基于多孔介质模型的储层裂缝孔隙度计算方法

针对裂缝性储层裂缝孔隙度定量计算的难题,提出了一种基于多孔介质模型的储层裂缝孔隙度计算方法。通过定义孔隙纵横比谱函数表征岩石裂缝分布特征及对岩石宏观岩石物理特征的影响,并代入多孔介质模型中,建立含裂缝条件下多孔介质模型。理论正演表明,孔隙纵横比谱分布特征与岩石体积模量变化一一对应,通过建立岩石模量反演函数,利用现场阵列声波测井资料实现孔隙纵横比谱定量反演,进而计算裂缝孔隙度。应用结果表明,计算的裂缝孔隙度能够较好地反映储层裂缝发育情况,与电成像测井计算结果吻合较好,文中方法所计算的裂缝孔隙度符合实际生产情况,为裂缝孔隙度计算提供一种新的途径,扩展了阵列声波测井应用范围。     

川东北飞仙关组储层孔隙度计算方法探讨

川东北飞仙关组储层岩性、储集空间复杂,非均质性强,具有典型的缝洞性储层特征。常规测井响应受其影响较大,直接用三孔隙度测井曲线计算孔隙度难以满足要求。因此,本文结合川东北飞仙关组储层的具体地质特征,在详细讨论缝洞对三孔隙度曲线影响的基础上,提出了在用 Pe (U)法或三孔隙度曲线交会法准确识别岩性基础上建立计算模型求取孔隙度的思路。经实际资料验证,孔隙度计算精度有较大的提高。     

基于机器学习算法预测核磁共振T2谱

近年来,深度学习算法被广泛应用于生成各种类型的数据。本文通过分析测井数据与核磁共振T2谱之间的映射关系,利用随机森林与LSTM网络模型实现了对核磁共振T2谱的重构。核磁共振测井每个深度获得的T2谱是在不同的时间序列中通过不同的布点数来显示形态上的变化的,随机森林算法能够处理高维度的核磁共振T2谱数据且不需要做特征选择,而LSTM可以很好地控制不同深度神经元对T2谱各分布点的影响,将这两种网络模型进行参数优化后对同一口井的预测结果进行对比分析。这里选取了中国海上A油田的测井数据作为例子进行方法测试。首先,利用灰色关联度算法分析T2几何均值与测井曲线的相关性。选取相关性高于设定值的测井曲线,将测井曲线标准化缩放在0~1后作为随机森林与LSTM模型的输入,预测同一地层T2谱形态分布规律并比较算法的优劣。在比较软件处理得到的核磁共振T2谱和预测结果后分析它们之间产生差异的原因。结果显示通过LSTM神经网络模型预测的数据与地层真实数据的符合度比随机森林算法更高,符合度可达90%以上。     

裂缝发育程度对低孔隙度岩石渗流特性的影响

低孔隙度岩石中的裂缝对储层渗透率具有重要影响，但裂缝的存在导致岩心代表性样品选取和高精度岩石物理参数测量困难。为研究裂缝对低孔隙度岩石渗透率的影响，本文通过高精度CT扫描实验构建了低孔隙度岩石的三维数字岩心模型，采用添加平板裂缝的方法构建了不同裂缝参数的低孔隙度岩石数字岩心，并利用格子玻尔兹曼（LBM）方法计算了不同裂缝参数数字岩心模型的渗流场分布和绝对渗透率。结果表明，尽管低孔隙度岩石的数字岩心模型基质渗透率低，但裂缝的存在对岩石渗透率有一定程度的提高。然而，裂缝发育程度对渗透率影响规律不同：当单条裂缝孔隙度在0-0.4 %时，裂缝对模型渗透率影响不明显；当单条裂缝孔隙度大于0.4 %时，裂缝对模型渗透率具有显著影响；模型渗透率随裂缝开度增大而增大，随裂缝倾角增大而减小，随裂缝数量增加而增大。另外，裂缝与基质存在耦合作用，与裂缝相连的孔隙中流体流速明显提高，显示裂缝对基质孔隙的强连通作用。本研究结果对含裂缝的低孔隙度储层渗透率精确计算及储层压裂后的油气产能评价有指导意义。