青海木里三露天天然气水合物钻孔岩性测井识别

三露天井田具有断层发育、地层缺失和重复明显、岩性种类较多等特点,岩性识别难度较大。为此,专门利用测井资料对三露天井田地层岩性进行了岩性识别研究。通过对14个天然气水合物钻孔不同岩性的测井响应特征分析,优选了自然伽马、中子和密度测井作为岩性识别敏感参数,并采用交会图技术制作了岩性识别图版,建立岩性划分标准,对三露天井田地层岩性进行识别与划分。利用测井资料能够识别7种主要岩性,包括砂岩、粉砂岩、泥质粉砂岩、粉砂质泥岩、泥岩、油页岩和煤等。根据岩性测井识别结果,三露天井田岩性分布特征在横向上表现为东部砂岩物性好,西部地区泥岩较为发育;纵向上表现为木里组地层砂泥比为4.48,含有煤层204.5 m;江仓组地层砂泥比为0.84,泥岩和油页岩较为发育,更有利于水合物赋存。测井岩性识别结果为寻找三露天井田天然气水合物有利储层奠定了基础。     

基于遗传算法优化的支持向量机在岩性识别中的应用

为提高测井岩性识别的精度,本文结合乌夏地区岩芯资料和测井数据,总结该地区砂砾岩测井响应特征,优选出声波、自然伽马、密度、中子孔隙度和电阻率等5条测井曲线参数作为训练和测试样本,通过遗传算法挑选出最佳的支持向量机核函数参数σ和惩罚因子C,建立支持向量机岩性识别模型。结果表明该模型实际数据预测总体符合率为81.6%,在识别准确率上与传统测井识别砂砾岩岩性方法相比都有明显提升。     

基于主成分分析的致密砂砾岩孔隙度测井评价方法

岩性识别是致密砂砾岩测井评价的重要工作。砂砾岩岩性多样、成分复杂,导致测井识别岩性准确率低、测井解释孔隙度不准确。以东营凹陷北部陡坡带沙四下亚段致密砂砾岩为例,在对其岩石学特征分析的基础上,按照岩石类型和骨架矿物差异给砂砾岩分类,利用铸体薄片资料对测井曲线进行岩性标定,提取各种岩性的测井响应特征,在此基础上建立了基于主成分分析的测井岩性识别方法,并分岩性建立了孔隙度测井评价模型,提高了砂砾岩测井岩性识别和测井孔隙度计算的准确率。     

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。     

基于支持向量机的测井岩性识别在松散沉积物调查中的应用研究

砂砾质松散沉积物粒径组成复杂,钻探取心率低,导致对沉积相和相界面的判别准确度不高。本文结合岩心和测井资料,建立了松散沉积层基于支持向量机的测井数据岩性识别模型,分析了训练集样本数量对模型识别准确率的影响,并与BP神经网络模型进行了对比。结果表明,支持向量机模型的岩性识别准确率高,且对训练样本需求量低,可以有效地弥补钻孔取心率不足的问题,并降低钻探施工成本。在松散沉积物调查中,利用基于支持向量机的测井岩性识别模型自动识别沉积序列具有可行性,是实现绿色勘查的有益尝试。     

基于随机树嵌入的随钻测井岩性识别方法

岩性识别是储层评价中的一项重要工作。随着机器学习方法的不断发展,岩性的智能识别也成为热门研究方向。随钻测井技术目前已经得到了广泛的应用,但是受限于高温高压的钻井作业条件,随钻测井仪器只能测得少量测井参数。由于随钻测井参数较少,直接输入机器学习模型无法充分挖掘其中的信息。对此,本文将随机树嵌入引入随钻测井资料的岩性识别。该方法将低维随钻测井数据通过二叉树编码并转化为高维稀疏特征,利用升维后的数据进行训练从而提升机器学习模型的判别能力。对比实验结果表明,使用随机树嵌入的随机森林方法具有最佳的识别效果,准确率和F₁值较直接使用随机森林分别提升了3.16%和3.25%,且优于梯度提升树、极随机树和粒子群优化支持向量机算法。     

多参数岩性地震反演在盐岩地下储气库泥岩夹层分布中的应用

金坛盐岩储气库的泥岩夹层对盐岩建腔构成了一定风险,因此如何识别泥岩夹层就成了关键问题.该区泥岩分布复杂,且受盐岩塑性影响,仅依据地震资料不能准确识别.笔者通过分析研究区的地震响应特征和测井响应特征,认为伽马测井曲线可以很好地区分泥岩夹层和盐岩层,因此将伽马曲线与地震信息建立联系,进行多参数岩性反演,并在此基础上对泥岩夹层在平面和空间上的展布特征进行预测.通过实际资料的应用表明,多参数岩性反演可以较为准确地反应出泥岩夹层的变化特征.     

基于不同测井曲线参数集的支持向量机岩性识别对比

对测井曲线提取的不同参数值,进行支持向量机(support vector machines,SVM)岩性识别对比,找出适合于岩性识别的测井参数集。利用取心段岩心和测井资料,依据M-N值法、曲线重叠法和测井曲线特征值法等3种常用的岩性识别方法,提取能够用于岩性识别的测井曲线参数值,再利用支持向量机进行岩性识别,将识别结果进行对比,按照误差最小原则,找出适合于岩性识别的测井参数集。结果显示,M-N值法、曲线重叠法和测井曲线特征值法3种不同的测井参数集在岩性识别时,测井曲线特征值法和重叠法误差最小,可优先作为识别的基础数据。      

多属性神经网络反演预测煤层顶板岩性

煤层顶板岩性对于煤矿安全生产产生很大的影响。通过神经网络方法对自然伽马测井与地震属性（包括波阻抗属性）进行训练得到两者的非线性关系,并将其应用到整个地震数据中得到拟自然伽马体。相对于波阻抗属性,自然伽马参数可以很好地区分砂泥岩,从而更直接预测煤层顶板岩性,提高岩性预测的分辨率。      

基于岩样细观图像深度学习的岩性自动分类方法

在现阶段的岩土工程中,通常采用人工识别的方法来判别岩样种类,不仅耗时长、专业性强,还易受主观因素影响,准确率不理想。随着计算机技术的发展,机器学习逐渐被应用于岩性的自动识别,开启了岩样分类的新路径。本文以重庆市主城区4种典型岩样（泥岩、砂质泥岩、泥质砂岩和砂岩）的细观图像为研究对象,基于Inception V3卷积网络模型和迁移学习算法,建立了岩样细观图像深度学习模型,并完成了训练学习。结果显示：模型在训练1 000次后,训练集中的分类准确率达到92.77%,验证集中的分类准确率为76.31%。其中,验证集中的砂岩识别准确率为97.28%,泥岩识别准确率为81.85%,泥质砂岩识别准确率为72.59%,砂质泥岩识别准确率为72.35%。与现有的机器学习方法相比,本识别模型不仅可以自动识别岩性极为相近的岩样,而且具有较好的识别准确率、鲁棒性和泛化能力。     

应用Bayes逐步判别分析识别辛176区块Es4储层岩性

辛176区块沙四段储层存在粗砂岩、不等粒砂岩和细砂岩,岩性非均质性较强.“四性”关系研究表明,岩性的准确识别是正确评价储层静态参数,识别油水层特别是低阻油层的前提.这里介绍了Bayes逐步判别方法原理和技术流程,在应用有序聚类分析方法开展测井曲线自动分层的基础上,综合应用自然电位(SP)、自然伽玛(GR)、声波时差(AC)、深探测电阻率(Rt)、浅探测电阻率(Rxo)测井资料和岩心分析资料,建立了粗砂岩、不等粒砂岩、细砂岩和泥岩的判别函数.应用效果表明,Bayes逐步判别法识别岩性符合率达到了86％,能够满足辛176区块沙四段储层岩性识别的需要.     

鄂尔多斯盆地合水地区长7致密油岩性岩相类型识别及其应用

利用岩心、薄片、常规测井、成像测井等资料结合物性分析等,对鄂尔多斯盆地合水地区长7致密油岩性岩相等特征进行了研究。长7致密油储层以砂质碎屑流、浊流和滑塌成因的砂岩为主,烃源岩以泥岩、油页岩为主,根据粒度参数进一步将长7致密油岩性岩相划分为砂质碎屑流细砂岩相、浊流细砂岩相、浊流粉砂岩相、滑塌岩相、半深湖—深湖泥岩相以及油页岩相6类。通过岩心刻度常规和成像测井,建立了不同岩性岩相的测井识别评价标准,并实现了各单井纵向上的岩性岩相的识别和划分。在此基础上,进一步探讨了不同岩性岩相与TOC含量和脆性指数的关系。最后结合试油气资料和油气解释结论,阐明岩性岩相对致密油储层物性和含油气性的定量控制。致密油岩性岩相的研究可为后期成岩相、孔隙结构以及优质储集体预测等奠定基础,为研究区长7致密油的综合评价和有利发育区带预测提供理论指导和技术支持。     

井控主成分分析技术在储层预测中的应用

南堡凹陷中浅层火成岩类型多、非均质性强,利用单一技术方法难以有效刻画火成岩和砂岩储层的空间分布,制约了中浅层砂岩油气藏的勘探开发。在岩石物理交会分析基础上,利用对岩性响应敏感的纵波阻抗、伽马、泊松比和甜点4类地震属性和PCA主组分降维技术,对玄武岩、蚀变火成岩、砂岩、泥岩四类岩性进行了有效的区分,利用创新的井控综合解释技术获得了最终岩性体数据,达到在复杂岩性背景下准确识别砂岩储层的目的。结果表明,地震预测与实钻情况吻合程度较高,达到87.1%,预测的火成岩与砂岩分布特征与区域地质认识相匹配,为研究区滚动开发和开发调整提供了有力技术支撑。     

高频层序格架下的地质地球物理模型与砂体预测

黄河口凹陷位于中国渤海湾盆地的东南部,新近纪发育大型浅水湖泊三角洲沉积体系,为本地区隐蔽油气藏的形成提供了很好的地质条件。论文以渤海盆地黄河口凹陷B34区块晚中新世明下段SQ1层序为例,将该层序划分了10个准层序组。通过对各准层序组详细的岩性统计发现岩性主要为砂岩和泥岩,厚度较大的砂岩主要分布在PSS1和PSS10,其他准层序组内部多发育薄层砂,砂岩的发育特征与其在同一层序中的沉积位置有关。在岩性统计分析的基础上,通过对研究区不同准层序组中均方根振幅与钻井井点位置岩性的统计、7类岩性组合的一维正演模拟等发现岩性及其组合与振幅之间存在如下关系:强振幅对应了较厚的砂体,振幅较弱则砂体不发育,振幅中一般为大套泥岩夹中薄层砂岩。据此以PSS1为例,进行了砂体的精细刻画。尽管建立了岩性和振幅强弱之间的关系,但定量确定砂岩厚度仍是十分困难的,因此只能根据振幅强弱来定性确定砂岩的相对厚薄。     

利用能量半衰属性识别涠西南凹陷砂泥薄互层组合中浊积砂体

涠西南凹陷是我国南海北部湾盆地重要的油气聚集地,浊积砂体是其重要的储量贡献地质体,显示了巨大的油气勘探潜力。随着勘探开发力度的不断推进,在砂、泥岩地震特征叠置严重的背景下,常规的地球物理技术手段难以识别真正的浊积储层。为此,基于浊积砂体强振幅反射形成的地质背景,剖析了非储层形成异常强振幅的两个主要成因:砂、泥岩薄互层组合容易形成强振幅反射;甜点储层与围岩响应差异小,低速泥岩强振幅响应干扰严重。因此提出了应用能量半衰时属性识别浊积储层的新技术:(1)确定研究区的等时地层反射界面,建立精细的等时地层格架,将五级层序地层作为一套等效体研究,并基于砂岩、泥岩密度比较稳定确立了异常体内部的振幅微变化主要体现在速度结构的变化上,即速度结构变化是识别真假储层的关键;(2)建立了砂岩、泥岩互层的楔状模型,论证了不同岩性组合对应不同的速度结构,介绍了不同速度结构引起能量半衰时属性值变化的情况,有效描述了砂泥薄互层内的速度结构变化;(3)基于研究区速度的精细分析,按照“同一岩性,同一物性”“同一岩性,不同物性”“不同岩性,不同物性”3种组合情况正演模拟,解读异常体振幅微变化的信息,由此判断引发阻抗变化的主因,综合预测异常体可能的岩性组合,极大地降低了岩性预测的多解性。结论认为:该技术运用于实例勘探中,岩性预测结果与钻井揭示相吻合,有力支撑了涠西南凹陷的勘探生产实践。     

极限学习机在黏土矿物分析中的应用

对鄂尔多斯盆地苏里格北部上古生界盒8段低渗透储层研究发现,成岩作用是控制气藏分布的主要因素之一,而黏土矿物又影响着成岩作用类型及强度,在成岩作用划分中具有重要指示作用.本研究尝试利用自然伽马能谱测井结合神经网络（极限学习机）准确计算储层中黏土矿物含量,为全井自动成岩作用识别提供支撑.在黏土矿物分析过程中,为避免测井信息受岩石骨架颗粒成分差异的影响,针对研究区沉积的岩屑砂岩和岩屑石英砂岩分别建立黏土矿物分析神经网络,提高计算精度.神经网络采用了参数不易陷入局部最优的极限学习机,保证了分析结果的速度和稳定性.在此基础上,利用苏里格北部地区上古生界盒8段15个X衍射分析样本,将分岩性计算结果与及未分岩性分析结果进行比较,证明了方法的有效性.     

利用岩性阻抗识别砂岩、泥岩以及砂体叠置——以北部湾盆地涠洲A油田为例

针对涠洲A油田储层平面非均质性强、存在砂体叠置,以及单纯的波阻抗反演不能十分有效地识别砂泥岩和叠置砂体,提出了将纵波阻抗与横波阻抗通过一定的数学变换获得岩性阻抗的方法,证实了该岩性阻抗反演结果与实钻井吻合程度高,有效区分了砂岩和泥岩,并成功地预测了涠洲A油田砂体叠置的关系。     

塔里木盆地西南地区石炭系煤系烃源岩识别与分布特征

近年来在塔里木盆地西南巴麦地区巴探5井石炭系卡拉沙依组中发现了多层煤层和炭质泥岩,它们具有一定的生烃潜力。由于它们发育于碳酸盐岩与砂泥岩交互的混积台地背景中,之前并未作为有效烃源岩加以重视,因此查明其发育规律和分布特征对寻找该区石炭系自生自储油气藏具有重要意义。利用钻井岩心、岩屑样品地球化学测试,测井岩性识别、三维地震反演等方法进行了该套煤系烃源岩生烃指标和识别分布研究。结果表明,巴探5井这套煤系烃源岩与卡拉沙依组广泛发育的一套三角洲-潟湖沉积体系有关。煤系烃源岩最大累计厚度约20 m,其有机碳含量介于10.6%~63.2%之间,干酪根类型为II₂-III,镜质体反射率为0.78%~1.65%,其成熟度随埋深的变化总体上呈北低南高之势。煤、炭质泥岩、暗色泥页岩等有效烃源岩都表现为声波时差>300 μs/m、密度<2.3 g/cm³,所不同的是煤层自然伽马(GR)值小于75 API,炭质泥岩GR值为75~100 API,泥页岩GR值>100 API。井间和井外地区根据三维地震波阻抗反演值<7 333 m·s^-1·g·cm^-3识别出烃源岩的分布,它们主要沿来自北西向的朵状三角洲地区加厚。混积台地中煤系烃源岩和三角洲储层有望形成该区卡拉沙依组自生自储油气藏。