基于孔隙结构储层分类的中低孔特低渗储层渗透率确定——以B区块S油层为例

针对B区块S油层含泥含钙中低孔特低渗储层渗透率计算精度低的难题,分析岩性、物性、孔隙结构对储层渗透率的影响,明确了孔隙度、泥质含量、钙质含量、孔隙结构是影响B区块S油层特低渗储层渗透率的主要因素,其中,孔隙结构是影响特低渗储层渗透率的关键因素.综合运用压汞曲线、孔喉半径分布特征以及流动单元指数反映特低渗储层孔隙结构变化,将特低渗储层按不同孔隙结构划分成3种类型,建立了特低渗储层类型的判别标准.利用中子测井、密度测井、声波测井、微球形聚焦测井、深浅侧向电阻率测井差值的绝对值等5个储层类型识别的敏感测井响应及参数,使用决策树法、最邻近结点法、BP神经网络法和支持向量机法建立了4种基于机器学习的储层判别方法,储层类型判别准确率依次提高,其中,基于支持向量机的储层类型判别方法判别准确率最高92.2%,且对3种类储层判别效果均很好.针对3类储层分别建立了渗透率计算公式．实际井解释结果表明,基于机器学习储层分类的渗透率模型计算B区块S油层特低渗储层渗透率精度明显高于储层分类前渗透率计算精度,其中,基于支持向量机储层分类计算的渗透率精度最高．     

常规测井评价复杂砂岩储层孔隙结构的方法与应用——以莺歌海盆地黄流组储层为例

莺歌海盆地中深层储层非均质性强、孔隙结构复杂,气田开发实施阶段一般仅有常规测井资料,基于常规测井资料对储层孔隙结构精细评价一直是该区储层测井精细评价面临的难题,进一步造成测井解释符合率降低,储量参数计算精度变差.为有效解决上述问题,本文以莺歌海盆地黄流组为目的层,首先分析了储层孔隙结构复杂化的地质成因及其测井特征;之后,综合压汞毛管压力曲线和核磁共振等岩心分析资料,针对性开展测井响应特征分析及岩石物理机理分析,对比优选了流动带指数为表征储层孔隙结构的敏感参数;最后,优选反映储层特征变化的测井变量,建立常规测井资料计算储层流动带指数的模型,进而建立储层分类方法与标准,较好地实现了常规测井的储层孔隙结构评价.方法应用于莺歌海盆地东方13气田中,结果表明:储层孔隙结构与分类结果与岩心分析、试油产能数据吻合较好,奠定气田开发实施阶段利用常规测井资料精细表征储层孔隙结构的技术基础.     

页岩气储层渗透率测井评价方法研究

页岩渗透率与页岩气产能关系密切,是测井储层评价的重要参数之一.页岩储层岩性复杂致密,孔隙组分多样,导致传统渗透率评价方法受到限制.基于页岩渗透率主控因素,从孔隙结构出发,通过液氮吸附-高压压汞资料及核磁共振实验分析数据,提取控制页岩渗透率的孔隙结构参数,建立页岩渗透率评价模型;利用核磁T2谱构建出伪毛管压力曲线,获得二者之间的定量转换关系,并提取孔隙结构参数;最后利用核磁测井刻度常规测井曲线,并结合页岩岩石相分析,实现了页岩渗透率的较高精度评价.研究成果及应用对于国内页岩气产能建设及高效开发具有重要意义.     

火山岩储层流动单元识别与刻画——以松辽盆地营城组为例

利用测井资料确定有效储层物性下限并识别隔挡层,结合岩性—岩相等定性分析方法和聚类—判别等定量分析方法综合识别相邻隔挡层间连通火山岩体内的储层流动单元.以岩心和测井资料为基础,用孔隙度、渗透率、声波时差、补偿中子和补偿密度共5个参数进行聚类分析和判别分析,实现由取心井段到全井段储层流动单元的刻画,将XS1井区火山岩储层流...     

地质和测井联合反演储层波阻抗技术

为进一步提高波阻抗对储层反演的精度,增加其纵向预测性,以满足储层预测开发的需要,在对储层预测研究中,利用测井资料在纵向上的高分辨率,及地质岩心资料对地下岩性、含油性的清晰反映,将地质资料与测井资料相结合预测储层.该方法通过取心井的岩心、铸体薄片及扫描电镜观察分析,精细准确地得到该区的主要岩性、孔隙类型及其含油特征,将该区储层和非储层划分为7种,并运用测井资料计算不同类型储层波阻抗范围,利用交会图分析得到有利储层波阻抗门槛值,并应用取心井试油资料在地震反演属性平面图及剖面图上进行验证,取得较好效果.     

利用阵列感应测井进行储层渗透率评价

钻井过程中储层受到泥浆侵入影响的程度与储层岩性有着密切关系,其中储层渗透率对侵入深度有着较大影响,因此若可以获知泥浆侵入深度,则有望对储层渗透率进行评估.本文首先建立含泥饼增长的泥浆侵入数值模型,然后建立阵列感应测井数值模型,两者的联合正演模拟显示泥浆侵入对地层的影响可以反映在阵列感应测井响应上,利用阻尼最小二乘法对阵列感应测井响应进行反演可以得到侵入深度.对侵入深度和储层渗透率的关系进行分析发现:在渗透率为1～100mD(1mD=0.987×10~(-3)μm～2)数量级的储层中,渗透率的变化可以在侵入深度上得到反映.以储层和井数据进行二维数值模拟发现:利用阵列感应测井响应反演出来的侵入深度曲线反映了渗透率在地层上的变化趋势,采用解释图版的方法可以对储层各层段的渗透率进行粗略估算.     

利用梯度提升决策树(GBDT)预测渗透率——以姬塬油田西部长4+5段致密砂岩储层为例

致密砂岩储层的研究对于当前国内油气勘探进展至关重要.准确掌握致密砂岩储层特征是开展油藏描述和有利区优选等工作的重要前提,而获取储层表征参数又是刻画储层特征的关键,所以储层参数预测技术逐渐成为当前研究热点之一.渗透率是划分油气水层以及后续井开发工程的重点分析要素.对于致密砂岩储层而言,因其非均质性强,使得渗透率很难用常规方法准确求取.为此,本文根据机器学习在数据分析上的强大性能,提出利用GBDT技术预测致密砂岩储层渗透率.本文以姬塬油田西部长4+5段致密砂岩储层测井资料为基础,通过设计2个实验来验证提出方法预测效果.为突出提出方法的预测能力,在实验中引入逐步迭代、Timur模型和BP模型进行对比.2个实验结果显示提出方法得到的拟合误差最小,证明GBDT技术能够有效用于致密砂岩储层渗透率预测,并且预测资料仅需测井数据,无需其他实验数据支撑,表明技术具有良好的推广性.     

基于BP神经网络的储层渗透率预测及质量评价方法

储层渗透率预测和评价是油气藏勘探与开发急需突破的瓶颈技术之一,BP神经网络预测储层渗透率的研究在行业中已有一定的应用,但受限于数据规模、参数调整及模型评价方法,该方法预测结果不稳定,且不能准确给出全井段储层的连续渗透率的预测质量,在油田现场并未大规模推广应用.本文针对传统BP神经网络预测储层渗透率方法中存在的问题,在对机器学习的数据处理、参数选择系统考察的基础上,定量分析了不同输入曲线、网络结构、样本大小对渗透率预测模型精度的影响,总结了BP神经网络预测渗透率模型的参数优选方案;并提出了一种基于模型森林的预测曲线质量逐点评价方法,实现了对全井段渗透率预测的质量评价.实际应用表明,本研究提出的储层渗透率预测及质量评价方法与实际岩心渗透率吻合度高,推广应用前景良好.     

页岩气藏评价中的岩石物理方法

岩石物理在页岩气勘探开发中非常重要,而文献中至今缺少足够的重视.本文分别从页岩气藏的地质特征、评价参数、岩心分析工作流程及测井工作流程等4个方面探讨页岩气储层的固有特征及岩石物理所起的关键作用.从生烃潜力、储存性能、流动特性和力学性质讨论相关评价参数的岩石物理方法,重点讨论吸附气含量的计算、力学性质及基质渗透率的测量.在页岩气储层测井评价方面,重点探讨有机质含量的测井评价方法、页岩气层孔隙度的评价方法、随钻测井用于水平井的地质导向、及测井评价在制定压裂方案中的应用.     

松南气田火山岩储层测井解释研究

火山岩储层总体属于低孔渗储层评价的范畴,由于测井含气响应远弱于岩石骨架响应,流体识别面临气、水层区别难的问题;由于岩性和孔隙结构复杂引起阿尔奇参数多变,测井解释面临饱和度定量计算精度不高等问题.针对上述问题,提出“定性解释与定量解释相互独立、相互验证”的火山岩测井解释原则.在气层识别方面,从重构孔隙度气层识别组合曲线、研究电阻率相对值、应用核磁测井技术以及分析储层含气丰度与测井响应差异等四个研究方向探索了不同储层的测井识别依据,根据上述研究成果,确定了5类储层的测井判别依据,实现了火山岩定性解释;在火山岩定量解释方面,由于电阻率曲线本身就是岩性和孔隙结构的综合反映,引入基于电阻率测井响应的可变m值阿尔奇计算公式,应用生产测试成果验证,证实该方法定量计算储层含气饱和度精度高.根据上述研究成果,系统建立了松南火山岩测井解释模型.应用新的火山岩储层测井解释方法,多口新井的测井预测结果被生产测试所验证,应用效果良好.     

Magnetotelluric data inversion with seismic data constraint

Introduction The research on the structure and physical property of ancient hidden hill, igneous rocks and basement is relatively difficult by using seismic data only. If we combine seismic data, magneto-telluric (MT) data and geophysical data together, better results can be obtained for the above problem. A number of geophysicists at home and abroad, such as CHEN and WANG (1990), Siri-punvarapor and Egbert (2000) have tried many methods to solve the problem by the inversion of seismic da…     

数据自相关多次波偏移成像

在常规偏移方法中一般都需要压制地震数据中的多次波,仅利用一次波信息成像,把自由表面反射的多次波视为噪声,但是在多次波中也包含着地下结构信息,应该将其充分利用到成像中来.事实上,已经有不少成像方法试图利用多次波信息,但是大部分方法都需要对多次波进行预测.本文提出了基于傅里叶有限差分偏移算子的数据自相关偏移方法.在这种偏移方法中,对含有一次波和多次波的地震数据,分别进行下行和上行延拓,然后直接利用常规的互相关成像条件成像.由于波场延拓采用了傅里叶有限差分算子,其计算效率高,能够很好地对复杂介质中的地震数据进行延拓.在数值试验中,使用了一个含散射点的三层模型和Marmousi模型.合成数据测试结果表明,这种方法可以对更大范围的地下构造成像,比常规的只利用一次波的傅里叶有限差分法照明度更好,并且在浅层可以提供更高的分辨率.我们提出的数据自相关策略易于实现且避免了繁杂的多次波预测,这对于复杂地下构造成像可能有着重大意义.     

Super-resolution data assimilation

Ocean Dynamics - Increasing model resolution can improve the performance of a data assimilation system because it reduces model error, the system can more optimally use high-resolution...     

Nonlinear data processing method for the signal enhancement of GPR data

An alternative data processing procedure is proposed in this paper for the purpose of enhancing the signal/noise (S/N) ratio of ground penetrating radar (GPR) data. The processing methodology is achieved by performing the logarithmic transform in conjunction with the ensemble empirical mode decomposition (EEMD), a new nonlinear data analysis method in signal processing. The synthetic model study and field example indicate that the logarithmic transform is effective in alleviating the attenuation problem. Additionally, the spectrogram obtained from Hilbert-Huang transform (HHT) shows that the decomposition sensitivity of the EEMD method is greatly improved with the aid of the logarithmic transform. This new method allows us to extract the signal components from noisy GPR data efficiently. The success of this study suggests a possible nonlinear analysis application in future GPR investigation, particularly in the filter design and gain correction.     

An automatic method for data processing of seismic data in tunneling

We present a new method for the prediction of the discontinuities and lithological variations ahead of the tunnel face. The automatic procedure is applied to data collected by seismic reflection surveys, with the sources and sensors located along the tunnel. The method allows: i) to estimate an average value of the wave velocity; ii) to detect the discontinuities for each source point; and iii) to analyze and plot the number of superposing estimates for each node of the domain. The final result can be interpreted as the probability to detect a discontinuity at a certain distance from the tunnel face. The method automatically estimates the peaks in the seismograms that can be related to a reflection. On the base of this process, the method only requires the source–receiver geometry and the data acquisition parameters. The procedure has been tested on synthetic and real data coming from a seismic survey on a tunnel under construction. The results indicate that the method runs very fast and it is reliable in the identification of lithological changes and discontinuities, up to more than 100 m ahead of the tunnel face.     

基于大数据技术的地震数据处理新思路

现代地震观测积累了大量、种类繁多的地震前兆数据和震后数据,但数据中隐含的地震规律及趋势无法用经典的算例、数学公式、物理公式进行定量解释、分析和预测,需要探索新方法、新技术。案例表明,大数据分析具有预测事物发展趋势、改变传统观念和发现新事物的功能,有助于从错误信息中挖掘有价值信息。本文由此提出基于大数据技术处理地震数据的新思路,对地震监测预报新思路进行探索;通过在大数据平台上基于地震目录的余震预测研究,给出大数据技术在地震数据处理方面的一个应用实例,验证该思路的可行性。