用地球物理测井方法识别碳酸盐岩储集层的岩性及孔隙结构——以巴西深海J油田案例

位于巴西深J油田的盐下碳酸盐岩岩性及孔隙结构的识别对于区域储层的分布规律十分重要,但由于海外资料的获取量有限,如何最大限度地利用已有资料进行精准有效的岩性识别成为难题.本文在已有的各项地质信息资料的基础上,先利用成像测井资料提取出储层内主要岩性典型的结构标准图版,然后探索各类岩性在常规测井曲线上的响应规律,并提取出识别岩性的敏感参数,建立起常规测井参数的交会图法识别规律.确认其应用在全井段识别中取得效果后,进一步利用数据挖掘软件中的决策树技术,组合成交会图-决策树模型法.将此模型应用于实际井资料的处理,利用薄片资料和成像图像进行验证,得到了更高的岩性识别符合率,证实了模型在仅有常规测井资料中的适用性.     

南堡5号构造火山岩岩性识别技术研究

南堡5号构造具有火山多期喷发、岩相岩性复杂的地质特征,岩性识别困难.本文在取心分析、薄片鉴定、电镜扫描的基础上,分析总结不同岩性的测井响应特征,综合应用常规测井、ECS测井和成像测井资料,采用"结构"-"成分"-"粒级"的三级分类方法,利用交会图技术进行岩性识别.同时为能利用多条测井曲线识别岩性,并能避免分析问题的难度和复杂性,采用自动判别分析、主成分分析方法进行岩性自动识别,取得了较好的效果.     

利用数据挖掘技术识别深层火山岩气层

石炭系火山岩的低渗透气藏具有的埋藏深、成因复杂、类型多、分布广、三孔隙度曲线响应特征不明显等特点,并且主要的四种火山岩气藏：玄武岩、安山岩、英安岩、流纹岩的密度和纵波时差测井值差别较大,因此使基于三孔隙度测井资料的一系列识别气层的有效方法在该盆地石炭系火山岩气层的识别中无明显效果.数据挖掘技术从数据的角度出发,在进一步丰富岩心、测井和试油资料的前提下,利用数据挖掘技术中的聚类分析和关联分析获取核心参数和数据之间的内在联系,用决策树提取预测火山岩气层的模型.该方法充分利用已有的数据资料,用数学分析方法遍历寻找对识别火山岩气层有用的信息,而不仅仅依靠三孔隙度和电阻率曲线,并且消除了岩性的影响,因此获得了较高的识别率.     

测井识别庐枞矿集区科学钻探ZK01孔复杂岩性

庐枞矿集区位于长江中下游成矿带内,ZK01孔为深部探测项目在该地区布设的一口科学钻探孔.地球物理测井利用各种仪器在钻孔中连续观测,获取了钻遇地层的视电阻率、极化率、密度、自然伽马、纵波速度和磁化率等物性参数.该孔钻遇岩性复杂,测井曲线难以直接识别岩性,本文基于交会图等技术分析各种岩性测井响应特征,提取各种岩性的物性特征值,建立了砖桥组和岩体组相关岩性的Bayes自动判别模型,其回判正确率分别为85.1%和83%,并在实际判别中取得了较好的应用效果.     

基于DBN模型的火山岩岩性识别方法——以车排子地区为例

准噶尔盆地西北缘红车断裂带石炭系火山岩储层历经火山多期喷发形成,岩石矿物组成与岩石结构复杂、岩石类型繁多,导致常规方法识别岩性存在困难.为了能提高火山岩岩性识别精度,提出一种基于深度置信网络(DBN)识别岩性的方法.本文通过对薄片鉴定资料、岩心观察资料及测井数据统计分析,根据火山岩类型总结的测井响应特征绘制交会图,发现...     

基于SVM测井数据的火山岩岩性识别——以辽河盆地东部坳陷为例

辽河盆地东部坳陷储集层由火山多期喷发形成,岩相岩性复杂,岩性以中、基性火山岩为主.本文将火山岩的岩心及岩矿鉴定资料与测井数据进行整合,应用测井数据建立支持向量机(SVM)两分类和多分类岩性识别模式.首先,深入研究支持向量机二分类及"一对一"、"一对多"和有向无环图三种经典多分类算法的基本原理及结构;然后,总结研究区域火山岩岩石特征,分析测井数据的测井响应组合特征,选择40口井中岩心分析和薄片鉴定资料完整、常规五种测井曲线(RLLD,CNL,DEN,AC,GR)齐全的1200个测井数据作为训练样本,构造三种支持向量机岩性识别模式;最后,对4测试井中800个测井数据进行岩性识别,识别结果与取心段岩心描述和岩心/岩屑薄片鉴定资料对比,实验结果表明有向无环图更适合辽河盆地火山岩的识别,识别正确率达到82.3%.     

基于PSO-SVM的测井岩性识别方法研究——以南图尔盖盆地K油田古生界(Pz)储层为例

南图尔盖盆地K油田古生界(Pz)岩性多样、孔隙结构复杂,针对常规岩性解释方法对该储层岩性识别准确度未达到预期效果,严重制约了测井储层解释等问题,提出基于粒子群算法优化支持向量机(PSO-SVM)的岩性识别方法.通过岩心资料分析不同岩性的测井响应特征,建立测井相识别图版.选择对研究区岩性敏感的自然伽马、阵列感应电阻率、声波、中子、密度与光电吸收截面指数等七条测井曲线参数作为输入特征值,以粒子群算法优选合适的支持向量机参数(惩罚因子和核函数参数)对研究区4口取心井进行样本学习,建立基于PSO-SVM的岩性识别模型,其识别准确率达到了97%.相对于传统SVM算法,PSO-SVM岩性识别模型预测结果的速度更快,精度更高.通过将该模型应用于取心井与试油井,在正确识别岩性的同时,有效提高了测井储层解释的准确性.结果表明,在K油田复杂岩性识别中应用PSO-SVM方法,可为提高测井储层解释的准确性提供较可靠的岩性依据.     

松南气田火山岩储层测井解释研究

火山岩储层总体属于低孔渗储层评价的范畴,由于测井含气响应远弱于岩石骨架响应,流体识别面临气、水层区别难的问题;由于岩性和孔隙结构复杂引起阿尔奇参数多变,测井解释面临饱和度定量计算精度不高等问题.针对上述问题,提出“定性解释与定量解释相互独立、相互验证”的火山岩测井解释原则.在气层识别方面,从重构孔隙度气层识别组合曲线、研究电阻率相对值、应用核磁测井技术以及分析储层含气丰度与测井响应差异等四个研究方向探索了不同储层的测井识别依据,根据上述研究成果,确定了5类储层的测井判别依据,实现了火山岩定性解释;在火山岩定量解释方面,由于电阻率曲线本身就是岩性和孔隙结构的综合反映,引入基于电阻率测井响应的可变m值阿尔奇计算公式,应用生产测试成果验证,证实该方法定量计算储层含气饱和度精度高.根据上述研究成果,系统建立了松南火山岩测井解释模型.应用新的火山岩储层测井解释方法,多口新井的测井预测结果被生产测试所验证,应用效果良好.     

火山岩储层流动单元识别与刻画——以松辽盆地营城组为例

利用测井资料确定有效储层物性下限并识别隔挡层,结合岩性—岩相等定性分析方法和聚类—判别等定量分析方法综合识别相邻隔挡层间连通火山岩体内的储层流动单元.以岩心和测井资料为基础,用孔隙度、渗透率、声波时差、补偿中子和补偿密度共5个参数进行聚类分析和判别分析,实现由取心井段到全井段储层流动单元的刻画,将XS1井区火山岩储层流...     

基于孔隙结构的酸性火山岩储层流体识别方法研究

酸性火山岩山于成岩矿物类型多样,孔隙结构复杂,电阻率普遍较高,应用常规的中子-密度测井曲线交会和电阻率的高低已经不能判断储层流体性质.在天然气的测井响应特征分析基础上,应用三孔隙度组合、横纵波时差比值、核磁共振及综合参数识别流体性质.应用结果表明这些方法只能识别含气储层,对于气水同层的识别效果并不好.电阻率对储层流体性...     

应用Bayes逐步判别方法识别东辛油田沙四段储层流体性质

东辛油田沙四段储层存在相当数量的低阻油层,油层、油水同层、水层测井响应特征比较接近,常规交会图法难以准确识别储层流体性质.本文介绍了Bayes逐步判别方法原理和技术流程,综合应用声波时差、自然伽马、自然电位、深探测电阻率、浅探测电阻率测井资料和生产动态资料建立了油层、油水同层、水层的判别函数.应用效果表明,Bayes逐...     

中国大陆科学钻探井(CCSD)超高压变质岩岩性的识别

通过对中国大陆科学钻探井先导孔（CCSD-PH）测井资料的研究,并结合全井段的取芯资料,总结出了单一变质岩岩性在声、电、核三方面的测井响应,建立了岩性－测井响应数据库,并提取出了多种特征参数.应用聚类分析和逐步判别的方法,结合不同岩性的测井响应和多种特征参数,进行岩性的识别,以达到岩性剖面重组的目的.最后将岩性识别结果与取心资料进行对比,按厚度统计,达到了80％以上的符合率,取得了良好的应用效果.     

应用最小二乘支持向量机识别广利油田沙四段储层岩性

广利油田沙四段储层岩性以为粉砂岩、细砂岩和不等粒砂岩为主,岩性非均质性较强,应用常规测井交会图识别岩性难度大.本文介绍了最小二乘支持向量机的原理及实现流程,利用网格搜索法确定的参数对δ2(C,δ)=(2000,0.707)开展了广利油田沙四段储层岩性的测井识别.应用效果表明,测井识别岩性与岩心分析资料的符合率达到了86％,可满足广利油田沙四段储层岩性识别的需要.     

基于孔隙结构储层分类的中低孔特低渗储层渗透率确定——以B区块S油层为例

针对B区块S油层含泥含钙中低孔特低渗储层渗透率计算精度低的难题,分析岩性、物性、孔隙结构对储层渗透率的影响,明确了孔隙度、泥质含量、钙质含量、孔隙结构是影响B区块S油层特低渗储层渗透率的主要因素,其中,孔隙结构是影响特低渗储层渗透率的关键因素.综合运用压汞曲线、孔喉半径分布特征以及流动单元指数反映特低渗储层孔隙结构变化,将特低渗储层按不同孔隙结构划分成3种类型,建立了特低渗储层类型的判别标准.利用中子测井、密度测井、声波测井、微球形聚焦测井、深浅侧向电阻率测井差值的绝对值等5个储层类型识别的敏感测井响应及参数,使用决策树法、最邻近结点法、BP神经网络法和支持向量机法建立了4种基于机器学习的储层判别方法,储层类型判别准确率依次提高,其中,基于支持向量机的储层类型判别方法判别准确率最高92.2%,且对3种类储层判别效果均很好.针对3类储层分别建立了渗透率计算公式．实际井解释结果表明,基于机器学习储层分类的渗透率模型计算B区块S油层特低渗储层渗透率精度明显高于储层分类前渗透率计算精度,其中,基于支持向量机储层分类计算的渗透率精度最高．     

准噶尔盆地陆东-五彩湾地区石炭系火山岩电性与地震响应特征

勘探实践证实,准噶尔盆地石炭系已成为一套现实勘探层系;陆东-五彩湾地区石炭系火山岩体规模大、分布广,是重要的天然气储集体;火山岩储层有效性主要受不整合、岩性、岩相控制,识别火山结构、火山岩岩性、岩相成为判别储层有效性的关键.由于主要目的层巴塔玛依内山组特殊的三段式火山岩组合层序结构,为通过测井、地震物探手段识别火山岩岩...     

利用BP神经网络法对致密砂岩气藏储集层复杂岩性的识别

在岩心和录井资料较少,又非常依赖测井资料进行地质综合解释的研究区域,利用测井资料进行岩性识别是一项基础而又重要的工作.测井资料的数据种类虽然较多,但对岩性敏感的曲线较少,因此,如何优选对岩性敏感的测井曲线,然后进行网络学预测岩性,则显得尤为关键.在进行BP神经网络学习前,利用已知岩心资料,优选了本研究区对岩性较为敏感的自然伽玛和光电吸收截面指数这两种测井曲线,并做标准化与归一化处理,以消除测井系列、型号和测井曲线度量单位的不同引起的刻度和数量级误差,从而提高网络收敛速度,建立准确岩性识别模型,识别了未取芯井的岩性.研究结果表明,利用优选输入向量的BP神经网络法对苏里格气田复杂岩性进行识别,识别准确率较高,平均符合率达到了近90%.因此,通过采用该方法对岩性的识别,也为后续基础性研究工作提供了宝贵的一手资料.     

利用交会图法识别国外M油田岩性与流体类型的研究

利用测井曲线进行岩性与流体类型的识别是测井解释的重要内容之一,可为油田油气藏的综合评价提供重要的基础依据.基于交会图法和岩心资料,本文分析研究了国外M油田的常规测井曲线特征与岩性和流体类型的关系.首先以岩心资料为基础,选取对岩性和孔隙流体敏感的物理量进行交会图分析识别,在现有测井资料的前提下,综合这些物理量建立了GR-BK、GR-NGR、NGR-BK、PHIE-SW交会图版,然后利用这些图版进行了岩性和流体的识别.其中:岩性主要依据自然伽马、中子伽马、电阻率交会图版来识别,流体类型主要依据饱和度和电阻率交会图版进行识别.在上面工作的基础上确定了该油田不同类型的岩性和流体的识别标准值范围:1)碳酸岩识别标准为GR<70API,NGR>2.5CU,BK<5Ω.m;砂岩识别标准为,70API162API.2)油气层有效孔隙度PHIE>20%,SW<55%,BK>2Ω.m;水层的有效孔隙度PHIE>20%,但是SW>55%,BK<2Ω.m.从上面的结果可看出,在该研究区域,该方法不仅可以区分砂岩和泥岩这样不太复杂的岩性,甚至可以区分砂岩、石灰岩和白云岩这样易混淆的岩性.最后,通过待测试数据对建立的交会图版进行检验,岩性和流体识别的准确率达到了94%和100%.本文的研究结果对中亚地区油田的岩性识别和储层预测具有重要的应用价值.     

基于改进多粒度级联森林的测井岩性识别方法研究与应用

岩性是储层评价和地层开发潜力评测的关键因素,是油藏描述、实时钻井监控及求取储层参数的基础.测井资料中包含丰富的地层岩性信息,是岩性分析的基础资料.然而,数据信息的精度往往会严重的影响到识别的准确率,同时复杂的岩性状况也加大了测井解释的难度,如何快速、精确、低耗地利用测井资料获取地层岩性信息越来越受到研究人员的重视.针对...     

海拉尔盆地火山碎屑岩的测井响应与应用

海拉尔盆地中生界为熔岩-火山碎屑岩-沉积岩系列岩性组合,是测井解释层位.但是精细的岩心岩石类型描述与测井识别岩性的精度不匹配,岩心精细分层厚度往往小于测井分层的最小厚度0.6 m.研究显示,安山岩、熔结凝灰岩、凝灰岩、沉凝灰岩、凝灰质砾岩、凝灰质砂岩和沉积岩等主要岩性具有各自的测井响应,即有特定的岩-电关系模式.交会图...     

超浅疏松地层泥质粉砂岩与粉砂质泥岩识别方法——以大庆某地区黑帝庙层为例

超浅疏松地层压实程度低,未压实的粉砂质泥岩具有一定的孔隙度,与泥质粉砂岩的电性特征相接近,不易区分.本文针对这一难题,提出了稳定泥质单元控制下的岩性划分技术.该技术的核心思想是:在测井曲线上将厚层稳定的泥岩段定义为泥质单元,将泥质单元所分隔的大套砂体部分定义为非泥质单元.在泥质单元内采用电阻率的回返率和自然伽马的交会识别泥质粉砂岩和粉砂质泥岩;在非泥质单元内,按照沉积韵律控制下电阻率曲线的相对变化来区分泥质粉砂岩和粉砂质泥岩.而针对不包含在任何韵律内的2种岩性,采用3参数、4种电测曲线交会分区识别.以密闭取心井岩性分析结果为标准,采用该套技术共解释岩性58层,误判4层,岩性判别总符合率达到93.1%.其中,判别泥质粉砂岩和粉砂质泥岩32层,符合率达到87.5%.