测井储层分类评价方法研究进展综述

测井储层分类方法多样,每种方法的原理、计算步骤及所需资料各不相同,且各方法的适用性及应用效果均存在很大差异,本文通过文献调研,将测井储层分类方法归纳为四大类:(1)基于交会图版法的半定量储层分类方法,此方法操作简单、应用范围广但适用性不强;(2)基于流动单元概念的测井储层分类方法,此方法基于岩心物性数据可以迅速达到储层分类的目的 ,具有明确的地质意义,但结果依赖于取心数据;(3)基于多元统计法及机器学习算法的测井储层分类方法,此类方法可以有效地避免人为因素的干扰,速度快、方法多样,可以实现储层的定量分类评价,是未来发展的趋势,但分类结果意义不明确;(4)基于测井新技术新方法的储层分类方法,该方法携带了大量的地质信息,与其他分类方法结合可以更有效、更准确地评价储层.最后比较了四种分类方法的优缺点并给出了相应的选择建议,该研究对测井储层分类方法的优选具有一定的参考意义.     

提高碳氧比能谱测井分辨率的反褶积法

在地层孔隙度比较低的情况下,由于受放射性统计涨落以及地层中其它核反应所产生的伽马射线的影响,传统的碳氧比能谱测井解释的分辨率不高。这些伽马射线形成了碳氧比能谱测井的本底,本底越高,碳氧比值精度越差。因此,必须设法降低本底值来提高谱线的分辨率。本文通过反褶积技术来提高谱线的分辨率,应用修正的高斯函数作为系统响应函数对测井曲线进行反褶积;采用修正的 Blackman 窗函数来消除放射性统计涨落的高频噪声,通过实际资料验证,利用"反褶积-开窗"法对碳氧比能谱测井的谱线进行处理以及用变系数法求取非弹性散射伽马谱,提高了测井资料对油、水储集层的分辨率,对油田的合理开发及油藏管理具有重要的现实意义。     

提高自然伽马测井曲线分辨率的正则化方法

应用正则化反演理论研究了提高自然伽马测井曲线纵向分辨率的正则反褶积处理技术,通过正则化因子对噪音和信号影响的分析和研究,给出了估计反褶积结果与地层真值偏差大小的新公式,提出了直接根据信噪比大小选择正则化因子的新方法．由于正则化因子保证使反褶积结果与地层真值偏差为最小,使计算结果的稳定性和精度均得到明显提高．此外,大部分测井记录的信噪比均可以很容易估计,从而大大提高了正则反褶积的适用性．最后通过理论模型实验和井场数据处理证明了正则反褶积技术是十分有效的．     

提高自然伽马测井曲线分辨率的正则化方法

应用正则化反演理论研究了提高自然伽马测井曲线纵向分辨率的正则反褶积处理技术，通过正则化因子对噪音和信号影响的分析和研究，给出了估计反褶积结果与地层真值偏差大小的新公式，提出了直接根据信噪比大小选择正则化因子的新方法．由于正则化因子保证使反褶积结果与地层真值偏差为最小，使计算结果的稳定性和精度均得到明显提高．此外，大部分测井记录的信噪比均可以很容易估计，从而大大提高了正则反褶积的适用性．最后通过理论模型实验和井场数据处理证明了正则反褶积技术是十分有效的．     

提高碳氧比能谱测井分辨率的反褶积法

在地层孔隙度比较低的情况下,由于受放射性统计涨落以及地层中其它核反应所产生的伽马射线的影响,传统的碳氧比能谱测井解释的分辨率不高。这些伽马射线形成了碳氧比能谱测井的本底,本底越高,碳氧比值精度越差。因此,必须设法降低本底值来提高谱线的分辨率。本文通过反褶积技术来提高谱线的分辨率,应用修正的高斯函数作为系统响应函数对测井曲线进行反褶积;采用修正的 Blackman 窗函数来消除放射性统计涨落的高频噪声,通过实际资料验证,利用"反褶积-开窗"法对碳氧比能谱测井的谱线进行处理以及用变系数法求取非弹性散射伽马谱,提高了测井资料对油、水储集层的分辨率,对油田的合理开发及油藏管理具有重要的现实意义。     

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...     

碳酸盐岩裂缝性储层测井识别及评价技术综述与展望

由于碳酸盐岩裂缝发育机制的复杂性,开展碳酸盐岩裂缝性储层的识别与评价一直是测井分析的热点和难点.本文基于大量文献调研,梳理了碳酸盐岩裂缝的定义、成因和分类,系统归纳了碳酸盐岩裂缝性储层的测井响应特征及评价方法,并进行了实例分析.研究表明,常规测井方法对碳酸盐岩裂缝均有不同程度的揭示,基于不同原理的常规测井方法对碳酸岩盐裂缝的响应程度差异显著,利用常规测井方法对碳酸岩盐储层裂缝识别应遵循综合识别原则;碳酸盐岩裂缝成像测井识别方法中,电阻率成像测井、偶极声波测井和核磁共振测井反映裂缝较为直观,但成本高;基于常规测井资料的灰色关联识别方法、神经网络识别方法、小波多尺度识别方法等非线性数学方法,弥补了常规测井和成像测井识别碳酸盐岩裂缝的不足,并且取得较好的应用效果.     

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%.

     

测井曲线自动分层方法回顾与展望

本文将测井曲线自动分层方法分为数理统计方法、非数理统计方法和人工智能三大类,并对其中常用的层内差异法、有序聚类分析、极值方差聚类方法、自组织神经网络、模糊识别方法、活度函数法、小波变换和Walsh变换等自动分层方法的算法和优缺点进行了分析.综合比较各类自动分层方法的优缺点,结合测井响应的地质和物理基础认为,虽然自动分层方法众多,从不同的角度试图解决分层问题,但都存在一定的缺陷;今后,测井曲线自动分层方法应在去噪、提高测井纵向分辨率与自动分层方法的进步和联合应用上有所研究,才能够为应用测井资料进行岩性识别、测井相分析、储层划分、储层参数等研究提供更有利的技术支撑.     

一种基于遗传算法的测井曲线高分辨率处理方法

测井曲线高分辨率处理是提高薄层测井解释精度的一条重要途径.在纵向分辨率匹配技术基础上,利用遗传算法进行测井曲线分辨率处理：先由遗传算法在频率域确定滤波器,然后使用分辨率匹配技术提高测井曲线分辨率.利用该方法对中原油田和新疆塔河油田多口井的八侧向、深感应、自然伽马等多种方法的测井数据进行处理,测井曲线的分辨率得到明显提高,使得其更加适合薄层高分辨率处理解释的需要.     

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.

     

过套管电阻率测井响应数值模拟研究进展

套管井电阻率测井仪的研制成功是套管井测井技术的重要进展,在老井地层评价中起到了越来越重要的作用.对过套管电阻率测井响应数值模拟,本文综述了近十几年来的研究现状和进展,分析了过套管电阻率测井的测量方法,比较了过套管电阻率测井响应的计算方法,讨论了多层状地层、有限长套管测井响应计算的结果,对我们最近计算的套管接箍测井响进行了分析.针对过套管电阻率测井响应计算问题,指出了在实际应用中尚需解决的实际问题和解决的基本思路,并力图展望今后的研究发展趋势和解决问题的方法.     

基于沃尔什变换和高斯模型的测井曲线分层方法

在分析了单独利用沃尔什变换或高斯模型进行测井曲线自动分层优缺点的基础上,提出了一种沃尔什变换和高斯模型联合的测井曲线自动分层方法.该方法融合了沃尔什变换简单、快速的特点,同时又利用了高斯模型对沃尔什变换分层的边界进行校正,实现了测井曲线由粗到细的分层过程.实例应用表明,该方法能够利用多条测井曲线进行自动分层,效果良好,验证了模型的可靠性和实用性.     

利用核磁共振测井资料构造储层毛管压力曲线的新方法及其应用

By analyzing hundreds of capillary pressure curves, the controlling factors of shape and type of capillary pressure curves are found and a novel method is presented to construct capillary pressure curves by using reservoir permeability and a synthesized index. The accuracy of this new method is verified by mercury-injection experiments. Considering the limited quantity of capillary pressure data, a new method is developed to extract the Swanson parameter from the NMR T2 distribution and estimate reservoir permeability. Integrating with NMR total porosity, reservoir capillary pressure curves can be constructed to evaluate reservoir pore structure in the intervals with NMR log data. An in-situ example of evaluating reservoir pore structure using the capillary pressure curves by this new method is presented. The result shows that it accurately detects the change in reservoir pore structure as a function of depth.     

自然伽马测井曲线的分析与反褶积校正

本文探讨系统响应函数对自然伽马测井曲线所造成的影响及反褶积校正的方法,从而使受围岩影响而降低了幅值的薄层曲线恢复原来的异常,改善了厚层曲线在界面处的陡度,以利于分层定厚、地层对比和进一步作各种定量的数字解释。     

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...     

自然伽马测井曲线的分析与反褶积校正

本文探讨系统响应函数对自然伽马测井曲线所造成的影响及反褶积校正的方法,从而使受围岩影响而降低了幅值的薄层曲线恢复原来的异常,改善了厚层曲线在界面处的陡度,以利于分层定厚、地层对比和进一步作各种定量的数字解释。     

低阻油层成因机理及测井评价方法综述

为了提高低阻油层测井识别评价的精度,本文基于大量的文献调研,通过对前人研究成果的吸收继承,梳理了国内外关于低阻油层的定义,归纳总结了低阻油层一般成因机理,研究了低阻油层的常规测井响应特征及其一般识别评价方法,进而探讨了低阻油层识别评价测井新技术和新思路.研究表明,低阻油层一般成因和影响因素包括十个方面;低阻油层常规测井响应呈现为高自然伽马、较高声波时差及高中子测井值、自然电位异常幅度低和密度测井值低等特征,低阻油层常规测井响应特征随其成因机理而异;低阻油层一般识别评价方法有九种之多;核磁共振测井、阵列感应测井及MDT等测井新技术可有效识别评价低阻油层;非线性数学方法为低阻油层识别评价提供了新思路.     

基于形态学滤波与小波变换的测井曲线自动分层方法

测井曲线是了解井下地质情况(如岩性、油气层位置等)必不可少的测井资料.利用测井曲线划分地层是测井分析的首要步骤,其自动划分地层方法的研究具有重大意义.如何在分层结果中合理地剔除假地层是现今许多自动分层方法均要面对的问题.单纯的阈值设置并不能妥善处理.就此问题,本文在小波变换分层法中,提出了用形态学滤波弱化阻碍分层的因素,削弱出现假地层的可能,使得分层结果更加分明.首先将测井曲线进行形态学滤波,抹除影响分层的小直径波峰波谷,再通过小波变换模极大值法找出拟地层界面,最后综合不同的测井曲线分层结果确定最终分层结果.实验结果表明,该方法能有效减少假地层划分,使得最后的分层结果更接近真实的地层界面.     

基于CGAN与CNN-GRU组合模型的密度测井曲线重构方法

密度测井曲线作为常规测井曲线中的一种,有着丰富的地质信息,通过对其进行分析解释,可以获得地层岩性、岩石密度和岩层孔隙度等参数.然而,在实际获取密度测井曲线的过程中,由于仪器故障、人为因素等原因,不可避免的会出现部分密度测井数据失真甚至缺失的情况.针对这一问题,本文提出一种基于条件生成对抗网络(CGAN)的密度测井曲线重构技术解决上述问题,其中条件生成对抗网络的生成器和鉴别器主要由一维卷积网络(1D-CNN)和门控循环单元网络(GRU)构成.通过条件生成对抗网络(CGAN)的对抗式训练方法可以使网络具有更强的学习能力,更加有效的挖掘出测井序列的长期非线性相关性、历史数据之间的关联性等关系.将该方法应用于实际的测井数据中,并与传统的神经网络方法相对比,结果表明本文提出的方法优于传统的神经网络方法,能够生成更加符合实际情况的曲线.