建南地区须四段致密砂岩含气储层预测研究

建南地区须四段为典型的致密砂岩气地层,其中砂体较厚、砂泥岩互层较多,但储层较薄,尤其是地震响应不清晰,为含气储层的预测增加了难度。为此,以工区储层地质特征为指导,从单井岩石物理分析入手,结合采用叠前弹性反演和AVO分析方法对该区须四段的含气储层分布进行综合预测。储层预测分析表明,本区须四段的储层敏感属性参数对为纵波阻抗(Zp)与纵横波速度比(Vp/Vs),经两者融合的储层因子属性的正高值区可解释为储层砂体的有利发育区;须四段气层主要表现为第Ⅳ类AVO异常响应特征,且该层含气敏感属性为泊松比(PR)、流体因子(FF)、相对纵波速度(DVp),并将三者叠加的烃类因子属性的负异常区域解释为储层有利含气区。最后经综合预测可知,须四段含气储层有效厚度分布在28~80 m之间;且在建35-2井、新店1井周缘区域厚度较大。     

概率神经网络在低孔低渗油气层识别中的应用

针对低孔低渗储层物性差、孔隙结构复杂以及含水饱和度高等特点,为了解决利用测井资料进行低孔低渗储层流体性质准确识别较困难的问题,提出了一种概率神经网络判别解释方法.以中国西南某一低孔低渗气藏为例,结合试油资料,对不同流体性质的储层进行了测井响应特征分析,根据测井响应特征与流体性质的相关性对概率神经网络进行了训练,从而对该区储层流体性质进行了预测和识别.实际资料处理的结果表明:解释符合率显著提高,取得了较好的应用效果.     

BP神经网络在砂岩储层流体识别中的应用

莫北地区侏罗纪三工河组,岩性主要是中、细砂岩,属低孔低渗储层,所以储层流体性质的识别是该地区急需解决的问题。针对常规测井储层识别准确率不佳的情况,提出了Bp神经网络这种数学方法进行储层的油、气、水、干层的识别。提出43个试油层段的测井曲线特征值,以对流体性质敏感并且在交会图上具有比较明显区分度的密度值（DEN）、孔隙度（POR）、电阻率值（RT）和含水饱和度值（SW）作为输入向量,经程序训练判别准确率达到满足的要求后根据得到的权值、阈值编写神经网络预测的程序挂接在测井解释软件中,从而实现了Bp神经网络在储层中的自动化识别。     

基于匹配追踪算法的高精度页岩气“甜点”识别

中国页岩气资源开发近年来已取得了许多阶段性进展,但因勘探开采成本高、风险大,因此在钻井资料较少的情况下,充分利用地震资料的横向变化特征,精确刻画页岩气"甜点"区分布具有重要意义。常规叠后地震反演方法能够识别页岩层,但不能有效区分含气页岩层与非含气页岩层,而基于地震波衰减理论的流体活动因子能够有效表征储集层的渗透性,识别含气页岩储层。提出将流体活动因子与高精度匹配追踪算法相结合,在地震信号时频分解的基础上,建立含气页岩层与地震波衰减的联系,求取流体活动性属性,进而实现高精度页岩气"甜点"识别。该方法不受测井资料及构造解释的影响,能客观反映页岩层的含气性,适用于页岩气勘探初期钻探目标评价。理论模型试算和在中国南方复杂构造区海相页岩气勘探中的实际应用表明了该方法的有效性。     

基于 BP 神经网络的叠前流体识别方法

探讨塔里木盆地桑塔木地区三叠系辫状河三角洲沉积储层流体识别方法。该地区储层横向变化大,流体类型复杂。本文提出利用 BP 神经网络的信息整合模式识别功能来进行储层流体识别的方法,通过叠前反演得到对流体敏感的弹性参数数据体和电测解释结果标定建模样本,采取随机抽样形成建模样本集与测试样本集,选取26口井的700个样本作为学习样本,62个作为测试样本,建立 BP 神经网络模型。预测结果和实钻结果吻合程度高,正确率达90％以上。该方法可以很好地对桑塔木地区储层中所含流体进行识别。     

基于叠前地震反演的储层流体识别方法

首先对各种流体识别因子进行了分析、归类和总结,给出了流体因子的一般表达形式。最后从Gassmann公式出发,对地震资料的特点以及含不同流体介质的物理特性进行了分析,提出了一个高灵敏度流体因子。应用实例表明,高灵敏度流体识别因子对流体的识别较其他的流体识别因子有较高的灵敏度。     

利用声波反演技术识别储层流体性质

储层流体性质识别是测井解释的重要内容之一.在钻井过程中,储层所含流体性质一般在录井岩屑或钻井取心中能够直接定性识别,但录井岩屑和岩心受到井内泥浆等因素的影响,无法准确评价.有些测井技术,例如核磁共振成像测井,可以直接测量储层流体性质,但由于费用问题,不可能对所有井进行核磁共振测井.为此,本文研究如何利用常规声波测井方法进行流体性质识别.首先建立流体识别模型,根据模型把声波时差反演成电阻率值,再用反演电阻率和实测电阻率进行比较.当实测电阻率大于反演电阻率时,储层为气层;当实测电阻率小于反演电阻率时,储层为水层;气水同层和含气水层介于气层和水层之间,可根据实测电阻率和反演电阻率的差值大小来判别.实例表明,该方法适用于孔隙度较高的储层,孔隙度越大,流体判别的准确性越高.对低孔裂缝性储层及储层物性较差时,效果较差.     

基于地震资料的煤层识别方法及其应用*

鄂尔多斯苏里格气田苏5区块的煤层和储层同具有低伽马和低纵波速度的特征,常规的基于波阻抗的煤层识别方法难以有效地将二者区分。通过研究发现,对于本区块而言,煤层不但不是主力烃源岩,还对本区块山2段的储层研究形成阻碍,因此需要提出针对本区块的更为行之有效的方法进行煤层识别,即一种新的煤层识别技术:结合已有方法—叠前弹性参数反演方法、叠后参数反演方法及流体因子构建方法,构建一种适用于研究区的新型煤层识别因子,然后采用该煤层识别因子和地震资料反演所得叠后参数进行研究区目的层的煤层预测。实际资料的计算结果表明,该方法技术预测的煤层与实际测井解释的煤层完全符合,有助于研究区的储层预测与烃类识别,具有重要的实际应用价值。     

伊通盆地梁家构造带永二段储层流体识别研究

在重力流成因的湖泊近岸水下扇、扇三角洲和滨浅湖沉积环境下,伊通盆地梁家构造带永二段储层呈现砂岩相变快、物性变化大、地层水矿化度高、非均质性强的特点。由于地质条件的复杂,低阻油气层、高阻水层普遍存在,导致研究区流体性质的识别难度加大,易造成油气水层在测井解释上的误判。为了能够提高测井解释符合率,采用交会图法和BP神经网络法对研究区岩性进行精细识别,符合率均达到了90%以上。通过分析本区储层四性关系,结合相渗资料,建立了泥质含量、物性、束缚水饱和度解释模型。在分析地层水性质的基础上,提出利用常规测井结合阵列感应测井、饱和度图版法识别流体的方法,较为准确的识别研究区油气水层,综合显示:油气层含油饱和度下限为30%,电阻率综合识别参数下限为8Ω·m,声波时差大于235μs/m;油气水层含油饱和度下限为40%,电阻率综合识别参数下限为23Ω·m,声波时差大于229μs/m;油水层含油饱和度下限为50%,电阻率综合识别参数下限为40Ω·m,声波时差大于240μs/m。解释结果与试油结论高度一致,证实了方法的可靠性。     

波形差异分析技术在气田高产气区预测中的应用

 针对大牛地气田含气层段多、砂体非均质性强、横向变化快、波阻抗差异不突出的问题,在地层格架划分的基础上,结合生产井的生产信息,对储层进行波形差异分析,结果表明,不同类产层所对应的井旁道质心、均值、方差、变方差的中心、概率及特征值有一定差异,但敏感度不够。为得到含气性敏感度更高的地震波形参数,对地震波形敏感信息进行分析与重构,构建出7个新的波形差异参数,建立不同产能储层与地震波形的对应关系;在此基础上,反演出目的产层的波形差异数据体;结合沉积相等地质信息对波形差异数据体进行综合解释,得到目的产层的高产气区的预测图;利用生产井及新投产井对预测结果进行分析,总预测符合率达86%。     

基于门控循环单元网络的低阻油层测井流体识别方法

研究区块低阻油层发育广泛,油层和水层的电阻率相差不大,导致测井流体识别较为困难。为了有效识别低阻油层,采用少数类过采样技术(synthetic minority oversampling technique, Smote)对油水同层,油层等少数类样本进行过采样使数据集均衡;并利用门控循环单元(gated recurrent unit, GRU)网络模型进行低阻油层的流体识别。通过相关性分析确定自然伽马(GR)、深侧向电阻率(RD)、密度(DEN)等8条测井曲线数据作为输入训练模型,应用于中实际资料中,并将GRU与传统RNN和其他3种机器学习算法对比。结果表明：序列数据模型的流体识别效果比传统机器学习模型好,且基于Smote-GRU的流体识别模型的符合率达到89.5%,相对传统循环神经网络(recurrent neural network, RNN)的81.1%,取得了较好的应用效果。通过对照试验还证实了Smote算法提高了分类器对少数类样本的识别率。所提出的方法可为样本不均衡的低阻油层的流体识别提供参考。     

地球物理测井多参数综合识别储层流体类型的新型神经网络

建立了一种基于引力的新型神经网络模型 ,引入了合力作用机制 ,解决了储层流体类型划分的判定半径问题 ,克服了以往神经网络对任何输入数据都要产生响应 ,并给出一个分类结果的缺陷。改进了传统的距离计算方法 ,克服了传统方法易受单个参数突变的影响而引起误判的缺点。利用新型神经网络方法并结合测井资料 ,对某油田的储层流体性质及类型进行了识别 ,获得了很高的识别率。与径向基神经网络的判别结果相比 ,该神经网络的识别率明显提高。     

基于测井数据的砂岩型铀矿异常识别BP神经网络方法应用

为了快速有效的获取砂岩型铀矿矿集区铀矿异常分布信息,以砂岩型铀矿异常的测井响应特征为理论依据,利用BP神经网络强大的非线性映射和学习能力,以已知铀矿矿化层信息为学习样本,构建3层BP(back propagation)神经网络模型。对松辽盆地大庆长垣南端某铀矿矿集区铀矿钻孔测井数据进行异常层和矿化层的识别提取,并将模型识别结果与已知矿化层信息进行分析对比。结果表明:BP神经网络模型识别准确率达86.55%,效果较好,矿化层的识别结果同已知矿化层信息重合度高,同常规的铀矿异常识别方法相比更加接近铀矿异常分布的形态。此方法能快速有效的获取未知孔的异常信息、降低人为解释工作带来的误差,具有较高的准确性,优势明显。BP神经网络技术应用于铀矿勘察工作中具有良好的前景。     

基于双向长短期记忆网络的流体高精度识别新方法

碳酸盐岩储层的储集空间类型多样、储层性质复杂,导致流体的测井响应受到强非均质性的影响,给流体识别工作带来极大困难.针对该问题,提出基于测井序列信息的双向长短期记忆网络(Bi-LSTM)流体识别模型,从测井响应特征差异性分析及相似性分析两方面出发,确定敏感曲线,结合Bi-LSTM网络的输入要求,建立流体识别样本库,并获得...     

时移岩石物理图版在时移地震定量解释中的应用

岩石物理解释图版通常应用于储层岩性及流体定量预测,取得了较好的应用效果;时移地震则常应用于油藏监测及剩余油气的定性或半定量的解释。随着油气田开发的深入,对剩余油气分布的认识精度需求也越来越高,基于此需求,探讨了一种利用时移地震信息对剩余油气进行定量解释的方法。通过构建油藏流体特征参数（如流体饱和度、压力等）的变化与时移地震敏感参数变化率的关系图版,将表征某个静态时间点的岩石物理解释图版换为一种随流体变化的动态物理解释图版,从而实现了对剩余油层厚度及分布的定量解释,降低了解释多解性。在S油田应用取得较好应用效果,剩余油厚度预测结果与实测结果吻合度高,有效指导了研究区生产井井位优化,降低了开发风险。     

分频解释技术在刻画河道砂体中的应用——以苏乃诺尔地区为例

 为研究区内疏网井区沉积相划分,分析沉积环境,本文采用分频解释技术对区块进行处理分析.分频解释技术采用离散傅里叶变换将地震数据由时间域转换到频率域,在频率域观察砂岩横向不连续性,从而对河道砂体进行横向预测.基于分频解释技术原理,以苏乃诺尔研究区大二段高位体系域晚期地层为例,对河道砂体进行刻画.相较于传统的地震属性,分频属性对识别河道砂体边界特征、平面展布形态、横向不连续性等有良好的作用,对疏井区沉积相划分有较好的指导作用.结果表明,苏乃诺尔大二段高水位体系域晚期地层主要发育网状河三角洲,在疏网井区发育网状分流河道特征,特征明显,克服了无井约束的问题.     

神经网络技术在测井相分析及水淹层判别中的应用

以测井相分析和常规测井资料定性识别水淹层的理论为基础，运用神经网络技术，对勘探阶段的探井进行了沉积相识别，并对油田开发阶段的水淹层进行了级别划分．对长庆、大港等油田的４口探井进行了测井相分析，并对２０多口开发井的单井进行了评价．结果表明，神经网络技术可以有效地应用于油田勘探开发测井中．     

基于叠前反演流体识别与频散AVO反演的研究

由于纵波不能在流体中传播,叠后地震反演得到纵波波阻抗是无法识别储层中的流体。基于横波在流体中传播特点,利用叠前数据丰富的运动学与动力学信息获得弹性参数进行储层流体识别是可行的,但受到地震反问题固有的“病态解”等不确定性的影响,在进行叠前地震反演时会产生较为严重的多解性与不确定性,从而影响了后续的储层岩性与流体识别的精度。基于以上问题本论文以储层埋藏较深、钻井资料较少的D2地区为研究目标,采用测井岩石物理敏感分析、敏感流体因子反演和频散AVO反演三种技术综合来提高储层预测的精度,实际资料的应用效果表明采用多种技术方法来进行储层的流体识别是可行的。     

地震地层及地震相分析在川东南复杂储层识别中的应用

地震地层学及地震相分析目前还停留在简单的地震地层划分和以振幅、频率、连续性等地震波形特征划分沉积相方法上.作者以地震层序划分为基础,提出了研究有利储集体的地震相特征新方法,并在平面组合上与沉积相进行对比,可以更为精细地研究沉积相的空间展布规律,同时还可以指导储层预测研究.该方法对于那些勘探程度不高的地区尤为重要.