元素俘获谱测井解释中矿物模型构建方法研究

利用元素俘获谱测井法的到的地层主要造岩元素含量构建地层主要造岩矿物模型为研究目的,通过收集近万条真实岩石测试数据,建立及训练BP人工神经网络模型,最终构建了通过Si、Al、K、Ca、Mg、Fe、S主要造岩元素信息得到地层石英、长石、粘土矿物、石灰石、白云石五种造岩矿物含量信息的一种测井解释模型,通过对解释模型的测试,与实测样品的结果对比,有较强的相关性。     

利用ECS测井资料反演火山岩中矿物含量

火山岩的分类定名主要依据主要造岩矿物的含量。根据ECS测井解谱后得到的元素干重百分含量,通过建立的模型可以反演矿物的体积含量。为了说明计算矿物含量的准确性,利用计算的矿物含量得到岩石随深度变化的骨架密度,再计算出孔隙度,然后与岩心颗粒密度、孔隙度进行对比,结果说明,得到的矿物含量是可靠的,可用于测井解释求取储层参数。     

复杂岩性储层元素俘获测井评价方法研究

<正>准噶尔盆地吉木萨尔二叠系芦草沟组致密油储层岩石类型多样,矿物成分多变,主要为一套沉积于咸化湖泊中,受机械沉积作用、化学沉积作用等因素控制,沉积粉细砂、泥、白云石的混积岩;基于常规测井交会图的岩性识别方法应用效果差,因此主要采用ECS元素俘获测井计算矿物含量并识别岩性。当前斯伦贝谢公司ECS能谱测井通过能谱解析给出Si、Ca、Fe、S、Ti、GD等六种元素产额。利用不包括Al和K的WALK2氧化物闭合模型可以确定石英、长石、碳酸盐、黏土的含量。但存在以下问题:     

基于地层元素测井资料的沉积岩、岩浆岩识别方法

地层元素测井技术对沉积岩、岩浆岩岩性识别具有独特意义。通过分析收集的沉积岩、岩浆岩数据,提出利用Si、Ca、Al三种元素建立岩性识别图版,并利用Si、Ca、Al、Fe四种元素,建立神经网络模型。利用元素含量交会法建立岩性图版能准确划分沉积岩与岩浆岩的线性部分,BP神经网络对于解决元素含量与沉积岩、岩浆岩岩性之间的非线性关系具有独特优势。本文基于地层元素测井资料,利用岩性识别图版与BP神经网络,建立沉积岩、岩浆岩识别模型,用未参与建立模型的数据进行验证,证明模型的可靠性。本文的研究对于掌握元素含量识别岩性技术,拓展地层元素测井的应用能力具有重要的意义。     

CE-1伽马能谱测量中4种月球岩石的能谱特征分析

从CE-1 γ能谱测量获得的数据出发,对原始数据进行处理,将原始谱线按每5°×5°网格内平均而获得月表上的γ能谱数据。选取了12条不同位置分别代表玄武岩、斜长岩、富镁岩和KREEP岩的能谱曲线进行分析,发现同一岩性的谱线具有相似性。通过对每种岩性选择的一条谱线进行分析可知,不同的岩性能谱曲线有一定的差别,表现为不同岩性在元素特征能谱峰的变化不同,玄武岩的能谱曲线特征峰主要的元素为Th、K、Si、Ca、C、Fe和Ti;斜长岩的能谱曲线特征峰主要元素为U、Ca、C、Mg、Al和Mn。KREEP岩的能谱曲线特征峰主要为K、Th、U、Si、Ca和Fe,而低C和Al;富镁岩能谱曲线表现为低U、Si、Ca和Cl而高K、Mg、Th和Fe含量特征。文中给出了能较好区分不同岩性的元素特征峰能量,可为月表γ能谱的定量分析奠定基础。     

基于遗传算法优化的支持向量机在岩性识别中的应用

为提高测井岩性识别的精度,本文结合乌夏地区岩芯资料和测井数据,总结该地区砂砾岩测井响应特征,优选出声波、自然伽马、密度、中子孔隙度和电阻率等5条测井曲线参数作为训练和测试样本,通过遗传算法挑选出最佳的支持向量机核函数参数σ和惩罚因子C,建立支持向量机岩性识别模型。结果表明该模型实际数据预测总体符合率为81.6%,在识别准确率上与传统测井识别砂砾岩岩性方法相比都有明显提升。     

塔里木盆地蒸发岩岩性判别模型及其实现过程

蒸发岩与油气经常共存于一个沉积盆地中, 蒸发岩是优良油气藏盖层, 故应用油气的测井数据进行盆地地下蒸发岩地层岩性的判别, 可为在油气探区蒸发岩研究和寻找油气与钾盐资源提供便捷的技术手段。笔者提出了一种蒸发岩盆地岩性判别模型, 它在蒸发岩盆地综合利用物探测井参数的基础上, 使用专家知识对测井数据进行半定量、定性处理, 给出了经验的判别公式, 建立了专家知识数据模型。通过对羊塔5井测井数据进行判别, 有84%与原岩芯岩性相符。结果表明, 此判别模型对类似应用具有参考价值。     

基于测井曲线物理建模技术在煤系岩相分析中的应用

侏罗纪煤田煤层顶板水是制约煤矿安全生产的重要因素,研究煤层顶板岩性对防治上覆砂岩含水层显得尤为重要。首先利用常规测井曲线对煤层顶板岩性进行精细解释,获得顶板岩性的体积模型,在此基础上应用xu-white方法建立岩石物理模型,模拟出岩石的纵波速度、横波速度和密度测井曲线;将模拟密度曲线与实测密度曲线、录井岩性与测井解释岩性等进行对比,验证所建模型的合理性。以袁大滩井田2号煤层顶板岩性解释为例,通过建模计算,其正演密度曲线与实测密度曲线误差小于8%;合成记录振幅与地震振幅的相关系数高达90%,表明岩石物理模型正演速度与地震速度高度吻合,依此获得的波阻抗直方图有效的区分出2煤顶板的岩性。     

用人工神经网络综合测井和地震资料预测岩性

利用一种全新的人工智能技术－人工神经网络，将测井和地面地震资料联系起来，自动建立测井数据，地震数据和岩性间的非线性关系，从面明效地进行岩性预测。     

多属性神经网络反演预测煤层顶板岩性

煤层顶板岩性对于煤矿安全生产产生很大的影响。通过神经网络方法对自然伽马测井与地震属性（包括波阻抗属性）进行训练得到两者的非线性关系,并将其应用到整个地震数据中得到拟自然伽马体。相对于波阻抗属性,自然伽马参数可以很好地区分砂泥岩,从而更直接预测煤层顶板岩性,提高岩性预测的分辨率。      

PNN在煤田随钻测井岩性判识应用研究

介绍了PNN方法原理及其算法训练学习过程,详细阐述了网络识别岩性参数的选取、岩性识别模型的建立过程.通过对比研究PNN与其他6种岩性识别方法,分析相同条件下预测结果,得到不同识别方法的优劣性.经研究发现,PNN概率神经网络方法在生产应用中效果更佳、训练识别用时最短.利用人工智能神经网络对测井数据进行自动解释分析,可满足随钻测井时效性及快速解释处理的地质导向需求.     

基于主成分分析的致密砂砾岩孔隙度测井评价方法

岩性识别是致密砂砾岩测井评价的重要工作。砂砾岩岩性多样、成分复杂,导致测井识别岩性准确率低、测井解释孔隙度不准确。以东营凹陷北部陡坡带沙四下亚段致密砂砾岩为例,在对其岩石学特征分析的基础上,按照岩石类型和骨架矿物差异给砂砾岩分类,利用铸体薄片资料对测井曲线进行岩性标定,提取各种岩性的测井响应特征,在此基础上建立了基于主成分分析的测井岩性识别方法,并分岩性建立了孔隙度测井评价模型,提高了砂砾岩测井岩性识别和测井孔隙度计算的准确率。     

利用测井信息评价盐湖相烃源岩

盐湖相烃源岩富含膏、盐质成分,使其测井响应特征发生极大改变,给测井评价烃源岩带来困难。基于实测数据,分析了盐湖相烃源岩中普遍发育的纯泥岩、含膏(盐)泥岩和膏(盐)质泥岩有机碳含量的测井响应模式,发现纯泥岩和含膏(盐)泥岩TOC与AC和LogRt呈正比,与DEN呈反比,膏(盐)质泥岩TOC与DEN呈正比,与LogRt呈反比,并基于此建立了盐湖相烃源岩测井评价方法,即首先利用ΔGR区分岩性,再针对不同岩性建立TOC评价模型,最后根据实测S₁+S₂和TOC建立相关关系,就可以求取烃源岩的TOC和S₁+S₂。利用该方法对东营凹陷沙四下亚段烃源岩性质和展布进行分析,发现预测TOC与实测TOC吻合程度高,具有一定推广价值。     

多方法融合判别复杂砂砾岩岩性

砂砾岩储集体为快速沉积环境下形成的沉积物,具有很强的非均质性,因此,利用测井数据进行岩性识别的结果准确性较差。笔者针对该问题,从砂砾岩储集体中岩性测井特征提取和模式识别算法2方面进行分析。在测井特征提取上,针对其粒度跨度大、成分复杂、过渡岩性测井特征多样的特点,利用沉积相、物源体系控制岩石的成分和结构特征的多样性,达到准确提取岩石骨架颗粒参数的目的。在模式识别算法上,选取支持向量机、极限学习机和概率神经网络3种基于不同分类原理的模式识别算法,构建SEP岩性判别算法。在松辽盆地南部梨树断陷下白垩统营城组砂砾岩储集体岩性识别中,采用SEP法,利用GR-AC-CNL-DEN-RLLD-w(K-PE测井数据组合,对13口钻井的284块样本岩性进行判别,SEP识别结果与3种单方法相比,能够提高岩性判别结果的准确性和稳定性,识别符合率均值达到83.64%。     

利用主成分分析法优化BP神经网络模型在砂砾岩岩性识别中的应用

准噶尔盆地玛湖凹陷JL57井区上乌尔禾组发育块状砂砾岩储层,砂砾岩可以细分为粗砾岩、中砾岩、细砾岩、中粗砂岩和粉细砂岩5类岩性,有效储层为中砾岩、细砾岩和中粗砂岩3种岩性,如何识别出有效储层岩性,是油田生产试油选层亟待解决的问题。传统利用测井曲线与岩性间简单线性关系的交会图法无法满足油田生产对岩性识别的要求,而传统利用非线性关系的BP神经网络模型岩性识别方法,虽然能识别部分砂砾岩种类,但该方法需要输入参数多,运算量大,识别结果准确率一般。本文探索性利用主成分分析法先从自然伽马、自然电位、地层电阻率、声波时差、密度、补偿中子6种测井曲线中计算出主成分特征值X、Y、Z三个参数,然后用三个特征值参数替代传统BP神经网络模型中6个油气参数作为新的输入参数,与传统BP神经网络模型对比,简化了BP神经网络模型的网络结构,减少了模型计算量,而且岩性识别准确率得到了有效提高,有效地解决了研究区测井识别岩性问题。     

基于地震道多参数反演的岩性转换方法及其应用

利用地震数据来描述地层岩性特性,从而解决地下的岩性划分问题,是地球物理反演技术发展的目标。利用测井曲线进行常规岩性反演得到的波阻抗等数据体,仅能间接地反映目标区域的岩性分布情况。多参数反演技术利用地震数据的解释层位为控制手段,以测井曲线为出发点进行外推内插,并通过主组分分析形成初始地质模型,然后进行模型估算,最终得到波阻抗、伽马、电阻率等多参数数据体。利用阈值自动分层方法,依据物性与岩性的相关性,确定单个或多个参数的阈值对多参数体进行岩性转换。渭北平原某煤田的三维地震多参数数据体岩性转换实例表明,多参数岩性反演和基于阈值的岩性转换方法具有较好的适用性,其反演后的界面形态对应较好,单井岩性与转换后的岩性吻合度较高。     

基于随机树嵌入的随钻测井岩性识别方法

岩性识别是储层评价中的一项重要工作。随着机器学习方法的不断发展,岩性的智能识别也成为热门研究方向。随钻测井技术目前已经得到了广泛的应用,但是受限于高温高压的钻井作业条件,随钻测井仪器只能测得少量测井参数。由于随钻测井参数较少,直接输入机器学习模型无法充分挖掘其中的信息。对此,本文将随机树嵌入引入随钻测井资料的岩性识别。该方法将低维随钻测井数据通过二叉树编码并转化为高维稀疏特征,利用升维后的数据进行训练从而提升机器学习模型的判别能力。对比实验结果表明,使用随机树嵌入的随机森林方法具有最佳的识别效果,准确率和F₁值较直接使用随机森林分别提升了3.16%和3.25%,且优于梯度提升树、极随机树和粒子群优化支持向量机算法。     

基于实测波谱标识的Hyperion数据岩性识别方法

以中甸普朗典型斑岩铜矿区和松诺典型矿点的2种主要含矿岩性为实验研究对象,将特征岩性实测波谱数据转换为Hyperion影像像元数据,并利用MNF变换对高光谱数据进行降噪和降维,以第一个MNF变换主成分作为分析数据,以所构建像元的亮度值为参考分割点,通过密度分割,进行岩性识别,并通过与已有的地质资料的对比分析和野外调查,验证结果的精度。实验结果证明,在影像处理过程中有机地融入地面实测波谱,可较有效地识别中甸地区与矿相关的石英二长斑岩和石英闪长玢岩。     

科学钻探中的元素测井技术

系统地介绍了科学钻探中应用自然伽玛能谱测井、活化测井、热中子俘获伽玛能谱测井和中子非弹性散射伽玛能谱测井确定元素含量的原理和方法;详细讨论了在不同的岩性条件下如何选择和建立从元素含量向矿物成分转换的模型。最后,介绍了元素测井技术在ＫＴＢ和ＯＤＰ中的应用,说明元素测井技术对重建岩性剖面、了解元素丰度和矿物成分的变化、研究矿物在高温高压下蚀变所涉及的地球化学作用、显示岩石的不均匀性和重建地球化学剖面等方面有特殊作用。此外,元素测井技术对于精确计算骨架密度、孔隙度和渗透率、井与井间相关对比,以及补足由于漏掉岩芯或岩屑而失去的有关信息,均具有重要作用。     

基于热红外遥感数据的西藏冈底斯东段岩性识别

ASTER数据包含有从太空测量来自地球表面的多光谱热红外辐射数据。通过对JHU光谱库中岩石矿物热红外光谱特征的分析,以及对ASTER影像TIR波段光谱特征进行分析,利用比值法和光谱角制图法SAM相结合进行石英、砂岩和硅酸盐岩类等造岩矿物识别并在西藏冈底斯东段泽当矿田应用,最后将遥感解译分析结果与该区已的地质资料进行比较。结果表明,ASTER影像TIR波段基本上能识别硅酸盐类造岩矿物,并且对于岩性识别具有很大的应用潜力。