神经网络模式识别技术在井间储层参数预测中的应用

用地震资料和少量测井资料预测储层参数的横向变化,是储层评价和油气勘探开发的重要研究课题。地震资料中蕴含着丰富的储层物性信息,若能建立起地震参数与储层物性参数之间的关系,则可利用地震资料进行储层参数的横向预测。文中提出了一种神经网络模式识别方法,用地震反射资料进行井间储层参数预测。应用结果表明,用网络法对井间孔隙度做出的估算值是准确的,用网络自动建立起来的非线性映射关系可能较好地反映井间孔隙度的分布。     

神经网络模式识别技术在井间储层参数预测中的应用

用地震资料和少量测井资料预测储层参数的横向变化,是储层评价和油气勘探开发的重要研究课题。地震资料中蕴含着丰富的储层物性信息,若能建立起地震参数与储层物性参数之间的关系,则可利用地震资料进行储层参数的横向预测。文中提出了一种神经网络模式识别方法,用地震反射资料进行井间储层参数预测。应用结果表明,用网络法对井间孔隙度做出的估算值是准确的,用网络自动建立起来的非线性映射关系可能较好地反映井间孔隙度的分布     

哈南油田阿尔善组油藏测井描述

哈南油田阿尔善组储层发育,油气资源丰富,为哈南油田的主力油藏．在该油藏的研究中,充分利用已有的测井资料,首先研究了测井资料的标准化方法以及以测井曲线为基础的岩心归位方法,进而采用神经网络技术将测井信息转化为地质信息,通过该区２７９口井测井资料的综合解释和评价处理,为储层研究提供了基本地质参数和油气评价结论,并采用克里金估计模型绘制了砂体分布、油层有效厚度、孔隙度、渗透率及含油饱和度的平面空间分布图,全面分析了储层在空间的分布规律,为区块油藏综合治理和开发提供了可靠依据．     

相控随机建模在油藏精细描述中的应用研究

针对辽河油田曙四区杜家台油藏开发现状及地质研究的难点,根据沉积学原理和测井相定量分析方法开展了微相研究,利用沉积微相研究成果约束储层参数的空间分布,建立起精细储层地质模型,解决了建模过程中沉积相研究成果与储层参数分布无法有效结合的缺陷,成功地实现了辽河油田曙四区杜家台油藏精细描述,实践证明该方法切实可行。相控随机建模不仅可以提供较准确的储层属性模型,而且为剩余油研究和油气开发调整提供了地质依据。     

哈南油田阿尔善组油藏测井描述

哈南油田阿尔善组储层发育，油气资源，为哈南油田的主力油藏，在该油藏的研究中，充分利用已有的利测井资料，首先研究了测井资料的标准化以及以测井曲线为基础的岩心归位方法，进而采用神经网络技术将测井信息转化为地质信息，通过该区２７９口井测井资料的综合解释和评价处理，为储层研究提供了基本地质参数和油气评价结论，并采用克里金估计模型绘制了砂体分布，油层有效厚度，孔隙度，渗透率及含油饱和度的平均空间分布图，全面     

塔中缝洞型碳酸盐岩储层连通性分析及应用

塔中奥陶系缝洞型碳酸盐储层空间展布复杂,目前预测识别仅依靠地震反演及地质建模等静态方法,对储层分布及发育范围缺乏准确有效描述手段;同时,仅定性判断井间连通关系,不能合理描述井间储层连通范围。通过多种井间连通性分析方法判断单井单元或多井单元,利用压力恢复不稳定试井及生产数据试井分析,确定储层渗流特征、边界条件和等效泄流面积、动态储量等,结合地震反演、储层预测、缝洞雕刻等静态地质特征,利用数值试井技术建立油气藏平面属性模型并进行拟合分析,不断调整各项相关参数及修正边界范围,达到双对数曲线和生产全过程压力历史曲线拟合良好。动态验证并明确储层分布特征。最终精细刻画连通储层边界范围并得到不同渗流区域储层渗流特征及储量大小。应用到塔中区块多口井实际生产开发中,评价储层特征进行注水开发、指导井位部署,收到良好效果;也为类似复杂油气田开发提供一种可靠技术方法。     

川东沙坪场气田石炭系储集层特征及预测

沙坪场气田石炭系黄龙组主要储集空间为孔隙和裂缝,属于低孔低渗型储层,裂缝发育程度决定着低渗储层的渗流和产出能力,裂缝在改善储层渗透率方面发挥着重要的作用。以测井信息为基础,利用神经网络算法对该区未取芯井储层的孔隙度、渗透率、含水饱和度参数及裂缝发育程度进行了预测。使用误差统计法对储层参数预测模型效果进行评价,其预测效果满足本区所需储层参数计算的精度要求。证明了神经网络算法是在测井信息较少的情况下预测储层物性的有效手段,也为其他地区储层预测研究提供了参考。     

精细相控随机建模在洪积扇扇中砾岩油藏描述中的应用

针对克拉玛依油田二中西区八道湾组砾岩油藏三维地质建模中较多不确定因素,为提高储层建模精度,提出将沉积微相划分同岩石相划分相结合,探索了一套针对洪积扇扇中砾岩油藏三维精细相控随机建模的研究思路和方法,建立了更为准确的储层属性参数模型,可为同类油藏的开发调整及剩余油分布预测提供参考,在实际应用中也取得了较好的效果.     

基于地质成因的多参数碳酸盐岩储层定量评价

研究区碳酸盐岩储层孔隙类型多样、孔隙结构复杂、储层非均质性强，平面上单井产能差异明显。通过毛管压力曲线特征分析，采用流动带指数法将储层划分为6个流动带，建立了不同流动带的高精度渗透率解释模型。在对储层主控因素认识的基础上，优选储层厚度、渗透率非均质程度系数、电阻率、孔隙度、泥质含量及古地貌等6个参数，利用灰色关联分析法确定了各评价参数的权重，进而采用“综合评价指标”对储层进行定量分类评价。结果表明，单井储层综合评价结果与实际产能之间具有较好的正相关性。进一步分析认为综合利用流动带指标法进行渗透率精细解释、灰色关联法确定指标权重和综合评价指标进行分类评价具有较高的可靠性。该方法能够快速有效地指导油藏研究和井位部署，为类似碳酸盐岩储层评价提供了新的思路。     

陕北富县探区长6段储层特征三维可视化研究

利用三阶段随机建模方法,对邵尔多斯盆地富县探区延长组长6段储层特征进行了三维可视化研究。建立了地层构造格架模型和沉积微相模型,并以此为约束条件,精细表征了孔隙度和渗透率等储层物性参数的空间展布特征,为进一步寻找有利目标区莫定了坚实的基础。     

BP神经网络在储层物性参数预测中的应用——以梁家楼油田沙三中为例

在储层四性特征及其四性关系研究的基础上，应用BP神经网络方法，对梁家楼油田沙三中储层的物性参数（孔隙度、渗透率）进行了预测，并对其预测精度进行了检验。将神经网络解释结果与常规数理统计方法精度对比可见，神经网络法的参数预测精度有较大的提高，显示出BP神经网络法在储层参数预测中的优势与应用潜能。     

储层流动单元指数的EBF动态模糊神经网络预测模型

储层流动单元指数(FZI)能够从岩石物理相的角度体现出孔渗关系,可作为孔渗关系分析的辅助性参数。为了在孔隙度、渗透率未知的情况下对逐个采样点求取FZI,本文在分析泌阳凹陷白云岩分布区关键井的岩心数据和多种测井资料的基础上,建立了一种基于椭圆基函数(Ellipse Basis Function)的模糊神经网络FZI预测模型,该预测系统可根据学习样本自行创建或删减模糊规则。测井资料信息量庞大,因此这种具有自学习机制的预测系统更有利于有效信息的提取和利用,特别对于复杂储层而言,减轻了预测过程中对先验信息的依赖程度,因而效率和精度更高。     

基于PCA-BNN的页岩气压裂施工参数优化

国内外学者在已有大量国外页岩压裂样本数据的前提下,开展了基于机器学习的页岩气压裂有效期预测及压裂参数优化的研究。随着近年来中国F气田不断地规模开发,积累了大量的压裂施工、生产动态、解释成果数据。通过利用已有的200口井的压裂施工历史数据及储层物性参数建立贝叶斯神经网络模型来优化压裂施工参数。选取对压裂效果有影响的储层物性参数、完井参数、压裂施工参数,用皮尔逊相关系数法分析11个参数的相关性;用主成分分析法（PCA）进一步降维处理,以降维后的主成分作为贝叶斯神经网络模型的输入参数,以压裂效果评价指标（有效期）为输出参数,引入贝叶斯方法自适应调整正则化系数避免神经网络过拟合,生成三层贝叶斯神经网络预测模型。用200口井中90%的井数据作为训练集,10%的井数据作为测试集,对该模型进行训练,实验结果表明,训练后该模型预测测试集的相对误差均值在5%以内,可以用来优化压裂施工参数。     

基于深度学习的页岩储层总有机碳含量预测方法

页岩储层总有机碳（Total Organic Carbon,TOC ）含量的地震预测普遍采用密度回归拟合法,仅考虑了单因素的线性关系,预测结果误差较大。针对常规方法的不足,提出基于深度学习的TOC含量预测方法。首先,从测井资料中优选出与TOC含量曲线相关度相对较高的多个弹性参数曲线作为样本集输入数据,TOC含量曲线作为样本集输出数据,构建针对TOC含量预测的深度前馈神经网络模型;然后,调试网络模型结构,并利用共轭梯度法进行网络参数寻优;最后,将叠前振幅随偏移距变化（Amplitude Versus Offset,AVO ）反演得到的弹性参数数据体输入到深度前馈神经网络模型,预测得到最终的TOC含量数据体。通过四川盆地页岩储层实际测井、地震资料的应用,对比了该方法相对于常规回归拟合法的优越性,验证了方法的实用性和可行性,为页岩储层TOC含量预测提供了新思路。     

逐步回归分析方法在储层参数预测中的应用

目前,储层参数(孔隙度和渗透率等)分布规律和储层非均质性研究是油气藏描述的核心,储层参数是油层评价的重要依据,储层参数预测在油气勘探开发中具有重要意义。文中通过采用某一个点的测井曲线或地震数据推测出该点的孔隙度或渗透率,基于多种测井信息的多元线性回归方法已成为储层孔隙度定量预测的主要方法,多元逐步回归分析方法的理论正好适用于这种实际问题。它是利用通过特殊仪器测量的测井曲线数据参数与岩芯属性参数(例如孔隙度),建立测井曲线数据参数与多个岩芯属性参数之间的线性关系,这种方法比较简单实用。因此文中采用逐步回归分析方法作为预测方法,重点介绍了回归分析中的逐步回归的基本思想以及具体计算步骤。最后,提出油气勘探中预测孔隙度的问题,并用逐步回归分析优化回归方程并用此方程预测岩芯属性参数。研究表明,该方法预测精度高,方法稳定有效,逐步回归较好的解决了部分测井勘探的实际问题,基于多种测井信息的多元线性回归方法已成为储层孔隙度定量预测的主要方法,该方法可以把非线性问题转化为线性问题,大大减少了技术上的难题。     

灰色关联分析法综合评价户部寨气田储层

户部寨气田属低孔低渗致密砂岩储层,储层纵横向差异大、非均质性强、开发难度大。为进一步挖掘气田潜力,通过储层评价明确有利储集相带,引入储层厚度、孔隙度、渗透率、沉积微相等多种评价参数,建立地质模型;采用灰色关联法确定权系数,依据综合得分与产能的关系式确定各网格的储层类型,为气田调整部署提供依据。     

BP神经网络在计算储层参数中的应用

人工神经网络近年来在石油行业中广泛使用，以稳定性和计算能力强为特点的BP神经网络更是广为应用。孔隙度和渗透率是储层物性的重要参数，在储层评价中占据重要地位。寻找一种广泛而有效的方法计算孔隙度和渗透率是石油工作者的一项艰巨任务，本文选用了BP神经网络分别建立计算孔隙度和渗透率的模型，并通过与岩芯分析数据作对比，取得了良好的效果，有进一步推广的潜力。     

非线性方法在储层参数平面分布预测中的应用

根据神经网络、非参数回归等非线性方法的基本原理 ,对储层参数平面分布进行了预测。结果表明 ,神经网络方法能够根据井点储层参数观测数据与井旁道地震属性之间的内在联系 ,通过自学习功能 ,建立起储层参数与地震属性间较为复杂的关系 ,适应性很强。但该方法对井点储层参数及地震属性的质量要求较高 ;而非参数回归方法不必事先知道储层参数和地震属性之间的关系 ,可以避免由于模型假设与实际情况的偏差而产生的错误预测。该模型包罗广 ,适用面宽 ,能够有效地反映地震属性与储层参数间较为复杂的关系 ,在油气预测以及油藏描述中将会有广阔的应用前景。     

盒8地层岩石物理参数及地震响应模型研究

鄂尔多斯盆地盒8砂岩储层横向变化大，非均质性强，局部含水，含气砂岩的密度、速度和阻抗与泥岩相近，因此用常规储层预测方法区分含气砂岩与泥岩、含气砂岩与含水砂岩难度较大。通过测井曲线重构，建立了盒8地层岩石物理参数及其地震响应模型。结果表明，含水饱和度模型能够区分含气砂岩和含水砂岩；泥质含量模型能够分辨砂岩和泥岩；孔隙度模型能够分辨致密砂岩和孔隙砂岩。孔隙度合成道集和全叠加地震响应明显，高孔隙度砂岩表现为强振幅特征。所建立的岩石物理参数模型可直接用于高孔隙度含气砂岩的识别，确定的模型参数可直接用于实际资料处理，对提高有效储层的识别精度和可靠性具有指导意义。     

低孔低渗储层评价中数学方法的应用研究

根据毛管压力曲线和相对渗透率的分形几何公式计算孔隙的分维数;以储层测井信息所反应的储层地质特性为基础,利用模糊识别方法,建立了该区块志留系低孔渗储层测井信息的模糊隶属函数和隶属方程;所得隶属度的大小可以用来判断储层的所属类型。在储层四性特征及其关系研究的基础上,应用BP神经网络方法建立了识别储层类型的测井分类模型,并对其预测精度进行了检验。综合这几种方法对目标区块10余口井进行分析处理,取得了很好的应用效果。研究认为孔隙结构分维数能定量表征砂岩的储集性能,并能反映砂岩孔隙结构的成因特征;不同成因的孔隙结构具有不同的分维数,因此可用分维数对砂岩孔隙结构进行分类和评价。