基于D—S证据理论的多参数反演的火成岩识别——以塔里木盆地哈拉哈塘地区为例

塔里木盆地哈拉哈塘地区具有良好油源地质条件,该地区二叠系火成岩普遍发育,复杂的岩性和剧烈的厚度变化影响下覆油气资源的勘探.为识别该地区英安岩和玄武岩这2种主要分布的火成岩,分析不同岩性的特征响应,选取有效岩性识别参数,进行多参数反演;利用基于D-S证据理论的信息融合技术对多参数反演结果进行融合,挖掘参数反演数据体的优势信息,得到岩性识别的概率体,有效避免传统波阻抗反演结果的局限性.该方法可预测主要火成岩类型在空间上的展布和厚度变化,提高岩性解释精度,在识别火成岩岩性方面取得较好效果.     

塔里木盆地哈拉哈塘油田 AＧB区块二叠系火成岩漏失原因与应对措施

哈拉哈塘油田 AＧB区块二叠系火成岩频繁井漏,阻碍了提速降本,准确预测漏失位置,可以为优选井身结构及钻井液优化提供技术支持.地质上,利用薄片观察对不同岩性进行了识别;物探上,采用属性提取、曲率、切片等技术手段,将研究区火成岩地震反射特征分为３类:空白相、亚平行相、平行相,不同的地震反射特征具有不同的岩性组合特征.通过漏失井岩性、地震相、漏失位置、漏失量分析,结合裂缝发育特征,认为火成岩空白相裂缝发育段钻井漏失量大,亚平行相的玄武岩顶部易发生少量钻井漏失.布井时需根据火成岩的不同相采取相应的措施,空白相应避免人工压裂;亚平行相需控制泥浆密度.      

复杂断块地震资料裂步Fourier真振幅叠前深度偏移

为了满足岩性油气藏、复杂断块等隐蔽油气藏勘探的迫切需求,需要获取高保真、高精度地震资料.由于传统的单程波方程叠前深度偏移只能反映波的运动学特征,并不能反映其动力学特征,因此不能保持真振幅特性.为此在裂步 Fourier偏移中分别引入不同的真振幅校正算子,对传统的偏移算子进行补偿校正,并对成像条件进行改进.高保真裂步 Fourier法叠前深度偏移具有较好的保幅特性,使振幅能够准确反映地下介质的反射系数序列,便于后续的更具地质意义的 AVO－AVA 分析、岩性解释等.实际工区应用结果表明该方法是一种稳定、快速、有效的叠前深度偏移方法,具有良好的应用潜力.      

油气田勘探开发阶段高分辨率零偏移距VSP技术

从零偏移距VSP资料采集、处理和解释方面,探讨了当前油气田勘探开发阶段高分辨率零偏移距VSP技术发展的内容和特征。这些特征主要是：得到高分辨率的VSP资料,不仅能对比厚层,而且能对比小层或薄储层;利用多波,不仅同时利用下行和上行波,而且同时利用纵波和转换横波;提取动力学参数,不仅给出时间深度标尺和走廊叠加层位标尺,而且给出振幅、频率、Q值、子波、纵横波速度比、泊松比、弹性参数等标尺;直接探测岩性和油气,不仅对比、控制、约束地震层位的反演,而且识别不同类型的储层,并为井地联合的储层含油气性反演提供控制和约束条件。     

歧北斜坡沙三段储层地震反演预测技术

在地质综合研究的基础上,通过地震资料的分析与处理、测井曲线的标准化与特征曲线的重构、子波的提取与层位标定等一系列前期的处理,并优选反演参数,对歧北中斜坡沙三段开展GR拟声波测井约束反演,明确了有利砂体的展布及厚度,为该区的井位部署及储层评价提供了有力的支撑。      

基于压缩感知原理的L1范数AVO反演算法

基于压缩感知稀疏信号采样与重构理论,利用AVO反演方法将传统的L2范数改变为L1范数,反演地下地层在L1范数下的稀疏脉冲反射系数。反演得到的稀疏尖峰将局部地下结构通过有限数量的层状结构的叠加来表示,能够提高纵向精度,与传统的AVO反演算法相比提高了薄层的反演效果且具有一定的抗噪性。数值模型及实际数据的结果表明,基于压缩感知原理的L1范数AVO反演方法更加准确、分辨率更高。     

基于地震反演及多信息协同约束的冲积扇储层精细建模

油田开发早期区块井资料少、井距大,难以对储层进行精确描述。采用叠后地震反演数据进行沉积相研究,定量分析扇根亚相各微相,为三维沉积相模型提供地质参数;以测井数据为硬数据,采用沉积相控制、反演协同体等信息约束建立储层的泥质质量分数模型。结果表明,应用包括地震反演信息在内的多种信息进行约束建模,可以综合测井资料纵向高精度和地震资料横向高精度的优点,解决勘探开发阶段储层精细描述的问题。     

地震岩石物理分析在致密砂岩储层预测中的应用

松辽盆地北部发育典型非常规致密砂岩油,基于"甜点"储层地震预测实际需求,采用面向储层预测的测井数据评价、岩石物理扰动模拟和地震数据刻度技术,分析该地区致密砂岩储层地震岩石物理规律.结果表明:研究区致密孔隙介质的弹性特征变化主要受岩性和物性控制,岩性控制作用更大,孔隙流体影响小;利用纵波阻抗和纵横波速度比(或泊松比)双元弹性参数交会可识别"甜点"储层;基于岩石物理刻度的叠前AVO反演是实现"甜点"储层地震预测的有效途径.研究区水平井钻探实例证明,地震岩石物理分析在基础资料认识、优化,以及"甜点"储层地震预测中具有重要作用.     

西湖凹陷 Ｍ 气田区块低孔渗致密砂岩储层高精度三维孔隙压力场地震预测

西湖凹陷 Ｍ 气田区块泥岩超压为欠压实和生烃共同作用的结果,目的层砂岩具有低孔渗特征,导致流体孔隙压力预测难度大,为此,基于测井资料分析,建立了适用区块低孔渗地层和多压力异常成因特点的纵波速度压力预测模型,基于非欠压实成因异常压力对总孔隙压力的贡献程度的参数来表征多压力异常成因的压力预测,基于层控和断控多约束层速度反演的低频地震速度建模和叠前 ＡＶＯ 反演的精细三维地震速度场的构建策略获得用于地震压力预测所需的三维高精度速度场。实际区块三维地层孔隙压力场的预测结果表明,在工 区 实 测 点深度处的孔隙压力预测值与实测值之间的平均误差小于 ６％,验证了多压力异常成因情形下的压力预测的可靠性。      

融合储层纵向信息的机器学习岩性识别方法

测井资料中包含丰富的岩性信息,相比于取心资料,具有连续性强、成本低等优点。用机器学习方法探索测井曲线与实际取心段样本岩性之间的关系,实现储层岩性的自动识别,降低岩性识别成本,提高识别效率和准确性,可以为储层评价提供有效手段。基于岩性分类依据选择适合样本的分类方案,选取适合岩性分类问题的机器学习方法设计试验方案,提出了融合储层纵向信息的机器学习岩性识别方法,利用深度窗对常规测井数据和已知岩性数据进行了序列采样,生成了训练样本。用逻辑回归、支持向量机、随机森林、卷积神经网络和Stacking集成学习5种不同方法分别建立模型,对新疆某油田的强非均质岩层原始样本进行了岩性识别。结果表明,当深度窗宽度与岩层厚度相匹配时,在原始样本具有强非均衡性的情况下,用本方法对其进行预处理之后,各个机器学习方法获得的岩性识别准确率均有较大提高。深度窗的宽度决定了方法识别岩层厚度的精度,深度窗越小,识别精度越高;深度窗越大能够保留的纵向信息越多,对相应厚度的岩层识别准确率越高。本文的融合储层纵向信息的机器学习岩性识别方法能提升测井资料岩性识别的准确性,给非均质薄岩层的自动有效识别提供了经济有效的参考方案。     

基于应力场分析裂缝预测技术在车排子地区石炭系火成岩储层中的应用

车排子地区石炭系火成岩储层岩性、地层发育复杂,地震资料品质差,加之缺乏必要的地质约束导致常规技术预测裂缝不符合现有地质规律。在裂缝地质特征剖析的基础上,确定了裂缝发育主控因素并明确了各自的影响权重,同时通过反演、插值等方法将岩石密度、风化壳厚度等主要因素进行了定量化表征,并基于应力场数值模拟技术开展了裂缝预测研究,取得了较好的预测效果。最终结果显示,裂缝主体区呈条带状大面积连片分布于工区南部pai60井-pai665井-pai1井以及pai66井-pai661井-pai667井等断裂集中发育区域;裂缝发育方向以NE-SW向为主。      

基于正交匹配追踪的深度波数谱分解及其在含油气储层预测中的应用

常规时间域地震属性分析是利用由叠前深度偏移数据转换至时间域的数据,这种转换将造成有效高频信息的损失,为了充分利用深度域资料成像精度高的优势,有必要开展深度域资料属性分析工作。由于深度域波数与频率和波速有关,如何获得高分辨率深度波数谱是深度域地震属性分析的关键。采用基于稀疏反演的谱分解方法,通过建立深度域过完备子波库,利用正交匹配追踪算法提高深度波数谱计算分辨率,通过理论模型的深度波数谱属性计算,并与时频谱属性进行对比,分析含油气储层的深度波数谱变化特征,通过实际资料的深度波数谱属性分析应用,验证利用深度波数谱进行含油气性预测的实用性。结果表明,基于正交匹配追踪算法的深度波数谱分解方法具有较高分辨率,可作为深度域含油气储层预测的高精度手段之一。实际数据应用表明,深度波数谱含油气储层下方出现低波数伴影现象,可作为深度域指示油气储层存在的标志,基于正交匹配追踪的深度波数谱分解方法可有效识别低波数伴影异常,对深度域地震资料进行含油气储层预测。     

鄂尔多斯盆地中部下古生界白云岩含气性地震检测

利用AVO、叠前弹性参数反演和高频地震能量衰减等方法检测砂岩是否含气得到了较为广泛的应用,但是这些方法是否适用于层状白云岩储层含气性检测并不清楚。针对鄂尔多斯盆地马五5白云岩的岩性和含气性变化,采用岩石物理分析、AVO类型分析、叠前反演、叠后能量衰减等多种地震方法进行了试验研究。研究表明,岩石物理参数交会图不能严格区分含气白云岩、不含气的含灰白云岩和含泥白云岩,但白云岩气层与灰岩和砂泥岩的参数差异较明显。通过截距-梯度交会图与正演模型相结合可以判断研究区白云岩属于第Ⅰ类和第Ⅳ类AVO异常,但因影响因素过多,因此不能完全依靠AVO类型进行含气性判别。在各种叠前弹性参数反演中,纵横波速度比反演以及泊松比反演可以较好地反映白云岩含气层厚度、分布与尖灭。分频能量衰减分析表明,含气段比不含气段的最高能量对应的频率会降低大约5 Hz。叠前弹性参数反演和分频能量衰减检测白云岩是否含气具有一定的效果和一致性。      

碳酸盐岩古溶洞层级约束地质建模方法探讨:以塔河油田奥陶系某缝洞单元为例

碳酸盐岩地下古溶洞及其内部充填结构一直以来是地质建模的难点。综合地震、地质、测井等资料,提出了溶洞复合体、单一溶洞及溶洞内部充填结构3个层次逐级约束建模的思路,探索了基于多点地质统计学的溶洞内部充填结构建模方法。其中溶洞复合体属于较大尺度地质体单元,地震分辨率基本可识别,井震联合反演约束下采用截断高斯模拟方法建立溶洞复合体模型;单一溶洞是溶洞复合体的重要组成单元,属于中等尺度地质体单元,地震分辨率难以直接识别,基于大量露头实测数据,在溶洞复合体约束下采用基于目标的方法建立单一溶洞分布模型;溶洞内部充填结构属于小尺度地质体单元,地震分辨率很难识别,在单一溶洞约束下,尝试采用多点地质统计学方法建立溶洞内部充填结构模型。以上层级约束建模思路有助于提升地下古溶洞及其内部储集体地质建模的准确度,在塔河油田某缝洞单元测试中取得了初步效果,同时讨论了存在问题及攻关方向。该研究对于精细表征缝洞型碳酸盐岩油气藏具有指导和启示作用。      

基于归一化磁源强度的聚焦反演方法

针对剩磁条件下铁磁物质反演中存在的问题,提出基于归一化磁源强度的聚焦反演方法。首先,利用归一化磁源强度作为实测数据对磁性目标进行反演,减弱剩余磁化对反演结果的影响;然后,利用深度加权矩阵和最小支撑矩阵对经典Tikhonov正则化理论框架下的反演模型进行约束得到目标函数,并有效解决了核函数随深度增大而快速衰减的问题;最后,通过对目标函数进行迭代奇异值分解获得最佳物性参数,并根据Morozov偏差原则自适应地确定目标函数在迭代过程中的正则化参数,提高了迭代速度和求解精度。     

基于井震联合反演方法的泥页岩有机碳质量分数预测及应用

针对含油气泥页岩有机非均质性强的特点,以松辽盆地南部小城子地区青山口组为例,提出利用井震联合反演方法预测有机碳质量分数的空间分布.该方法首先基于改进的Δlg R模型确定井剖面上有机碳质量分数的变化,分析有机碳质量分数与纵波阻抗的相关性;然后根据测井评价和稀疏脉冲约束波阻抗反演数据分别求取垂向和水平变差函数;最后利用井震联合反演得到高分辨率有机碳质量分数数据体.结果表明,该方法可以有效预测青山口组有机碳质量分数空间分布,后验井检验反演结果与测井评价有机碳质量分数符合率达82.7%;参照页岩油资源分级评价标准,研究区青山口组页岩油主要富集于青一段,区域上分布在西部和城10井区.该方法为少井或勘探初期地区泥页岩有机碳质量分数的空间分布预测提供新思路,对页岩油勘探开发具有指导意义.     

格仁错断裂现今地壳运动特征的InSAR监测与分析

基于干涉合成孔径雷达(InSAR)技术,获得格仁错断裂高空间分辨率的地壳形变速度场,并以此为约束,利用深浅部震间断层位错模型反演断层面上的滑移速率与闭锁深度.结果 表明,格仁错断裂性质为右旋走滑,断层两侧存在差异运动,断层上的差异运动自西向东逐渐减弱;InSAR变形结果与GPS观测结果高度一致,远场LOS向最大形变差异...     

音频大地电磁法对深部隐伏构造的识别与应用:以贵州省松桃县李家湾锰矿为例

面对国家级整装勘查区——贵州铜仁松桃锰矿整装勘查区深部找矿难度加大的现状,特别是隐伏构造的识别对于第二空间(500~2 000m深度)找矿至关重要的问题,鉴于当前锰矿床后期保存条件的研究需要,利用音频大地电磁法对深部隐伏构造的识别很有必要。以区内岩石物性特征为基础,结合“大塘坡式”锰矿地质模型,建立了初步的正演模型,比较了正演TE、TM两支理论正演曲线,TM模式视电阻率响应较TE模式纵向分辨率强;对比了两支曲线在断层上下盘的响应特征。贵州省松桃县李家湾锰矿实测数据的不同反演结果表明:以一维Occam-TE反演作为初始模型的二维NLCG-TE反演能较好地反映真实的电断面结构。通过剖面电性结构特征分析,为查明“大塘坡式”锰矿深部构造格架及其对含锰岩系的破坏程度提供了地球物理依据,为进一步“攻深找盲”工程部署提供参考。      

柴达木盆地七个泉油田E3油藏储层参数测井精细解释

为解决柴达木盆地七个泉油田E13储层参数测井解释难题,综合运用岩心、测井、分析化验以及生产动态等资料,建立了储层参数精细解释模型。首先开展岩心深度归位以及测井资料标准化处理,保证测井资料的可靠性;然后对储层主要岩性砾状砂岩、细砾岩、砾岩、细砂岩、泥质粉砂岩、泥岩进行了定量识别,建立了泥质含量、孔隙度、渗透率以及含油饱和度测井精细解释模型;最终确立了研究区油水层测井解释标准,为后续剩余油挖掘以及地质建模提供了准确的储层参数。      

基于机器学习的滑坡易发性预测建模及其主控因子识别

不同机器学习预测滑坡易发性的建模过程及其不确定性有所差异, 另外如何有效识别滑坡易发性的主控因子意义重大。针对上述问题, 以支持向量机(support vector machine, 简称SVM)和随机森林(random forest, 简称RF)为例探讨了基于机器学习的滑坡易发性预测及其不确定性, 创新地提出了"权重均值法"来综合计算出更准确的滑坡主控因子。首先获取陕西省延长县滑坡编录和10类基础环境因子, 将因子频率比值作为SVM和RF的输入变量; 再将滑坡与随机选择的非滑坡样本划分为训练集和测试集, 用训练好的机器学习预测出滑坡易发性并制图; 最后用受试者工作曲线、均值和标准差等来评估建模不确定性, 并计算滑坡主控因子。结果表明: ①机器学习能有效预测出区域滑坡易发性, RF预测的滑坡易发性精度高于SVM, 而其不确定性低于SVM, 但两者的易发性分布规律整体相似; ②权重均值法计算出延长县滑坡主控因子依次是坡度、高程和岩性。实例分析和文献综述显示RF模型相较于其他机器学习模型属于可靠性较高的易发性模型。