测井曲线概率分布法识别四川盆地火山岩气水层

火山岩的矿物成分复杂,主要矿物有石英、正长石、斜长石、云母、角闪石、辉石和橄榄石.不同岩性的储层物性和孔隙结构类型各不相同,这给火山岩气水层判别造成很大困难.基于测井资料,首先采用中子-密度交会图的方法求取孔隙度,然后结合实验室的岩电参数以及测井的电阻率曲线,构建P1/2概率分布曲线,根据概率曲线的分布形态来识别火山岩...     

大庆徐家围子地区深部致密砂砾岩气层识别

大庆徐家圈子地区深部致密砂砾岩储层的骨架成分除了含有石英、长石外，还含有许多酸性喷发岩，而且各种骨架成分的含量随深度变化比较大；复杂的岩性使得气的影响被岩性的影响所淹没，从而造成常规气层识别方法失效。针对这一问题，应用神经网络方法准确求取地层颗粒密度和泥质含量，然后对中子和密度测井值进行岩性影响校正和泥质影响校正，使得求出的中子和密度孔隙度仅受地层气的影响，最后将得到的中子和密度孔隙度进行对比，应用中子和密度孔隙度的差异识别气层。     

利用测井方法识别火山岩岩相方法

利用实际岩石薄片数据及测井数据,通过GR-TH 及GR-AC 交会图方法将松南气田营城组岩石结构划分为熔岩结构、熔结结构和凝灰结构3 种。凝灰结构和熔结结构对应爆发相,熔岩结构对应喷溢相。结合次生孔隙度的大小及岩心、录井信息对出现的6 种亚相: 热碎屑流亚相、热基浪亚相、空落亚相、上部亚相、中部亚相和下部亚相进一步划分,其结果与地质上的岩相亚相基本一致。     

CEC比值法在凝灰质砂岩储层测井评价中的应用——以海-塔盆地X凹陷凝灰质砂岩储层为例

凝灰质砂岩储层一直是测井评价中的难点.凝灰质的存在使储层的孔隙结构和物性变化都很大,其含量直接影响储层参数的求取,对储层饱和度的影响不容忽视.本文以海-塔盆地X凹陷的凝灰质砂岩储层为例进行测井评价研究.基于泥质和凝灰质的测井响应差异利用粒子群和细菌觅食的混合优化算法计算储层中两者的含量,然后通过阳离子交换量(CEC)的实验数据验证了凝灰质具有导电性,进而利用CEC与电阻率之间的关系得到凝灰质电阻率的计算方法,并且应用到饱和度的计算,最终得到了一种新的计算凝灰质砂岩储层饱和度的方法——CEC比值法,并取得了良好的应用效果.     

岩心样品孔隙度渗透率实验研究进展

孔隙度和渗透率是岩石和测井储层评价的两个重要参数.通过大量的学术调研,对影响孔隙度和渗透率测量的实验条件进行分析和总结.影响的因素主要有实验的温度和各种压力条件.但不同孔渗条件的岩样,温度和压力影响的程度不同.总的来说,随着温度和压力的升高,孔隙度和渗透率稍稍降低,整体变化幅度很小.岩样孔隙度和渗透率越低,温度和压力敏感性越强.研究温度和压力对孔隙度渗透率测量的影响因素,为准确测量岩样的孔隙度和渗透率提供实验依据,也为研究储层温度和压力条件下的多场耦合问题提供理论基础,同时为石油热开采提高渗透率和核废料地下安全性处理提供技术支持.     

低孔低渗储层自然产能测井预测方法——-以朝阳沟油田为例

油气储层产能预测既是提高油气田勘探效果的关键环节,又可为开发的部署与规划提供重要的基础数据。本文以平面径向流理论为基础,从影响产能的各个参数入手,同时,充分考虑储层内的非均质性,将一个储层分成几个相对均匀的亚层,应用该方法对朝阳沟油田井的自然产能进行了预测,预测的产能级别与测试的产能级别符合,符合率为100%。这种方法不但适用于单层测试,也适用于多层合试。     

页岩气测井地层评价的方法与进展

页岩气测井地层评价主要围绕3个方面展开：①页岩气地层的岩性和储集参数评价,包括孔隙度、饱和度、渗透率等;②页岩的生烃潜力评价,主要包括干酪根的识别与类型划分、有机质含量、热成熟度等一系列指标的定性或定量解释;③岩石力学参数和裂缝发育指标的评价。特别是在资源调查和勘探的初期,如何从烃源岩中寻找最有利的页岩气藏富集,是地球物理测井的首要任务。近几年,国外在页岩气测井评价方面的工作主要体现在对ECS测井和高分辨率成像测井的应用。另外有研究表明,感应测井与岩石介电常数有关的X分量负异常与干酪根的存在及其类型之间有一定的相关性。     

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%。     

改进 GＲNN 网络预测致密砂岩气层压裂产能

致密砂岩储层孔隙度小、渗透率低、含气饱和度低,基本上没有自然产能,需要进行压裂,所以压裂产能的预测很重要。广义回归神经网络 ( GＲNN) 稳定,对样本数量的要求低。产能预测关键是样本的选取以及扩展因子的选取。在原有的 GＲNN 预测产能的基础上,利用交叉验证法改进 GＲNN 网络,选取最优的样本确定最优的 GＲNN 网络结构,利用循环判断法,选取最优的扩展因子。改进的 GＲNN 神经网络可以避免确定 GＲNN 网络结构和扩展因子过程中过多的人为影响。笔者利用灰色关联分析法分析压裂产能的影响因素,利用改进的 GＲNN 网络有针对性地建立适合苏里格地区致密砂岩气层的压裂产能预测模型。结果表明该方法在苏里格地区气层压裂产能预测中有较好的应用效果。     

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.