小波分析在致密砂岩气层识别中的应用

致密砂岩储层孔隙度低、渗透率低、非均质性强,气层所对应的测井响应特征较为复杂,气层识别和评价难度较大,多解性突出.以三水模型、岩心、地质和试气资料为基础,采用能量谱峰值与能量加权累计法定量分析致密砂岩气层的电阻率与自由流体孔隙度组合曲线的小波多尺度能谱特征,以及小波包能量谱特征.组合曲线的多尺度小波能量谱分析方法在致密砂岩气层识别中气层的能量谱与水层的能量谱明显不同,并用其识别苏里格地区的致密砂岩气层.结果表明识别致密砂岩气层能量加权累计法定量分析比小波能量峰分析效果更好.      

致密砂岩储层含气测井特征及定量评价

致密砂岩储层孔隙度低、渗透率低、非均质性强,气层所对应的测井响应特征较为复杂,气层识别和评价难度较大、多解性突出。传统上,利用常规测井曲线进行含气性评价多是定性评价,在利用智能识别法评价含气性时,也是利用分类模型进行定性评价;而利用常规测井资料定量评价含气性比较困难。本文首先以岩心、地质、试气资料和常规测井曲线为基础,利用交会图法进行致密砂岩含气特征分析,建立含气性定性评价指标;然后,利用广义回归神经网络（GRNN）预测含气量和含水量,构造含气性和含水性指示曲线,定量评价致密砂岩的含气性;最后,定性评价和定量评价综合使用,以评价致密砂岩含气性,并在苏里格地区盒₈段进行应用,取得了较好的应用效果。     

改进 GＲNN 网络预测致密砂岩气层压裂产能

致密砂岩储层孔隙度小、渗透率低、含气饱和度低,基本上没有自然产能,需要进行压裂,所以压裂产能的预测很重要。广义回归神经网络 ( GＲNN) 稳定,对样本数量的要求低。产能预测关键是样本的选取以及扩展因子的选取。在原有的 GＲNN 预测产能的基础上,利用交叉验证法改进 GＲNN 网络,选取最优的样本确定最优的 GＲNN 网络结构,利用循环判断法,选取最优的扩展因子。改进的 GＲNN 神经网络可以避免确定 GＲNN 网络结构和扩展因子过程中过多的人为影响。笔者利用灰色关联分析法分析压裂产能的影响因素,利用改进的 GＲNN 网络有针对性地建立适合苏里格地区致密砂岩气层的压裂产能预测模型。结果表明该方法在苏里格地区气层压裂产能预测中有较好的应用效果。     

泥浆侵入致密气层双侧向电阻率变化模拟研究

井眼压力高于地层压力会导致泥浆侵入,电阻率测井响应受到泥浆侵入的影响而不能真正反映地层的电阻率特性。笔者依据双侧向电阻率测井的基本机理,气-水两相渗流方程及传导对流方程,进行仿真模拟,得到泥浆侵入高矿化度致密气层的二维轴对称模型。研究含水饱和度、地层电阻率以及深浅侧向井壁电场分布随侵入时间的变化规律。研究发现:随着侵入时间的增加,含水饱和度增大,地层电阻率减小;泥浆侵入对致密气层深浅侧向测井响应都产生一定的影响,导致致密气层深浅侧向电阻率幅度差比常规储层深浅侧向电阻率幅度差大,幅度差峰值出现较早。     

回采工作面煤层动态标定预测技术应用研究

智能开采对于地质条件的不适应问题非常突出,特别是对煤层起伏和厚度的绝对精度提出了更高的要求。三维地震勘探横向分辨率高,能够对煤层起伏进行控制,但在地震解释时,煤层底板高程受时深转换计算影响,存在一定的误差。针对这一问题,以工作面三维地震数据和采掘过程中探煤厚数据为基础,通过不断更新速度场提高煤层底板时深转换绝对精度;同时利用迭代插值算法,不断更新工作面煤层厚度;通过对计算得到的数据进行误差统计和分析。在TJH304回采工作面进行试验,利用工作面巷道和切眼探煤厚数据并结合三维地震资料动态解释后,工作面推采前方煤层底板高程值和厚度值绝对误差变小;特别是距离当前采煤面30 m以内的4个验证点煤层底板高程值误差范围为0.37~0.58 m,煤层厚度值误差为0.32~0.44 m。结果表明,三维地震动态解释技术可最大化将三维地震和井下生产数据有效结合,不断提高煤层空间精度,为智能开采提供预想煤层模型。      

从1D到4D:煤田地震勘探的技术进步及启示

作为煤矿安全高效地质保障系统的核心技术之一,我国煤田地震勘探技术已经形成了从一维地震(1D)、二维地震(2D)到三维地震(3D)的技术系列,实现了从资源勘探向采区勘探、从构造勘探向岩性勘探的技术进步,而四维地震(4D)将进一步实现地震勘探从静态探测到动态探测的技术跨越。基于空间-时间维度的概念,在1D到4D地震勘探4个发展阶段的基础上,提出了1.5D(如非零偏移距VSP)、2.5D(如宽线二维地震)和3.5D(如三维地震动态解释)等3个过渡阶段,给出了1D与1.5D、2D与2.5D、3D与3.5D以及4D等7个不同阶段的时间-空间特征。研究发现:(1)煤田地震勘探从低维到高维、从空间维到时空维的维度增加,使得地震勘探所获地下信息量出现指数级增长,地震勘探解决地质问题的精度相应得到了显著的提高,这是煤田地震勘探技术不断进步的内在引擎;(2)基础理论研究的厚积薄发、地震勘探仪器的升级换代和煤矿开采技术的需求驱动,是煤田地震勘探技术持续进步的外部驱动力;(3)跨学科、跨行业和跨部门的学科交叉与技术融合,加速了煤田地震勘探技术的迭代升级。     

利用成像测井评价储层孔隙空间的二维非均质性

针对当前储层非均质性评价中表征方法单一、评价仅限于一维的研究现状,提出利用FMI成像测井评价储层井周二维孔隙空间非均质性的方法。通过比较目标储层的孔隙度频数分布曲线,从宏观上判断储层井周二维非均质性。选取合适的孔隙度二值化阈值,明确原、次生孔隙的所在位置。利用成像孔隙度谱将储层进行分类,判断目标储层的储集特性。利用储层非均质程度系数T定量评价储层井周二维非均质性。相比于利用常规测井识别裂缝、孔洞,通过FMI成像测井判断储层非均质性具有评价形式多样化、连续性、方位性、直观性和分辨率较高的优势,从而提高对储层非均质性的认知程度。     

分水岭算法在电成像测井图砾石识别中的最优参数研究

基于电成像测井,将分水岭算法应用到电成像测井图砾石的识别中,分水岭算法在砾石识别应用中的参数选取直接影响到识别效果。针对分水岭算法识别砾石的各个步骤,选取不同的优化参数进行处理,对处理效果进行对比分析,最终确定分水岭算法识别砾石的最优参数,并对吉林王府断陷AA井、BB井和CC井三口井进行实际处理,得到很好的效果。     

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。      

井眼轨迹计算及可视化研究现状

对现有的井眼轨迹计算方法进行对比分析,得出圆柱螺线法和最小曲率法计算精度较高,具有较好适用性。通过总结井眼轨迹可视化研究相关算法及可视化软件发展现状认为,可视化研究趋于普遍适用性、功能多元性和更加智能性方向发展。同时,对利用方位伽马测井曲线识别储层界面方法进行探索性研究。