Elman神经网络在低渗储层敏感性预测中的应用

油气储层敏感性是制约低渗储层有效开发的重要因素之一,但在勘探开发早期储层敏感性预测及分布规律的研究受到资料不足的限制.从实验敏感性分析结果入手,对Elman神经网络预测储层敏感性的过程及方法进行了系统的分析,并提出了通过设置虚拟井来预测储层敏感性平面分布的方法.结果表明:①影响低渗储层敏感性的主要因素有蒙皂石、伊利石、高岭石、绿泥石、伊-蒙混层、石英、长石的体积分数,孔隙度和渗透率;②Elman神经网络能够很好地预测低渗储层的敏感性,预测结果与实测结果绝对误差的平均值均低于0.04,水敏性样品的预测结果与实测结果绝对误差的平均值为0.001;③通过设置虚拟井位,能够很好地预测储层敏感性的平面分布规律.     

煤层气井压裂曲线和储层污染程度的响应关系

为了研究压裂曲线与储层污染程度的响应关系,以沁水盆地柿庄区块为例,在区块内选取储层敏感性强弱不同的井,通过比较各井压裂施工曲线中油压曲线到达破裂压力后下降行迹特征的差异,总结出油压曲线下降行迹与储层敏感性的响应规律。然后在同一区块内根据油压曲线下降行迹判定几口井的储层敏感性,根据储层渗透率损害比模型计算出几口井开发煤层段的储层渗透率损害比。结果发现,预测出的储层敏感性强井具有较高的储层渗透率损害比,储层受到严重污染;储层敏感性弱井储层受到轻度污染。研究表明油压曲线到达破裂压力点后的下降行迹能够反映储层污染程度,可以为后期工程开发提供依据。      

沁南地区高煤阶煤储层流速敏感性及影响因素

流速敏感性评价实验结果是确定煤层气藏合理排采速度的重要依据,对煤层气开发具有重要意义。高煤阶煤储层的低孔低渗特征使煤储层速敏性评价不能仿照常规储层的液体实验方法,为此提出利用氮气评价高煤阶煤储层流速敏感性的新方法,并对沁南地区高煤阶样品进行测试。结果表明:沁南地区高煤阶煤储层速敏损害程度相对较弱,主要损害程度为无敏感、弱敏感和中等偏弱3种;高煤阶煤储层原始渗透率是控制煤储层速敏损害率的主控因素,煤储层渗透率越大,速敏损害率越高;煤岩中黏土矿物含量对煤储层速敏损害率的影响相对有限,速敏损害率主要与黏土矿物赋存方式有关,当黏土矿物主要赋存于裂隙中时,煤储层速敏损害率相对较大。      

山西沁水盆地某煤层气区块储层特征及敏感性评价

与常规油气储层相比,煤层气储层往往具有低孔、低渗、低压、吸附性强以及裂隙发育等特点,在勘探开发过程中容易造成比较严重的储层损害。因此研究煤层气储层特征及敏感性,找出储层潜在损害因素,对预防储层损害具有十分重要的意义。以沁水盆地某煤层气区块为研究对象,采用X射线衍射、压汞实验以及测井资料分析等手段对储层特征进行了研究,结果表明,目标区块煤储层显微组分以镜质组为主,惰质组含量较少,不含壳质组;黏土矿物含量在7.5%左右,以蒙脱石为主;储层孔隙度、渗透率以及孔隙直径均较小,物性较差。储层敏感性实验评价结果表明,速敏损害程度为中等偏强,水敏损害程度为强,碱敏损害程度为弱,酸敏损害程度为中等偏弱至中等偏强,应力敏损害程度为强。基于以上研究结果,开发出了适合目标区块煤储层的钻井液体系和压裂液体系,均具有良好的储层保护性能,能够满足煤层气储层钻井和压裂施工的需要。     

基于BP神经网络的薄互层储层预测

根据地震属性来进行储层预测的研究,对于寻找油气具有十分重要的意义。而由于地下地质情况千变万化,不确定的因素太多,对这种多自变量与因变量的复杂关系模拟问题,神经网络技术是目前较成熟、实际应用效果也较好的方法之一。用BP神经网络来预测薄互层储层厚度,它可以建立属性参数与预测目标之间的高度非线性映射,并应用于具体的实例,为薄互层储层预测提供了新的思路。     

分频属性反演方法在B油田的应用

针对B油田常规声波阻抗曲线难以识别砂泥岩的储层预测难题,通过多曲线交汇、敏感性分析,确定中子-密度属性反演预测储层的基本思路。在建立三维低频地质模型基础上,对地震资料进行分频处理,利用神经网络方法计算不同厚度下振幅与频率之间的关系,建立测井曲线与地震波形之间的非线性关系,最终摸索出基于精细地质模型的神经网络分频属性反演方法。研究结果表明:该方法解决了复杂储层预测的难题,准确预测了该油田储层的变化规律,为下步开发调整方案编制提供了重要依据。     

一种基于叠前反演的孔隙度预测方法

非线性反演方法在储层预测中得到了广泛地应用,但其通常只采用叠后波阻抗反演结果和叠后属性进行预测,进而忽略了叠前道集中包含的岩性信息。这里提出了一种基于叠前反演的储层预测方法,可以有效地利用叠前信息进行储层预测。首先对叠前道集进行针对性处理,使其满足叠前反演的要求,其次改进横波估算方法获得高精度的横波数据,并针对叠前数据进行子波提取,然后通过叠前反演获得纵波、横波阻抗和密度信息,最后结合叠前属性,采用概率神经网络方法(PNN)来反演储层孔隙度参数,该方法克服了叠后波阻抗反演进行储层预测造成的多解性问题,并提高了储层识别的精度,预测结果与测井一致,证明该方法正确有效。     

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。     

准噶尔盆地玛湖凹陷北斜坡玛131井区块三叠系百口泉组储层敏感性评价

玛湖凹陷斜坡区三叠系百口泉组为低孔低渗砂砾岩储层,储层敏感性对储集性能影响较大,因此进行储层敏感性研究对于防止储层损害和制定合理的开发方案具有重要意义。在分析研究区百口泉组砂砾岩储层基本特征基础上,参照碎屑岩储层评价标准,采用敏感性流动实验对百口泉组扇三角洲砂砾岩储层敏感性进行了研究。结果表明:研究区百口泉组黏土矿物类型以伊/蒙混层为主(占38.74%),其次为绿泥石(占29.46%)、高岭石(占21.96%)和伊利石(占9.83%);敏感性流动实验表明百口泉组储层具有中等偏强盐敏、中等偏弱水敏、弱速敏、弱碱敏的特征;影响储层敏感性的主要原因是储层中黏土矿物类型以及储层孔喉结构。通过研究结果建议油气勘探开发施工过程中应重点防止盐敏、水敏,有针对性地采取措施保护储层。     

川西新场气田蓬莱镇组气藏储层的敏感性研究

浅层气田提高低渗气层的采收率,降低储层的损害程度非常重要。浅层气因其产层埋深浅,地层压力低,储层物性较差等,生产作业中更易造成损害,形成伤害后使得单井产能急剧降低,甚至不能产出天然气。因此,开展必要的储层损害研究显得尤为重要。笔者通过大量的敏感性实验分析,认为新场气田蓬莱镇组浅层气藏储层为弱速敏、中等水敏,临界盐度为(0.35～0.45)×104mg/L气藏,临界pH值在7～8之间变化,并提出对降低各种敏感性的作业条件。     

模糊神经网络用于储层预测

利用模糊理论和ＢＰ网络相结合组成的模糊神经网络系统,能够克服ＢＰ网络单独使用的局限性,可在地质条件较复杂地区进行储层及油气预测。通过实际资料应用表明,应用单个ＢＰ网络进行储层及油气预测效果较差的地区,采用模糊神经网络能取得较好的效果。     

RBF网络在铅锌多金属矿综合物化探找矿预测中的应用

由于矿床定位影响因子较多,并且这些因子与矿床位置间存在着非常复杂的非线性关系,所以一直以来,矿床定位只能实现定性化预测。RBF神经网络可以实现从输入到输出的高度非线性映射,能够使矿床预测由定性预测发展为定量预测。这里应用RBF神经网络法对浙江某地区铅锌矿进行了综合物化探找矿预测,结果表明,该方法具有很高的准确率,与实际地质情况吻合率很高,可以定量用作对隐伏矿床的预测。     

井中油气化探等多元信息模式识别与应用

井中油气化探快速准确 ,能较好地预测油气并指示钻井剖面的油气显示 ,实现井中油气储层的评价。模式识别技术作为油气地震资料解释及储层预测的一种方法手段 ,已应用于油气地震勘探和开发。把井中化探与测井、地震、地质多元信息相结合 ,通过人工神经网络 ,对油气藏模式识别方法进行了研究 ,在莺歌海盆地实际地震和井中化探方法试验中获得了较为满意的效果。说明在区域油气勘探与开发中 ,充分利用已有的资料进行井中化探与其他多元信息的综合解释的评价 ,可以提高勘探与开发的效果。     

基于主成分分析与K-L变换的双重属性优化方法

利用主成分分析客观赋权原理计算地震属性在预测目标参数时贡献率的大小,通过去除权重系数较小的属性参数,实现了地震属性的敏感性分析,建立储层参数与有效属性之间的匹配关联;在此基础上,利用K-L变换将属性样本空间的高维属性映射为低维属性,去除了属性之间的相关性,有效地解决了属性组合的优化问题,表明了主成分分析和K-L变换相结合的属性双重优化方法克服了单纯使用每种方法时的局限性,充分发挥了各自的优点,有助于属性分析、关联以及组合优化问题的解决,提高了地震储层参数预测的运算速度和精度。     

基于混合模糊神经网络储层裂缝地震反演研究

基于储层裂缝系统具有非线性特征,储层裂缝地震反演是由遗传算法(GA)、模糊神经网络(ANF IS)和禁忌搜索算法(TS)有机地结合而构成的自适应混合模糊神经网络技术。该技术在成像测井约束下,形成的自适应混合算法分别训练ANF IS网络的前提参数和结论参数,从而获得满足精度要求的储层裂缝密度的最佳估计值。针对目标储层段,应用储层裂缝地震反演方法对过井地震剖面和联井地震剖面进行了储层裂缝密度反演处理,获得了可用于地质解释和油气预测的视裂缝密度剖面。这种裂缝密度剖面含有裂缝定量信息,其裂缝密度相对误差为:0.8%~24%,满足勘探开发的要求。经与研究区的地质对比分析表明,视裂缝密度剖面上的裂缝展布特征符合研究区的沉积相分布和岩石力学性质的变化特征,对研究区的勘探开发具有重要意义。     

基于人工神经网络的岩爆预测方法

在分析岩爆主要影响因素的基础上，建立了一种新的人工神经网络岩爆预测模型。采用已有岩爆发生数据作为训练样本对网络进行训练，利用收敛的网络进行岩爆烈度预测，预测结果与实际吻合，说明利用人工神经网络预测岩爆发生烈度是一种可行的方法。     

长江三峡工程水库塌岸与工程治理研究

水库塌岸(岸坡再造)是影响三峡水库移民工程安全的重大地质灾害问题.本文在分析三峡库区塌岸特征的基础上,总结了近期库区塌岸治理工程的若干关键技术问题,论述了三峡库区塌岸预测方法.以兴山县高阳镇库岸治理工程为例,介绍了岸坡稳定性分析、岸坡再造范围预测、库岸稳定性分区和工程治理方案论证的方法、步骤和具体内容.     

随钻测井中岩性识别方法的对比及应用

岩性识别是对地层认识及储层参数求解的基础,受沉积环境复杂性和非均质性影响,传统岩性识别方法已不能满足实际生产需要。针对传统识别方法容错能力差、自动化程度低和解释精度低的问题,通过应用神经网络自主学习预测分析手段,对比分析当下几种流行的岩性识别方法,选出更为适合现场实用的方法应用到随钻测井系统中。经研究发现,在预测方法及测井曲线相同的情况下,获得标准层段训练样本越多,准确率越高。通过对比得出结果:PNN概率神经网络方法在生产应用中效果更佳、识别准确率高、训练识别用时最短,在获取较少测井资料信息时,仍能保持较高的识别水平。      

粘土矿物对油气层的损害及防治研究

粘土矿物的分散运移、膨胀以及酸敏导致沉淀物的生成,都严重地造成了地层孔隙的堵塞,对油气的三次开采造成了很大的危害。本文从粘土矿物的晶体结构入手,对粘土矿物损害油气层的机理进行了初步探讨,并对粘土矿物损害地层的三种方式提出了有效的防治措施,并通过室内实验,找出了有效的合理配方。     

基于人工神经网络的三峡库区丰都县水库塌岸预测

为了建立一个适合于三峡库区的塌岸预测方法体系,采用具有处理非线性关系功能的人工神经网络方法对水库塌岸问题进行研究。通过训练、学习和仿真,获得预测正确率为97.2%的具有7-32-14网络结构的BP神经网络模型,采用该模型对蓄水位为175　m时丰都县各岸段进行塌岸预测,并将预测结果与传统经验公式计算法所得结果及实际监测数据进行对比。结果表明:基于人工神经网络的塌岸预测宽度与实际监测数据很接近,偏差在5 m以内;公式法计算结果与监测值平均偏差为15.9 m,而且对于部分坡段,公式法计算结果比实际监测值小8～11 m,没能预测出塌岸的真正范围。采用神经网络模型对丰都县水库进行塌岸预测,预测结果与实际监测数据平均偏差约3.8%,表明其预测结果可靠。