雷达图分析法在测井解释中的应用

应用雷达图分析法进行相识别,将未取芯井测井相曲线与标准井测井相曲线叠加,通过曲线差异对比法或面积法来识别未知井储层岩性或含油气性.详细阐述了雷达图分析方法的原理,给出了雷达图绘图软件运行流程,并利用实例加以验证.实践证明:在测井解释中,雷达图分析法可以较为精确地确定井剖面地层岩性,识别储层流体;绘图软件可以有效地辅助完成地层测井响应特征的对比分析.     

岩性和煤质最优化变尺度法分析

本文简要地介绍了利用最优化变尺度法进行岩性(或煤质)分析的基本原理,并对测井目标函数中的重要技术参数、迭代求解的收敛准则、迭代初值等的选取进行了探讨,提出了一套选取原则.通过改变某些技术参数的计算结果,分析和比较几种重要变尺度法的收敛速度等重要技术指标,提出了进行岩性和煤质分析的最佳变尺度法.同时对变尺度法进行此种分析可能存在的问题进行了讨论,并提出了克服的方法.     

测井解释最优化方法中的误差和约束条件

最优化技术是目前国内外进行岩生分析和煤层分析中技术较先进，应用效果较发了的一种方法，,煤田测井的CASSAY程序所采用了最优化方法，其目标函数中引入了误差和约束项，但由于煤田测井方法的特点以及其数字，物理和地质意义不明确，给实际应用该程度带来许多困难，当解释模型确定后，测量误差，响应方程误差和约束误差的取值是最优化结果的关键。本文将就煤田测井解释的最优化方法中有关的误差，误差取值，约束条件和约束误差进行讨论，并给出适合于煤田测井的民化解释流程。     

铀矿测井资料处理解释系统研发

通过铀矿测井资料处理解释系统的研发,实现了从测井曲线计算处理、岩性识别、孔隙度预测、γ测井解释、测斜数据处理到仪器校准核查、物探参数计算、成果输出等铀矿测井资料处理全过程的数字化。系统既适用于地浸砂岩型铀矿又适用于硬岩型铀矿的测井数据处理解释,并且对《γ测井规范》和《地浸砂岩型铀矿地球物理测井规范》提供了充分的支持。系统通过了模型测试和实际应用测试,在一致性、准确性、实用性上均达到了规范的要求,效果良好。     

滨南油田砂砾岩储层测井精细解释模型及其应用

滨南油田单16块沙三下亚段以厚层块状砂砾岩为主,夹薄层泥岩,测井解释难度较大。这里以取心井岩心分析为基础,分别研究砾岩、砂砾岩储层岩性、物性、电性和合油性相互之间的关系,分别建立了砾岩和砂砾岩孔隙度、渗透率、含油饱和度测井解释模型。应用所建测井解释模型,对研究区三十口井进行了二次解释。结果表明,分岩性建立的测井解释模型具有较高精度,应用该方法对提高砂砾岩油藏储层测井精细解释的准确性具有实际意义。     

多矿物测井解释模型及其在砂泥岩地层测井解释中的应用

多矿物模型分析基于测井响应分析原理,采用最优化解释方法处理砂泥岩地层和复杂岩性地层的测井资料,可分辨出单井剖面中地层矿物类别,进行矿物体积含量、孔隙度、饱和度等测井参数解释.该方法弥补了全井段取心分析费用高的缺陷,可为计算地层参数提供可靠的岩性模型.应用该模型在洛带气田进行了实例计算,获得连续的地层矿物含量和各种储层参数,与传统的SAND2模型测井解释结果和岩心分析结果对比后证实,多矿物模型分析优于传统测井解释模型.     

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。     

应用信息粒方法构建测井岩性解释模型

基于模糊聚类、神经网络等常用测井岩性识别方法,提出应用信息粒(InformationGranulation)技术建立测井数据到岩性知识的映射模型。并以中国大陆科学钻探(CCSD)的测井数据为例,详细介绍了这种岩性解释方法的应用过程及其所取得的良好应用效果。     

应用测井资料自动确定岩性的计算机程序

在复杂岩性地层的测井资料解释工作中,用常规的双矿物模型已无法对地层岩性进行准确的分析。为此,设计了应用测井资料自动确定岩性的计算机程序。该程序应用常规测井资料,使用取芯井段选择标准层,建立各种岩性模式,根据这些模式对未取芯井段或井进行逐层岩性统计判别,绘出一个完整而连续的岩性剖面。文中以 X 地区 Y 构造 B 井为例,说明这一程序在应用测井资料自动确定岩性方面具有较高的精度。     

测井在天然气水合物勘探与评价中的应用

测井是水合物深入勘探阶段一钻探阶段的必要手段，已得到较好应用。文章综合介绍和分析了ODP204航次、加拿大西北马更些河三角洲地区Mallik5L-38井、IODP311航次及日本南海海槽等较新的水合物钻探调查的测井方法与技术，重点分析了核磁测井、电磁波测井及偶极横波测井等测井新技术在水合物勘探与评价中的应用，对测井方法在水合物勘探中存在的问题进行了讨论。     

岩性扫描测井解释评价方法及其地质应用

作为新兴的测井仪器,岩性扫描测井（LithoScanner）通过获取地层元素含量,进一步获得地层矿物含量,帮助地质学家解决复杂岩性识别等地质学难题。为了充分推广其在地质学领域的应用, 笔者等对岩性扫描测井的原理和解释处理流程进行梳理,并对应用过程中出现的典型案例进行分析。LithoScanner测井可直接获取地层岩性特征,帮助识别地层界面,并实现页岩等复杂岩性、岩相的准确识别。而脆性矿物含量、有机碳含量等也可被LithoScanner测井准确获取,从而计算地层中的脆性指数和有机碳的含量。LithoScanner测井可以探测黄铁矿、煤层等特殊矿物组分,因此可以辅助核磁共振测井资料解释评价。最后指出LithoScanner测井与相应的岩芯和实验数据进行比对,提高LithoScanner测井的可靠性。研究有助于将LithoScanner测井中蕴含的大量地质信息进行挖掘与解读,并消除该资料应用中的一些误区,从而推广LithoScanner测井应用领域。     

树分类器在测井岩性评价中的应用

利用测井资料进行岩性定量识别,分类方法的设计是决定分类结果好坏的关键。本文讨论了树分类器与产生式规则相结合的方法在岩性分类中的应用。利用数据完整的测井曲线参与树分类器的学习、判别工作,用树分类器进行岩性的“逐级识别”,不完整的特征交由定性规则处理,既实现了岩性的细分,且保证了分类的精度。     

树分类器在测井岩性评价中的应用

 利用测井资料进行岩性定量识别,分类方法的设计是决定分类结果好坏的关键。本文讨论了树分类器与产生式规则相结合的方法在岩性分类中的应用。利用数据完整的测井曲线参与树分类器的学习、判别工作,用树分类器进行岩性的“逐级识别”,不完整的特征交由定性规则处理,既实现了岩性的细分,且保证了分类的精度。     

子波整形提高合成地震记录质量

阐述合成地震记录的制作原理,利用测井数据计算出反射系数。根据地震波传播机制,通过三维地震数据统计得到子波,由此计算出原始合成记录。再根据过井剖面建立褶积模型,对子波进行整形,得到一个随时间变化的地震子波,最终得到与地震数据的波组特征相吻合的合成地震记录。为精细储层描述打下了坚实的基础。     

PNN在煤田随钻测井岩性判识应用研究

介绍了PNN方法原理及其算法训练学习过程,详细阐述了网络识别岩性参数的选取、岩性识别模型的建立过程.通过对比研究PNN与其他6种岩性识别方法,分析相同条件下预测结果,得到不同识别方法的优劣性.经研究发现,PNN概率神经网络方法在生产应用中效果更佳、训练识别用时最短.利用人工智能神经网络对测井数据进行自动解释分析,可满足随钻测井时效性及快速解释处理的地质导向需求.     

基于K均值动态聚类分析的地球物理测井岩性分类方法

在地球物理测井数据处理与解释中,岩性识别是地层评价、油藏描述等方面的一项重要内容.利用计算机自动进行岩性识别已成为测井解释发展的重要方向、人们研究和关注的内容.聚类分析是数据挖掘中的一个重要研究领域,是一种数据划分或分组处理的重要手段和方法.K均值算法是聚类算法中主要算法之一,它是一种基于划分的聚类算法.依据不同岩性在常规测井资料中的不同响应,根据K均值动态聚类方法的原理,结合其它资料,对井中的岩性进行分类,从而达到了区分和识别钻孔不同岩性的目的.     

基于梯度提升算法的岩性识别方法

传统的岩性识别方法如岩屑录井、钻井取心及测井资料解释等技术,对录井质量的依赖程度较高,识别精度与效率低,泛化能力差。随着计算机技术的迅速发展,将测井资料与计算机技术相结合开展岩性研究已成为岩性识别的有效手段。本文提出了一种基于梯度提升算法XGBoost和LightGBM的岩性识别方法。以苏里格气田苏东41-33区块下碳酸盐岩储层为例进行测试验证,采用该方法结合测井资料中的声波时差、自然伽马、光电吸收截面指数、密度、深侧向电阻率和补偿中子等6种参数进行岩性识别,并与KNN （K近邻分类器）、朴素贝叶斯和支持向量机等传统算法进行对比,结果表明,3种传统算法的岩性识别准确率分别为78.45%、74.43%和78.72%,基于梯度提升算法XGBoost和LightGBM的识别准确率分别达到了98.90%和98.72%,远高于传统算法。     

复合渗透率测井评价方法在砂砾岩稠油油藏的应用——以克拉玛依油田某区八道湾组为例

砂砾岩储层孔隙结构复杂、非均质性强,在渗透率计算方面传统的测井解释方法误差较大,目前还没有经典的计算砂砾岩渗透率的测井解释模型。以克拉玛依油田某区八道湾组砂砾岩稠油油藏为例,首先在微观层面上分析了渗透率的主控因素。其次根据本地区的实际情况建立了3套渗透率测井解释方法:一是在前人研究基础上改进了多元回归模型;二是在岩性识别的基础上分不同岩性建立了渗透率模型;三是利用BP神经网络进行了渗透率的预测。最后对传统的经验公式与文中的3种方法进行检验。结果表明,比起传统的经验公式和多元回归模型,基于不同岩性的渗透率模型与BP神经网络在实际应用中效果更好,较大幅度地提高了测井解释精度,在非均质性强的砂砾岩油藏中具有更好的应用前景。     

地震岩性模式识别研究

模式识别技术引入到地震岩性预测领域,实现了地质、测井和地震综合资料的自动解释。地震岩性模式识别同时采用了统计模式识别和结构模式识别两种技术,并将两者合理地结合为一体,通过地层岩性-地层速度-地震反射波形的模式匹配、地震岩性特征抽取、以及句法分析和判别运算,完成地层岩性的分类和识别。在辽西凹陷北洼应用地震岩性模式识别进行了模式训练和钻前岩性预测,所获结果均表明该法具有较高使用价值。