一种考虑密度因素的广义ΔlogR法预测总有机碳含量——以渤中凹陷西南部陆相深层烃源岩为例

烃源岩总有机碳含量(TOC)的预测是烃源岩有机质丰度评价的重要一环.为解决传统ΔlogR方法应用于陆相深层烃源岩误差较大的问题.本文以ΔlogR法为基础,提出了一种考虑密度因素的广义ΔlogR法预测TOC.传统ΔlogR方法是一种基于测井曲线(声波、电阻率等)和成熟度参数(LOM)的预测TOC的方法,可以获得纵向上连续的有机碳分布,并且在国内外多个地区取得了较好的效果.但是研究表明,由于陆相深层烃源岩受到压实作用等影响,传统ΔlogR方法预测的结果不理想.干酪根有机质的密度远低于烃源岩基质密度,将考虑密度因素的广义ΔlogR法预测TOC的方法应用于渤中凹陷西南部东营组和沙河街组烃源岩,对其TOC进行分段预测,并与传统ΔlogR法、敏感测井多元回归方法预测结果进行对比,结果表明,研究区使用该方法的效果要优于其他两种方法.该方法拓展了传统ΔlogR法的适用范围,为烃源岩TOC的预测提供了新的思路和方法.     

变系数ΔlogR方法及其在泥页岩有机质评价中的应用

为提高△logR方法对陆相地层有机质评价的适应性,通过修改模型系数、引入新的测井参数,提出变系数的△logR方法.研究发现,△logR方法中孔隙度曲线和电阻率曲线间的比例系数与预测结果误差密切相关,将其视为变量并合理地确定其值能明显减少预测误差;有机质具有低波阻抗的特点,对重矿物欠发育地层,利用波阻抗信息和电测信息可以很好地评价有机质含量.将变系数△logR方法应用于罗69井TOC和氯仿沥青"A"评价,应用结果表明,变系数△logR方法有利于减少TOC的预测误差,也适合对氯仿沥青"A"评价,TOC对应的比例系数"K_(TOC)"小于氯仿沥青"A"对应比例系数"K_A",TOC预测相对误差小于氯仿沥青"A"相对误差,与理论分析相符.变系数△logR方法为评价泥页岩残余烃(油)量提供了新的参考方法.     

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.     

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.     

利用ΔlogR技术计算柴达木盆地三湖地区第四系有机碳

利用ΔlogR技术计算有机碳是一种不同于传统地球化学测试得到的有机碳方法.该方法利用烃源岩有机碳含量在测井曲线(声波时差、电阻率)上的响应特征,建立测井解释模型,计算TOC的连续分布值,从而得到准确的有机碳含量,补充取心资料的不足.本文应用ΔlogR技术,结合实测数据,建立起三湖地区测井资料与有机碳含量之间的定量关系模型,然后利用该模型对三湖地区25口重点探井进行有机碳计算.结果表明:有机碳总体上数值含量偏低,平均值为0.33%;在纵向上,具有2个峰值,其中k5-k6峰值段是第四系最大湖泛期形成的沉积;在平面上,有机碳高值区位于台南-涩北构造以北和台吉乃尔与南陵丘以南区域,而南斜坡和涩南1井以东区域有机碳含量较低.本次研究获取了较为准确的烃源岩评价参数,最终得到该区第四系天然气资源量得到油田认可.     

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．     

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.     

基于神经网络法预测伦坡拉盆地有机碳含量

总有机碳含量(TOC)作为评价烃源岩的重要参数.对于一些勘探开发难度较大的区块,合理预测TOC含量对区块勘探开发具有重要意义.目前预测TOC含量的方法以△logR法为主,但是△logR 法对于异常点处理并没有系统的标准,人为主观性较强,同时在伦坡拉地区△logR 法预测效果一般.因此本文采取BP神经网络法进行TOC含量...     

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%.     

烃源岩测井定量评价方法探讨

烃源岩评价是油气地质研究最重要的基础工作之一.岩心分析数据量往往有限,难以满足勘探的需求;测井资料经分析数据标定后能获得连续的烃源岩指标数据,应用较广泛.文中阐述了烃源岩总有机碳含量(TOC)、热解生烃潜量(S_1+S_2)和成熟度三个指标的测井定量评价方法;在孟加拉湾海域试用并对计算效果进行分析.首先详细地阐述了单因素法、多元回归法、ΔLgR法和神经网络法等4种常用TOC测井计算方法的原理及优缺点;其次介绍了TOC相关法、多元回归法和神经网络法等3种常用S_1+S_2计算方法原理及优缺点;再次介绍了镜质体反射率和剩碳率法等2种成熟度评价方法.结合研究区地质条件对定量计算效果进行分析,TOC计算结果对比表明神经网络法效果最好,多元回归法次之,ΔLgR法较差,单因素法最差.分析认为TOC较低对测井响应贡献小,单条曲线与TOC相关性低导致单因素法效果差;多元回归法考虑了多条曲线效果较好;ΔLgR法由于缺乏厚层泥岩段及热变指数难选取,效果较差;神经网络法在非线性、难用显示表达式的计算问题方面具有很大的优越性,计算效果最佳.S_1+S_2计算结果对比表明TOC相关法计算结果最优,多元回归法效果一般,神经网络法效果最差.分析认为S_1+S_2与TOC有成因联系计算效果好;S_1+S_2对测井响应贡献小,因此多元回归法和神经网络法效果都不好.成熟度评价的镜质体反射率与深度相关性好,最为常用;剩碳率法部分参数在勘探早期难取准,应用受限.     

半监督最小二乘支持向量机的研究及其在海上油田储层预测中的应用（英文）

勘探开发初期海上油田钻井少、井间距离大,在应用地震多属性分析技术预测储层参数的过程中,直接采用监督最小二乘支持向量机算法预测精度较低。本文将最小二乘支持向量机与半监督学习理论结合,提出基于最小二乘支持向量机协同训练的半监督回归模型,并在模型训练过程中引入矩阵迭代求逆的方法,提高模型训练速度。利用UCI数据集实验研究,对比了半监督与监督最小二乘支持向量机模型,结果表明,半监督学习机制能够有效地提高最小二乘支持向量机的泛化性能,且随着训练样本的减小,效果更加明显;同时对比了半监督最小二乘支持向量机与半监督k-临近算法,结果显示,在小样本建模中,半监督最小二乘支持向量机有着更高的预测精度。最终将半监督最小二乘支持向量机运用于锦州工区,预测该区的砂体及储层孔隙度的分布,获得了较好的地质效果。     

ΔLogR技术与BP神经网络在复杂岩性致密层有机质评价中的应用

本文系统分析ΔLogR技术应用于复杂岩性致密层有机质评价中存在两方面的局限性:参数选取方面,测井曲线选取过于单一,无法有效削弱致密层段复杂岩性和孔隙度等因素对计算有机碳含量的影响;构建模型方面,人为剔除异常点存在随机性与偶然性误差,影响建模准确性.针对上述问题,本文建立了BP神经网络模型,并将其应用于柳河盆地柳参1井下桦皮甸子组烃源岩有机质评价.研究结果表明,在不剔除异常点情况下,BP神经网络模型计算TOC值和实测116组TOC值相关性达到0.886,显示建模效果良好.分别应用BP神经网络和ΔLogR模型,计算研究区致密层纵向上连续的TOC曲线,BP神经网络模型的计算TOC曲线与实测TOC数据基本吻合,而ΔLogR模型的计算TOC曲线吻合度较差.因此在测井资料完善的情况下,本文建议使用BP神经网络评价复杂岩性的致密层有机质.     

一种新型的地下含水层涌水量预测模型

针对目前电法勘探预测地下含水层单孔单位涌水量方法中存在要求大样本、易出现过学习和局部极小等缺陷,基于支持向量回归机(Support vector regression,SVR)具有小样本、推广能力强、全局最优算法等优点,又可避免现有预测模型中的过学习和推广能力差等问题.本文利用支持向量回归机模型,由电测深法观测到的电阻率和激发极化等参数建立了预测地下含水层单孔单位涌水量模型,在已知抽水试验的井孔上与以往预测模型对比表明,该预测模型不但提高了预测精度,而且还具有很好推广能力和应用前景.     

测井岩性识别新方法研究

为了更好地解决测井岩性识别问题,引入了一种基于粒子群优化的支持向量机算法.通过实际测井资料和岩性剖面资料进行学习训练支持向量机,并利用粒子群优化算法对支持向量机参数进行优化,建立了测井岩性识别的支持向量机模型,应用该方法对准噶尔盆地某井的测井岩性进行识别,并将该方法的识别结果与BP神经网络方法的识别结果进行了比较,结果表明该方法优于BP神经网络方法,具有识别正确率高、收敛速度快、推广能力强等优点.     

致密砂岩储层渗透率预测技术研究进展

对于致密砂岩储层而言,渗透率是评价储层物性、渗流特征的重要参数,也是储层产能挖潜和提高采收率的关键.致密砂岩储层孔隙类型多样,孔隙结构复杂,非均质性强,孔渗关系变化复杂,并非简单的线性关系.利用孔渗统计回归和测井解释方法预测精度较低,致密砂岩储层渗透率预测成为一项重要而艰巨的任务.本研究基于孔喉结构是致密砂岩储层渗透率的主控因素,重点利用毛管压力(MICP)、核磁共振(NMR)、岩心物性实验数据及测井资料,对基于统计回归理论、流体流动单元划分(FZI)储层分类理论、分形几何理论及人工智能理论的渗透率预测方法进行综述.最后指出,基于MICP、NMR及常规测井,将流体流动单元划分(FZI)储层分类技术、分形几何数字岩心技术以及人工智能机器学习技术相结合,可形成一套具有岩石物理学意义的致密砂岩储层渗透率评价和预测的有效方法.     

井震联合预测白云深水区海相烃源岩TOC

深水区受钻井资料少、中深层地震资料品质差和速度场求取困难等客观因素影响,常规的烃源岩预测方法受到限制.文章研究了白云深水区利用纵波阻抗与烃源岩TOC关系进行海相烃源岩预测的方法,提出了一种少井条件下井震联合预测烃源岩TOC的技术流程.首先,通过井曲线多属性融合技术预测连续的TOC曲线(TOC测井预测);其次,将预测的TOC曲线与弹性参数交会分析,得到烃源岩TOC与纵波阻抗的拟合关系(烃源岩岩石物理分析);然后引入无需井约束的高精度网格层析速度反演求取速度谱,用于波阻抗反演(地震反演);最后基于拟合关系和波阻抗反演结果预测烃源岩品质.实际数据无井约束波阻抗反演结果与井上TOC曲线关系匹配较好,验证了井震联合预测方法的有效性.     

ΔlogR技术在烃源岩识别中的应用与分析

ΔlogR方法是一种利用测井资料识别和计算含有机质岩层总有机质碳的方法.本文通过对ΔlogR方法的应用,总结出该方法的优点可以消除对孔隙度的依赖关系,其缺点是Toc的背景值,这个值存在有很大误差.烃源岩的ΔlogR方法的定性解释对高含有机质的地层和成熟的源岩层比较有效.     

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.     

牛庄洼陷烃源岩TOC新型测井多参数复合评价方法研究

本文结合牛庄洼陷地质特征,剖析了前人关于双孔隙度法、碳氧比法、自然伽马法以及ΔLogR法在该地区烃源岩TOC测井评价的适应性,认为这些方法由于与该地区的岩性特征、方法固有参数及基线选取的误差等关联,使得烃源岩TOC测井评价的精度不高甚至根本不适合.依据牛庄洼陷地区的实测TOC和测井资料,本文通过构建TOC含量与自然伽马、声波时差以及电阻率的关系,从而形成了一套适合本地区且操作方便的测井多参数改进计算模型.结果表明,改进模型TOC的计算值与实测值之间绝对误差小于0.4的点占总数的91.7%,证实该模型求取牛庄洼陷烃源岩TOC值的准确性和可靠性.改进后的模型为牛庄洼陷烃源岩TOC测井评价提供了一种新的方法,具有良好的应用前景.     

地震前兆综合预测支持向量机模型研究

该文介绍了支持向量机算法的原理与回归方法。 采用支持向量机中的非线性回归算法与理论公式产生的多维样本, 对其进行了数值仿真实验。 利用该方法和地震前兆异常建立了最佳地震综合预测模型, 对获得的最佳模型进行了内符检验, 得出最佳模型的预测结果与实际震例的地震震级基本一致。 综合分析认为, 支持向量机无论在学习或者预测精度方面不但具有很大的优越性和具有较强的外推泛化能力, 而且基于支持向量机回归算法建立的地震前兆综合预测模型是可行的, 其获得的知识可较为准确地实现对主震震级的综合预测。