高含水期水淹层的定量识别

首先讨论水淹层在测井曲线上的变化特征 ,然后结合实际资料 ,对关键井储层水淹级别进行了研究 ,给出了与储层非均质性和流体性质密切相关的特征参数的计算方法 ,并根据关键井的资料建立了用于遗传神经网络学习的样本。在此基础上 ,利用遗传神经网络 (GA -BP)对此样本数据库进行训练 ,建立水淹层定量识别遗传神经网络模型 ,然后利用此模型对进行未知储层判别 ,识别水淹层 ,划分水淹级别。实际计算表明 ,该方法在油田高含水期定量识别水淹层是有效的。     

利用遗传神经网络识别水淹层

胜坨油田水淹非常严重，有效的识别水淹层并定量地划分水淹级别，对油田开发非常重要。利用遗传神经网络实现了水淹层的自动识别。根据关键井的统计数据，首先建立标准的流体测井相数据库，合理地划分储层水淹级别，然后利用遗传神经网络对已知样本进行训练。遗传神经网络比简单的BP神经网络鲁棒性强，收敛速度快。用训练好的遗传神经网络对胜坨油田的水淹情况进行研究，取得了较好的效果。     

概率神经网络在盐水水淹层识别中的应用

埕岛油田油层的水淹类型主要是盐水水淹,地层电阻率随水淹程度增强呈现单调递减的特征,但地层电阻率递减量与水淹程度关系极其复杂,至今还没有有效识别水淹层及其水淹程度的方法。为此,提出了基于概率神经网络的水淹层预测模型,首先结合埕岛油田实际测井和测试结论将水淹程度划分为未水淹、弱水淹、中水淹、强水淹和特强水淹5个水淹级别,并进行测井特征参数与水淹程度相关性分析,依此优选能更好反映水淹程度的测井特征参数;其次,利用提取的测井特征参数与测试结论建立靶区概率神经网络模型学习样本库;最后,利用概率神经网络对判识样本进行水淹层预测,并用当前深度学习分类效果较好的Adaboost算法作对比分析。结果显示：概率神经网络水淹层预测精度提升了10%,有效地提高了盐水水淹层的识别精度。     

一种基于模糊神经网络的水淹层识别方法

针对油田水淹层识别存在在的模糊性和多解性，提出了一种基于模糊神经网络的水淹层识别方法。该方法将神经网络技术所具有的自适应性、容错性与模糊逻辑所具有的模拟人类思维中的模糊综合判别特点有机的结合，实现了多因素模糊综合判断推理来完成水淹层识别。采用该方法，对川中油田135个地层样本进行处理，符合率达87．6％。结果表明该方法对解决水淹层自动识别问题具有良好的适应性，可提高水淹层自动识别的精度。     

GS油田中浅层水淹层测井解释方法

GS油田中浅层N^1-N_2~1油藏经过20多年的注水开发已进入中高含水期,油藏水淹严重剩余油分布复杂,准确评价水淹层确定剩余油富集区是油田开发面临的首要问题。以岩石物理实验与测井资料为基础,明确研究区水淹机理与水淹特征,建立水线法与流体替换法求取油藏原始储层参数,提高水淹层定性识别的精度;在相渗实验基础上,建立产水率计算模型,形成水淹层6级划分标准,实现水淹层分级解释定量评价。通过现场实际应用,该方法可以有效识别水淹层,提高水淹层的解释精度,水淹级别解释与生产测试结论更加吻合。不同的水淹层解释方法都有区域适用条件,准确求取残余油饱和度、束缚水饱和度、含水饱和度与产水率是水淹层定量评价的基础,但对于低矿化度水淹层电性特征接近于原始油藏电阻率的储层目前没有较好的方法解决。     

录井水淹层综合评价技术在扶余油田的应用

扶余油田经过多年的注水开发,已进入高含水阶段,受储集层的非均质性影响,油层水淹状况复杂,给油田进一步开发带来较大困难。为了准确判别水淹程度,确定剩余油富集区,提高主力油层挖潜效果,根据水淹层录井响应机理,通过对井壁取心应用岩石热解、核磁共振及荧光显微图像等录井技术手段进行分析,结合试油井、投产及密闭取心井资料,优选适用的参数,建立了适合扶余油田的水淹层录井综合评价方法。该方法包括录井水淹层水淹程度判别方法和水淹层剩余油富集状况判别方法,在扶余油田完成了13口井的水淹层评价工作,水淹程度识别准确率达到86.4%,油水层综合解释符合率达93.7%,取得了很好的应用效果。     

吐哈“三低”油田套管井地层测试技术应用研究

吐哈“三低”油田储层具有低孔、低渗、低矿化度特性,老井的水淹层划分难度较大,通过对七种套管井测井技术的应用研究,建立了三低油田特有的套管井测井组合,可有效识别“三低”油田储层水淹特征,评价储层水淹程度。     

高矿化度地层水淹层综合评价方法

科学识别和评价水淹层，准确描油田剩余油分布，提高油注水开发效益。方法：依据取心、岩电实验，试油及测井资料，采用数理统计方法，制定了一套定量划分高矿化度地层水淹层级识别的方法，效果：本方法应用于文东油田文１３块，解释符合率大８５％，产生了较好的经济效益，并对高矿化度地层水淹层谰价和解释具有推广价值。     

高含水期水淹层评价方法

根据油田中后期开发生产的需要，本文介绍了十四种用裸眼井测井信息直接评价水淹层的方法及一些新方法的应用实例。这些方法直观、易于学习掌握，对于分析产层流体性质、识别水淹层、确定水淹部位、判断水淹程度提供了重要技术。     

吐哈“三低”油田套管井地层测试技术应用

吐哈"三低"油田储层具有低孔、低渗、低矿化度特性,老井的水淹层划分难度较大,通过对七种套管井地层测井技术的应用研究,建立了"三低"油田特有的套管井测井组合,可有效识别"三低"油田储层水淹特征,评价储层水淹程度,这对同类油藏具有借鉴意义。     

用FMT测井资料解释丘陵油田水淹层

根据电缆式地层测试资料，可以确定储层流体的密度，判断储层流体的性质以及推断气、油、水的接触界面，从而识别底水上升水淹层；发现压力异常层位．识别电阻率较高的高压淡水水淹层、储层部分层位水淹等。丘陵油田水淹层常规测井资料解释符合率仅为75．2％。结合了电缆地层测试资料之后。解释符合率提高到85．7％．应用效果较为明显。     

应用人工神经网络识别水淹层

油层水淹后，水淹层的内部物性明显区别于油层的原始状态，由于水淹状况复杂多变，使用一般测井解释方法识别水淹层具有很大困难。本文研究了人工神经网络ＢＰ算法处理测井资料来识别水淹层的基本原理和具体实现，给出了ＢＰ算法的改进方法及在两个油田的实际应用效果。     

纯化油田沙四下亚段水淹层测井响应特征研究

水淹层识别技术已成为油田开发调整方案的重要方法。针对纯化油田古近系沙河街组沙四下亚段储层薄、物性差、非均质性强、注入水类型复杂等特点,按照不同的水淹类型总结出水淹层的测井响应特征,提出了利用自然电位、感应电导率、4m底部梯度电阻率等测井资料进行水淹层识别的方法和利用高频感应测井划分薄层及进行水淹层识别的方法。该方法可以按照不同的水淹类型得出其测井响应特征,提高了水淹层评价的成功率。     

吐哈丘陵油田水淹层轻烃解释评价方法

丘陵油田为吐哈油区主力油田。目前已进入高含水开发期,为了进一步判断油层的水淹程度,实现有效开发,从录井轻烃分析技术角度阐述了油层水淹程度解释评价的参数选择、途径与方法,以轻烃分析和水淹层的表现特征为依据,归纳总结了4种方法—轻烃色谱图解法、轻烃图板解释法、单井多参数纵向连续解释法和单井三参数棒状图解法。应用这4种方法进行解释评价的原则是,首先利用轻烃色谱图解法初步定性判断储集层水淹程度,而后应用单井多参数纵向连续解释法和三参数棒状图解法从微观和宏观两个方面揭示储集层内部及之间的水淹程度差异,进而实现油层水淹程度的有效识别。两年来丘陵油田利用该系列轻烃分析解释评价方法,相继对该油田老油区10口开发井进行了连续采样分析和水淹层解释评价。经16个层试油验证,解释符合率达75％,证实这一方法有效、可行。从而为哇哈油区水淹层解释评价提供了新的途径。     

疏松砂岩气藏水淹层识别技术与应用

水淹层识别对油田开发中后期剩余油挖潜具有重要意义。测井资料具有连续、经济等优点,利用测井资料判断水淹层具有明显的优势。分析了水淹层识别技术的国内外研究现状,总结了不同的常规测井曲线对应的水淹层特征,并利用交会图版法开展了实际应用。     

水淹层测井解释方法研究

对水淹岩石岩电特征进行了理论和实践的研究，对利用自然电位求取地层混和液电阻率的方法进行了研究，建立了较为准确可靠的剩余油饱和度测井解释模型，为定量解释水淹层打下基础。实际应用效果表明，利用该方法计算的地层混和液电阻率是准确的，能够反应地下的实际情况，满足水淹层解释和剩余油饱和度分布规律研究的需要。     

应用产剖资料确定非均匀水淹层剩余油饱和度

文东油田是处于油田开发中后期的高温、高压、高盐低渗透砂岩油藏,应用传统的套后剩余油饱和度监测技术以及利用常规电阻率测井资料确定水淹层剩余油饱和度效果不佳。在利用产出剖面资料确定水淹层剩余油饱和度方法研究的基础上,分析水淹层水淹程度的非均匀特征导致水淹层内剩余油饱和度的差异,通过面积等效法构建非均匀水淹层饱和度模型图,应用此改进方法确定出非均匀水淹层的剩余油饱和度。方法改进前后对比分析结果表明:方法改进后的计算结果更能反映水淹层的整体剩余油饱和度,与储层的实际情况更加符合,进而可准确掌握区域剩余油饱和度分布规律,为油藏的合理有效开发提供科学依据。     

吐哈盆地丘陵油田水淹层测井解释研究

丘陵油田是一个早期注水开发的低孔、低渗性油田，目前已达到了中高期含水阶段。由于注入水的影响，其地下情况变的尤为复杂，给测井准确评价储层带来了极大的难度。为此，主要对该区水淹层储层参数解释模型、水淹层测井响应特征、水淹层解释方法、水淹层测井新技术的应用四个方面进行了较为深入的研究。     

过程神经网络在厚层细分水淹解释中的应用

针对油田注水开发中后期油层水淹状况复杂,储层性质发生改变,导致测井曲线的幅度和形态发生相应的变化,建立一种能描述测井曲线幅度和形态变化的模式识别技术,有利于储层水淹级别的准确判别.在分析水驱后储层性质变化规律及水淹层测井响应特征基础上,提取厚油层的曲线形态特征,弥补了由于厚层细分引起的曲线形态信息缺失.选取曲线形态特征参数、原始测井曲线以及成果曲线作为识别水淹层的特征参数,建立了基于过程神经网络的水淹层自动识别方法.应用7口取心检查井的176个样本建立水淹层模式库,进行网络训练,使用训练好的过程神经网络对大庆油田北1～55检E66井等2口井进行水淹解释,结果表明,解释符合率为81.3%,该方法可提高水淹层测井评价的精度.     

轮南油田水淹层测井识别

由测井资料识别水淹层是水淹层测井解释的基本任务。研究了轮南油田油层水淹后测井曲线的变化规律,发现油层水淹后自然电位幅度差增大，电阻率下降。套管井中子寿命测井提供的自然伽马值和热中子俘获截面值增大。利用这些特征可有效地识别轮南油田水淹层位。