基于PSO-SVM的测井岩性识别方法研究——以南图尔盖盆地K油田古生界(Pz)储层为例

南图尔盖盆地K油田古生界(Pz)岩性多样、孔隙结构复杂,针对常规岩性解释方法对该储层岩性识别准确度未达到预期效果,严重制约了测井储层解释等问题,提出基于粒子群算法优化支持向量机(PSO-SVM)的岩性识别方法.通过岩心资料分析不同岩性的测井响应特征,建立测井相识别图版.选择对研究区岩性敏感的自然伽马、阵列感应电阻率、声波、中子、密度与光电吸收截面指数等七条测井曲线参数作为输入特征值,以粒子群算法优选合适的支持向量机参数(惩罚因子和核函数参数)对研究区4口取心井进行样本学习,建立基于PSO-SVM的岩性识别模型,其识别准确率达到了97%.相对于传统SVM算法,PSO-SVM岩性识别模型预测结果的速度更快,精度更高.通过将该模型应用于取心井与试油井,在正确识别岩性的同时,有效提高了测井储层解释的准确性.结果表明,在K油田复杂岩性识别中应用PSO-SVM方法,可为提高测井储层解释的准确性提供较可靠的岩性依据.     

基于自适应粒子群优化最小二乘支持向量机的深层变质岩测井岩性识别

辽河坳陷中央凸起中南部基底变质岩类型多样,测井岩石物理参数与岩性之间的映射关系复杂,测井响应多解性强,导致传统的测井岩性识别方法结果不精确.本文采用基于自适应粒子群参数优化的最小二乘支持向量机算法进行变质岩的测井多参数岩性识别.通过变质岩测井岩石物理分析,优选出对岩性敏感的自然伽马、自然电位、声波时差、深侧向电阻率、密度和补偿中子6种测井参数作为特征输入,以自适应粒子群算法优化最小二乘支持向量机参数,构建岩性判别模型,预测目的层段变粒岩、混合花岗岩、混合片麻岩、混合岩和角闪岩5种类型变质岩的垂向分布.与支持向量机、K最邻近及人工神经网络算法的岩性识别效果相比,本方法判别准确率最高,符合率为90.17%,在随机划分的10次样本预测中本模型稳定性最强,分类性能最好,平均AUC值为0.974,有效解决了深层基底变质岩储层精细描述中的岩性精准识别难题.     

利用BP神经网络法对致密砂岩气藏储集层复杂岩性的识别

在岩心和录井资料较少,又非常依赖测井资料进行地质综合解释的研究区域,利用测井资料进行岩性识别是一项基础而又重要的工作.测井资料的数据种类虽然较多,但对岩性敏感的曲线较少,因此,如何优选对岩性敏感的测井曲线,然后进行网络学预测岩性,则显得尤为关键.在进行BP神经网络学习前,利用已知岩心资料,优选了本研究区对岩性较为敏感的自然伽玛和光电吸收截面指数这两种测井曲线,并做标准化与归一化处理,以消除测井系列、型号和测井曲线度量单位的不同引起的刻度和数量级误差,从而提高网络收敛速度,建立准确岩性识别模型,识别了未取芯井的岩性.研究结果表明,利用优选输入向量的BP神经网络法对苏里格气田复杂岩性进行识别,识别准确率较高,平均符合率达到了近90%.因此,通过采用该方法对岩性的识别,也为后续基础性研究工作提供了宝贵的一手资料.     

基于SVM测井数据的火山岩岩性识别——以辽河盆地东部坳陷为例

辽河盆地东部坳陷储集层由火山多期喷发形成,岩相岩性复杂,岩性以中、基性火山岩为主.本文将火山岩的岩心及岩矿鉴定资料与测井数据进行整合,应用测井数据建立支持向量机(SVM)两分类和多分类岩性识别模式.首先,深入研究支持向量机二分类及"一对一"、"一对多"和有向无环图三种经典多分类算法的基本原理及结构;然后,总结研究区域火山岩岩石特征,分析测井数据的测井响应组合特征,选择40口井中岩心分析和薄片鉴定资料完整、常规五种测井曲线(RLLD,CNL,DEN,AC,GR)齐全的1200个测井数据作为训练样本,构造三种支持向量机岩性识别模式;最后,对4测试井中800个测井数据进行岩性识别,识别结果与取心段岩心描述和岩心/岩屑薄片鉴定资料对比,实验结果表明有向无环图更适合辽河盆地火山岩的识别,识别正确率达到82.3%.     

基于连续限制玻尔兹曼机的支持向量机岩性识别方法

基于测井数据分析的岩性识别是油气地球物理勘探的基础性问题之一.支持向量机(SVM)是目前分辨能力最高的岩性识别方法,特征优化可提高SVM的识别正确率,该方法采用主成分分析(PCA)进行目标特征提取,易受特征选取的影响.针对诸如白云岩和灰岩的区分等测井响应差别不明显,岩性区分困难而又必须进行的问题,本文引入概率生成模型连续限制玻尔兹曼机(CRBM)进行测井数据岩性特征提取,然后再运用SVM在提取特征上进行岩性识别.运用所发展的CRBMSVM进行川西海相灰岩及白云岩的识别,正确率达到了81.9%.基于同样的支持向量机,CRBM提取特征识别正确率要高于PCA提取特征.     

基于改进多分类孪生支持向量机的测井岩性识别方法研究与应用

岩性识别是认识地层及求解储层参数的基础,受地质环境复杂性和非均质性影响,测井曲线间存在着大量的信息冗余,数据集类间分布不平衡,常用的分类算法无法满足实际需求.针对常用分类算法容错性差,识别岩性单一和无法有效解决类间不平衡的问题,本文改进合成少数过采样技术(Synthetic Minority Over Sampling Technique,SMOTE)来处理数据集,可得到类间平衡的新数据集,并提出一种新的模糊隶属度函数改进模糊孪生支持向量机,在北美Hugoton油气田实际测井数据的基础上,用改进多分类孪生支持向量(Improve Multi Class Twin Support Vector Machine,IMCTSVM)综合自然伽马(GR)、电阻率(RL)、光电效应(PE)、中子密度孔隙度差异(DPHI)和平均中子密度孔隙度(PHIND)五种测井参数,以及相对位置(RELPOS)和非海洋/海洋指标(NM_M)两种地质约束变量,识别出9种岩性.将识别结果与传统支持向量机、深度神经网络等方法进行对比与分析,发现IMCTSVM算法优于上述两种分类算法,取得了较好的识别效果.     

面向复杂储层的非均衡测井数据的岩性识别

针对常规岩性识别方法在复杂储层的非均衡测井数据准确率不高的问题,本文提出了一种面向复杂储层非均衡测井数据的多层BP神经网络的岩性识别算法.根据测井数据的特点及测井数据间的非线性关系,对测井数据进行均衡化处理,利用多层BP神经网络进行逐层岩性识别.在13个含油气盆地的7793个地层元素测井数据中测试表明,本文提出的方法在数据非均衡比达到1∶6的情况下,岩性识别的符合率仍能达到92%以上,在复杂储层的岩性识别方面具有很好的应用前景.     

基于粒子群优化最小二乘向量机的地震预测模型

为解决地震预测中最小二乘向量机(LSSVM)模型的参数难以确定的问题,利用粒子群算法(PSO)的收敛速度快和全局优化能力,优化LSSVM模型的惩罚因子和核函数参数,建立了PSO-LSSVM地震预测模型.通过对地震实例的预测仿真及其相关分析表明该方法的有效性.该方法优于传统的神经网络和支持向量机的地震预测方法,可以有效提高预测效能.     

测井数据岩性识别软件系统的开发与应用

利用BP神经网络方法识别岩性技术为理论基础,编制了集测井数据岩性识别、测井基础数据管理以及测井柱状图自动绘制等功能为一体的测井数据处理软件系统.利用彬长矿区标准化的实际基础数据,对该软件系统的岩性识别功能进行了检验,获得了较高的识别速度和准确率.应用结果表明,该软件系统具有一定的实用价值.     

基于改进多粒度级联森林的测井岩性识别方法研究与应用

岩性是储层评价和地层开发潜力评测的关键因素,是油藏描述、实时钻井监控及求取储层参数的基础.测井资料中包含丰富的地层岩性信息,是岩性分析的基础资料.然而,数据信息的精度往往会严重的影响到识别的准确率,同时复杂的岩性状况也加大了测井解释的难度,如何快速、精确、低耗地利用测井资料获取地层岩性信息越来越受到研究人员的重视.针对传统深度神经网络复杂的网络模型和学习性能严重依赖对超参数调节的问题,本文在机器学习的基础上引入余弦相似度对多粒度级联森林方法进行改进,提出改进多粒度级联森林模型(Improve Multi-Grained Cascade Forest,IgcForest),有效地提高了岩性识别的效率和精度.在大庆油田实际测井数据上使用IgcForest方法,综合自然伽马(GR)、声波时差(AC)、密度(DEN)、微梯度电阻率(RMN)、深侧向电阻率(PHIND)和浅侧向电阻率(RLLS)六种测井参数,对页岩、粉砂岩和砂岩进行识别,取得了较好的识别效果.通过实验数据对比,使用IgcForest模型的岩性识别准确率高于支持向量机、深度神经网络、决策树和多粒度级联森林(Multi-Grained Cascade Forest,gcForest)等其他模型10％左右,算法整体准确率高达87％,表明其在岩性识别算法中更具有发展前景.     

岩性油气藏关键技术攻关与应用研究——以准噶尔盆地准东阜11井区为例

随着准噶尔盆地腹部及准东地区勘探程度不断提高,勘探对象也变得复杂,已往古凸起上的断块和低幅度背斜为主的勘探目标变得越来越少,勘探目标转向斜坡区和深凹陷的岩性油气藏成为必然趋势,此类油气藏的主要特点是:圈闭幅度较低,砂层厚度较小,横向变化快,地震识别、落实评价困难.本文针对地质难点,以准噶尔盆地准东阜11井区岩性油气藏为研究对象,逐步形成准噶尔盆地岩性油气藏勘探方法、应用效果体系;在具体工作中利用地质、地震、测井相结合的综合研究方法,分析了准东阜11井区岩性油气藏特征,建立了岩性油气藏勘探理论和方法,开发和自研出了一套适合准噶尔盆地碎屑岩岩性圈闭识别与评价的技术系列,主要包括精细的井震标定技术、精细的全三维自动追踪技术、断裂识别技术、动态构造演化分析技术、沉积微相分析技术、储层预测技术、流体预测技术及有利目标区块选择评价技术;利用此技术系列对准东地区阜11井区侏罗系三工河组(J1s)发育的岩性圈闭进行了综合预测,识别了三个可供钻探的断层-岩性圈闭,其沉积微相为扇三角洲前缘的席状砂,圈闭面积在1.75 km2～6.1 km2之间,砂岩厚度在10 m～25 m之间,油气检测处于有利位置,累计圈闭面积达12.39km2,从而扩大了该区岩性圈闭识别的数量和精度,为岩性油气藏的勘探、开发提供了有力的技术支撑.     

Full 3-D numerical modeling of borehole electric image logging and the evaluation model of fracture

A full 3-D finite element method numerical modeling program is written based on the principle and technical specification of borehole electric image well logging tool. The response of well logging is computed in the formation media model with a single fracture. The effect of changing fracture aperture and resistivity ratio to the logging response is discussed. The identification ability for two parallel fractures is also present. A quantitative evaluation formula of fracture aperture from borehole electric image logging data is set up. A case study of the model well is done to verify the accuracy of the for-mula. The result indicates that the formula is more accurate than the foreign one.     

碳酸盐岩裂缝性储层测井识别及评价技术综述与展望

由于碳酸盐岩裂缝发育机制的复杂性,开展碳酸盐岩裂缝性储层的识别与评价一直是测井分析的热点和难点.本文基于大量文献调研,梳理了碳酸盐岩裂缝的定义、成因和分类,系统归纳了碳酸盐岩裂缝性储层的测井响应特征及评价方法,并进行了实例分析.研究表明,常规测井方法对碳酸盐岩裂缝均有不同程度的揭示,基于不同原理的常规测井方法对碳酸岩盐裂缝的响应程度差异显著,利用常规测井方法对碳酸岩盐储层裂缝识别应遵循综合识别原则;碳酸盐岩裂缝成像测井识别方法中,电阻率成像测井、偶极声波测井和核磁共振测井反映裂缝较为直观,但成本高;基于常规测井资料的灰色关联识别方法、神经网络识别方法、小波多尺度识别方法等非线性数学方法,弥补了常规测井和成像测井识别碳酸盐岩裂缝的不足,并且取得较好的应用效果.     

波阻抗反演预测奥陶系灰岩顶部含隔水性

地震反演技术是岩性地震勘探的重要手段之一,其中地震井约束波阻抗反演技术是利用钻孔测井数据高的纵向分辨率,对井旁地震资料进行井约束反演,然后在此基础上对井间地震资料进行反演,推断地层岩性在空间上的变化情况.本文根据新驿煤矿首采区的三维地震和测井资料,利用波阻抗反演技术预测该区奥陶系灰岩顶部的含隔水性,并依据波阻抗值的大小圈定含水层中的可能富水区.     

鄂尔多斯盆地天然气有效储层识别与评价方法

针对鄂尔多斯盆地天然气勘探开发存在的问题,通过对测井资料及天然气测试资料的分析,建立适合识别天然气有效储层的测井响应特征归一化方法,以及根据测井资料重构天然气有效储层特征曲线的方法,探索了根据测井资料评价天然气产能的方法.本文还分析了目前常用的预测天然气产能方法存在的问题及实际应用中欠缺的条件,形成了以中子、声波、密度测井资料为基本特征参数,用自然伽马、自然电位或电阻率比值参数等作为约束条件的天然气有效储层识别技术及天然气产能评价方法,并对实际测井资料进行了处理.没有试图通过井径校正的方法将受井径扩大影响的曲线恢复到原始地层的响应状态,而是通过极值变化消除井径扩大对声波、密度测井资料在天然气有效储层识别及天然气产能评价方面应用的影响.     

DB气田非均质储层级别划分及常规测井识别方法

DB气田以裂缝-孔隙型、孔隙型岩屑砂岩储层为主,非均质性强,裂缝发育程度是决定产能高低的关键因素之一.立足于储层的录井、岩心分析和测井资料,开发了储层级别划分和常规测井识别储层级别的方法.首先,定义了每米产能指数作为标准化的产能参数;其次,基于产能参数与储层物性参数关系的考察,筛选综合物性参数(孔隙度和总渗透率的乘积)作为储层级别划分的评价指标,将DB气田储层分成了2个级别,给出了分级的物性标准;最后,应用主成分分析法计算了综合主成分,基于综合主成分与每米产能指数交会图给出了应用常规测井资料识别储层级别的标准.2口井的应用效果表明,依据上述方法划分及识别的储层级别与生产情况吻合得较好.     

基于Rough Set理论的油层识别方法

本文简介了智能信息处理中新出现的Ｒｏｕｇｈ Ｓｅｔ（ＲＳ）理论,讨论了ＲＳ理论进行决策分析的方法,提出了将连续属性离用化的最优化思想,并探讨了ＲＳ理论用于测井数据判别油水层的问题。判别结果表明;本方法具有速度快,易实现,可优选属性等特点,且判别符合油水层的问题,判别结果表明：本方法具有速度快,易实现,可优选属性等特点,且判别符合率优于手工方法与ＢＰ网络方法,具有实用价值。     

基于阵列感应与自然电位联合反演地层水电阻率

原状地层水电阻率是重要的储层参数,也是进行精细储层评价的基础.基于泥浆侵入数值模拟与侵入过程中井周岩石物理特征分析,确定了薄膜电位的产生位置,针对储层高、低侵等不同侵入特征,提出了可适用于包括存在"低阻环"等不同侵入特征时储层电阻率分布的"五参数"地层模型,基于几何因子理论与有限元方法,建立了阵列感应与自然电位测井联合反演算法,实现了地层电阻率参数反演,重构了地层径向电阻率剖面,进而精确求取了地层水电阻率.通过对实际资料处理表明:反演算法稳定可靠,"五参数"模型能很好地表征储层电阻率分布形态,重构储层电阻率剖面,确定薄膜电位产生位置;基于阵列感应与自然电位的联合反演,能精确计算原状地层水电阻率,为储层评价与流体性质识别提供依据.     

Application of Electromagnetic Logging to Contamination Investigations in Glacial Sand-and-Gravel Aquifers

Electromagnetic (EM) logging provides an efficient method for high-resolution, vertical delineation of electrically conductive contamination in glacial sand-and-gravel aquifers. LM. gamma, and lithologic logs and specific conductance data from sand-and-gravel aquifers at five sites in the northeastern United States were analyzed to define the relation of KM conductivity to aquifer lithology and water quality. Municipal waste disposal, septic waste discharge, or highway deicing salt application at these sites has caused contaminant plumes in which the dissolved solids concentration and specific conductance of ground water exceed background levels by as much as 10 to 20 limes.
The major hydrogeologic factors that affected KM log response at the five sites were the dissolved solids concentration of the ground water and the silt and clay content in the aquifer. KM conductivity of sand and gravel with uncontaminated water ranged from less than 5 to about 10 millisiemens per meter (mS/m); that of silt and clay zones ranged from about 15 to 45 mS/m: and that of the more highly contaminated zones in sand and gravel ranged from about 10 to more than 80 mS/m. Specific conductance of water samples from screened intervals in sand and gravel at selected monitoring well installations was significantly correlated with KM conductivity.
CM logging can be used in glacial sand-and-gravel aquifer investigations to (1) determine optimum depths for the placement of monitoring well screens: (2) provide a nearly continuous vertical profile of specific conductance to complement depth-specific water quality samples; and (3) identify temporal changes in water quality through sequential logging. Detailed lithologic or gamma logs, preferably both, need to be collected along with the F.M logs to define zones in which elevated EM conductivity is caused by the presence of sill and clay beds rather than contamination.