火山岩岩性的测井识别

火山岩岩性识别是火山岩储层和火山岩油气藏描述的基础。识别含油气盆地中的火山岩岩性最直接有效的方法是岩芯分析 ,但不可能在每口井中都取芯 ,因此利用常规测井资料进行火山岩岩性的识别成为了必然的选择。这里选取松辽盆地徐家围子断陷营城组为实例进行研究。徐家围子断陷是松辽盆地内的一个较大的中生代断陷 ,下白垩统营城组发育于断陷晚期 ,分布面积广 ,火山岩发育。岩芯观察、薄片鉴定、岩芯测试分析表明 :营城组火山岩岩性有玄武岩、玄武安山岩、安山岩、英安岩、流纹岩、火山角砾岩、凝灰岩、安山玢岩和流纹斑岩等。通过对测井曲线…     

交会图和Carbon软件在火山碎屑岩识别中的应用

针对火山岩储层的特殊性(复杂性、离散性和随机性),应用交会图及Carbon软件对火山岩测井解释中岩性识别问题进行了研究。该方法的技术关键是交会图的选取,以交会图和Carbon软件为基础实现对岩性的识别。将研究方法应用在海拉尔地区火山碎屑岩岩性识别问题中,取得了很好的效果,岩性解释符合率80%。     

3种经典机器学习算法在火山岩测井岩性识别中的对比

岩性识别一直是火山岩油气勘探中的重要课题,基于测井数据的岩性识别也逐渐成为火山岩研究的需要,大数据背景下的机器学习算法为测井岩性识别提供了一个新方向。为提高某研究区火山岩岩性识别符合率,本文采用K近邻、支持向量机和自适应增强3种经典机器学习算法,对研究区内的粗面岩、非致密粗面岩、辉绿岩、辉长岩、玄武岩和非致密玄武岩等6类中基性火山岩进行岩性识别。从常规测井系列中优选对研究区岩性敏感的自然伽马、声波时差、补偿中子、深侧向电阻率和补偿密度等5种测井参数作为岩性识别模型的输入向量,从研究区内5口有岩心样品或薄片鉴定资料的目标层中选取测井数据点1 440个,其中960个作为训练样本,其余480个作为测试样本。以识别符合率和时间作为评价指标,对3种算法的识别结果进行对比分析,实验表明：自适应增强算法的分类准确率最高,6类岩性平均识别符合率达到82.10%;支持向量机算法表现良好,平均识别符合率为81.04%;K近邻算法平均识别符合率为76.04%。     

支持向量机与微电阻率成像测井识别火山岩岩性

针对火山岩储层,从岩石化学成分分类和岩石结构分类两个角度出发,提出了一种利用测井资料识别火山岩岩性的方法.基于取芯薄片鉴定资料获得对应井段的常规测井数据,利用统计学习理论中的支持向量机方法对其处理,得到地质上按岩石化学成分分类的火山岩岩性类别.建立地层微电阻率成像测井图像与不同结构火山岩岩性之间的对应关系,归纳出典型的微电阻率图像模式,从而得到地质上按岩石结构分类的火山岩岩性类别,结合上述两者结论确定最终岩性,实现了运用支持向量机算法处理常规测井资料与微电阻率图像模式相结合的火山岩岩性测井识别新方法.     

线性降维映射方法识别火山岩岩性

随着世界对油气资源的需求不断增加,火山岩油气藏的勘探和开发逐步成为油气储量、产量的新的增长点。火山岩岩性研究是火山岩油气储层研究的基础。常规的识别岩性方法不是很有效,作者曾用主成份分析方法来识别火山岩岩性,取得了一些效果,能够把基性岩,中性岩和酸性岩三大类岩石区分开来。但当岩性中也包括结构时,识别的效果就不是很理想,很难将流纹岩和流纹质凝灰岩区分开来。对岩石薄片鉴定,全岩分析以及综合测井曲线得到的火山岩岩样应用线性降维映射方法来识别,取得了很好的效果,它能将常规主成份分析方法很难区分的流纹岩和流纹质凝灰岩区分开来。     

火山岩岩性识别方法研究

岩性是测井储层评价的基础,在火山岩油藏的测井评价过程中,由于火山岩岩性定名方法的不统一以及岩性识别方法的不完善,使火山岩油藏的测井评价难以开展。采用国际地科联（IUGS）推荐的TAS图方法对火山岩岩样定名,并以此为基础,使用神经网络方法利用测井资料识别火山岩岩性。研究结果表明,利用传统的统计判别方法建立的测井资料与火山岩岩性的判别关系,识别符合率只有65%;而使用神经网络方法建立的判别关系,识别符合率可达81.8%。     

BP神经网络在测井岩性识别中的应用

在岩性识别方法中，人工神经网络方法由于其识别结果客观可靠，得到越来越广泛的应用。研究选用BP神经网络，对金衢盆地的金66测井的岩性进行了识别，并对改善BP神经网络收敛性能的方法了有效探索。     

新疆春风油田石炭系火山岩岩性特征及测井识别方法

不同岩性的火山岩其储集性能差异甚远,准确识别火山岩岩性对于火山岩储层的研究具有重要意义。研究区春风油田石炭系储层以火山岩为主,过渡类型较多,岩性较为复杂。利用岩心观察、薄片鉴定、地化分析等方法确定研究区发育火山熔岩类和火山碎屑岩类两类火山岩,其中,火山熔岩包括玄武岩、安山玄武岩、玄武安山岩以及安山岩,火山碎屑岩有凝灰岩和火山角砾岩等。通过识别出的岩性标定测井,分析每种岩性的测井响应特征,利用交会图法和星形图法,建立了不同岩性的识别标准。     

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。     

BP人工神经网络柑模型在测井资料岩性自动识别中的应用

本将神经网络模型引入测井资料的处理和解释中，以油田，煤田的实例资料作油层，煤层和其它岩性的自动识别，并以识别结果说明该方法的有效性和可靠性。     

基于梯度提升算法的岩性识别方法

传统的岩性识别方法如岩屑录井、钻井取心及测井资料解释等技术,对录井质量的依赖程度较高,识别精度与效率低,泛化能力差。随着计算机技术的迅速发展,将测井资料与计算机技术相结合开展岩性研究已成为岩性识别的有效手段。本文提出了一种基于梯度提升算法XGBoost和LightGBM的岩性识别方法。以苏里格气田苏东41-33区块下碳酸盐岩储层为例进行测试验证,采用该方法结合测井资料中的声波时差、自然伽马、光电吸收截面指数、密度、深侧向电阻率和补偿中子等6种参数进行岩性识别,并与KNN （K近邻分类器）、朴素贝叶斯和支持向量机等传统算法进行对比,结果表明,3种传统算法的岩性识别准确率分别为78.45%、74.43%和78.72%,基于梯度提升算法XGBoost和LightGBM的识别准确率分别达到了98.90%和98.72%,远高于传统算法。     

辽河东部凹陷火成岩岩性识别及储层评价

针对辽河东部凹陷火成岩储层评价,采用钻井、分析化验、测井等资料,将火成岩的岩性主要分为粗面岩、玄武岩、辉绿岩三大类。结合三大类火成岩的物性、含油性和岩石脆性的分布规律,确定粗面质角砾岩、角砾化粗面岩为Ⅰ类优势储层,玄武质角砾岩、块状粗面岩、火山沉积岩为Ⅱ类优势储层,气孔玄武岩、辉绿岩、致密玄武岩为Ⅲ类储层。确定了东部凹陷红星地区火成岩的有利勘探区带,为下一步油气资源勘探指明方向。     

基于岩样细观图像深度学习的岩性自动分类方法

在现阶段的岩土工程中,通常采用人工识别的方法来判别岩样种类,不仅耗时长、专业性强,还易受主观因素影响,准确率不理想。随着计算机技术的发展,机器学习逐渐被应用于岩性的自动识别,开启了岩样分类的新路径。本文以重庆市主城区4种典型岩样（泥岩、砂质泥岩、泥质砂岩和砂岩）的细观图像为研究对象,基于Inception V3卷积网络模型和迁移学习算法,建立了岩样细观图像深度学习模型,并完成了训练学习。结果显示：模型在训练1 000次后,训练集中的分类准确率达到92.77%,验证集中的分类准确率为76.31%。其中,验证集中的砂岩识别准确率为97.28%,泥岩识别准确率为81.85%,泥质砂岩识别准确率为72.59%,砂质泥岩识别准确率为72.35%。与现有的机器学习方法相比,本识别模型不仅可以自动识别岩性极为相近的岩样,而且具有较好的识别准确率、鲁棒性和泛化能力。     

兴隆台地区火山岩油藏裂缝测井评价

本文以辽河兴隆台地区中生代火山岩为例论述裂缝储层测井评价方法及其应用,包括预处理、建立裂缝参数解释模型、测井资料处理等,揭示了火山岩裂缝储层特征;认为低角度裂缝较发育,倾斜裂缝中等发育,高角度裂缝较少;按三级裂缝储层评价,裂缝宽度在30～90μm之间的中等储层最为发育。研究结果已用于该区火山岩油藏的进一步勘探。     

基于K均值动态聚类分析的地球物理测井岩性分类方法

在地球物理测井数据处理与解释中,岩性识别是地层评价、油藏描述等方面的一项重要内容.利用计算机自动进行岩性识别已成为测井解释发展的重要方向、人们研究和关注的内容.聚类分析是数据挖掘中的一个重要研究领域,是一种数据划分或分组处理的重要手段和方法.K均值算法是聚类算法中主要算法之一,它是一种基于划分的聚类算法.依据不同岩性在常规测井资料中的不同响应,根据K均值动态聚类方法的原理,结合其它资料,对井中的岩性进行分类,从而达到了区分和识别钻孔不同岩性的目的.     

准噶尔盆地西北缘下二叠统火山岩岩性、岩相及其与储层的关系

与石炭系相比,准噶尔盆地西北缘下二叠统火山岩岩性、岩相类型丰富,研究程度低。本文利用岩心、薄片及元素
地球化学资料,开展了火山岩岩石学及其与储层关系研究。佳木河组以熔岩和火山碎屑岩共同发育为特征,岩性以玄武安
山岩、安山岩、英安岩为主,相对稳定;风城组火山岩在不同地区变化明显,克百地区以火山熔岩为主,属于玄武粗安岩
和碱玄岩,而乌夏地区以熔结火山碎屑岩或火山碎屑熔岩发育为特征,属于流纹岩、碱玄质响岩和粗安岩。在佳木河组及
克百地区风城组,（沉）火山角砾岩储层质量最好,安山岩等熔岩其次;乌夏地区风城组熔结火山角砾岩和石泡构造火山角
砾熔岩储层质量最好。此外,相同岩性可能因产出环境不同而储层特征有别。尽管各地成岩作用存在差异,但火山岩优质
储层仍集中于溢流（爆溢）相上部亚相、爆发相空落亚相的弹射坠落堆积和火山碎屑流亚相的水下堆积和爆发相。全区佳
木河组溢流相和爆发相共同发育,而克百地区风城组以溢流相为主、乌夏地区风城组以爆发相火山碎屑流亚相为主,不同
地区不同层位的有利勘探目标差异明显。除断裂带的裂缝和大型不整合面之下的风化淋滤外,岩相是控制火山岩储层质量
的关键因素。     

重磁电(井)震综合物探技术在识别达巴松凸起石炭系深部火山岩中的应用

近年来, 准噶尔盆地石炭系火山岩勘探屡获突破, 展现了火山岩储层良好的勘探前景。由于准噶尔盆地石炭系火山岩存在埋藏深度大, 受勘探手段和地球物理资料品质等因素的制约, 深层火山岩的识别与解释目前仍存在诸多困难和问题, 为油田地震勘探工作带来了极大困难。如何通过现有物探方法和技术提高深部火山岩的分辨、识别能力, 具有很强的理论和实际意义。由于特殊地质体在密度、磁化率或电阻率等物性组合方面存在特殊性, 因此可通过多方法综合物探技术对其进行综合识别、限定。本文在深入分析达巴松凸起钻井、物性资料的基础上, 利用重磁电异常信息模式判别技术, 预测了石炭系火山岩的平面展布, 缩小和锁定了深层火山岩地震勘探的有利靶区; 再以地震相分析、地震属性解释、构造制图及综合评价为主要技术手段, 对深层火山岩进行定量识别和预测, 落实和优选了深层火山岩有利勘探目标, 并取得了良好效果。总结了深层特殊地质体勘探的高精度地震资料采集和重磁电震(井)综合应用、联合反演解释等手段, 极大地提高了准噶尔盆地深层火成岩的勘探精度。