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.     

基于主成分分析的离散过程神经网络水淹层动态预测方法

提出了一种利用主成分分析和离散过程神经网络进行水淹层动态预测的方法,对测井曲线信息随油层厚度变化的离散数据进行主成分分析,减少了离散过程神经网络模型的输入参数,排除了各参数之间的相关性.引入了反映深度变化累积效应的输入参数--测井参数曲线层段的不同油层厚度.据此建立的识别模型能够反映出随含水率的上升、深度不同时测井曲线的变化规律.实例研究表明,提出的方法与BP神经网络识别方法、支持向量机方法相比较具有更快的运算速度和更高的识别精度,能够体现出高含水期水淹层的动态变化特征.     

水淹层测井识别方法研究及效果验证

油田在长期注水开发过程中,不仅储层孔隙空间结构发生变化,而且储层含油饱和度也发生了变化,形成了水淹层。水淹层的测井解释是油田开发的一个难题,经研究分析表明,油层水淹前后的测井响应特征不同,且从宏观沉积特征看,不同的沉积微相类型,其储层物性在水淹前后变化量也不同。据此,可以通过单井常规测井资料解释,或通过一些特殊测井资料与常规测井资料的综合分析来解释和识别水淹层,并依据对子井测井曲线特征研究、生产动态资料研究、密闭取心资料分析、沉积微相划分及多井综合评价等一系列技术对解释结果进行有效性验证,从而找到水淹层电性特征与含油饱和度及沉积特征的关系,达到准确解释水淹层的目的。     

喇萨杏油田水淹模式库的建立及其在水淹层定性解释中的应用

在对大庆油田薄差层的地质特征和水淹特点的研究中发现,由于水淹的影响,薄差层的水淹层解释仅依靠测井曲线响应的幅度值,建立参数数学解释模型来进行储层参数计算存在较大误差.提出了应用地质统计学原理,建立水淹模式库的思想,来解决薄差层水淹层解释问题.以密闭取心井、单层试油以及测试资料为依据,按照不同区块地质特点、测井曲线响应特征以及其邻层特性等,获取尽可能全的井况信息,综合所有信息,使地层水淹后的岩性、物性特征与测井曲线响应特征相映射,提取水淹层特征参数和水淹等级的划分模式.建立水淹模式库,并应用于水淹层测井资料的综合解释.使水淹层单井定性一次解释符合率达到65%以上.定量解释精度明显提高.基本满足了油田生产需要.     

油层注聚后测井曲线异常及水淹层解释校正

针对注聚区块新钻井水淹层解释异常的问题,通过注聚前后的测井曲线资料对比和取心井资料分析,研究了注聚后储层特征和测井响应的变化规律,发现深三侧向等电阻率曲线值没有因水淹影响而降低,反而升高;自然电位曲线幅度值减小.测井曲线异常变化对测井解释的影响主要表现为水淹程度偏低,综合注聚前后储层特征变化和聚驱油层岩石电性特征研究,归结出聚合物在孔隙中的滞留是引起测井响应变化的主要原因.研究建立了测井响应异常的判别公式、测井响应复原图版和水淹层解释校正方法,使注聚后水淹层解释精度达到了85%,较原方法提高了20个百分点.研究成果在喇嘛甸油田得到推广应用,为聚驱效果评价、聚驱后剩余油研究与挖潜提供了可靠依据.     

深度延迟人工神经网络判别水淹程度

深度延迟人工神经网络模型可以计算水淹层参数和判别水淹层,此方法避开了油层水淹后,混合液电阻率难以求准的问题,所建立测井信息与地层参数之间的非线性关系更符合油层水淹后的实际情况.深度延迟神经网络模型建立了储层地质参数与测井资料之间在深度上的动态关系,即一个深度点的地质参数由多个深度点的测井数据来描述,自动考虑了上下围岩的影响,而且测井信息与水淹层参数之间的复杂关系不需要具体的数学物理模型描述,只需有合适的样本集对网络训练即可获得解释模型.对东濮凹陷濮城油田沙河街组二段下亚段20口井的测井资料处理表明,用延迟人工神经网络模型计算水淹层剩余油饱和度,进而判别水淹程度,应用效果良好,符合率达82.4%.     

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。     

基于离散小波分析的水淹特征提取方法

针对现有水淹层解释存在多解性的问题,提出了一种基于离散小波变换的水淹特征提取方法。该方法利用分解后小波系数高频信息与测井曲线光滑度之间的对应关系,进而反映不同沉积韵律类型中各水淹级别的水淹强度,建立了基于小波分解系数的不同沉积韵律水淹级别精细判别方法。以沉积韵律中部为标准层,结合待判小层在韵律中的空间位置、时频特征及其相对电性特征,自动判别各小层的水淹级别。密闭取心井测井曲线解释结果表明:小波系数高频分量可对水淹层电性特征进行有益补充,提高水淹层精细判别符合程度。     

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。     

分形与模糊综合判别新方法识别水淹层

针对东河塘油田中后期的水淹层判别问题,提出分形与模糊综合判别解释方法.这种方法先对常规测井曲线进行分形分数维分析,找出相兴性强的测井曲线,由此根据试油、生产等资料建立模糊评价矩阵和水淹层解释模型.用该方法处理了十多口井的测井资料,与岩心分析资料对比,效果良好,可以满足在该区块的水淹级别定性识别.     

薄砂层多开发层系油田测井精细解释方法

柴达木盆地跃进二号油田为典型的薄砂层多开发层系油田,垂向上含油层系多、目的层段长、单砂体薄,平面上砂体规模小、相带窄、相变快,不同层系、不同沉积环境的储层特征差别很大。以跃进二号油田N₂¹油藏为研究对象,分层系按沉积微相带建立了薄砂体多开发层系油田储层测井解释模型并进行了测井精细解释,从而提高了解释精度。在测井精细解释的综合化、定量化和自动一体化等方面进行了探索,研究了薄砂体多开发层系油田测井精细解释方法：测井资料预处理与标准化;测井计算泥质含量实现自动分层;测井沉积微相自动识别与划分;分层系按沉积微相带的储层参数解释模型;分层系按沉积微相带的测井精细解释。研究表明,分层系按沉积微相带进行测井解释是准确计算该类油田储层参数的有利途径。     

电缆式地层测试技术在丘陵油田水淹层评价中的应用

丘陵油田主力区块已处于中高含水期,水淹状况非常复杂,用常规测井资料解释水淹层有一定的局限性.用电缆式地层测试资料解释水淹层,根据压力梯度的研究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.地层测试技术还可以很好地发现压力异常层位,在常规测井资料难以识别的电阻率较高的高压淡水水淹层、储层部分层位水淹现象等方面有良好的应用效果.     

自组织神经网络在火成岩岩性识别中的应用

火成岩储层岩性复杂,识别难度大,当已知地层信息较少时,传统的交会图和有监督神经网络(如BP神经网络)等方法在识别岩性时会受到一定限制.为此,基于自组织神经网络(SOM网络)的结构和原理,在松辽盆地南部利用实际测井资料建立了火成岩样本数据集;利用SOM网络对样本数据集进行了训练,得到了数据集的聚类结果;讨论了SOM网络的标准化方式、结构参数和测井曲线对聚类结果的影响,认为利用正态标准化方法、选择合适的结构参数和测井曲线,以样本数据集的聚类结果作为分类基础,对火成岩井段测井资料进行了岩性识别,获得了较好的效果.     

岩石物理相分类与致密储层含气层评价——以苏里格气田东区致密储层老井复查为例

针对苏里格气田东区致密储层受多期不同类型沉积、成岩作用及构造等因素影响,储集空间小、非均质性强、储层孔隙类型结构和测井响应复杂等问题,开展该区致密储层岩石物理相研究,在此基础上确定含气层下限与评价标准.研究区可划分出石英支撑强溶蚀粒间孔、溶孔型,岩屑石英砂岩溶孔型和杂基微孔致密型3类岩石物理相,并建立了致密储层岩石物理相评价划分标准.利用不同岩石物理相物性分析、试气、测井及气测全烃资料,建立了该区致密储层不同岩石物理相含气层类别下限与评价标准.不同岩石物理相含气层残余气饱和度及其差异小,而剩余可动气饱和度及其差异相对较大,相应的测井响应参数变化较大.利用所建立的含气层下限和评价标准,对目的层进行细分层段的精细对比与评价,对研究区46口井目的层段致密储层进行复查和重新评价,新增不同类别岩石物理相含气层335个,新增含气层厚度为1 095.4m,其中新增Ⅰ类岩石物理相气层81个,新增有效厚度为294m.     

应用卷积神经网络识别测井相

选用东海F气田的砂质辫状河三角洲的自然伽马数据作为训练数据构建深度卷积神经网络,并首次用于测井相识别。选用四种自然伽马曲线形态作为特征,将数值转变为图像形式,首先对图像做标准化、添加噪声、旋转和转灰度等处理,再对数据增强与扩充,建立训练和测试数据集;然后,训练卷积神经网络建立测井相识别模型,并在训练过程中加入了Dropout、局部响应归一化和L₂正则化等策略限制了模型的复杂程度,提高了模型泛化能力;针对测井信息中不同级次沉积单元响应叠加带来的自动识别难题,使用不同尺度的小波基函数及极值分割处理和切分测井数据,最终有效划分了不同尺度沉积单元。通过与其他分类算法对比,验证了所提方法具有较好的测井相识别效果。     

用计算机实现判别沉积微相方法

在计算机上采用“专家经验参数逻辑判别法”研究地下沉积微相,主要利用综合录井和四种测井曲线数据,测井解释与相邻参数井匹配补充地质信息,用曲线形态参数辅助,建立地方性相模型,再综合判别各单元的沉积微相。文章介绍了该方法的原理、数据制备、参数提取与计算和建模、判别等。通过对某盆地侏罗系的实际判别结果表明：综合录井资料判别结果是正确的,用匹配的测井解释与曲线参数综合判别结果更具合理性     

克拉玛依油田三区砾岩油藏水淹模式研究

水淹模式的系统总结是油藏水淹层快速识别和水淹级别准确判断的基础和关键。以克拉玛依油田三区克下组砾岩油藏为研究对象,分析水淹储层地球物理响应变化特征,依据区域测井资料研究水淹层岩石物理响应机理和测井响应特征,归纳出克下组砾岩油藏的5种水淹模式。利用电阻率径向幅度差确定水淹级别的模式有2种,结合2种水淹模式和试油结论制作砾岩油藏水淹级别定性评价的电性图版。砾岩油藏岩性复杂多变和非均质性严重,储层绝对电阻率对水淹级别不是很敏感,深中电阻率的差值可以有效判断水淹级别。基于储层沉积韵律和电性曲线判断水淹部位和水淹强度的模式有2种。沉积环境的变化导致储层纵向上物性和渗流性存在差异,注入水对储层流体的驱替就有选择性,水淹部位和水淹强度也会不同。依据自然电位基线偏移识别水淹部位的模式有1种,不同的泥岩基线偏移代表着储层不同部位的水淹情况。5种水淹模式的综合应用提高了三区砾岩油藏水淹层评价的精度。     

测井沉积微相自动识别与应用

利用测井资料快速准确地确定沉积微相是油田勘探开发需要研究解决的问题.提出了一种方法,根据测井曲线的变化特点,自动划分沉积旋回,并通过描述曲线形态变化的一系列特征参数,自动判断沉积微相.完善了自动划分沉积旋回和沉积微相的计算机程序,处理了苏里格气田的资料,收到了较好的效果.     

海拉尔盆地乌尔逊凹陷北部高分辨率层序地层与储层预测

摘要：海拉尔盆地乌尔逊凹陷北部断裂复杂,沉积成因类型多,油藏类型认识不清。应用高分辨率层序地层学原理和分析方法,以岩心、测井、地震资料为基础,通过研究区主要含油层段（南屯组二段、大磨拐河组一段）层序地层关键界面的识别与对比,逐级控制,建立了盆地高分辨率层序格架。研究表明,乌尔逊凹陷北部苏131、苏102断块油藏产油层段跨越两个三级层序界面,主要产油层段位于大磨拐河组一段三级层序底部,主要储层为低位域滑塌浊积岩储集体,而不是此前认为的南屯组二段三级层序顶部的扇三角洲前缘砂体。通过对研究区主要产油层段的层序地层位置重新厘定与对储集体成因类型详细分析,提出了乌尔逊凹陷北部地区油藏类型应该为构造-岩性油气藏的新认识,并分析了砂层组的时空展布特征,为该油田深入开发与扩边提供了依据。     

基于频谱分解的测井曲线标准化方法

测井曲线标准化可有效消除测井资料的系统误差,是提高储层参数计算和预测精度的关键性基础工作。由于缺乏稳定标准层,基于标准层的曲线标准化方法难以适用于岩性变化频繁的陆相沉积地层。文章从频谱分解的地质含义入手,分析不同周期旋回对沉积地层的贡献,将反映沉积地层"背景值"的低频旋回叠加地层视为一套横向稳定分布的"宏观标准层"。优选曲线低频分量的极值作为特征值,结合空间趋势面分析技术确定标准值,对曲线低频分量、高频分量分别进行平移校正和比例校正,进而实现曲线的标准化。应用该方法对松辽盆地大庆长垣南部葡萄花油层测井曲线进行实际处理,岩心孔隙度与标准化后曲线的相关系数明显高于标准化前曲线,从而证明基于频谱分解的曲线标准化方法能够有效地应用于标准层缺乏的陆相沉积地层。