优化BP神经网络在川西上三叠统陆相页岩含气性预测中的应用

含气性评价是页岩储层优选及甜点区优选的关键,但页岩储层在纵向上具有强非均质性及含气性差异,常规含气性评价方法预测效果较差。为了克服该问题,本文引入LM算法,利用优化BP神经网络模型对川西上三叠统陆相页岩储层含气性进行测井评价。研究结果表明,TOC含量、粘土矿物含量、岩石密度、有效孔隙度、气相渗透率及含气饱和度6个测井参数对页岩储层总含气量的影响程度最大。优选这6个测井参数作为输入层样本,进行LM-BP神经网络训练。页岩储层总含气量预测结果的相对误差分布在0.1%~15%,平均相对误差为5.52%,误差较小,表明该方法的有效性。     

基于因子分析的LM-BP网络的盾构施工地表沉降预测

盾构施工引起的地表沉降量的预测与评价具有很强的随机性和不确定性,用常规的数学模型难以准确表达。本文采用因子分析法对影响盾构施工引起地表沉降的9个因素进行了主因子的提取,得到4个主因子。以此数据集对BP神经网络进行训练,并用Levenberg-Marquardt(LM)算法对BP神经网络进行了优化,建立了基于因子分析的LM-BP神经网络预测模型。结合工程实例将预测结果与LM-BP神经网络模型的预测结果进行比较分析,表明本预测模型具有较高的准确性,符合实际工程的需要。     

下古生界海相页岩TOC测井预测模型优选及应用——以川南长宁地区为例

有机碳含量(TOC)是页岩气资源评价与预测选区的关键指标之一,测井预测是实现单井TOC连续识别的重要手段,本次研究拟揭示各类预测方法在下古生界海相页岩中的预测效果。本次以川南长宁地区龙一段黑色页岩为对象,尝试采用多类预测方法(ΔLogR法及其改进方法、多元线性回归法与神经网络法)与不同的研究尺度(全段或分层)建立TOC测井预测模型,并对不同方法的预测效果进行深入探讨。研究表明,各方法预测效果差异较大,适用性各不相同。整体而言,多元线性回归法与BP神经网络法在研究区的预测效果均优于ΔLogR法及其改进方法。笔者等研究提出多元线性回归法对研究区TOC高值段的预测效果更佳,而神经网络法对TOC低值段的预测精度更高。本次研究根据龙一段各亚段有机质分布特征与测井响应特征的差异,提出通过“精细分层与最优方法匹配”的方式,因地制宜地选择相应的方法进行TOC测井预测。针对龙一₁^a-c与龙一₁^d-龙一₂,分别采用多元线性回归法与BP神经网络法进行分层精细建模,并获得了最佳的预测效果,不仅预测精度...     

下古生界海相页岩TOC测井预测模型优选及应用——以川南长宁地区为例

有机碳含量（TOC）是页岩气资源评价与预测选区的关键指标之一,测井预测是实现单井TOC连续识别的重要手段,本次研究拟揭示各类预测方法在下古生界海相页岩中的预测效果。本次以川南长宁地区龙一段黑色页岩为对象,尝试采用多类预测方法（ΔLogR法及其改进方法、多元线性回归法与神经网络法）与不同的研究尺度（全段或分层）建立TOC测井预测模型,并对不同方法的预测效果进行深入探讨。研究表明,各方法预测效果差异较大,适用性各不相同。整体而言,多元线性回归法与BP神经网络法在研究区的预测效果均优于ΔLogR法及其改进方法。笔者等研究提出多元线性回归法对研究区TOC高值段的预测效果更佳,而神经网络法对TOC低值段的预测精度更高。本次研究根据龙一段各亚段有机质分布特征与测井响应特征的差异,提出通过“精细分层与最优方法匹配”的方式,因地制宜地选择相应的方法进行TOC测井预测。针对龙一1a-c与龙一1d-龙一2,分别采用多元线性回归法与BP神经网络法进行分层精细建模,并获得了最佳的预测效果,不仅预测精度较高,而且相对误差较小,绝大部分样品相对误差不超过20%。     

利用测井信息评价盐湖相烃源岩

盐湖相烃源岩富含膏、盐质成分,使其测井响应特征发生极大改变,给测井评价烃源岩带来困难。基于实测数据,分析了盐湖相烃源岩中普遍发育的纯泥岩、含膏(盐)泥岩和膏(盐)质泥岩有机碳含量的测井响应模式,发现纯泥岩和含膏(盐)泥岩TOC与AC和LogRt呈正比,与DEN呈反比,膏(盐)质泥岩TOC与DEN呈正比,与LogRt呈反比,并基于此建立了盐湖相烃源岩测井评价方法,即首先利用ΔGR区分岩性,再针对不同岩性建立TOC评价模型,最后根据实测S₁+S₂和TOC建立相关关系,就可以求取烃源岩的TOC和S₁+S₂。利用该方法对东营凹陷沙四下亚段烃源岩性质和展布进行分析,发现预测TOC与实测TOC吻合程度高,具有一定推广价值。     

基于电磁参数的BP神经网络模型在页岩气储层预测中的应用研究

近些年来伴随着绿色低碳经济的需要与对清洁能源需求的增长,非常规油气资源逐渐受到各国重视,其中页岩气勘探发展迅速。现阶段的页岩气勘探中,电磁法的应用越来越广泛,很多研究都证实了电磁法在深层页岩气勘探中的有效性。研究区位于四川筠连,区内测井显示,龙马溪组黑色页岩发育,有机质丰度高、成熟度较高、微裂隙发育、埋深适中,具有形成页岩气藏的优越条件。新二维地震资料显示本区地层平缓,构造完整,远离通天断层,保存条件较好,有利于页岩气勘探。收集了研究区某条测线的大地电磁法(MT)和复电阻率法(CR)数据,结合研究区昭104井的TOC数据样本,建立了神经网络储层预测模型,计算了区内一条测线剖面的TOC预测值。研究结果表明:TOC预测值与实测值正相关,说明神经网络模型具有较好的非线性逼近能力,可以反映电磁参数与TOC含量之间的非线性相关性,TOC的高值部分与高级化异常对应,进一步说明高级化异常是页岩含气层识别的重要特征,非地震数据识别页岩地层中的含气性是值得探索的。     

页岩气测井评价方法及应用

利用测井资料对页岩气进行评价有两方面的内容,一是页岩的识别,即利用页岩在测井曲线上的异常响应特征,确定页岩层的位置与厚度;二是对页岩气储层进行评价,有机碳（TOC）含量是评价页岩气的重要参数,利用ΔlgR技术,可以快速有效的计算页岩层的有机碳（TOC）含量。实例表明利用测井方法并结合地球化学实验资料,可以对页岩气进行有效评价及预测。     

基于常规测井数据的火山岩岩性神经网络识别:以松辽盆地南部长岭断陷为例

松辽盆地南部长岭断陷火石岭组火山岩岩性复杂多变,成岩改造强烈,常规测井交会图法无法予以有效识别,严重阻碍了研究区火山岩油气藏的勘探开发进程。笔者以长岭断陷17口钻遇火石岭组火山岩钻井为基础,建立取芯段火山岩岩性序列,提取了8种火山岩常规测井(GR、LLS、LLD、CNL、DEN、AC)数据258组,总结出不同火山岩的测井响应基本特征。提取的数据随机分为训练数据(70%)和预测数据(30%)。训练数据用于建立BP神经网络岩性预测模型,同时引入Dropout机制减少过拟合现象。预测数据用于验证该模型岩性预测符合率。研究结果表明,该模型岩性预测符合率最高达89.03%,可有效区分研究区主要火山岩岩石类型。     

核主成分分析与支持向量机模型在储层识别中的应用

针对低孔、低渗致密储层识别较常规储层难这一问题,首次应用核主成分分析与支持向量机(KPCA-SVM)模型进行储层识别.该模型先通过核主成分分析(KPCA)进行非线性特征参数提取,然后将提取的特征参数作为支持向量机(SVM)的输入变量,最终实现储层识别.由于KPCA-SVM模型集成了核函数、主成分和支持向量分类机的优点,较好地解决非线性小样本的问题,能消除数据之间的噪音,降低维数,而又不缺失有效信息,达到准确快速预测的功能.将该模型应用到新场须二气藏新856井区储层预测中,预测结果验证了本模型的优越性,可作为致密储层预测的可选方法.     

基于神经网络模型的生物扰动碳酸盐岩储集层识别与孔隙度预测——以塔里木盆地塔河油田奥陶系生物扰动碳酸盐岩储集层为例

塔里木盆地塔河油田奥陶系生物扰动碳酸盐岩储集层非常发育,但利用常规测井数据识别生物扰动储集层发育段和准确预测孔隙度难度较大。本文在对研究区16口取芯井奥陶系岩芯上生物扰动区域扰动等级划分的基础上,通过岩性标定测井,优选常规测井参数,基于BP神经网络模型分别建立了适合研究区生物扰动碳酸盐岩储集层识别和孔隙度预测的模型,并对建立的模型进行了有效性检验。结果表明：① 选择自然电位、自然伽马、井径、深侧向电阻率、浅侧向电阻率、补偿中子和密度等常规测井数据作为生物扰动碳酸盐岩储集层识别模型输入层的参数值,生物扰动指数（Bioturbation Index, BI）作为输出结果;选取rprop、sigmoid symmetric和sigmoid stepwise函数分别作为训练函数、隐含层和输出层的激活函数,建立节点数为3、层数为3的神经网络识别模型,识别效果好,适用于研究区奥陶系生物扰动碳酸盐岩储集层的识别。② 选择自然电位、自然伽马、井径、声波、补偿中子和密度值等常规测井数据作为输入层的参数值,对应深度上岩芯柱塞孔隙度测试结果和利用孔隙度样品检验模型计算得出的孔隙度结果作为输出结果,选取incremental、gaussian和sigmoid分别作为训练函数、隐含层和输出层的激活函数,建立节点数为4,层数为3的生物扰动碳酸盐岩储集层孔隙度预测模型,预测效果良好,适用于研究区奥陶系生物扰动储集层孔隙度的预测。该研究对定量表征研究区生物扰动储层特性、储量估算、油藏描述和储层地质建模等具有重要的借鉴意义。     

基于改进雨林模糊神经网络模型的页岩储层总有机碳含量评价方法

由于采用常规测井曲线评价页岩储层总有机碳含量的精度不高,泛化能力不强,需要大量样本。针对这些问题,改 进了神经网络算法,以增加模型的预测能力。利用模糊系统优化细胞神经网络结构,以增强其逻辑推理能力,提高其对模 糊数据的敏感性;选择能有效避免“虚拟碰撞”的雨林算法,并针对其存在的缺陷进行改进;利用改进雨林优化算法对网 络的初始权值阈值进行优化,避免网络陷入局部极小。分析测井特征曲线的物理意义,选择密度测井曲线与自然伽马能谱 测井曲线作为网络的输入,以总有机碳含量作为输出,通过70块岩心样本网络学习与26块岩心样本预测,证明了新网络模 型的优越性。结果表明,新模型回判将相对误差从23.189%减小到17.185%,预测相对误差由52.421%减小到15.158%,具 有更强的学习能力与泛化能力,更适用于页岩储层总有机质含量的测井评价。     

基于贝叶斯判别的页岩气储层总有机碳含量分类预测方法

页岩气属于非常规能源,储量非常丰富,主要赋存于富有机质泥页岩及其夹层中。总有机碳（TOC）含量是页岩气储层评价的重要参数之一,综合利用富有机质泥页岩的典型测井响应特征,提出利用测井曲线预测TOC分类,进而识别富有机质泥页岩的方法,并以江苏南京汤地1井为例,通过相关性分析优选出自然伽马、深侧向电阻率、中子孔隙度、自然电位4个测井参数,建立了总有机碳含量的贝叶斯自动判别分类模型。实际资料的处理结果显示,样品回判正确率为71.43%,表明该方法可有效弥补实验室测定总有机碳含量的不足,能够快速评价富有机质泥页岩层段。     

鄂西地区震旦系陡山沱组二段页岩气储层测井评价初探

鄂西地区震旦系陡山沱组是中国页岩气勘查的新层系,其页岩储层矿物成分以白云石为主,测井响应特征与奥陶系五峰组—志留系龙马溪组、寒武系牛蹄塘组硅质页岩明显不同,原有储层"七性"关系测井评价对于陡山沱组页岩储层精细刻画和压裂施工解释评价存在一定的不适用性。本文以鄂阳页1井为例,综合利用常规测井、特殊测井和样品测试分析资料,研究发现不同于五峰组—龙马溪组和牛蹄塘组硅质页岩"四高四低"测井响应特征,陡山沱组二段云质页岩具有低伽马、低铀、低声波时差、低中子,高电阻率、高密度"四低两高"测井响应特征,认为元素测井是评价陡山沱组二段页岩地层总有机碳含量最直接和有效的方法,MRIL-P型核磁测井适用于该地层孔隙度参数评价。通过拟合计算完善了适用于该地层的含气量估算方法,获取了有利页岩储层评价参数,研究成果将为同类型页岩储层测井评价提供参考依据。     

松辽盆地三肇凹陷青山口组页岩油地震甜点预测方法及应用

松辽盆地三肇凹陷上白垩统青山口组一段泥页岩油气资源丰富.为了厘清该区页岩油甜点分布,指导参数井部署,在单井甜点关键参数测井评价的基础上,利用三维地震数据,井震结合开展甜点预测方法研究.首先利用测井资料、岩心实验分析数据交汇分析,建立岩性、物性（孔隙度、渗透率）、含油性（饱和度）、有机地化参数（TOC、S₁）、地层孔隙压力、地层可压性的测井评价模型;然后通过宽频约束反演技术预测岩性,应用叠前弹性参数反演预测物性、含油性和地层可压性,利用约束迪克斯公式反演与模型约束波阻抗反演结合技术预测地层压力;最终实现对地质甜点和工程甜点的"双甜点"预测,建立一套适合于松辽盆地青山口组页岩油地震甜点识别技术流程.实践表明,利用三维地震资料能有效预测页岩甜点区,实钻结果与钻前预测基本吻合,证明了本技术流程的有效性.     

页岩气资源量计算:以鄂尔多斯盆地中生界三叠系延长组长7为例

鄂尔多斯盆地三叠系延长组长7暗色泥页岩是重要的烃源岩。最近的勘探表明,长7具有良好的页岩气开发前景。重点利用鄂尔多斯盆地279口测井资料、18口取心井的347块岩样实验室多种分析测试资料,开展了鄂尔多斯盆地中生界延长组长7页岩气的岩性、岩相、孔隙类型、有机碳含量、热演化程度、含气性、气体储存方式及其在测井曲线的反响研究;在页岩气形成条件的研究基础上,建立了岩性、含气性、有机质含量与自然伽马、声波时差、电阻率之间的关系,有效地识别含气泥页岩;选择容积法对延长组页岩气资源量进行计算,为未来页岩气的勘探和开发奠定基础。     

Quantitative characterization of shale gas reservoir properties based on BiLSTM with attention mechanism

Evaluating the potential of shale gas reservoirs is inseparable from reservoir properties prediction. Accurate characterization of total organic carbon, porosity and permeability is necessary to understand shale gas reservoirs. Seismic data can help to estimate these parameters in the area crossing-wells. We develop an improved deep learning method to achieve shale gas reservoir properties estimation. The relationship between elastic attributes and reservoir properties is built up by training a deep bidirectional long short-term memory network, which is suitable for time/depth sequence prediction, on the logging and core data. Except some commonly used technologies, such as layer normalization and dropout, we also introduce attention mechanism to further enhance the prediction accuracy. Besides, we propose to carry on the normal scores transform on the input features, which aims to make the relationship between inputs and targets clear and easy to learn. During the training process, we construct quantile loss function, then use Adam algorithm to optimize the network. Not only the characterization results, but also the confidence interval can be output that is meaningful for uncertainty analysis. The well experiment indicates that the method is promising for reducing prediction errors when training samples are insufficient. After analyzing in wells, the established model is acted upon seismic inverted elastic attributes to characterize shale gas reservoirs in the whole studied area. The estimation results coincide well with the actual development results, showing the feasibility of the novel method on the characterization for shale gas reservoirs.     

澳大利亚S区块基于复合参数模型的煤层含气量预测

含气量预测的准确性对于煤层气开发至关重要。测井曲线作为含气量表征的最常用资料,不同测井资料对于含气量变化的响应灵敏程度不一样,单一的测井曲线预测含气量稳定性差。为了研究煤层含气量的精确预测方法,以澳大利亚S区块的煤层气为研究对象,以实验室分析数据、测井资料为基础,通过测井资料响应特征分析,实现测井资料的扩径校正以及含气量数据深度归位处理。在此基础上,根据含气量与测井资料相关性分析结果,选择煤层埋藏深度、声波时差、自然伽马和长源距密度等相关性好的测井数据作为含气量预测的基础参数。以基础参数对含气量的敏感性分析结果为依据,构建含气量预测的复合参数,建立基于测井资料的含气量复合参数预测模型。通过软件中编写含气量计算的外挂模块实现煤层气井含气量批量计算。复合参数预测模型在实际应用中,可以克服传统煤层含气量计算准确率低、稳定性差的缺点,同时可以实现批量化计算,极大地加快含气量计算进度,能够为S区块的后续煤层气开发奠定地质基础。      

BP神经网络算法在火成岩泥质含量计算中的应用

火成岩泥质含量的计算对火成岩储层孔隙度、饱和度等参数的确定以及储层测井解释研究起着十分重要的作用。为准确计算火成岩泥质含量,在辽河盆地东部凹陷区域,以玄武岩为例,以10口井、40个数据点的岩芯X射线衍射泥质含量资料为基础,采用多元回归分析方法和BP神经网络算法计算火成岩泥质含量。结果表明,BP神经网络算法和多元回归分析方法均有较高的准确度。BP神经网络算法可以应用到火成岩泥质含量计算的领域。     

涪陵地区页岩含气量计算模型及应用

目前页岩含气量的预测获取方法主要包括现场解吸法、测井解释法、等温吸附法、线性拟合法以及地震反演法等,但每种方法都存在不足,因此研制了涪陵地区页岩含气量计算模型,为页岩资源量评价奠定基础.以岩心实验为基础,筛选并分析了研究区页岩游离气含量和吸附气含量的主控参数,分别建立了游离气含量和吸附气含量的计算模型,最终利用该模型得到了研究区页岩含气量与孔隙度、OC和深度的演化图版以及单井页岩含气量分布特征.当孔隙度和OC一定时,页岩含气量随深度的增加而增加,但是增加幅度逐渐降低;当深度一定时,页岩含气量随孔隙度和OC的增大而增加.A井五峰组-龙马溪组页岩气储层含气量呈现上低下高且随深度的增加而明显增加的特征;其中下部Ⅰ段储层段,总含气量高达7.76m3/t,游离气含量占60.7%,为优质层段.