鄂尔多斯盆地陕北地区延长组长7段致密油储层特征及其主控因素

鄂尔多斯盆地延长组石油资源丰富,储层致密,为了查明湖盆致密砂岩储层发育机理,综合利用岩心观察、铸体薄片鉴定、X射线衍射分析、扫描电镜观察、高压压汞测试等方法,对鄂尔多斯盆地陕北地区长7段致密油储层特征及其发育主控因素进行了分析。研究结果显示,研究区长7段长石含量高,主要发育长石砂岩和岩屑长石砂岩。致密砂岩储层孔隙类型以长石粒内溶蚀孔隙和粒间溶蚀孔隙为主,同时晶间微孔和微裂缝较为发育。研究区长7段时期主要为三角洲前缘与滨浅湖沉积环境,水动力较弱,发育砂岩中泥质含量较高。中等强度压实作用及早期的方解石胶结作用使原生孔隙消失殆尽,胶结作用进一步使孔隙减小。由于长石及黏土含量较高,其受溶蚀作用形成溶蚀孔隙,改善储层质量,同时也是研究区长7段致密砂岩储层发育的主要控制因素。     

基于深度卷积神经网络的岩石矿物组分含量测井评价方法研究

岩石矿物组分含量是地球物理勘探开发中的重点关注对象.在岩心与地层元素测井资料较少的情况下,如何提高矿物组分含量参数的预测精度显得尤为关键.本文采用深度学习方法,利用常规测井曲线对来自于地层元素测井获得的矿物组分含量进行预测.首先基于残差网络(ResNet)框架,利用一维卷积核和池化核构建了卷积神经网络模型.模型采用自然伽马、自然电位、井径、阵列感应电阻率、三孔隙度以及光电吸收截面指数测井参数作为输入,地层元素测井获得的矿物组分含量作为输出.随后对所搭建卷积神经网络进行了训练,建立了输入与输出之间的实际映射关系.最后,利用测试数据集和真实地层资料,对所建立的卷积神经网络进行了精度检验,并与人工神经网络和多元线性回归的评价结果进行了比较.结果显示,卷积神经网络在测试数据集上的总体预测数值相关性为0.90,明显优于人工神经网络的0.68与多元线性回归的0.51.通过处理实际测井资料,进一步验证了该方法的预测优越性和鲁棒性,以及其在地层参数评价方向的良好应用前景．     

鄂尔多斯盆地奥陶系马家沟组白云岩储层特征及成因机制

鄂尔多斯盆地奥陶系白云岩是重要的天然气储集层,对其白云岩成因和储层发育规律的研究对于碳酸盐岩深层勘探理论的发展具有重要意义。文章基于大量岩心、薄片的观察,并结合稳定碳氧同位素、稀土元素、白云岩有序度、地层水、包裹体特征等地球化学分析,对盆地奥陶系存在的两种典型白云岩储层的发育特征和形成机理进行了详细研究。分析表明,含硬石膏结核或柱状晶的泥粉晶白云岩主要为潮坪蒸发环境的萨布哈成因,其规模储层的发育主要受到长时不整合的控制,不整合面以下发育大量硬石膏结核和柱状晶溶模孔;颗粒滩白云岩主要为回流渗透成因,其储层孔隙的发育主要受到海平面高频升降的影响,发育多旋回的粒（晶）间孔隙型储层。虽然两种白云岩的白云石化流体都为浓缩海水,但由于白云石化的机制和速率不同,二者的原始孔隙类型和特征迥异。两种白云岩孔隙在后期的成岩改造和演变过程中,既有相同之处,又有明显的区别。这一认识也将对深层的白云岩储层勘探提供指导作用。