A 类和 B 类流动单元储层质量最好,一般在水道体系的中部和浊积水道的主体较为发育。在水道 体系演化过程中,不同期次的浊积水道迁移与叠置样式以及发育规模的不同,导致内部流动单元分布样式和类型存在差 异,平面非均质性很强。     

基于偏最小二乘与神经网络耦合的储层参数预测

将偏最小二乘回归（PLS）与神经网络（NN）耦合，建立了储层参数预报模型。利用偏最小二乘对影响储层参数的诸多因素进行分析，提取对因变量影响强的成分，从而克服了变量间的多重相关性问题，降低了神经网络的输入维数；同时，利用神经网络建模可以较好地解决非线性的储层参数预测问题。计算实例表明，本耦合模型的拟合和预报精度优于独立使用神经网络模型的精度。     

基于BP神经网络的泥石流平均流速预测

泥石流平均流速是泥石流防治工程中不可缺少的重要参数,准确地预测泥石流平均流速对于泥石流防治工程的设计是至关重要的。将BP神经网络应用于泥石流平均流速的预测:将泥石流平均流速的影响因素--泥沙平均粒径、泥深、沟床比降和泥石流密度作为BP神经网络的输入单元,通过对云南东川蒋家沟泥石流观测数据的训练与预测建立了泥石流平均流速的BP神经网络预测模型。将预测结果与东川公式和曼宁修正公式的计算结果进行对比:曼宁修正公式和东川公式预测结果最大误差分别为27%和7.3%,BP神经网络的预测结果最大误差仅为3.2%,BP神经网络的预测精度是最高的,可见此方法对泥石流平均流速预测具有适用性和准确性。最后应用此方法预测了乌东德水电站近坝库区内的3条泥石流的平均流速分别为12.8 m/s、11.3 m/s和13.0 m/s,为库区泥石流防治工程提供了可靠的参考数据。