神经网络方法确定玛北油田岩性油藏含油边界

用常规方法确定岩性油藏含油边界需要一定的井孔资料,导致勘探成本较高,为此引入神经网络方法。先对地震资料进行解释,提取地震特性参数,与已知井的试油结果一起组成神经网络的学习样本集,经训练并绘制测线剖面或平面图,最终确定出含油边界。应用该方法对准噶尔盆地玛北油田二叠系乌尔禾组和三叠系百口泉组油藏进行了含油边界的确定,结果表明,用该方法可以直观地在剖面图上确定油藏的含油边界,这样确定的含油边界能够满足储量计算的要求,且该方法较传统方法有很大的优越性。     

油藏描述中多层次地震预测技术的应用

根据ＣＢ油田的实际情况，提出了以地震资料应用为基础，结合测井，钻井等资料对油藏进行多层次综合研究的一套方法。主要包括：（１）利用综合参数法由地震信息预测砂岩发育区，指出勘探目标；（２）利用地震资料神经网络储层预测方法在砂岩发育区内确定油气富集带和部署探井（３）在油气富集带内，利用地震和测井资料完成油井单个砂体的边界确定和厚度定量计算。利用这３个层次的地震预测技术逐次解决了宏观的砂体分布、油气富集区     

油藏描述中多层次地震预测技术的应用

根据ＣＢ油田的实际情况，提出了以地震资料应用为基础，结合测井、地质、钻井等资料对油藏进行多层次综合研究的一套方法。主要包括：①利用综合参数法由地震信息预测砂岩发育区，指出勘探目标；②利用地震资料神经网络储层预测方法在砂岩发育区内确定油气富集带和部署探井；③在油气富集带内，利用地震和测井资料完成油井单个砂体的边界确定和厚度定量计算。利用这３ 个层次的地震预测技术逐次解决了宏观的砂体分布、油气富集区带和单砂体定量解释。利用其预测结果所布置的２ 口探井都见到了高产工业油流，取得了良好的效果     

利用油藏动态方法计算强边水小砂体油藏的油水边界

强边水小砂体油藏的油水边界和砂体边界较难刻画,通常是利用地震均方根振幅属性来判断。小砂体油藏存在地质数据少、油水界面判断不准确的缺陷,为了准确判断油水界面,本文利用渗流力学原理和油藏生产动态资料来计算渗流速度,进而反向推算油水运移距离,从而判断油水边界,并与地震均方根振幅属性确定的油水边界进行对比分析。通过实例验证,油藏动态方法计算过程简便,计算结果与传统方法判断的油水边界差距不大。该方法可用来快速判断小砂体油藏的油水边界。     

缝洞型潜山油藏储量计算方法研究

缝洞型潜山油藏具有特殊的储集类型和特征，其饱和度参数解释、有效厚度划分、储层平面分布的确定是储量计算中的难题。利用成像、核磁共振测井资料，对东部的埕岛油田埕北30块缝洞型潜山油藏，定量描述其裂缝、计算裂缝孔隙度和解释含油饱和度，将测井与地震资料相结合，确定井点以外储量参数分布；对西部的塔河油田塔3，4块油藏，针对缝洞型油藏的储量不确定性，采用容积法、动态法、概率统计法多种方法计算储量，并给出了储量的期望值。通过对东、西部缝洞型潜山油藏采用的不同储量计算方法对比分析，形成了一套适合于该类油藏储量参数研究和储量计算的方法。经过开发井资料进一步证实，该方法计算的储量具有较高的精度。     

地层超覆油藏勘探技术在陈家庄地区馆陶组的应用

通过地质综合分析,明确了陈家庄地区馆下段地层超覆油藏的油气分布规律主要受古地貌、地层超覆边界、岩性变化及储盖组合的控制,而地层和储层空间分布的定量解释是制约地层超覆油藏勘探的关键。根据该区馆下段地层超覆油藏的地质特征,应用相适应的勘探技术,对储层进行了定量分析,即应用残余厚度法、地震沿层切片等技术方法确定了古地貌特征及地层超覆线的位置;应用实际地质模型进行了正演计算,用来确定地层超覆上倾尖灭位置;在精细的测井资料校正基础上进行了测井波阻抗约束反演,用来确定储层厚度和预测孔隙度。应用上述技术方法最终完成了研究区储层厚度的定量解释、储层平面分布和储层孔隙度的预测,探明了馆陶组地层超覆油藏的规模,控制含油面积为33.2 km2,储量为4.740×107t;累积探明含油面积为20.6 km2,储量为2.807×107t,取得了显著的勘探效果和经济效益。     

地层超覆油藏勘探技术在陈家庄地区馆陶组的应用

通过地质综合分析,明确了陈家庄地区馆下段地层超覆油藏的油气分布规律主要受古地貌、地层超覆边界、岩性变化及储盖组合的控制,而地层和储层空间分布的定量解释是制约地层超覆油藏勘探的关键.根据该区馆下段地层超覆油藏的地质特征,应用相适应的勘探技术,对储层进行了定量分析,即应用残余厚度法、地震沿层切片等技术方法确定了古地貌特征及地层超覆线的位置;应用实际地质模型进行了正演计算,用来确定地层超覆上倾尖灭位置;在精细的测井资料校正基础上进行了测井波阻抗约束反演,用来确定储层厚度和预测孔隙度.应用上述技术方法最终完成了研究区储层厚度的定量解释、储层平面分布和储层孔隙度的预测,探明了馆陶组地层超覆油藏的规模,控制含油面积为33.2 km2,储量为4.740×107t;累积探明含油面积为20.6 km2,储量为2.807×107t,取得了显著的勘探效果和经济效益.     

薄互层疏松砂岩储层时移地震AVO研究

针对薄互层疏松砂岩油藏特征,提出了基于各向异性介质理论的时移地震AVO响应分析方法。利用测井数据和实验室岩石物理测量数据,确定了适合目标油田储层的高孔低胶结岩石物理模型,利用移动平均法计算薄互层油藏Backus参数,从而计算岩石弹性参数变化和分析Thomsen参数变化,计算各向异性介质界面反射和透射系数,利用测井资料合成角道集,分析了油藏含油饱和度和压力变化时的时移地震AVO效应。模拟数据分析表明,疏松砂岩对油藏有效压力变化十分敏感,含油饱和度与压力变化时,PP波和PSV转换波的时移地震AVO响应是不同的。研究表明,地震模拟是进行时移地震可行性分析和有效区分油藏压力与含油饱和度变化的重要工具,对于充分挖掘我国油田潜力具有重要意义。     

基于气测资料的储层含油气性识别方法

基于气测资料构造适当的综合指标，分别利用模糊模式识别和误差反向传播（BP）神经网络两种方法对储层含油气性进行了分析。结果表明，气测资料与储层含油气性具有较强的相关性。模糊模式识别方法可以用来确定气测综合指标与储层含油气性之间的模糊关系，而且对待识别样品气测资料的随机性具有较强的适应性；神经网络法能够较准确地建立气测综合指标与储层含油气性之间的非线性关系，但在待识别样品气测资料具有随机性的情况下，识别结果具有随机性：利用模糊模式和BP神经网络方法对储层含油气性进行识别具有一定的可行性，能快速为储层含油气性分析提供一定的参考依据，并且前一种方法的识别效果优于后一种方法。     

高孔低胶结砂岩储层饱和度和压力变化的时移地震AVO响应

研究了X油田高孔低胶结砂岩储层在含油饱和度和压力变化时纵、横波速度计算方法,并将计算数据与实际测井资料进行了对比。岩石物理参数计算和时移地震振幅随偏移距变化(AVO)正演模拟表明,X油田油藏含油饱和度变化时,地震纵波速度变化十分明显,而横波速度变化较小;储层顶反射P-P波AVO曲线变化明显,而P-S转换波AVO曲线变化很小。油藏有效压力变化对地震纵、横波速度有近似程度的影响,储层顶反射P-P波AVO曲线在入射角较小(θ<20°)时变化明显,而P-S转换波AVO曲线在入射角中等(30°<θ<50°)时变化明显。模拟结果对分析X油田时移地震可行性,确定油藏变化范围,区分油藏含油饱和度和压力变化,乃至真正实现时移地震定量解释都具有重要意义。     

多波地震油气储层的自组织神经网络学习与预测

如何充分挖掘出地震数据的有效信息以更有效预测出地震油气储层的分布情况,一直是业内所追求的目标。多波地震数据所包含的纵、横波数据不仅含有大量对油气敏感的特征信息,而且二者对油气响应存在差异,利用好这种差异可有效降低地震反演中的多解性问题。为此,设计了一种基于自组织神经网络的多波地震油气储层分布预测方案。首先,通过聚类分析优选出对油气响应比较敏感的地震属性,然后,对优选优化后的属性进行多波复合运算提取油气特征信息。最后,根据输入样本属性数据集设计自组织神经网络结构,计算神经元与样本的距离确定最佳匹配单元,更新调整网络权值,完成网络训练,得到预测结果。应用结果表明,基于本方案所预测的地震油气藏分布范围与实际情况基本吻合,有效地降低了反演结果的不确定性,从而验证了自组织神经网络应用于地震油气储层预测的有效性和可行性。     

基于神经网络的地震剖面反褶积新方法

地震剖面的反褶积经常是地震勘探资料处理阶段的一个重要步骤，它是公认的提高剖面分辨率的有效方法．常规的反褶积方法已经很多，但如何在提高剖面分辨率的同时又有效地抑制噪声，提高剖面的信噪比，始终是困扰人们的问题．针对这一问题，提出了一种基于反馈神经网络及其衍生物（ＴＨ网络）的地震剖面反褶积方法．实验结果表明，本方法效果明显，尤其在地震剖面中存在一些相隔较远的反射层时有很好的效果，充分显示了神经网络方法处理地震剖面反褶积问题的有效性．     

砂泥岩地层概率神经网络岩性反演技术应用研究

概率神经网络是一种基于概率密度函数理论的神经网络,能够广泛地应用于模式识别等领域.针对地震岩性反演预测问题,提出了一种具体的概率神经网络方法,包括网络模型的构造和预测识别步骤等.研究区主要目的层为沙溪庙组沙一段湖滩砂及河道砂体,储层单层厚度小,岩性横向变化较大,利用地震资料进行常规储层预测较困难.为此,根据该区储层的测井响应特征、地震属性特征与地质岩性特征的相关性,利用概率神经网络方法对地震属性数据做变换,从而对地层特征进行预测识别.     

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。     

神经网络在CB油田储层预测和储层厚度计算中的应用

根据ＣＢ油田的特点提出了利用神经网络进行储层预测和计算地层厚度的方法。将传统的储层预测方法与人工神经网络相结合，能较好地解决ＣＢ油田的储层预测问题。利用神经网络的非线性映射特点实现了地震特征与地层厚度之间的映射，从而可以准确地求取地层厚度。用该方法设计了２口探井，实际钻井结果表明，这种方法的预测结果准确、可靠。     

基于双向长短期记忆神经网络的岩相预测方法

介绍一种基于双向长短期记忆神经网络(Bi-directional long short-term memory,Bi-LSTM)的岩相预测方法,综合利用测井和地震数据进行高效准确的岩相预测。通过合成地震记录,进行井震数据的时深匹配,以地震吸收衰减数据、纵波阻抗、密度和伽马拟声波阻抗作为输入,以岩相作为标签,通过Bi-LSTM模型训练建立输入数据与岩相的非线性映射关系。将该方法应用于四川某浅层河道砂体勘探区岩相预测,结果表明,基于Bi-LSTM构建的岩相预测方法优于普通循环神经网络和普通LSTM,能够快速确定地下岩相,有效指示河道。基于Bi-LSTM的岩相预测方法能有效提取输入数据与岩相信息的非线性映射关系,对少井地区的岩相预测工作有较高的实用价值。     

概率神经网络技术在地震岩性反演中应用

针对研究区目的储层单层厚度小和储层岩性横向变化较大情况,为了解决利用地震资料进行常规储层预测反演较困难问题,采用概率神经网络方法,讨论了网络模型的构造和预测识别等步骤。根据该区储层的测井响应特征、地震属性特征与地质岩性特征的相关性,利用概率神经网络方法对地层特征进行预测识别,研究结果表明:在实际资料处理中取得了好的应用效果。研究成果对油田勘探开发具有一定的指导意义。     

基于BP人工神经网络的含蜡原油触变应力计算

含蜡原油的流变性对其管道输送有着重要的影响.当原油温度逐渐接近凝点时,原油表现为非牛顿流体,其流变性表现出异常复杂的触变性.利用人工神经网络较强的非线性逼近、良好的自适应和预测性能,采用误差反向传播算法(即BP算法)对含蜡原油的触变剪切应力进行了计算,计算结果与实验结果和采用R-G模型方程计算的结果进行了对比.结果表明,BP网络计算的精度高于R-G模型方程计算的精度,BP网络和R-G模型的计算结果与实验结果的最大相对误差分别为5.0%和12.7%.     

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。