排序方式: 共有14条查询结果,搜索用时 15 毫秒
1.
距今(56~18)万a的白坭组,代表珠江三角洲西部中更新世早期的河流冲积平原和溺谷海湾沉积,而珠江三角洲滨海平原的形成则始于距今(4.25~3)万a的石排组沉积时期;距今(2.95~1.9)万a间沉积的西南镇组,代表珠江三角洲晚更新世中晚期的海进;形成于距今(1.8~1.2)万a间的三角组代表珠江三角洲海退期形成的古风化壳;从杏坛组一横栏组一万顷沙组一灯笼沙组的沉积,代表全新世全球冰盖消融后珠江三角洲地域海平面上升的海陆变迁史。 相似文献
2.
3.
侏罗系凉高山组作为四川盆地致密油气重点勘探目标,有利储层优选是实现其高效勘探的核心与关键,但目前仍受困于储层特征认识不清、致密成因解析不足等问题。运用铸体薄片、扫描电镜、高压压汞、包裹体测温等技术手段,以川东地区凉高山组致密砂岩为研究对象,在全面总结储层特征的基础上,建立成岩演化序列并解析砂岩致密化成因。研究结果表明:凉高山组主要为长石岩屑砂岩和岩屑长石砂岩;孔隙度分布在0.35%~7.71%之间,渗透率分布在0.000 01×10-3μm2~0.078 60×10-3μm2之间,为典型致密储层。砂岩整体压实胶结致密,仅发育少量原生孔隙和次生孔缝,储集空间以次生孔缝为主,发育两种类型孔喉结构。压实作用对原始孔隙度的平均减孔量为21.73%,是储层致密化的主导基础;胶结作用对原始孔隙度的平均减孔量为9.14%,其中,晚期方解石胶结通过占据孔隙空间大幅度降低储集性能,是储层致密化的重要因素;自生黏土矿物通过堵塞孔隙喉道、增强喉道迂回度等方式降低渗流性能,进一步加强了储层的致密程度;早期绿泥石胶结是研究区... 相似文献
4.
高品质地震数据是决定复杂山前带油气勘探成败的关键,而观测系统又是影响地震采集质量的重要因素。目前,山前带地震采集设计都以单一采集参数优化分析为主,并未从整体上进行多参数优化,更没有深入挖掘对山前带成像质量影响较大的采集参数。本文针对这一问题,首先利用以往地震数据分析采集参数与信噪比的关系,其次通过正演和叠前偏移方法,获得不同采集参数的叠前偏移剖面,进一步分析对成像质量影响较大的采集参数,最后利用退化性处理方法,对新采集地震数据进行处理分析,深入挖掘对成像质量最为敏感的采集参数,结果显示炮线距影响最大,接收线距、接收线数和接收道数的影响依次减小,且每种采集参数对成像质量的影响效果是不同的,应根据目的层深度选择不同的采集参数重点优化。 相似文献
5.
基于证据权重法的成矿预测——以广东省钨锡矿的成矿预测为例 总被引:5,自引:0,他引:5
在建立广东省地质、矿产、物探、化探、遥感等基础空间数据库的基础上,深入研究了其成矿规律及成矿地质环境,充分利用现代的GIS矿产资源评价技术提取了与矿产有关的信息,运用证据权重法对研究区进行综合定位预测,根据预测结果圈定了74个成矿远景区。预测结果对于该区的进一步找矿工作具有重要的指导意义。 相似文献
6.
7.
广州-花都地区是碳酸盐岩分布区之一,覆盖型岩溶强烈发育,岩洞和土洞分布十分普遍。第四纪堆积和岩溶水运移特征以及已建成江村等7个水源地,为岩溶塌陷提供了发育条件。划分了岩溶塌陷的形态和分布特征,指出花都新华-广州新市一带为岩溶塌陷显著区域,今后不应过量抽吸地下水。 相似文献
8.
储层识别是油气勘探开发中所面临的关键问题和难点之一。针对传统储层识别方法预测精度较低这一问题,提出了基于主成份分析和支持向量机的PCA-SVM储层识别模型,较好地解决了传统学习方法在非线性预测中的小样本、过学习、局部极小点等问题,同时消除了出入变量之间的多重相关性,减少了输入变量的个数,提高了预测精度和收敛速度。通过对长庆中部气田马五1段储层的实例应用,PCA-SVM模型的预测精度达到100%,优于SVM模型(93.6%)和Fisher判别模型(96.3%)。这表明PCA-SVM模型具有更高的预测精度,为致密储层的准确识别探索了又一新方法。 相似文献
9.
为探究川西北地区天井山古隆起固体沥青地球化学特征、成因和来源及其地质意义,采集研究区寒武系、泥盆系和二叠系20块野外露头沥青样品,通过固体沥青族组成、生物标志化学物、碳同位素等分析测试,结合构造演化史,建立研究区沥青动态演化形成模式.结果表明:天井山古隆起固体沥青是古油藏遭受严重生物降解而形成的,寒武系和泥盆系沥青来源于筇竹寺组烃源岩,二叠系沥青来源于筇竹寺组和二叠系烃源岩的混合.天井山古隆起经历大面积古油藏聚集,沥青封堵保存条件较好的翼部是古油藏的有利勘探目标.该结果为川西北地区天井山构造勘探与开发提供指导,也为类似的构造演化复杂地区沥青形成与油气演化研究提供借鉴. 相似文献
10.
基于粒子群优化算法的小波神经网络缝洞型储层识别模型 总被引:1,自引:1,他引:0
针对缝洞型储层识别精度较低这一难题,提出了基于粒子群优化算法的小波神经网络(PSO—WNN)储层识别模型。以小波函数作为隐含层的激励函数,采用粒子群优化算法,对权值、伸缩参数、平移参数进行调整,构建出基于粒子群优化算法的小波神经网络储层识别模型。该模型具有算法简单、结构稳定、计算收敛速度快、全局寻优能力强、识别精度高、泛化能力强的优点。这里以济阳坳陷桩西埕岛地区古生界潜山缝洞型储层识别为例,利用常规测井参数作为模型的输入参数,以储层类型赋值作为输出,选取九口井的108个已知样本,采用不同隐含层个数对模型进行多次训练。通过对比分析,最终确定隐含层个数为10,建立起该区的Ⅰ类、Ⅱ类、Ⅲ类储层识别模型。利用已建模型对十八个检验样本进行识别,其识别正确率高达100%,而BP神经网络识别正确率为88%。这表明该模型对缝洞型储层的识别效果较好,为缝洞型储层的进一步研究提供了可靠的依据。 相似文献