古潜山内幕构造及储集体刻画——以胜利油区富台潜山为例

碳酸盐岩潜山储层蕴含资源量巨大,勘探前景广阔,是胜利油田的接替新领域。碳酸盐岩潜山油气藏多受构造活动、岩性变化和流体溶蚀等影响,其内幕储集空间非常复杂,油气开发难度大,准确地描述裂缝空间分布是潜山油藏开发的基本前提。这里以胜利油区富台潜山为例,通过研究该区域的地质背景并结合测井、地震资料对其进行地层划分,以深度学习为辅助手段实现了对全区进行高效的裂缝预测;在裂缝预测结果基础上进行断缝溶储集体刻画,并结合多地层的古地貌准确直观地展示了刻画结果。     

元素录井在西藏北羌塘盆地侏罗系地层岩性定量识别中的应用

西藏北羌塘盆地半岛湖地区侏罗系地层中矿物种类及含量对地层矿物识别、岩性及地层划分、以及研究沉积环境等方面,均有非常重要的作用。根据不同的岩性矿物组成,分析其分子式、同时使用用全岩分析数据与元素录井数据进行相关性分析,综合确定矿物特征元素或元素组合,然后建立从元素或元素组合含量向矿物含量转换的数学模型,从而计算出地层中的矿物百分含量。通过对Q-x-x井资料的处理,将其计算结果与实验室结果进行统计对比,其结果表明:①全岩分析的矿物含量与计算的岩石矿物含量的对比发现绝对误差大部分都在10以内,总体都在所要求的误差范围内;②侏罗系布曲组、夏里组地层模型计算效果跟录井岩屑剖面吻合度很好,元素录井岩性解释与岩屑录井解释总体一致。该研究成果对现场快速录井提供了重要的理论依据和技术指导。     

RPROP算法在测井岩性识别中的应用

为了更好地解决测井岩性识别问题,引入一种快速实用的BP算法--Resilient Backpropagation (RPROP)算法。在说明RPROP算法的基础上,结合某地的实际测井资料,建立基于RPROP算法的BP网络岩性识别模型,进行岩性识别的应用研究。结果表明,应用RPROP算法进行测井资料岩性识别,识别的准确率较高,与基本BP算法及其一些改进算法相比,训练速度快,具有很好的应用前景。     

裂缝性碳酸盐岩油藏裂缝网络的识别方法研究——以胜利油区F潜山油藏应用为例

提出了针对碳酸盐岩裂缝型储层的裂缝识别和类型判别方法:在对常规测井曲线进行小波多尺度分析的基础上,通过求取剩余曲线变化率,以消除岩性对测井曲线的影响,突出裂缝信号,提高常规测井对裂缝的分辨率;以岩心描述和成像测井所识别的裂缝类型为样本,以多测井参数为变量,运用主成分分析和Fisher判别等方法,建立裂缝类型的判别模型。此方法应用于胜利油区F潜山碳酸盐岩储层的裂缝类型判别,效果较好。     

GA-BP神经网络模型在彬长矿区测井岩性识别中的应用

为提高测井岩性识别的自动化程度和地质解释精度,在分析遗传算法(Genetic Algorithm,简称GA)与误差反向传播算法(Back-Propagation,简称BP)各自特性的基础上,针对BP算法在反演中测井数据识别样本大以及BP算法本身存在的缺陷,提出了利用GA算法来同时优化BP神经网络的结构和连接权值的解决方案,建立了基于GA优化BP神经网络的测井数据岩性识别模型。该模型通过彬长矿区实际数据的检验,获得了较高的识别速度和准确率。     

塔河油田奥陶系碳酸盐岩岩溶储集体类型及划分方法研究

塔河油田奥陶系油藏储集体类型的多样性和复杂性,给常规测井定量解释带来了很大困难。此类油藏储集体类型的划分和识别对油田开发极为重要。根据6口关键井的电成像测井(FMI)和岩心样品特征,将塔河碳酸盐岩储集体划分为未充填洞穴型、垮塌充填洞穴型、机械充填洞穴型和裂缝型4类。依据其中5口井的常规测井响应和4类储集体划分结果,选用GR、RD、RS、K3(深浅侧向电阻率倒数差的绝对值)、AC、DEN和CNL共7种测井信息作为神经网络的输入学习样本,经学习训练建立了储层划分的神经网络模型。通过检验井对比,说明基于神经网络模型,通过常规测井的多参数约束,可以判断岩溶型储集体类型。经本次研究,初步形成了储集体半定量评价标准。     

测井资料用于盆地中火成岩岩性识别及岩相划分:以准噶尔盆地为例

以准噶尔盆地为例,建立火成岩的测井岩性识别和测井相划分的方法,运用火成岩岩石学理论和岩石物理学的技术方法,确立了火成岩岩性、岩相的测井分类标准。揭示了自然伽马测井、密度测井、ECS测井对火成岩化学成分的变化最为敏感,从基性到酸性火成岩的自然放射性强度逐渐增强,密度降低,金属元素含量减少,二氧化硅含量增加;火成岩的自然放射性、密度、电阻率对火成岩的结构变化有一定的反映,火山碎屑岩与同质的熔岩相比,自然放射性、密度、电阻率测井值降低;补偿中子测井值对火成岩的蚀变程度反映最为敏感,密度、电阻率对火成岩的蚀变程度有一定的反映,且随着蚀变程度的增强,密度、电阻率测井值有降低的趋势。并用岩性敏感测井曲线制作了多维火成岩岩性识别图版、用成像测井制作了火成岩的结构与构造识别图版,用ECS测井区分岩石成分,用岩心资料进行验证,提出了常规测井+成像测井+ECS测井+岩心标定的火成岩岩性识别模式和技术方法,综合判定火成岩岩石的类型、成分、结构和构造,提高了复杂火成岩岩性识别的准确率。     

人工智能神经网络在岩性识别、孔隙度和渗透率预测中的应用——以十红滩铀矿床为例

分析了传统测井解释方法的局限性。从神经网络的机理、特点出发,提出了一种基于人工智能神经网络技术的岩性识别、孔隙度和渗透率预测方法。首先选取适当的测井资料向量组成一个训练模式对,由多个训练模式对构成一个学习样本集。通过神经网络的学习,使网络记住这些特征并形成预测模型,最后根据预测模型计算相应参数。以十红滩地区的找矿目的层为对象,进行了岩性分析与对比,预测了孔隙度与渗透率,并与实测值进行了对比。上述实例分析表明,该方法用于砂岩型铀矿预测岩性、孔隙度和渗透率具有一定的可行性。与传统方法相比,该方法不需要建立具体的解释模型和计算公式,有较好的适应性和预测精度。基于人工智能神经网络技术的岩性识别、孔隙度和渗透率预测方法具有较高的实用价值。     

东营凹陷岩性油藏含油性定量预测

隐蔽油气藏已成为渤海湾盆地油气勘探的重点,其中岩性油气藏更是今后增产稳储的重要目标.近几年的勘探实践表明,岩性圈闭的含油性变化较大,其含油性和充满度大小的估算已成为油田勘探决策、井位部署及油田开发过程中不可缺少的重要技术.在地质统计和层次分析的基础上,找出了控制东营凹陷岩性油藏含油性的主要地质因素,并对其定量化,运用多元线性回归方法建立了东营凹陷各构造区带岩性圈闭充满度的数学预测模型.模型可靠性的验证结果表明,80%的岩性圈闭充满度的理论值与实测值吻合较好,说明此种定量预测的方法是可行的.     

基于常规测井数据的火山岩岩性神经网络识别:以松辽盆地南部长岭断陷为例

松辽盆地南部长岭断陷火石岭组火山岩岩性复杂多变,成岩改造强烈,常规测井交会图法无法予以有效识别,严重阻碍了研究区火山岩油气藏的勘探开发进程.笔者以长岭断陷17口钻遇火石岭组火山岩钻井为基础,建立取芯段火山岩岩性序列,提取了8种火山岩常规测井(GR、LLS、LLD、CNL、DEN、AC)数据258组,总结出不同火山岩的测...     

祁连山老虎沟12号冰川冰下形态特征分析

利用探地雷达对老虎沟12号冰川进行了多个剖面观测,分析了雷达图像反映的冰川内部特征.结果表明通过分析雷达图像中的纹理和位置,雷达波形的振幅和极性变化等信息能够有效的辅助识别冰川内部介质的变化界面位置和估算其规模.在老虎沟12号冰川的部分剖面内部存在冰内空洞、冰内融水空洞、冰下裂隙、冰下河等地貌形态,在冰岩界面和冰川边缘存在规模不等的碎屑层.这说明即使在典型的大陆型冰川,冰川内部结构也可能较为复杂,在冰岩界面处可能存在较强的冰川作用.