基于改进Stacking算法的致密砂岩储层测井流体识别

致密砂岩储层物性差,测井响应对孔隙流体不敏感,应用传统测井解释图版划分流体类型精度较低.机器学习技术通过学习更多维度的特征,可以建立合适的流体识别模型.相较于单一算法,集成学习可以通过联合多个专家模型提升预测精度,但是不同的集成学习策略性能差距较大.本文提出了一种改进的Stacking算法,通过平均影响值法寻找敏感测井曲线作为输入,利用不同的特征集构建多个子模型,并使用不同集成策略将其组合为若干性能更佳的专家模型进行训练,同时引入独立专家避免过拟合,将专家模型的预测结果通过交叉验证的方式进行模拟预测,最后应用元学习器预测最终结果.将该方法用于库车坳陷迪北气藏致密砂岩储层流体识别,测试准确率可达93%,优于CatBoost模型和XGBoost模型,证明了该方法的有效性和适用性.为致密砂岩储层流体识别提供了新的思路.     

基于支持向量机法识别砂岩中流体类型

砂岩储层孔隙中的流体识别一直是石油勘探开发过程中重要的环节,传统方法主要依赖于测井数据,但是在测井数据缺失的条件下较难得到准确的流体识别结果.本文提出一种只依靠地震数据的砂岩中流体识别的新方法,并选择地球物理方法可测或可求的地球物理参数σ、ρλ和ρμ作为流体识别因子,然后进行模型实验.首先,设置典型流体状态,用Gassmann方程进行流体替换,将得到的流体识别因子作为支持向量机的训练集数据,并定义支持向量机的分类标签;之后,设置随机流体状态,利用Gassmann方程计算流体因子,将得到的结果作为支持向量机的测试集数据.将训练集、测试集数据集输入支持向量机,进行分类,得出测试集数据的分类结果.模型实验分类结果表明,支持向量机法可以判别砂岩孔隙中流体的主要属性.     

量子粒子群模糊神经网络碳酸盐岩流体识别方法研究

根据不同流体性质在角度道集上所反映特征的差异,构建了多属性角度叠加数据体组合流体识别因子.并将量子粒子群与模糊神经网络相结合,利用量子粒子群方法来优化模糊神经网络中的连接权值和隶属函数参数,并进行一系列的改进措施,显著提高了算法的全局寻优能力.将近远角度叠加数据体组合流体识别因子作为改进模糊神经网络的输入,流体性质作为输出,同时引入“相控流体识别”的思想,利用碳酸盐岩储集相进行控制,建立了碳酸盐岩流体识别模型.通过塔中实际井区进行验证,证明该方法能够提高流体的识别精度,具有很好的实际应用价值.     

基于高分辨率阵列感应测井的GA-SVM流体识别方法

苏里格致密砂岩气藏岩性致密,具有非均质性强、微观孔隙结构复杂、低阻气层和高低阻水层并存的特点.其测井响应关系复杂,微电极电阻率曲线在低渗透层上无明显幅度差,常规测井技术系列和解释方法已呈现出新的不适性.本文综合分析苏里格致密砂岩气藏不同层位下高分辨率阵列感应测井(HDIL)电阻率曲线的差异,应用累积法建立电阻率曲线总差异参数.另外,在无阵列感应测井条件下,通过有高分辨率阵列感应测井(HDIL)数据的井点建立与常规测井之间的关系,进而可以使得常规测井也具备高分辨率阵列感应测井的优势.并在此基础上,将基于遗传算法GA优化的SVM算法(GASVM)引入到测井解释当中,建立了流体识别的非线性模型,解决了常规测井技术系列和解释方法在致密砂岩储层上无法准确识别流体的问题.     

GBDT识别致密砂岩储层岩性

岩性识别是一项重要的地质基础研究内容.以交会图为代表的常规岩性识别工具虽然在构建的二维或三维图版中能够依据手动归类的测井数据点集来明确各种岩性的一系列测井响应判定,但却无法适用于致密砂岩储层,其原因是该类储层的岩性成分不仅复杂,且较多岩性的测井响应特征具有相似性.根据机器学习在数据分析上的强大性能,本文提出利用在模式识别方面能力出众的GBDT模型来解决岩性识别问题.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,通过设计两种实验来验证提出模型的岩性识别能力.为提高验证效果,在实验中加入BP、PNN和KNN三种传统模式识别模型进行对比.实验结果显示,GBDT识别准确率最高,分别为90.14％和90.41％.基于GBDT较传统模式识别模型能够给出更为准确的预测值,实验结果充分证明了提出模型不仅能有效识别致密砂岩储层岩性,在岩性识别研究领域上还具有良好的推广应用前景.     

多算法协同分类在致密砂岩流体识别中的应用

储层含气时,岩石的弹性力学参数会发生改变,利用岩石的弹性性质可以对流体性质进行识别.引入流体敏感度评价参数,优选出反映储层含气性敏度高的5个弹性参数,并将这5个弹性参数作为流体识别算法的输入参数.分别利用贝叶斯算法、K近邻算法、广义神经网络算法、主成分分析算法、支持向量机算法对不同流体性质进行识别,并将识别结果采用投票从众的原则,构建多算法协同分类方法(BKGPS).采用BKGPS算法对苏里格气田西部盒8、山1致密砂泥岩储层6口井的75个样本进行判别,样本的识别符合率达到93%,BKGPS识别结果与5种单算法相比,能够提高流体识别的准确性与稳定性.对研究区致密砂岩储层实际资料处理,BKGPS算法处理结果与试气结论一致,验证了该方法的可靠性.     

致密砂岩储层裂缝测井识别评价方法研究进展

致密砂岩油气资源潜力巨大,但由于其岩性致密、基质孔隙结构复杂且非均质性强.储层含油气性和产能对裂缝的依赖性强,裂缝的测井识别与评价是致密砂岩储层油气勘探开发的关键.致密砂岩储层本身的非均质性以及裂缝分布复杂、规律性差导致目前尚缺乏一个能全面解决裂缝精细描述与刻画的研究方法,在地下裂缝识别和裂缝参数定量表征方面都尚未形成完整的方法理论体系.本文由此拟从裂缝发育控制因素出发,对裂缝分类方案进行归类总结,最后就测井资料在裂缝定性识别和裂缝参数定量表征方面的应用做一综述,以期能弥补裂缝性致密砂岩储层测井评价的薄弱现状,并有助于裂缝空间分布预测的研究.     

基于多输入卷积神经网络的天然地震和爆破事件识别

天然地震和爆破事件识别是地震监测预警的重要内容.近年来,快速发展的深度学习算法以其强大的数据特征挖掘和图像识别能力,能够较快并准确地约束地震事件属性.利用多输入卷积神经网络算法构建天然地震和爆破事件自动分类网络模型,其中输入信息包括多台站地震波形和单台站的地震时频数据,使得卷积神经网络同时获取事件的波形、频谱和极性特征...     

致密砂岩储层流体参数核磁共振实验研究

利用核磁共振技术对致密砂岩储层岩心流体参数进行研究,简述致密砂岩储层流体参数核磁共振测量原理及计算岩心流体参数方法。实验确定了岩心流体动用参数T2截止值方法,进行了可动流体致密砂岩储层分类评价研究。油田矿场核磁共振测量岩心含油饱和度、可动流体饱和度,并对可动流体饱和度、含油饱和度识别油水层方法进行研究。表明:实验测定红河区块岩心T2截止值为4.06ms,利用致密砂岩储层岩心可动流体等级划分标准,对致密砂岩储层岩心单井及不同层位、多井之间进行储层比较分类评价。油田矿场核磁共振技术测量计算的含油饱和度结果与常规方法测量的含油饱和度结果对比,表明油田矿场核磁测量含油饱和度是可行且可靠的。岩心含油饱和度与可动流体饱和度比值大小可识别油水层。      

致密砂岩气藏地球物理勘探方法技术综述

为了提高地球物理方法在致密砂岩气藏勘探及评价中的应用效果,本文基于大量国内外文献调研,首先梳理了致密砂岩气的概念及其地质特征,其次分析了地震勘探方法技术在致密砂岩气藏裂缝预测及含气性识别方面的应用,再次总结了评价致密砂岩气储层的测井系列、归纳了致密砂岩气层的测井识别方法及致密砂岩气储层参数定量计算方法,最后进行了实例分析.研究表明,地震方法是致密砂岩气勘探最有效的地球物理方法,不仅能有效地预测裂缝发育部位,还可以识别致密砂岩气藏;地球物理测井评价致密砂岩气藏具有纵向分辨率高、微观特征研究精度高的优点;基于岩石物理分析,将地震资料与测井资料有机结合,实现不同尺度信息融合,借助于非线性数学方法及非平稳信号分析技术可以有效提高致密砂岩气藏勘探评价效果.     

Comparative study of models for predicting permeability from nuclear magnetic resonance (NMR) logs in two Chinese tight sandstone reservoirs

Based on the analysis of mercury injection capillary pressure (MICP) and nuclear magnetic resonance (NMR) experimental data for core plugs, which were drilled from two Chinese tight sandstone reservoirs, permeability prediction models, such as the classical SDR, Timur-Coates, the Swanson parameter, the Capillary Parachor, the R10 and R35 models, are calibrated to estimating permeabilities from field NMR logs, and the applicabilities of these permeability prediction models are compared. The processing results of several field examples show that the SDR model is unavailable in tight sandstone reservoirs. The Timur-Coates model is effective once the optimal T _2cutoff can be acquired to accurately calculate FFI and BVI from field NMR logs. The Swanson parameter model and the Capillary Parachor model are not always available in tight sandstone reservoirs. The R35 based model cannot effectively work in tight sandstone reservoirs, while the R10 based model is optimal in permeability prediction.     

NMR Parameters Determination through ACE Committee Machine with Genetic Implanted Fuzzy Logic and Genetic Implanted Neural Network

Free fluid porosity and rock permeability, undoubtedly the most critical parameters of hydrocarbon reservoir, could be obtained by processing of nuclear magnetic resonance (NMR) log. Despite conventional well logs (CWLs), NMR logging is very expensive and time-consuming. Therefore, idea of synthesizing NMR log from CWLs would be of a great appeal among reservoir engineers. For this purpose, three optimization strategies are followed. Firstly, artificial neural network (ANN) is optimized by virtue of hybrid genetic algorithm-pattern search (GA-PS) technique, then fuzzy logic (FL) is optimized by means of GA-PS, and eventually an alternative condition expectation (ACE) model is constructed using the concept of committee machine to combine outputs of optimized and non-optimized FL and ANN models. Results indicated that optimization of traditional ANN and FL model using GA-PS technique significantly enhances their performances. Furthermore, the ACE committee of aforementioned models produces more accurate and reliable results compared with a singular model performing alone.     

Committee neural networks for porosity and permeability prediction from well logs

Neural computing has moved beyond simple demonstration to more significant applications. Encouraged by recent developments in artificial neural network (ANN) modelling techniques, we have developed committee machine (CM) networks for converting well logs to porosity and permeability, and have applied the networks to real well data from the North Sea. Simple three‐layer back‐propagation ANNs constitute the blocks of a modular system where the porosity ANN uses sonic, density and resistivity logs for input. The permeability ANN is slightly more complex, with four inputs (density, gamma ray, neutron porosity and sonic). The optimum size of the hidden layer, the number of training data required, and alternative training techniques have been investigated using synthetic logs. For both networks an optimal number of neurons in the hidden layer is in the range 8–10. With a lower number of hidden units the network fails to represent the problem, and for higher complexity overfitting becomes a problem when data are noisy. A sufficient number of training samples for the porosity ANN is around 150, while the permeability ANN requires twice as many in order to keep network errors well below the errors in core data. For the porosity ANN the overtraining strategy is the suitable technique for bias reduction and an unconstrained optimal linear combination (OLC) is the best method of combining the CM output. For permeability, on the other hand, the combination of overtraining and OLC does not work. Error reduction by validation, simple averaging combined with range‐splitting provides the required accuracy. The accuracy of the resulting CM is restricted only by the accuracy of the real data. The ANN approach is shown to be superior to multiple linear regression techniques even with minor non‐linearity in the background model.     

不同围压和流体饱和状态下致密砂岩弹性各向异性特征

为研究致密砂岩声波速度及其各向异性随围压的变化规律以及不同流体饱和状态下的弹性各向异性特征,钻取了不同方向的岩心并在实验室超声波频率下对致密砂岩的声学特性进行了测量,分别给出干燥和饱和水状态下,不同方向样品纵横波速度、刚性系数以及各向异性系数随围压的变化规律,并对实验结果进行了分析讨论.实验结果表明致密砂岩纵横波速度、纵横波速度比以及刚性系数均随围压增加而增加,但其在不同饱和状态下的变化率却截然不同;纵横波速度比、各向异性系数在饱和水状态下变化规律不明显,表明孔隙流体的存在对于岩石物理性质有着非常重要的影响.这方面的实验工作不但对于考察不同流体性质对致密岩石弹性各向异性影响是必要的,而且有助于致密砂岩油水和气层的识别.     

基于频变AVO技术对多尺度裂缝内流体属性反演与识别（英文）

通过地震数据获取裂缝储藏中流体的性质并对流体类型进行识别,是地震勘探岩性反演的重要问题之一。由于地震波的速度、储层的密度等弹性参数对某些流体不具有很强的敏感性,使只依赖振幅信息进行流体识别的传统AVO方法面临困境。作为传统叠前振幅反演的一个拓展,频变AVO（FDAVO）技术进一步考虑了振幅对频率的依赖关系,将这种依赖关系与地下裂缝结构、流体填充对应起来,能带来更丰富的流体信息。利用该技术,本文提出了一种基于地震数据参数化Chapman模型的贝叶斯反演新方法（BIDCMP）,它包含两步算法,即,FDAVO反演储层的非弹性属性和贝叶斯框架下的流体识别。首先,通过匹配观测数据和模型数据,构造差函数反演裂缝储层非弹性参数。随后,在贝叶斯框架下,使用马尔科夫随机场（MRF）作为先验模型,联合多参数场识别流体。本方法在计算过程中,除综合考虑了弹性参数场、测井资料等常规信息外,还特别地加人了第一步中反演得的非弹性参数的约束,从而充分利用了流体粘性差异,最后在最大后验概率（MAP）准则下输出最佳岩性一流体识别结果。分别对合成地震记录和模拟岩性—流体剖面验证本文方法的有效性,结果证明本文方法获得的流体识别结果准确可信。     

井间高分辨率纵横波层析成像研究井间油藏

采用视速度-偏振井间波场分离法分离得到纵波和横波波场,使用跨孔地震走时层析成像级联方法计算井间纵波和横波速度结构以及泊松比空间分布.综合纵横波速度、泊松比和测井参数,分析两井间岩性和储层特性.数值模型试验表明该方法垂直分辨率达到主频波长的1/4,并能准确分辨倾斜断层和垂直断层.处理相同纵波资料结果表明本文方法分辨率远远高于以往的井间走时层析成像方法,比井间声波层析成像分辨率更高.使用该方法处理垦71区井间资料,得到同台同源纵波和横波速度结构和泊松比分布.泊松比的低/高变化与测井参数指示的砂/泥岩层基本吻合.根据泊松比分布,参考岩石地震物理学测试数据,可以区分井间介质中的泥岩层、砂岩层,以及砂岩层中的饱水和饱油区,确定储层的连通性,圈定井间的剩余油藏.     

致密砂岩气藏裂隙-孔隙型弹性岩石物理模板研究:以川西坳陷A区为例

相对于常规砂岩,致密砂岩在岩石物理性质、力学性质等方面具有明显差异,并呈现出很强的非均质性.岩石物理模型能将储层参数与地震特性信息联系起来,因此可以作为致密砂岩储层参数与地震特性信息转换的桥梁.常规的岩石物理模型通常只考虑单一因素(例如非均匀性,单一孔隙,单一尺度等),建立的岩石物理模板并不适用于致密砂岩.本文针对高饱和气、微裂隙发育、非均质性强的致密砂岩储层,利用Voigt-Reuss-Hill模型计算混合矿物的弹性模量,采用微分等效介质(DEM)模型描述含裂隙、孔隙岩石的骨架弹性模量,基于Biot-Rayleigh波动方程构建了岩石物理弹性模板,给出了致密砂岩储层弹性参数与物性的关系.基于测井数据和实验数据对岩石物理弹性模板进行校正,并将校正后的岩石物理弹性模板结合叠前地震资料应用于川西地区储层孔隙度与裂隙含量预测.结果显示,反演裂隙含量、孔隙度与储层试气报告、测井孔隙度基本吻合,表明该模板能够较合理地应用于致密砂岩储层孔隙度及裂隙含量解释中.     

基于地震资料的三种岩性流体预测方法对比分析

利用地震资料识别储层流体是储层预测的一项重要内容,对储层流体的识别是通过流体识别因子来实现的.首先引入三种流体识别因子并介绍其预测流体的方法原理,在此基础上以湿砂岩和含气砂岩为例,对比分析了不同流体识别因子对流体的敏感度,然后通过一个具体实例进一步验证了不同方法的特点.分析结果表明,第三种方法对流体的敏感度最高,能更准确地表征岩石孔隙中流体的性质.     

神经网络反演双侧向电阻率测井曲线的物理约束

以一种新型高分辨率双侧向测井仪器在二维轴对称地层模型中的模拟响应为训练集训练BP神经网络，得到了针对该双侧向测井仪的反演网络模型。在训练中，神经网络结构的确定一般采用交叉验证法，但这种验证法经验性的成分偏重，不能完全解决网络结构的范化问题。为此，本文在模型的训练中，在交叉验证的基础上，根据双侧向测井的原理和仪器响应特性，提出了一种新的物理约束方法；反演地层电阻率的误差应随着侵入半径的增加而加大，违反此规律的模型不予采纳。理论研究结果表明，由此得到的神经网络模型具有很好的范化能力。