测井解释中岩性成份的最优化变尺度法分析

测井解释中岩性成份的分析是一个多参数的非线性反演问题，最优化变尺度法比较适合求解这一类问题，而且收敛速度快、效果好。这里主要讨论如何利用最优化变尺度法进行测井资料的岩性解释。首先介绍了最优化变尺度法的原理及其实现步骤，然后论述了最优化变尺度法在测井解释中的应用，包括目标函数的构制、岩性成份分析模型的建立，最后给出了最优化变尺度法在某井段岩性解释中的应用效果。     

铀矿测井资料处理解释系统研发

通过铀矿测井资料处理解释系统的研发,实现了从测井曲线计算处理、岩性识别、孔隙度预测、γ测井解释、测斜数据处理到仪器校准核查、物探参数计算、成果输出等铀矿测井资料处理全过程的数字化。系统既适用于地浸砂岩型铀矿又适用于硬岩型铀矿的测井数据处理解释,并且对《γ测井规范》和《地浸砂岩型铀矿地球物理测井规范》提供了充分的支持。系统通过了模型测试和实际应用测试,在一致性、准确性、实用性上均达到了规范的要求,效果良好。     

多矿物测井解释模型及其在砂泥岩地层测井解释中的应用

多矿物模型分析基于测井响应分析原理,采用最优化解释方法处理砂泥岩地层和复杂岩性地层的测井资料,可分辨出单井剖面中地层矿物类别,进行矿物体积含量、孔隙度、饱和度等测井参数解释.该方法弥补了全井段取心分析费用高的缺陷,可为计算地层参数提供可靠的岩性模型.应用该模型在洛带气田进行了实例计算,获得连续的地层矿物含量和各种储层参数,与传统的SAND2模型测井解释结果和岩心分析结果对比后证实,多矿物模型分析优于传统测井解释模型.     

测井成果在准格尔煤田窑沟高岭岩普查找矿工作中的运用

简要介绍内蒙古自治区准格尔煤田高岭岩矿产资源的勘探方法,并通过高岭岩矿层在测井曲线上的反映,分析运用测井成果进行高岭岩普查找矿工作的可行性。根据工作区以往271个钻孔的测井资料及所施工8个钻孔的钻探成果,共解释高岭岩矿层361层,其中可靠达170层。通过测井成果与钻探成果、化验资料对比统计可知,其高岭岩层真厚度量测井解释厚度的80%。     

哈南油田水淹层测井响应特征及解释方法研究

本文立足于二连地区哈南油田的实际地质情况,把该区油层水淹分为低压未水淹层、低压弱水淹层、低压中等水淹层、低压强水淹层、高压未水淹层、高压水淹层等六种类型。结合油层水淹后储层性质的变化,从地球物理测井参数响应入手,通过哈南油田200多口测井资料的综合解释,分析和总结了哈南油田各类水淹层的测井响应特征及其规律。在此基础上,提出该区水淹层解释的基本方法和规则。     

煤层定厚解释误差浅析

煤层定厚解释、提供可靠的煤层厚度及埋深成果是煤田测井的重要任务之一。由于测量技术条件的改变、方法探测原理和纵向分辨率的不同,再加上人为因素的影响,不同方法测井曲线的煤层定厚解释必然存在一定误差;为衡量成果的可靠性,有必要限制误差范围。但迄今为止,尚无人对此深入分析,误差限制则常依据主观愿望而不尽合理。本文通过分析不同测井曲线可能产生的误差及井眼条件的影响,提出较为合理的误差范围,限于篇幅,本文仅讨论煤岩具有物性差异且有共同的物性边界的参数曲线间的误差。     

煤田测井相解释系统的研究

论述了测井相分析的基本原理和方法，并采用多种测吉参数及主成分分析，聚类分析，Ｂａｙｅｓ判别分析等数据处理方法，建立起一套适用于煤田地质勘探的测井计算机解释系统。     

直方图技术在测井解释中的应用

直方图技术是测井解释小一种简便、直观的分析方法。该技术特别适宜于解释人员用来检查原始测井曲线质量,选择解释模型所需的地层参数。在某些有利情况下,还可以应用该技术进行地层对比,以及沉积环境识别。     

基于深度置信网络的煤层含气量测井解释研究

为了解决煤层含气量定量解释问题,将煤层测井数据与煤心解吸数据作为输入和输出参数,构建深度置信网络(DBN),进而预测煤层含气量。研究以甘肃合水地区测井数据为例,筛选出该地区120组煤层样品作为DBN样本分析数据。选择短源距自然伽马、自然伽马、密度、长源距自然伽马和浅侧向5条测井曲线,作为DBN的输入参数,煤层气含量作为DBN的输出参数,研究RBM数量和隐藏神经元数量对计算结果的影响。并通过概率统计法、BPNN、DBN和SVM计算了30组煤层的煤层气含量,比较不同方法的预测效果。结果表明:①受限玻尔兹曼机(RBM)对DBN计算结果的精度有一定的影响,RBM数量达到7层时,预测结果准确性更高;②选择合适的隐藏层神经元数量,可以保证计算结果的精度和稳定性,神经元数量为20时,预测结果精度更高,稳定性更好;③RBM使得DBN的准确性高于BPNN,此外,DBN的计算准确性和稳定性高于概率统计法和SVM。     

测井和地震联合解释CCSD先导孔反射体

利用声波、密度、自然伽玛等测井曲线资料、配合录井资料划分CCSD先导孔变质岩岩性, 然后, 用声波、密度计算波阻抗, 与井旁VSP资料对比, 分析CCSD先导孔孔区反射体.分析结果表明(1) 岩性间波阻抗差异产生反射波, 如榴辉岩与副片麻岩之间波阻抗差异; 榴辉岩与超基性蛇纹岩之间的波阻抗差异等; (2) 破碎特别是韧性剪切带产生反射波, 而如果断层破碎带尺度很小(在1m以下), 也不一定能产生强反射波.这些研究结果对标定地壳中的反射地震信号具有重要意义.      

P型核磁解释处理方法

以哈里伯顿公司P型核磁测井仪器为例,剖析了其特殊的采集模式和数据记录格式,完成了时间域和深度域的P型核磁处理技术研究,提出了新的T₂谱解谱方法,建立了基于T₁和T₂差异的流体性质识别方法,开发出一套在微机上使用的P型核磁解释处理软件。软件的时间域处理效果与DPP解释处理结果完全一致,在参数选取、处理速度等方面更加灵活和方便快捷。     

机器学习算法在地球物理测井中的适用性及应用

机器学习,特别是深度神经网络学习算法的发展,正在改变人们发现知识的方式。目前油气工业正在向转向非常规和深海的油气勘探和开发。基于有限岩石物理参数建立的评价解释模型难以满足反映非常规储层复杂的岩性和结构,这使传统测井评价技术受到了很大的挑战。以油气大数据为基础、机器学习算法为核心、油气大数据云计算为动力以及油气应用场景为源泉的油气人工智能（Oil & Gas AI）极大地改变传统的油气工业各个领域。笔者以地球物理测井为研究对象,依据数据驱动的地球物理知识发现原理和机器学习属性,按照“数据–算法–平台–知识–应用场景”研究思路,开展机器学习算法在测井技术中的适用性研究。对机器算法的内在特性、原理、质量控制、硬件要求,学习模型选择、测试以及性能评价实现过程进行分析。笔者梳理和总结了机器学习算法在测井中适用性的树状图,尤其是在油气测井的方法研究、数据处理以及地层评价中的应用潜力与机器学习算法对应关系,其中包括数据校正的模拟方法、数据标定的岩石物理分析、测井数据质量控制、综合评价以及油藏评价监测。研究表明,机器学习算法在岩性识别与储层分类、力学评价、以及油藏评价等方面应用有明显的优势,贯穿于测井方法、仪器设计、测井作业及测井解释中。机器学习算法相对于传统的岩石物理建模方法,以数据为纽带综合评价岩石物理的多重属性。这从数据科学角度突破了实验条件和物理属性的限制,具有跨学科、综合性的特点。     

煤田测井在砂岩型铀矿勘查选区中的应用

辽北煤盆地砂岩型铀矿的形成与煤盆地再生改造密切相关,且多位于煤盆地的边缘及断裂的斜坡区。通过对4556个钻孔自然伽马测井曲线异常的筛选,研究确定辽北煤盆地砂岩型铀矿勘查选区。在选区工作中,依据测井曲线自然伽马异常幅值与铀含量正相关关系,确定研究区内异常范围按50γ~100γ、101γ~350γ、大于351γ三个数值段分别统计;通过对伽马高异常岩性的分析,确认含煤盆地内白垩系上统泉头组砂岩、砂砾岩段为主要含铀岩层;根据各煤田异常孔、异常点、异常深度、异常厚度以及伽马异常值大小,圈定了3个砂岩型铀矿勘查选区,即辽宁北部的长城窝堡、铁法、古榆树——亮中远景区。     

利用测井曲线进行煤、岩层追综对比的方法及应用

在煤田地质勘探中,通过岩、煤层综合对比可以研究地质构造、了解沉积关系、掌握岩层厚度及结构变化等信息。利用测井曲线进行煤、岩层综合对比,应首先了解勘查区的地质资料,在此基础上制作地层信息与测井响应相对应的标准地质-地球物理测井柱状剖面图。并以勘查实例,介绍了测井曲线进行岩、煤层综合对比的方法、步骤及注意事项等。     

灵武煤田延安组煤的煤岩煤质特征及地质解释

灵武煤田的中侏罗统延安组含煤岩系为一湖泊三角洲沉积。在稳定的大地构造条件和环境水介质条件的控制下,形成了富惰性组、特低灰－低灰、特低硫－中硫煤。上、下三角洲平原及过渡带的泥炭沼泽的煤岩煤质特征具有垂向和侧向分带性,彼此间又有差异。这种分带性系由沼泽位置、沼泽类型和植物类型造成。在延安组第三段沉积期发生的微咸水化引起了煤的硫分的增高。     

测井资料在新余梅山矿区(南区)煤组划分及对比中的应用

新余梅山矿区(南区)含煤岩系为三叠系上统安源组大禾山段,含多个含煤段,其中主要可采煤层为D8、D9两个煤组,煤组结构十分复杂,煤组判层与对比具有一定难度,本文通过对井田煤岩层的物性以及测井曲线在垂向上的变化规律的分析研究,在煤组划分与对比方面取得了较好的效果。     

松达煤田煤岩层的物性特征及测井曲线对比

松达煤田位于巴基斯坦伊斯兰共和国信德省塔塔区（Thatta district,Sindh province,Pakistan）,地层自老至新由由侏罗系Chiltan组,古新统Bara组、Lakhra组,始新统Laki组和第四系组成。通过对松达煤田煤岩层测井物性参数的统计和曲线形态的分析,总结出该区煤岩层测井曲线独有的物性特征。根据密度、三侧向电阻率、自然伽马、声波等测井曲线在煤层、灰岩、砂岩、泥岩、细砂岩等岩性上的组合特征,进行了岩煤层的对比。全井田自上而下共解释分煤层组11个与灰岩层组3个,其中对6个较发育煤层进行了详细的说明。