运用测井信息研究烃源岩进展及其资源评价意义

运用测井信息评价烃源岩自开始以来已取得了长足进步,从定性的分析、识别发展到现在可定量计算地化指标,为克服因取芯不足而在区域范围内进行资源评价的难题创造了有利条件,烃源岩中有机质、粘土矿物是影响其测井响应的两个重要变量,测井对岩石中有机质和粘土矿物的类型、丰度、压实程度及富集状态不同而产生的岩石物理、电化学性质的差异,是利用测井信息识别和评价烃源岩的基础,随着油气勘探形势的严峻,烃源岩的测井研究将向更深层次的方向发展,烃源岩的地球化学特征与测井响应特征对应关系的机理研究、发展利用电化学性质进行烃源岩评价的方法、进行烃源岩的岩石物理实验与测井数值模拟将是今后开展烃源岩测井评价研究的新方向.     

银额盆地居延海坳陷烃源岩TOC测井预测方法优选及应用

由于钻井取心成本以及样品来源等原因的限制,利用测井资料来预测烃源岩中的有机碳含量(TOC)成为一种常用手段.本文剖析了前人提出的关于烃源岩TOC测井预测方法,包括自然伽马法、ΔLogR法及多元回归法,结合居延海坳陷的地质特征以及有关测井参数,对不同方法的预测结果进行误差对比分析,优选认为多元回归法能够较好的应用于研究区烃源岩TOC含量预测,并提出了适用于本研究区的以ΔLogR、深侧向电阻率和自然伽马为基本参数的多元回归预测模型.将该模型应用到研究区额探1井和额探2井的烃源岩TOC含量预测,在白垩系和二叠系识别出了多段厚度大于10 m的优质烃源岩,平均TOC含量都大于1.5%.由此表明优选出的预测模型对于居延海坳陷烃源岩TOC含量的预测具备重要意义,具有良好的应用前景.     

基于深度卷积神经网络的岩石矿物组分含量测井评价方法研究

岩石矿物组分含量是地球物理勘探开发中的重点关注对象.在岩心与地层元素测井资料较少的情况下,如何提高矿物组分含量参数的预测精度显得尤为关键.本文采用深度学习方法,利用常规测井曲线对来自于地层元素测井获得的矿物组分含量进行预测.首先基于残差网络(ResNet)框架,利用一维卷积核和池化核构建了卷积神经网络模型.模型采用自然伽马、自然电位、井径、阵列感应电阻率、三孔隙度以及光电吸收截面指数测井参数作为输入,地层元素测井获得的矿物组分含量作为输出.随后对所搭建卷积神经网络进行了训练,建立了输入与输出之间的实际映射关系.最后,利用测试数据集和真实地层资料,对所建立的卷积神经网络进行了精度检验,并与人工神经网络和多元线性回归的评价结果进行了比较.结果显示,卷积神经网络在测试数据集上的总体预测数值相关性为0.90,明显优于人工神经网络的0.68与多元线性回归的0.51.通过处理实际测井资料,进一步验证了该方法的预测优越性和鲁棒性,以及其在地层参数评价方向的良好应用前景．     

高热演化页岩总有机碳地球物理预测方法研究进展

我国南方高热演化页岩是页岩气增储上产的主力军,其有利区优选是页岩气勘探开发的首要环节.有机碳含量(TOC)是评价页岩生烃潜力最为关键的指标,可以直接影响有利区决策.为探究不同地球物理方法在高热演化页岩(R_o>2.0%)TOC预测中的适用性,通过文献调研系统地归纳了总有机碳含量(TOC)地球物理预测方法原理与技术流程,结合高热演化页岩地质特征与相关钻井实例应用分析,对比不同方法预测精度并分析适用性.研究表明：高热演化页岩以生干气为主且其层间缝与粒间孔占比少,其电阻率与声波时差更低,ΔlogR法不适用其TOC预测.体积密度测井法预测精度较低,地震多属性反演法精度也不高,且操作复杂、多解性很强.实验-测井-地震联合反演方法预测效果相对较好,是获取三维TOC数据体的最可靠的方法.测井、地震资料不足时,自然伽马测井法可以实现TOC粗估;资料丰富时应当优先选取计算精度最高的机器学习法,其次为多元线性回归法.各方法由经验判断向数理统计判断、由地质驱动向数据驱动、由单因素模型向多因素模型发展,未来可进一步建立高演化页岩TOC数据库实现高效准确的TOC智能预测.     

不同时间尺度青海湖沉积物总有机碳对气候变化的敏感性

湖泊沉积物总有机碳（TOC）含量通常作为表征流域和湖泊生产力的指标,在亚洲季风区也常常被当作夏季风的代用指标,被广泛应用于气候与环境变化研究.本文梳理了过去千年、全新世以及冰期-间冰期时间尺度上青海湖沉积物TOC的变化特征,并探讨了其指示气候变化的敏感性与有效性.结果表明,过去千年青海湖沉积物TOC含量与区域暖季温度和降水表现出较为一致的周期性波动.通过对比全新世区域夏季温度、基于孢粉的降水定量重建结果,以及湖泊水位、风沙活动反映的湿度状况等,发现不能简单地将青海湖沉积物TOC含量或沉积通量作为夏季风强度或者季风降水强度的代用指标.青海湖沉积物TOC含量在冰期和间冰期表现出巨大的差异,指示了冰期-间冰期时间尺度上较大的温度与降水变幅.因此,不同地域条件及不同时间尺度下,湖泊沉积物TOC对气候变化的敏感性不同,将湖泊沉积物TOC含量作为亚洲夏季风的代用指标需要特别谨慎,特别是在高寒气候区.     

测井预测TOC方法在页岩储层评价中的运用

总有机碳含量(TOC)是页岩储层评价中的一个重要参数,同时也是烃源岩评价的重要指标.本论文在测井原理的指导下,基于不同岩石类型对测井参数的响应特征,运用自然伽马能谱测井法、多元回归法和△ LogR 法对四川盆地南部龙马溪组页岩的TOC含量进行预测,通过数理统计和误差分析,选出最佳预测方法.研究结果表明:四川盆地南部页岩...     

基于支持向量机的测井资料幅度异常验收方法研究

当前的测井资料质量标准基于人工验收制定,其中包含大量的定性标准.如何依据定性标准进行测井资料质量自动验收,是目前面临的一个难题.将支持向量机方法应用于测井资料幅度异常预测,在资料中挑选可疑样本,依据已有的专家验收结论建立预测模型,对测井资料幅度异常进行预测,避免了自动验收中必须将定性标准定量化的问题,在实际应用中有较好的效果,对同类工程问题的解决有一定的借鉴意义.     

基于机器学习的储层测井评价研究进展

储层测井评价的核心是数据分析和模型驱动方法的数学建模问题,将测井评价过程转化为机器学习过程,是提高储层测井评价自动化程度和评价精度的有效手段.大量实践证明,机器学习技术能够有效解决测井评价中复杂的非线性问题,目前在测井处理质量和评价精度方面均已取得了一定的突破.但如何更有效利用海量多源测井数据,在繁多的机器学习算法中找...     

基于煤田测井资料的页岩储层地化参数预测方法研究

为了解决H区山西组使用煤田测井资料进行页岩气储层地化参数预测问题,本文在大量文献调研基础上,梳理总结了页岩气储层总有机碳含量、热成熟度、生烃潜力等地化参数的一般预测方法.针对研究区的测井资料为煤田测井资料实际情况,收集整理了该区最新的页岩气储层地化参数测试分析资料,开展了页岩气地化参数的敏感测井响应分析,优选建立了适合H区山西组页岩储层地化参数的测井解释模型.研究表明,选择建立地化参数解释模型的关键是准备一定数量的地化参数测试分析资料和可靠的测井曲线,按照"岩心刻度测井"的原则建立具体的地化参数测井解释模型;本文优选敏感煤田测井曲线建立了总有机碳含量TOC、镜质体反射率Ro和生烃潜力(S1+S2)的预测模型,较好地解决了基于煤田测井资料的地化参数预测问题,研究成果具有一定的参考意义.     

基于随机森林算法的陆相沉积烃源岩定量地震刻画:以东海盆地长江坳陷为例

烃源岩的定量地震刻画对于勘探开发区块的优选、盆地油气资源量的估算都具有重要意义.陆相沉积环境下的浅湖或半深湖相的烃源岩横向变化快,其空间展布需要依靠钻井约束下的反射地震进行刻画,但是其地震弹性特征与岩性和有机质含量的映射关系呈现高度非线性化,因而很难利用传统基于地震岩石物理模型驱动的烃源岩地震预测方法进行有效刻画.本文以低勘探区的东海盆地长江坳陷为例,提出了一种在数据驱动的机器学习框架下,综合利用地质约束、钻井录井、测井、地球化学和叠前地震数据进行烃源岩的定量地震刻画的工作流程.其核心思想是利用随机森林集成学习算法对小样本数据表现优异的特征,以井位处的测井弹性数据（纵波速度和密度）、岩性、地球化学标定的总有机碳含量（TOC）为样本标签数据,在地质导向约束下通过随机森林算法生成学习网络,并将该网络与叠前地震反演结果相结合,采取先预测泥岩再预测总有机碳含量的"两步走"策略,完成对烃源岩空间分布及其非均质性的定量地震刻画,并对预测结果的不确定性进行评价.测试结果显示,随机森林算法相较于其他的机器学习算法能够更准确的识别陆相沉积地层的泥岩,并比传统的利用阻抗转化方法获得更可靠的总有机碳含量预测结果.     

基于迁移学习的地球物理测井储层参数预测方法研究

随着大数据和机器学习的成熟和推广应用,人工神经网络在地球物理测井预测储层参数中得到重视.本文引入迁移学习进行测井储层参数预测,以孔隙度预测神经网络模型和孔隙度含水饱和度联合预测神经网络模型为基础模型,分别以渗透率及含水饱和度预测作为目标任务进行迁移学习,以提升储层参数预测效果和效率.文中详细阐述了基于迁移学习的测井储层参数预测方法,并使用64口井的测井数据进行储层参数预测效果分析.结果表明,使用迁移学习后,渗透率模型预测效果最高可以提升58.3%;含水饱和度模型预测效果最高可以提升近40%,且最大可以节省60%的计算资源;以孔隙度预测模型为基础模型时更适合使用参数冻结的训练方式,以孔隙度含水饱和度联合预测模型为基础模型时更适合使用参数微调的训练方式.

     

准噶尔盆地砾岩油藏水淹层的测井评价方法研究

基于对准噶尔盆地某砾岩油藏的淡水水淹机理的实验认识,考察了砾岩油藏水淹层的测井响应特征,形成了一套定性识别水淹层和划分水淹级别的方法.在该基础上,按照"岩心刻度测井"的原则,统计建立了一套适用于该砾岩油藏淡水水淹层的测井评价方法.该方法在7个区块17口井的测井解释结果表明,水淹级别按6级划分的解释符合率达85%左右.     

基于多任务学习的测井储层参数预测方法

基于多任务神经网络模型, 提出一种多任务测井储层参数预测方法, 利用测井数据对储层孔隙度、渗透率及含水饱和度同时进行预测.分别采用同架构和异架构多任务模型对测井储层参数进行预测, 通过数值实验对比, 多任务预测模型有效提升了单任务储层参数预测模型的效果, 且提升幅度与模型结构有关, 异架构多任务模型的总体预测效果好于同架构多任务模型.以平均相对误差(MAPE)作为模型评价标准, 针对本研究所采用的数据集, 同架构多任务模型的孔隙度、渗透率和含水饱和度在测试集上的MAPE约为6%、17%和9%, 相较于单任务模型, 预测效果分别提升约30%、20%和10%.异架构多任务模型的孔隙度、渗透率和含水饱和度, 在测试集上的MAPE约为6%、13%和6%, 相较于单任务模型分别提升超过2%、60%和10%.

     

深度Transformer迁移学习的页岩气储层核心参数预测案例

地层纵横向非均质性强, 工区间数据分布存在差异.这导致基于已有工区数据构建的机器学习储层参数预测模型, 推广到新工区会存在较大预测误差.常规地质方法是在岩心与测井响应特征分析基础上建模, 利用测井资料计算储层参数, 流程复杂.该方法需要岩心校准模型, 同样难以快速推广到新的工区.考虑地层纵横向非均质性, 本文设计了一种深度Transformer迁移学习网络, 通过已有工区的测井与岩心资料构建预测模型, 实现未取心新工区储层参数快速准确预测.首先利用无监督学习算法-孤立森林剔除测井数据中存在的异常噪声数据.然后设计Transformer特征提取网络, 提高网络特征提取能力, 以此深入挖掘测井数据与储层参数的内在联系.最后设计深度迁移学习网络, 构建网络损失函数, 利用随机梯度下降算法优化网络参数, 实现储层参数准确预测.本方案应用于四川南部地区五峰组—龙马溪组页岩储层参数孔隙度、总有机碳含量和总含气量预测.实验结果与工区校正后计算结果、主流机器学习模型预测结果对比, 本方案结果与岩心数据具有更高的一致性.应用结果表明: 本文方案具有实用性、有效性和可推广性.

     

致密油烃源岩有机碳含量测井评价方法优选及应用——以鄂尔多斯盆地延长组长7段烃源岩为例

致密油勘探初期存在烃源岩取心少、实测样品分布不连续等问题;利用测井资料可定量评价烃源岩.烃源岩富含有机质,在测井曲线上常以高伽马、低密度、高声波时差、高电阻率、高中子孔隙度等特征呈现.论文系统介绍了ΔLogR法和多元回归法两种基于测井资料的烃源岩定量评价方法,并建立了相应的预测模型.通过建立的模型对鄂尔多斯盆地姬塬地区延长组长7段烃源岩有机碳含量进行预测,并对计算出的TOC数据(TOC_(计算))与实测TOC数据(TOC_(实测))进行了对比和分析.研究结果表明,研究区ΔLogR法与多元回归法中的双参数模型为较好的预测方法,且ΔLogR法预测结果明显优于多元回归法,优选ΔLogR法为最佳评价方法;并对出现这种情况的原因进行了分析.     

基于页岩线性岩石物理模型的TOC反演方法研究

总有机碳含量(TOC)是评价页岩有机质丰度和生烃能力的重要指标.常规TOC预测方法是通过对弹性参数体(例如密度反演体)进行线性拟合得到的,该方法具有地区经验性,并且缺乏有效的理论支撑.针对此问题,本文以岩石物理驱动的物性参数反演作为技术手段,首先对典型页岩的矿物组分以及孔隙流体特征进行分析,得出影响页岩弹性参数变化的四...     

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.     

基于标签传播的岩性预测半监督学习算法研究

低渗透油气藏、致密油气藏、页岩油气藏等非常规油气藏的开发已成为全球油气开发的热点,也为测井解释带来新的挑战.为了提高测井解释精度,本文研究了岩性预测的半监督学习问题,提出了"聚类—人工标注—伪标注—分类"的岩性预测框架.首先,利用聚类算法选取待标注样本;然后,基于数据在特征空间和地理空间的相似性,利用图半监督学习方法实...     

基于BP-Adaboost方法的天然地震和人工爆炸事件波形信号分类识别研究

BP神经网络和支持向量机(SVM)是两种主流的分类识别方法,用于天然地震和人工爆炸事件波形信号分类识别时取得了较好的效果。但BP神经网络存在易陷入局部最优及隐层数和隐层节点数与训练样本数据密切相关而无法有效预先确定;而支持向量机(SVM)方法则缺乏有效手段来选取合适的核函数,从中不能很好地扩展到多分类。针对天然地震和人工爆炸事件波形信号的分类识别问题,文中将上述两种方法和集成学习——BP-Adaboost方法进行了对比实验研究。据对所选用的地震、爆炸事件波形信号数据集的分类识别结果表明,BP-Adaboost方法得到了98%以上的正确识别率,并且具有较好的泛化能力。相较于BP神经网络和PCA-SVM方法,BP-Adaboost方法对于数据集的划分和识别结果具有更好的鲁棒性,应用于天然地震和人工爆炸事件波形信号分类识别时,可取得更好的识别效果。同时,结合Adaboost方法的原理,阐述了BP-Adaboost方法拥有更好分类结果和泛化能力的原因。     

利用常规测井资料评价致密砂砾岩储层有效性的方法研究——以准噶尔盆地西北缘沙湾凹陷百口泉组为例

以准噶尔盆地西北缘沙湾凹陷百口泉组试油资料为基础,将储层划分为三种类型.在分析了每一类储层及泥岩层的常规测井响应特征的基础上,提出了对百口泉组储层有效性划分较敏感的参数:密度测井计算孔隙度φD以及中子-密度测井计算视石灰岩孔隙度差φND.在此基础上,建立了基于φND与φD交会的储层有效性评价图版.试油层段的实际资料处理...