基于粒子群算法的模糊优选神经网络储层识别模型

针对致密储层中气水干层识别准确率较低这一难题,提出基于粒子群算法(particle swarm optimization,PSO)的模糊优选神经网络识别模型.其基本思路:首先对所有的变量进行分析,提取反映储层本质的主要属性,消除重叠信息的输入,然后将粒子群算法与模糊优选神经网络相结合,构建基于粒子群算法的模糊优选神经网络识别模型.以陕甘宁盆地中部气田马五1储层气水干层识别问题为例,选用十九口井分层测试的92个已知样本(其中八十个用于模型构建,十二个用于精度检验),对物性、测井和储渗特征等方面的十个特征参数进行分析,从中提炼出电阻率、自然伽玛、产能系数、储渗因子、介质类型因子等五个主成份控制特征参数,消除重叠信息的影响.并以此作为神经网络输入层的输入,以样本储层的产能赋值作为输出,构建基于粒子群算法的模糊优选神经网络模型.模型的识别正确率达到100%,标准误差比传统模糊神经网络降低了60%.这表明该模型具有更高的识别精度,为致密储层的准确识别探索了又一种新方法,对同类地区的研究在一定程度上具有指导作用.     

缝洞型碳酸盐岩储层多类多尺度建模方法研究:以塔河油田四区奥陶系油藏为例

碳酸盐岩缝洞型储层历经多期构造运动以及强烈的风化、剥蚀和淋滤作用,储集空间类型多样,形态极不规则且随机分布,导致储层三维空间描述困难,现有的碎屑岩储层建模方法难以直接借鉴。文中提出碳酸盐岩缝洞型储层应该按照大型洞穴、溶蚀孔洞、大尺度裂缝、小尺度裂缝的"多类多尺度建模"的基本思路。以钻井和地震识别成果作为大型洞穴确定性数据,以地震波阻抗的大型洞穴发育概率体作为井间约束数据,在垂向岩溶分带和平面古地貌分区的岩溶相控下,采用具有趋势的序贯指示模拟方法,建立大型洞穴离散分布模型;以大型洞穴分布作为"相控"约束条件,以井孔解释的溶蚀孔洞作为硬数据,采用序贯指示模拟算法,建立溶蚀孔洞随机分布模型;根据蚂蚁体地震属性自动拾取的断裂信息,人机交互补充和修正地震解释断层数据,建立确定性的大尺度裂缝离散分布模型;基于大尺度裂缝离散分布模型建立井间裂缝发育概率体,根据井孔裂缝密度、裂缝产状,结合退火模拟和基于目标的示性点过程模拟方法,建立小尺度裂缝离散分布模型。以塔河油田四区奥陶系缝洞型油藏为例,建立研究区缝洞型储集体空间展布模型,再现缝洞型储层的结构形态。     

改进的模糊神经网络模型在储层产能预测中的应用研究

常规神经网络在当训练样本时分母项易趋于0，导致运算进入死循环，降低了结果的可信度。改进的模糊神经网络模型克服了上述现象，具有绝对收敛性，且隐含层的神经元个数容易调整。将该改进模型用于储层产能预测，正确率达95%以上。     

用等效介质理论模拟裂缝溶洞型孔隙对速度和弹性模量的影响

针对缝洞型储层流体性质识别的困难,采用Kuster-Toks(o)z(K-T)模型、Berryman 自恰模型(SCM)和差分等效介质(DEM)三类近似模型,用不同纵横比的孔隙模拟了缝洞型储层的地震波速度和弹性参数响应,定量分析了溶蚀孔洞和裂缝二类次生孔隙对地下储层弹性性质的影响.明确了孔隙几何结构对岩石弹性参数的影响趋势和幅度大小,为利用地震信息评价孔隙结构提供了理论基础.根据物理模型的裂缝介质参数,分别采用K-T模型、SCM自恰模型和DEM差分等效介质模型,计算了裂缝介质的纵横波速度,考察了三个模型对缝洞型储层弹性响应计算的适用性,得到了有意义的认识.     

缝洞型储层模型AVO属性特征分析

塔里木盆地是我国最大的含油气盆地,拥有巨大的油气资源潜力。但塔中地区奥陶系岩溶缝洞型储层埋藏深、类型复杂、储层非均质性强,所表现出的岩石地球物理特性不清楚。为了分析典型缝洞型储层模型含不同流体情形下的AVO特征,建立了过玉北1井的缝洞型储层地震地质模型,模型的3个储层段对应的孔隙度分别为10%,6%和8%,分别对应Ⅰ类储层、Ⅲ类储层和Ⅱ类储层,设计了3个储层段都充填气和3个储层段分别充填气、油、水3种不同流体时的2个模型,基于正演模拟共成像点道集记录(CMP),提取截距、梯度、纵横波反射系数及流体因子,采用AVO属性交汇分析方法,寻找油气识别的最佳属性组合,为叠前反演解释提供理论基础。     

基于岩石物理模型的页岩储层裂缝属性及各向异性参数反演

针对富有机质页岩储层复杂的矿物组分与微观孔缝结构,本文提出基于岩石物理模型和改进粒子群算法的页岩储层裂缝属性及各向异性参数反演方法。应用自相容等效介质理论与Chapman多尺度孔隙理论建立裂缝型页岩双孔隙系统岩石物理模型。开发基于岩石物理模型的反演流程,引入模拟退火优化粒子群算法解决多参数同时反演问题,反演算法能够避免陷入局部极值且收敛速度快。将本文方法应用于四川盆地龙马溪组页岩气储层,反演得到的孔隙纵横比、裂缝密度等物性参数和各向异性参数与已有研究结果一致,能为页岩储层的评价提供多元化信息。     

多孔介质储层表征技术在塔中地区上奥陶统礁滩储层中的应用

多孔介质储层表征技术应用岩心分析、测井分析、地震分析、岩样实验分析、生产动态分析等多种分析方法,表征不同尺度储集空间及其组合特征,最终评价有利储层。应用该技术,识别塔中地区北斜坡奥陶系良里塔格组孔隙型、孔洞型、孔隙-孔洞型、缝洞型和孔缝洞型5类储层,并表征了各类储层的孔喉结构、孔渗性和产能特征。结果表明：孔隙-孔洞型储层的孔喉结构发育大孔大喉的孔喉结构,优于孔隙型和孔洞型储层;裂缝对各类储层起到改善作用,裂缝的发育增加了储层孔渗性和连通性;储层产能特征受储层类型及规模影响,台缘孔缝洞型、孔隙-孔洞型储层以高产稳产为特征,台内缝洞型储层以中产较稳产为特征,台内孔洞型储层以中低产不稳产为特征。各类储集空间组合类型中,台缘孔缝洞型、孔隙-孔洞型储层是最有利储层,台内缝洞型是目前台内勘探的主要类型,台内孔隙型、孔洞型储层在裂缝发育情况下可以形成潜力储层。     

基于粗糙集的Logistic回归模型在矿井突水模式识别中的应用

矿井突水模式识别是一个非正态、非线性和高维数据处理问题,也是二分类问题。使用粗糙集属性约简算法对样本数据降维,建立Logistic回归模型,并利用粒子群算法对模型参数优化。该模型对建模样本突水模式识别正确率为90%,对测试样本突水模式识别正确率为100%,效果好于数据不降维的Logistic回归模型。该模型克服了线性回归分析解决二分类问题存在的不足,为矿井突水模式识别提供了一种新思路、新方法。      

塔北隆起西部缝洞型碳酸盐岩储层表征与评价

缝洞型碳酸盐岩储层存在强烈的空间非均质性,储层表征与评价难度极大。塔北隆起西部W区块奥陶系中统顶部发育稳定的台地相碳酸盐岩缝洞型储层。应用古地理坐标转换构造建模技术、测井储层分析方法,并结合缝洞型储层地震属性进行储层相研究,以储层相分析成果为基础建立双孔隙度模型,对缝洞型储层进行定量表征,最后结合AVO流体预测,进行综合评价。研究表明:该区碳酸盐岩储层类型主要为裂缝型、裂缝孔洞型,裂缝既是储集空间又是孔洞形成的诱导因素;本征值裂缝属性和地震波形分类属性对裂缝与孔洞响应较为敏感;储层含油饱和度提高之后,AVO现象更趋明显,叠前AVO反演的流体预测技术能对缝洞型碳酸盐岩储层流体进行合理预测、评价。     

基于ABC-BP模型的煤层含气量预测

煤层含气量预测是煤层气资源勘探开发利用前期的重要研究内容之一。近些年,BP神经网络算法常用于煤层含气量预测领域,但传统BP模型在训练过程中往往存在收敛速度慢、对初始值敏感以及易陷入局部极小值等问题。为此,提出了一种改进的以人工蜂群算法为特征的BP神经网络预测方法。以沁水盆地某工区3号煤层为研究对象,首先,利用R型聚类分析法对目标煤储层所提取的多种类型的地震属性进行分类,优选出4种对煤层含气量变化反应最敏感且相互独立的地震属性;再利用人工蜂群算法(ABC)寻找BP神经网络的输入层与隐含层的最优连接权值和隐含层的最优阈值,构建具有鲁棒性的ABC-BP神经网络预测模型,并以井位置优选地震属性和含气量数据为样本训练该模型;最后,以整个工区目标储层的优选地震属性为输入,进行工区内煤层含气量的预测。预测结果与各井含气量的变化趋势基本吻合,其中,训练井处的平均误差率为0.23%,验证井处的误差率低于15%,预测精度较高,因此,该预测方法可靠性高,适用性强,可有效用于煤层含气量预测。