基于新型集成学习算法的基岩潜山油藏储层裂缝开度预测算法

天然裂缝是基岩潜山油藏油气存储及运输的重要场所,而裂缝开度是表征潜山油藏储层品质、油气储量及产能评价的关键参数。为此,提出一种基于集成学习算法的新型裂缝开度预测算法。以B盆地中非乍得某基岩潜山油藏岩心描述、关键井成像测井、裂缝参数解释获取开度数据,以相同深度测井数据作为特征变量构成学习样本。利用K均值聚类算法对学习样本进行降噪,剔除异常数据,以支持向量机回归和XGBoost回归算法为基础模型,再利用随机搜索进行参数优化,通过岭回归算法对基础模型进行集成组合,再进行裂缝开度预测。结果表明所提出的新型集成学习算法比基础模型性能有明显提升。测试集样本预测值与实际值均方根误差为0.047,相关系数达0.931。该算法弥补了单一回归算法不稳定的特点,提高了泛化能力,为裂缝开度预测提供了新思路。     

基于动态弹性力学模型的煤系致密砂岩储层裂缝预测方法

为了提高强非均质性煤系致密砂岩储层裂缝识别效果,根据测井资料,利用动态弹性力学模型对该类储层进行裂缝预测。首先利用寻优算法及阵列声波测井资料获取岩石各模量参数,然后利用微分等效介质（DEM）理论模型计算岩石孔隙纵横比（α）,进而对裂缝进行定量表征。单井裂缝预测结果与岩心裂缝实际发育情况的符合率较高,约为90%,表明利用DEM模型预测煤系致密砂岩储层裂缝的可靠性较高。在此基础上,根据测井资料,利用DEM模型对沁水盆地南部地区山西组Ⅱ砂组的裂缝平面分布进行了预测,裂缝预测结果与断裂性质、构造部位及岩心裂缝观察结果均较为吻合。研究表明,动态弹性力学模型适用于煤系致密砂岩储层的裂缝定量表征。      

XGBoost算法在致密砂岩气储层测井解释中的应用

传统单一模型的机器学习方法用于致密砂岩气储层测井解释时存在多解性,为此,将XGBoost算法应用于致密砂岩气储层测井解释。基于A工区测井解释资料,以不同种类的测井资料作为输入变量,通过XGBoost算法建立回归预测模型,预测该区孔隙度与渗透率参数,并探讨了XGBoost算法中各类参数的优化。以准确率指标为评价标准,通过XGBoost算法建立的分类预测模型对该区储层类型进行预测,同时与随机森林方法和支持向量机算法进行比较,XGBoost算法的预测效果较好。结果表明XGBoost算法能准确地预测孔隙度、渗透率并对该工区致密砂岩气层进行有效识别。     

基于储层孔喉特征参数计算致密砂岩渗透率的新方法

致密砂岩储层常规测井的响应受到诸多因素的影响,给定量评价储层的渗透率带来一定的误差。结合压汞和核磁共振测井资料能够更加快速准确地评价致密砂岩储层渗透性。提出了基于压汞和核磁共振测井资料结合计算储层渗透率的方法。对比38块同时进行了压汞和核磁共振测井实验的岩心样品,构建伪毛细管压力曲线,求取表征孔隙结构定量参数。结合地区经验,优选参数,构建能表征渗透率的δ函数,给出定量计算渗透率的模型,其模型表达式精度高。通过对××井实际数据的处理,计算得到的渗透率与岩心分析的空气渗透率有很好的一致性,平均绝对误差为0.075×10-3μm2。     

阿曼五区块Daleel油田储层裂缝识别方法研究

在对研究区阿曼五区块Daleel油田储层地质特征分析研究的基础上,综合常规测井资料和取心资料构建35个样本.利用常规测井裂缝识别模式对储层裂缝进行识别,将有效裂缝分离出来;引入模式识别领域应用较好的支持向量机(SVM)方法,通过训练样本的分布和实验结果选择核函数类型,利用网格搜索寻优法得到模型最优参数,建立起碳酸盐岩裂缝识别模型.利用该模型时8个预测样本进行识别,正确识别的有7个,预测精度达87.5%,其中1个误判样本是将无效裂缝判识为非裂缝.对27个建模样本进行回判,准确率达100%.通过岩心资料对比发现,当描述一个研究同标与多个相关地质因素的非线性关系强烈的应采用支持向昔机(SVM)算法,其计算速度比人丁神经网络(ANN)快10倍以上,且判断程度更准确.应用SVM方法,综合考虑储层的岩性、物性和裂缝特征等多种因素建立裂缝识别模型,可以提高裂缝测井解释精度.     

联合神经网络在储层参数预测中的研究与应用

地质储层参数在建立地质模型中起着关键作用,储层参数通过井资料获得。常规测井解释中多通过经验公式或简化地质条件建立模型计算储层参数。提出了新的神经网络模型,基于BP神经网络、RBF神经网络、支持向量回归并通过单层感知器共同构成联合神经网络模型。该网络模型在储层参数预测过程中能针对单一神经网络的不足而自适应调节网络结构,使预测效果达到最优,避免了单一网络在参数预测时的缺点,提高了预测的准确性。选取了同一地区的3口油井进行训练和验证实验,实验结果表明,联合神经网络模型优于单一的人工神经网络模型。     

基于人工神经网络的致密储层渗透率预测

致密储层渗透率求解困难.在基于流动单元指数与岩石粒度研究的基础上,通过设置3组不同输入参数的BP神经网络模型比较分析,发现采用微球电阻率测井值、自然伽马相对值、岩石骨架相关的中子和密度值(M、N)和孔隙度值作为输入参数的BP模型预测精度最高,然后用这些输入参数做为广义回归神经网络算法的输入,对岩心渗透率进行训练与预测.对比3种线性模型与2种神经网络模型对3口验证井岩心渗透率数据的预测误差,结果表明,针对研究靶区致密储层,线性模型对于渗透率的预测精度较低,神经网络模型可有效提高渗透率的预测精度,在训练样本较小的情况下,BP神经网络对渗透率的预测效果比广义回归神经网络略差.通过22口井实际资料处理结果分析表明,基于广义回归神经网络算法的渗透率模型可提高预测精度.     

特殊测井在北塘次凹致密储层裂缝识别中的应用

北塘次凹古近系沙河街组沙三段下部发育特殊岩性体致密储层,仅依靠常规测井方法识别储层裂缝存在很大局限。利用特殊测井与岩心、常规测井资料结合,可以更准确地识别裂缝,对裂缝缝参数进行定量计算,使裂缝性致密储集层的解释精度大为提高,为渤海湾地区致密油有效开发奠定基础。     

裂缝性储层分级评价中的卷积神经网络算法研究与应用

裂缝识别和评价是裂缝性储层测井解释的核心任务。总结了利用常规测井资料对裂缝性储层进行分级评价的基本方法,为提高效率并减少各种影响因素的干扰,引入卷积神经网络这种深度学习算法进行裂缝识别和储层等级评价。理论分析认为,凭借局部权值共享的特殊结构,卷积神经网络比现有其他算法在提取数据特征时具有更显著的优越性。将裂缝性储层的常规测井数据和储层已知信息作为标准样本输入卷积神经网络进行学习,然后对塔里木盆地北部某含油气构造单元其它井的有关层段进行裂缝识别和储层评价,结果表明,卷积神经网络的评价结果比传统方法更高效、准确,可以根据测井数据直接输出裂缝的发育等级。     

基于电成像测井的致密碳酸盐岩储层有效性评价方法

储层有效性评价是碳酸盐岩储层精细测井评价的前提,利用常规测井资料评价致密碳酸盐岩储层有效性难度较大。通过提取电成像视孔隙度谱均值和方差参数,结合试气结论,利用交会图技术确定有效储层定量判别标准;针对裂缝性储层,利用电成像测井资料计算的裂缝累积孔隙度和裂缝累积面积参数,结合日产气量建立致密碳酸盐岩裂缝性储层分类划分的标准。实际应用结果表明,该方法在鄂尔多斯盆地东部马五_X亚段致密碳酸盐岩储层评价中取得了良好效果。该方法的成功应用为致密碳酸盐岩储层有效性评价提供了思路和研究方向。     

致密砂岩储集层裂缝综合录井识别技术研究

四川盆地油气勘探结果表明，盆地油气储集层普遍为致密砂岩非常规储集层，有效性主要取决于孔、洞、缝发育程度，因此在油气钻井中如何识别致密储集层的孔、洞、缝并确定其所在井段尤其重要。针对综合录井仪的0．1m钻时及相关参数的资料采集技术要求，通过对大量录井数据资料的统计和演算，建立起储集层裂缝发育程度及裂缝发育位置的3种储集层裂缝识别模型，即直接识别模型、地层可钻性（A值）识别模型、钻时回归（RWSR）值识别模型。系统阐述了致密砂岩储集层裂缝综合录井识别技术方法原理，详细介绍了致密砂岩储集层裂缝识别的3个模型在实际生产中的应用情况。该技术方法的研究在国内尚属首次，为油气勘探中储集层评价提供了一个新的方法和手段，可最大限度地发挥现代录井技术在油气勘探开发过程中的作用。     

致密储层测井评价技术及发展方向

致密油气田在中国油气田开发中占有非常重要的地位,致密油所储藏的油气储量占据了中国探明储量的70%以上。致密油藏油气田分布广泛,勘探难度极大,致密储层测井评价技术是储量评价、井位部署等勘探工作中的核心技术,未来发展趋势是大数据方法与神经网络方法相结合,综合评价致密储层流体类型和孔隙结构等测井评价相关参数。目前大多数致密储层测井方法和工具都是基于中子、声波、密度等常规方法和手段,缺乏成像测井、核磁测井、随钻测井等新技术的创新应用,至今还没有系统有效致密储层测井评价技术。为此,在调研国内外大量文献的基础上,系统总结了致密油储层的地质特征,并阐述了中子、声波、密度等常规测井评价技术与成像测井、核磁测井、随钻测井等新技术、新方法在致密油储层评价上应用的不同之处,形成了一套比较系统性和规范化的致密储层测井评价方法。致密油藏应该大力发展岩石学模型研究和核磁共振技术研究,可以有效提高测井评价技术水平,提高储层预测和流体检测的准确性和可靠性。研究成果对国内外致密油藏测井评价研究具有参考价值。     

致密砂岩裂缝性气藏缝网压裂裂缝复杂程度评价方法

微地震是评价致密砂岩裂缝性油气藏缝网压裂裂缝形态及几何尺寸的有效方法和手段,但其适用条件受限,且成本较高.为此,需要一种快速的、经济适用的方法来评价缝网压裂裂缝复杂程度.基于压裂泵停泵后的压降数据,利用视均质型、线性裂缝型、复杂裂缝型致密砂岩裂缝性储层渗流方程分析储层渗流模式,利用G函数分析储层裂缝形态,从而综合评价缝...     

致密气储层可压裂性测井评价方法

从致密砂岩脆性指数和断裂韧性2个方面对致密气储层可压裂性测井评价方法进行了研究.总结并对比分析了室内实验测定和利用测井数据计算致密气储层脆性指数的方法,建立了研究区适用性较好的脆性指数预测模型;为克服单纯依赖脆性指数进行可压裂性评价时的不足,应用线弹性断裂理论构建脆性指数和断裂韧性相结合的可压裂性指数.指示了筛选优良可压裂层段的标准:较高的脆性指数和较强的水力压裂造缝能力.从而,具有较高可压裂性指数的地层被认为是可压裂层段,具有较低可压裂性指数的地层被认为是压裂遮挡层.以鄂尔多斯盆地致密砂岩地层S井为例进行致密气储层可压裂性指数建模,形成基于可压裂性指数模型的可压裂性测井评价技术流程.     

川西新场气田沙溪庙组致密碎屑岩储层单井产能评价与预测

川西新场气田侏罗系沙溪庙组气藏是典型的低渗透致密碎屑岩气藏,由于地质条件复杂,非均质性极强,储层单井产能预测已成为难点之一.通过分析测井信息和储层物性,提取声波时差、裂缝张开度、裂缝渗透率等11个与产能相关的参数,并运用相关系数法确定裂缝张开度、裂缝渗透率、产能系数、裂缝孔隙度、裂缝发育指数和综合评价指数6个指标作为产能控制特征参数;然后选取33个已测试层位作为已知样本,利用支持向量机构建适合该区的产能预测方程,预测标准误差为0.0661,平均绝对误差仅为0.0182,预测精度较高;最后,利用所构建的产能方程对24个未测试层位的产能进行预测,完成沙溪庙组气藏单井产能评价.      

基于粒子群优化和长短期记忆神经网络的气井生产动态预测

气井生产动态预测是气藏产量规划、开发方案编制及生产制度动态调整的重要依据,对天然气藏开发有着极其重要的指导意义。建立了基于长短期记忆深度神经网络的生产动态预测模型,并采用了粒子群优化算法对神经网络模型超参数进行优化,提高长短期记忆深度神经网络的预测效果。研究结果表明,基于粒子群优化和长短期记忆神经网络的气井生产动态预测模型能够实现对气井生产动态的准确预测和神经网络超参数的自动优化,使预测结果的平均绝对误差均小于10%,大幅度简化了神经网络模型的优化过程。     

新场深层致密碎屑岩储层裂缝常规测井识别

在新场深层致密碎屑岩储层中,裂缝既是油气储集空间,又是重要的油气运移通道,裂缝的发育对改善储层品质起着重要作用.因此,裂缝识别是该地区储层评价的重要研究内容.以往利用单一的测井方法识别裂缝存在一定的局限性,有必要综合多种方法进行裂缝识别研究.首先,通过岩心观察从宏观层面上把握研究区裂缝的发育情况,用交会图法分析裂缝的常规测井响应特征;然后,通过判别分析优选出裂缝测井响应参数,建立起两类裂缝的判别方程,采用概率神经网络法对单井进行两类裂缝识别.最后,综合应用上述方法对单井进行裂缝识别,与岩心资料对比结果表明该套方法的裂缝识别效果较好.     

利用测井信息预测火成岩缝洞储集层压后产量

基于火成岩缝洞储集层压后气体分阶段流动特征的研究,应用测井信息定量表征气体流量主控因素,提出一种火成岩缝洞储集层参数相互弥补评价模型预测压后天然气日产量的方法。该方法以描述可压缩流体流动的Hagen?Poiseuille定律为基础,根据火成岩缝洞储集层压后气体在不同流动阶段的路径不同特征,明确火成岩缝洞储集层压后天然气日产量的主要影响因素是基质孔隙和裂缝网络及二者匹配关系,建立基质孔隙、裂缝网络及岩性体厚度相互弥补评价模型,通过多元非线性回归确定出模型中各储层参数对日产量的贡献因子,最终实现火成岩缝洞储集层压后测井产量预测。将此方法应用于准噶尔盆地滴西地区石炭系火成岩缝洞储集层,预测结果与实际试气结果吻合较好,为火成岩缝洞储集层试气选层提供了准确的依据。