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。     

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。     

克拉美丽气田石炭系火山岩复杂岩性岩电特征

准噶尔盆地东部克拉美丽气田石炭系火山岩岩石类型复杂多样,且同一岩性由于结构、构造和成分的差异,电性特征差异亦较大,岩性识别困难。本文通过对该区14口井取心段岩电关系研究,认为自然伽马、电阻率、密度三种曲线岩性特征响应明显; 电阻率、中子、密度、声波四条曲线对火山岩岩石构造特征响应明显。并编制了岩性和岩石构造测井识别交会图版11张。进而利用电测资料识别出该区11种火山岩岩石类型: 正长斑岩、二长斑岩、玄武岩、粗面岩、英安岩、流纹岩、霏细岩、沉凝灰岩、熔结凝灰岩、火山角砾岩和熔结火山角砾岩; 识别出5种岩石构造类型: 正长斑岩中气孔及块状构造和玄武岩中杏仁、碎裂及块状构造。通过本区12口钻井取心后验,测井识别结果与钻井岩心分析结果吻合良好,可作为地区性火山岩测井岩性、岩石构造识别模式。     

克拉玛依六区——九区石炭系火山岩油藏岩性识别与岩相划分

根据克拉玛依石炭系火山岩岩屑录井描述、岩心薄片鉴定、常规测井资料,通过分析不同类型的火山岩对测井参数的敏感性和响应特征,用统计学方法研究常规测井参数与不同类型火山岩之间的对应关系,建立了电阻率、自然伽马与岩性关系图版。进一步研究了六区—九区石炭系火山岩的岩性、岩相特征、分布规律及与含油性的关系,为今后此类油藏的岩性识别与岩相研究提供了可借鉴的方法。     

火山岩相的岩屑识别——以松辽盆地南部东岭探区为例

以松辽盆地南部东岭探区为例,建立了用火山岩钻井岩屑来确定火山岩亚相的方法和工作流程。首先辨别真假岩屑,然后用真岩屑制片并进行薄片鉴定。根据火山岩显微镜下的岩性、结构和构造特征与火山岩岩相和亚相的对应关系确定其所对应的火山岩岩相和亚相。岩屑法对于厚度在一个采样间距（1 m）以上的火山岩层段可以准确定出火山岩亚相,与岩心鉴定结果的符合率大于90％。此外,该方法亦可校正录井岩性。用该方法对东岭地区15口探井火山岩段的录井岩性岩相进行了识别校正,提高了井间岩性岩相和储层对比的精度。     

基于不同测井曲线参数集的支持向量机岩性识别对比

对测井曲线提取的不同参数值,进行支持向量机(support vector machines,SVM)岩性识别对比,找出适合于岩性识别的测井参数集。利用取心段岩心和测井资料,依据M-N值法、曲线重叠法和测井曲线特征值法等3种常用的岩性识别方法,提取能够用于岩性识别的测井曲线参数值,再利用支持向量机进行岩性识别,将识别结果进行对比,按照误差最小原则,找出适合于岩性识别的测井参数集。结果显示,M-N值法、曲线重叠法和测井曲线特征值法3种不同的测井参数集在岩性识别时,测井曲线特征值法和重叠法误差最小,可优先作为识别的基础数据。      

渤海05/31合同区火成岩岩性测井识别方法及应用

渤海05/31合同区各目的层组发育大段的火成岩。火成岩较碳酸盐岩的矿物成分复杂,岩性多样,研究难度较大。由于目前该区在火成岩段未进行钻井取心工作,其火成岩岩性解释仅仅依靠录井岩屑资料,误差较大,且与测井曲线反映的岩性存在明显不符的现象。在对该区测井资料进行标准化处理基础上,开展火成岩岩石学和测井响应研究,基于岩屑录井,岩屑薄片及地球化学方法,总结相对应的测井响应特征和岩石物理敏感参数,利用标准井测井资料建立火成岩岩电识别标准和图版;采用Elan-Plus最优化模型组综合解释技术,编制了合同区6口井火成岩测井骨架矿物分析和岩性识别成果图。经过验证,测井岩性识别效果较录井岩屑有了较大程度的提高。     

利用支持向量机识别松辽盆地火山岩岩性

利用支持向量机(SVM)方法,选取个性特征元素,建立火山岩岩性成分的识别方法,来区分玄武质、安山质、粗面质、英安质、流纹质火山岩岩性.通过对松辽盆地内部的火山岩样本进行学习和预测,火山岩大类平均识别率达到95%以上,表明支持向量机在火山岩岩性成分识别方面取得了良好效果.     

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…     

柴达木盆地昆北地区基岩储层裂缝特征

通过对柴达木盆地昆北地区8口重点井共计55.89 m长基岩段岩心的观察,统计了岩心裂缝的产状、类型、频数及分布特征,并结合岩相学、物性以及钻井、录井、测井等资料,在岩心裂缝标定测井资料的基础上,拾取基岩裂缝发育处的测井响应特征,构建对裂缝响应更为灵敏精准的新参数曲线,识别出昆北16口井基岩段247个裂缝,最后在裂缝识别的基础上分析其分布规律。结果表明：昆北基岩具有垂向分带特征,顶部为原地堆积物理风化而成的残积段,厚度0~60 m,裂缝类型以差异风化缝为主;中部为部分风化基岩段,厚度40~180 m,该段厚度在区域上变化较大,主要发育节理缝和溶蚀孔缝,是基岩中孔缝发育物性最好的储层部位;底部为新鲜基岩段,仅存在极少数的构造缝。计算裂缝分布参数表明,裂缝密度和裂缝发育率随着井点与断裂距离的逐渐变远都呈减小趋势,但裂缝密度这种减小的反相关性明显低于裂缝发育率,分析认为这可能与裂缝密度受断裂以外其他因素的共同影响有关。     

河道砂体内部夹层岩性与遮挡性识别

河道砂体内部夹层作为储层构型界面,厚度较薄,岩性、遮挡性存在差异,对河道砂体内流体渗流及剩余油分布的影响不尽相同。本文以大庆油田萨北二区为例,利用密闭取芯井岩芯和纵向分辨率较高的微电极测井曲线等资料,以岩芯识别夹层岩性为基础,通过对测井曲线幅值、幅差、回返率交汇分析,优选出微电位回返最低值和微梯度回返率作为夹层岩性判别标准,夹层岩性识别符合率达82%;并以夹层含油性为依据,将夹层按遮挡性分为完全阻流型、强限流型、弱限流型等三种类型;分析密闭取芯井河道砂体内部夹层岩性与遮挡性对应关系,建立了非取芯井河道砂体内部夹层遮挡性的岩性解释法,夹层遮挡性识别符合率达72%。以此为深入研究地下河道砂体内部构型对注入剂驱替路径及剩余油分布的影响奠定基础。     

辽河油田东部凹陷玄武岩测井特征分析

针对辽河油田东部凹陷地区复杂火成岩岩性中玄武岩的测井特征,根据东部凹陷的测井数据及取芯段的薄片识别,共找到4种不同类型的玄武岩地层,分两组进行对比分析。第一组:气孔玄武岩、角砾化玄武岩;第二组:玄武岩、含油水层的玄武岩。利用玄武岩地层对应数据制作测井响应统计表,对比不同类型测井参数的差别制作交会图,得到角砾化玄武岩相对气孔玄武岩有较高的自然电位值,含油水层的玄武岩相对玄武岩有较高自然伽马值及中子值等特征。分析原因为气孔玄武岩及角砾化玄武岩孔隙裂缝发育,密度较低,黏土矿物充填角砾化玄武岩孔隙使自然电位值相对较高;含油水层的玄武岩中大量氢元素使中子值及自然伽马值相对玄武岩有所增加。     

鄂尔多斯盆地合水地区长7致密油岩性岩相类型识别及其应用

利用岩心、薄片、常规测井、成像测井等资料结合物性分析等,对鄂尔多斯盆地合水地区长7致密油岩性岩相等特征进行了研究。长7致密油储层以砂质碎屑流、浊流和滑塌成因的砂岩为主,烃源岩以泥岩、油页岩为主,根据粒度参数进一步将长7致密油岩性岩相划分为砂质碎屑流细砂岩相、浊流细砂岩相、浊流粉砂岩相、滑塌岩相、半深湖—深湖泥岩相以及油页岩相6类。通过岩心刻度常规和成像测井,建立了不同岩性岩相的测井识别评价标准,并实现了各单井纵向上的岩性岩相的识别和划分。在此基础上,进一步探讨了不同岩性岩相与TOC含量和脆性指数的关系。最后结合试油气资料和油气解释结论,阐明岩性岩相对致密油储层物性和含油气性的定量控制。致密油岩性岩相的研究可为后期成岩相、孔隙结构以及优质储集体预测等奠定基础,为研究区长7致密油的综合评价和有利发育区带预测提供理论指导和技术支持。     

基于Kohonen神经网络的页岩油岩相测井识别方法

准噶尔盆地吉木萨尔凹陷二叠系芦草沟组岩性复杂,岩相多样,亟需建立配套的岩相测井识别方法。综合利用岩心薄片、常规测井与成像测井等资料对芦草沟组的岩性、沉积构造等特征进行研究,在此基础上进行岩相类型划分,并分析不同岩相的测井响应特征,建立岩相测井评价模型。结果表明,研究区主要由云质泥岩、泥质粉砂岩、粉砂质泥岩等岩性组成;根据岩心的矿物组成,考虑在岩心尺度上的可区分性、测井中的可识别性,划分出块状白云质泥岩相、平行/波状层理泥质粉砂岩相、块状泥岩相、块状泥晶白云岩相、平行层理粉砂岩相和波状/水平层理粉砂质泥岩相6种主要岩相类型。在此基础上通过岩心刻度测井资料建立岩相判别准则,并利用Kohonen神经网络方法实现单井岩相测井自动判别,划分结果与薄片匹配较好。研究成果可提高未取心井的岩相识别效率与精度,为该地区页岩油勘探提供一定的理论依据与方法支撑。     

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%。     

长春岭油田C107区块扶余油层密井网曲流河储层构型分析

以长春岭油田C107区块扶余油层为例,综合应用岩心、录井、动态及测试等资料,按层次分析的思路对曲流河储层进行了构型分析。在井上单河道砂体识别的基础上,采用相控对比方法进行了单河道砂体的井间对比。基于现代沉积,提出了"S"型、同向式、背向式和切割式4类点坝砂体的组合模式,结合点坝砂体厚度特征以及与其紧邻废弃河道分布特征,在研究区识别出8个点坝砂体,单个点坝砂体面积在0.02～0.16km2。综合录井、岩心和测井等资料,在单井侧积层识别的基础上,结合对子井分析法,计算出侧积层的倾角为5°左右,侧积体的宽度为25～70m,建立了点坝砂体内部构型定量模式。应用曲流河构型分析成果,指导了热采动态分析。     

模糊联想记忆法在海拉尔盆地贝尔凹陷储层岩性识别中的应用

针对海拉尔盆地贝尔凹陷储层岩性复杂的特点,进行了储层岩性识别方法研究,并利用钻井取芯资料确定岩性,进行岩性定名及标定测井资料。在进行标准化、归一化和方波化处理后,建立研究区复杂岩性储层测井识别的基础模型,并利用模糊联想记忆方法,对研究区储层岩性进行识别后,将研究区岩性划分为火山碎屑岩、火山碎屑沉积岩和沉积岩3大类、12小类。通过31口井的测井资料实际处理验证,岩性识别符合率平均达86.1%。