塔河碳酸盐岩缝洞型油藏动态储层评价技术

碳酸盐岩缝洞型油藏具有极强的非均质性,单纯用静态资料来认识这类油藏是非常困难的.作者提出利用生产动态资料和信息进行该类型油藏研究的新思路.即利用人工神经网络技术在处理非线性相关参数预测方面的优势,并以渗流理论为基础,结合试井成果,推导出影响油藏开发的重要参数(地层系数)与生产信息的关系;建立了人工神经网络预测储层参数的结构模型.通过塔里木盆地塔河油田实例研究,说明了神经网络技术在碳酸盐岩缝洞型油藏储层评价预测和非均质性分析等方面具有较强的实用价值.     

基于样本优化的神经网络方法在储层裂缝识别中的应用

常规测井资料解释应用于非常规储层裂缝识别时,存在裂缝识别率低,储层评价不准确等问题;而成像测井方法(FMI)识别效果好,但成本过高。为了提高常规测井裂缝识别的准确率,首先采用BP(back propagation)神经网络方法,建立常规测井参数与裂缝发育程度之间的非线性关系。在神经网络样本选取上,引入K-means聚类算法,依据不同样本特征对其进行优化分类。最后,利用聚类结果分别建立更为精细的神经网络模型,并用于实际裂缝预测。将该方法应用于塔河油田碳酸盐岩储层A探井,识别结果表明:基于样本优化方法的裂缝密度曲线拟合效果(相关系数R分别为0.84、0.89、0.76)明显优于未考虑样本优化方法(R为0.58),验证了本文方法的优越性,可以将其作为一种识别储层裂缝发育程度的新方法。     

塔河缝洞型油藏单井含水变化类型定量评价

塔河油田的储集体有溶洞型、裂缝型、裂缝溶洞型、溶洞裂缝型和缝孔型,导致实际生产中经常出现油井暴性水淹、油井停喷、产量递降、压水锥无效等复杂难题。可以通过分析水驱曲线的变化来评价不同储层类型或工程措施对生产的影响情况,前人通常采用两种方法来评价油井见水快慢程度：（1）通过生产曲线形态定性地表征油井见水快慢,将油井划分为缓慢出水型、含水突发上升型和间歇出水型等;（2）简单地用两个时刻含水率之差来评价单井或井与井的含水上升速度。基于评价油井见水快慢的传统方法的缺陷,本文提出一种新型双水驱曲线来分析油井动态生产情况,并用一种新的评价指标水油比（拟合直线斜率k）来定量评价油井见水快慢,并最终对塔河四区S48 单元井的含水变化进行了系统分类。