聚类和判别分析在测井岩性识别中的应用

应用多元统计方法和计算机技术对测井数据进行岩性识别.以济阳坳陷中的某钻井测井资料为例,首先进行了层次聚类和k-means聚类分析,然后根据聚类分析结果进行判别分析,两种统计方法相结合识别钻井岩性,得出了预测岩性剖面和录井剖面基本吻合的综合柱状图.结果说明,聚类分析和判别分析相结合的定量方法在测井岩性识别方面具有实用价值.     

基于改进随机森林的火山岩测井岩性识别

准噶尔盆地石炭系火山岩岩性复杂,在某种岩性薄片、岩心等资料数量明显少于其他岩性时,常规方法划分岩性存在困难。为了解决上述问题,提高火山岩岩性识别精度,运用SMOTE算法增加少数岩性类别样本数量,解决数据不均衡问题；通过网格搜索和K折交叉验证法确定最优参数组合,开展基于改进随机森林的火山岩岩性识别研究。通过分析火山岩岩心、薄片、测井响应特征等资料,建立了岩性交会图版,确定了研究区对岩性敏感的测井参数重要性程度。实例资料应用表明,改进的随机森林算法有效的解决了传统随机森林算法受岩性样本类型不均衡及数据量较小的影响,火山岩岩性识别准确率由87%提升到了94%,为不均衡样本情况下火山岩岩性识别提供借鉴。     

下庄花岗岩型铀矿田科学钻探ZKE-1孔测井资料初探

广东下庄铀矿田科学钻探孔(ZKE-1)在钻进过程中实施了连续钻探取芯,并且进行了综合地球物理测井。将综合测井资料应用于科学钻探孔中,对钻孔中采集到的测井资料进行了岩石测井响应特征分析、测井物性参数岩性分层以及铀矿异常段分析。结果表明,研究区内主要出露中粒似斑状二云母花岗岩、中粒似斑状黑云母花岗岩、蚀变花岗岩、蚀变碎裂岩、蚀变碎裂花岗岩5种岩石,其不同岩性的测井响应差异能够定性识别岩性;声波速度和电阻率测井曲线能够有效的划分研究区地层的岩性界面;定量伽马测井能够有效的识别研究区铀矿异常段,共识别出铀矿异常段13段,真厚度达12. 39 m。研究结果可为类似地区的铀矿地层测井评价参考。     

三塘湖盆地火山岩岩性测井识别方法

火山岩岩性的准确识别是火山岩储层描述与评价的基础。通过对三塘湖盆地火山岩测井相应特征进行的分析归纳,建立了火山岩岩性识别流程。首先利用取芯井段标定准确岩性,然后利用交会图法、模糊聚类分析法以及微电阻率成像测井资料对研究区内储层岩性进行综合识别,将研究区岩性划分为火山熔岩、火山碎屑岩、火山碎屑沉积岩和沉积岩4大类、11小类。通过22口井的资料进行处理验证,岩性识别符合率平均达84.7%。     

基于测井相分析技术的复杂岩性识别方法研究

准确识别储集层岩性是海拉尔-塔木察格盆地塔南油田铜钵庙组储集层测井评价面临的主要问题。由于目标区块岩性十分复杂,常规的岩性测井识别方法不能满足该区块岩性准确识别的要求。以测井相分析技术为基础,首先选取该区一口岩心资料齐全和测井质量好的井,对常规测井曲线进行Z值标准化;其次利用主成分分析,对选取的测井参数进行降维处理,提取了四个主成分;然后,利用K均值聚类划定了9类测井相;并通过测井资料划定的测井相与岩心资料对比,建立了测井相-岩性数据库;最后利用Fisher判别法建立了目标区块的岩性判别模型。将建立的判别模型对塔南油田铜钵庙组实际井资料进行了处理,结果显示:预测的岩性与岩心描述的岩性基本一致,验证了测井相分析技术在复杂岩性识别中的可靠性。     

PSO-LSSVM分类模型在岩性识别中的应用

为了精确解决测井岩性识别问题,提出了一种将粒子群优化算法(PSO)与最小二乘支持向量机(LSSVM)相结合对实际测井资料进行岩性识别的方法.首先使用粒子群优化算法对LSSVM建模过程中的重要参数进行优化调整,然后利用参数优化调整后得到的具有较优分类效果的PSO-LSSVM模型对某油田的测井资料进行岩性识别.实验结果表明:同基于交叉验证的支持向量机模型以及单隐层的BP神经网络模型相比,该方法能够很好描述测井数据和岩性类别之间的非线性映射关系,识别精度高,并提高了算法的自动化程度.     

基于随钻数据的岩性识别机器学习算法研究进展

机器学习算法是岩性识别领域重点研究内容之一。与传统岩性识别方法相比,通过监测随钻参数变化进行岩性识别,具有高精度、多信息、集成化、智能化的优点。近年来,随着岩性识别技术不断发展,机器学习算法在岩性识别领域的研究和应用日益广泛。利用机器学习算法分析随钻数据,能够提高岩性识别结果的准确性,更高效地识别地层的岩性和构造。为了厘清岩性识别机器学习算法的发展现状,发掘其在岩性识别技术领域中的技术难题,综述了岩性识别机器学习算法的研究进展。首先,简要介绍了机器学习的概念与发展历程;其次,分类阐述能够用于岩性识别领域的机器学习算法;再次,总结了岩性识别领域各类常用机器学习算法的应用现状,比较了各类算法在岩性识别应用中的优缺点;最后,总结了岩性识别算法存在的问题和面临的挑战,并对其下一步发展方向提出了建议,使未来能更加准确高效地利用机器学习算法分析处理随钻数据,实现机器学习算法与岩性识别技术的深度结合。     

利用岩石力学参数法识别火山岩岩性

火山岩岩性识别是岩相划分、储层综合评价与预测、井网部署、开发方案编制的基础。火山岩类型多,其岩性与岩石成分、结构、构造和成因有关,识别难度大。岩石力学参数中蕴藏着丰富的岩性表征信息,从多个方面提供了火山岩岩性识别的资料。以准噶尔盆地六九区石炭系火山岩为研究对象,在对工区内40块岩样进行岩石力学参数实验的基础上,优选出对火山岩岩性响应较为敏感的泊松比、杨氏模量、体积模量3个岩石力学参数,制作了岩性识别图版。同时,给出了利用测井资料计算泊松比、杨氏模量、体积模量的模型,进而实现了对研究区内火山岩岩性的逐点识别。识别结果表明,该法能够较准确地对火山岩岩性进行识别,识别率完全能够满足现场储层评价要求。     

基于PCA-BP神经网络的非常规储层岩性识别研究

岩性识别一直是储层测井解释的关键问题和难点之一。针对常规测井岩性识别准确率不高的状况,在分析测井资料的基础上,以Matlab为平台研究了基于主成分分析的PCA-BP神经网络,并以济阳坳陷非常规储层实际测井资料为样本,通过设计算法步骤进行了实验仿真。由仿真结果得出非常规储层岩性识别率为95.8%,高于BP神经网络,PCA-BP神经网络有效提高了识别率和运行速度。经过对济阳坳陷钻井的岩性识别表明,该岩性识别方法可行并具有实用价值。     

东营凹陷北部陡坡带沙四段砂砾岩体识别方法研究

东营凹陷盐家油田砂砾岩体为快速堆积而成的近岸水下扇沉积,内部结构复杂,岩性多样复杂,利用常规测井资料识别岩性困难,岩性识别为制约该地区勘探开发的难题之一。从岩心观察描述入手、在岩性、物性、电性、含油性特征研究的基础上,利用岩心、成像资料精确标定常规测井资料,建立了一整套识别砂砾岩储集层岩性的方法和标准。该方法能有效识别岩性,在胜利盐家油田首次引进并使用该方法就取得了良好的效果,与岩心对比吻合率达90%。该方法对类似油气藏研究同样具有指导意义。     

井下可视化自动寻航钻井技术初探

针对地层模型预测不准确、钻头处地层特性分析不到位和地层边界确定不及时等影响优质储层钻遇率问题，开展了可视化寻航钻井探索性研究。该技术包括井周地层预测及三维可视化、导航模型构建、地层边界自动分析、地层特性实时自动分析、优质储层自动识别和轨迹自动优化等几个过程。前3个过程属于可视化导航地层模型构建，用于宏观上预测和指示富集油气目标地层位置、延展性等；地层边界自动分析、地层特性实时自动分析及优质储层自动识别用于精细预测钻头附近地层的边界位置、实时提供地层的岩性、物性和含油性，以便精确确定钻进方向；轨迹自动优化则用于自动规划下一步钻井方案。在多口井现场应用中，该系统预测的地层模型及优化的轨迹提高了优质储层钻遇率。结果表明，井下可视化自动寻航钻井技术能够在一定程度上实现类似于汽车导航式钻井，为提高优质储层钻遇率提供了一种新的技术手段。     

基于数据融合的无人机影像碎屑岩岩性识别

不同类型岩性影像纹理相似性高,基于单一的二维影像进行岩性识别精度较低。本文针对这一问题,开展了顾及影像深度信息的岩性智能识别方法研究。利用无人机影像具有多模态的特性,采用通道叠加、IHS变换、小波变换以及多模态融合四种影像融合方式,将深度信息融入到影像数据中,运用深度卷积神经网络DeepLabv3+进行碎屑岩岩性识别。经人工解译结果对比分析,结果表明,实验区内基于多模态融合影像的岩性识别精度最高,Kappa系数可达76.17%,总体识别精度可提升到91.05%;分析认为,顾及影像深度信息的岩性智能识别方法针对岩层表面不平整,高差落差大的砾岩识别效果有明显提升,但表面平整、高差表现不明显的泥岩和砂岩地层识别效果有待提升,总体为野外碎屑岩露头岩性快速识别提供了新思路。     

基于振动与声音信号深度学习的岩性识别方法

岩性识别对地质勘查和储层评价具有重要意义,科学有效地开展岩性自动识别的相关研究能够有效地为勘查过程提供指导,减少工作的盲目性和冗杂性。针对常见的砂岩地层,选择三类砂岩,基于室内微钻试验台,设计钻杆转速、钻孔深度和钻孔位置三个变量,检测钻进过程中产生的振动和声音特征信号。将采集的振动和声音信号预处理,提高信噪比,生成数据集。将振动和声音的数据集按6∶2∶2的比例划分为训练集、验证集和测试集,之后分别构建二维卷积神经网络和一维卷积神经网络并使用训练集和验证集训练岩性识别模型,最后运用未经训练的测试集验证模型准确率。模型训练完成后,以频谱图为数据集的振动信号识别模型准确率达到95.19%,以梅尔频率倒谱系数为数据集的声音信号识别模型准确率达到73.58%。研究结果表明,不同岩性在钻进过程中产生的振动和声音信号具有不同信号特征,基于振动和声音信号的岩性自动识别方法可以较好地实现几类砂岩的自动识别,这为地质勘查时的岩性自动识别提供了参考与依据。     

准西车排子凸起石炭系岩性识别与储层特征

准噶尔盆地车排子凸起石炭系发育沉积岩及火成岩,岩性复杂且勘探程度低,其储层发育特征尚不明确。利用测井岩性识别图版、成像测井、Fisher 判别分析3 种方法对岩性进行了识别,其中岩性识别图版能对火山熔岩类和沉积岩进行区分,成像测井能直观地区分不同岩性的发育特征,Fisher 判别分析法能综合多种测井信息并可完成自动识别。将测井解释剖面与最终的地质录井剖面进行对比,验证了测井识别岩性的可行性。该类方法可有效降低岩性识别所需时间和成本。对石炭系火成岩储层的储集空间、物性特征、分布特征及岩相发育特征进行了分析,结果表明：石炭系储层的主要储集空间为裂缝和孔洞,以火山角砾岩储集物性最好;研究区东部火山角砾岩及火山熔岩更为发育,储集性能较好;石炭系主要发育火山沉积相、喷溢相、爆发相,其中爆发相储集性能最好,喷溢相次之,火山沉积相最差。     

基于核Fisher判别的致密碎屑岩岩性识别

致密碎屑岩储层具有致密、低孔隙和非均质性强等特点,岩性识别是储层预测中的难点之一。文章针对这一问题,提出将核Fisher判别方法用于致密碎屑岩储层的岩性识别,结果表明核Fisher判别方法能有效的识别川西XC地区致密碎屑岩中的砂岩和粉砂岩。     

基于正态分布理论的模糊综合评判法识别岩性

不同的测井参数对岩性的识别功能各不相同,只有综合评判各个测井参数曲线才能大致反映地层主要岩性特征,因此传统的定量的数学关系式很难正确地描述地层岩性。模糊综合评判法对多因素、多层次的复杂问题具有较好的评判效果。采用模糊综合评判法识别岩性过程中,合理地确定评判因素及其隶属度函数尤其重要。通过对大量测井和录井资料统计分析,发现对于同一岩性层段,部分测井响应特征参数基本服从正态分布规律。因此利用正态分布理论确定各评判因素隶属度函数,并通过模糊变换,得出用模糊集合表示的评价结果。将评判结果与实例比较证明,该种方法能够克服传统岩性识别中存在的缺点和不足,评判结果更加科学可靠。     

基于主成分分析法的N油田M油组储层岩性识别

N油田M油组岩性复杂,岩石类型众多,其储层普遍含碳酸钙组分和泥质,运用常规方法识别岩性结果难以满足实际生产需要。针对这一问题,提出基于主成分分析法的岩性识别方法。首先对岩性进行归类,研究不同岩石类型的测井响应特征,优选对岩性变化反映敏感的声波时差、补偿中子等曲线,然后利用主成分分析法确定岩性,识别主成分并制作识别图版。运用该图版对研究区进行岩性识别,识别符合率达到87.5%,证明该方法的应用效果较好。     

PDC钻头钻井时的地质分层方法

使用ＰＤＣ钻头钻井时,岩屑破碎得很细,通过岩屑录井来判断地层岩性十分困难。对ＰＤＣ钻头切削刃进行了受力平衡分析,建立了地层识别因子与钻井操作参数、钻头结构参数的关系模型。根据已钻井的录井、测井、地质资料提取地层变化规律,利用随钻录井数据预测了地层岩性。编制了相应的地质分层软件,并进行了实例预测。预测结果与测井解释结果比较,符合率为６５％～７０％,说明该预测方法具有一定的有效性和实用性。