多方法融合判别复杂砂砾岩岩性

砂砾岩储集体为快速沉积环境下形成的沉积物,具有很强的非均质性,因此,利用测井数据进行岩性识别的结果准确性较差。笔者针对该问题,从砂砾岩储集体中岩性测井特征提取和模式识别算法2方面进行分析。在测井特征提取上,针对其粒度跨度大、成分复杂、过渡岩性测井特征多样的特点,利用沉积相、物源体系控制岩石的成分和结构特征的多样性,达到准确提取岩石骨架颗粒参数的目的。在模式识别算法上,选取支持向量机、极限学习机和概率神经网络3种基于不同分类原理的模式识别算法,构建SEP岩性判别算法。在松辽盆地南部梨树断陷下白垩统营城组砂砾岩储集体岩性识别中,采用SEP法,利用GR-AC-CNL-DEN-RLLD-w(K-PE测井数据组合,对13口钻井的284块样本岩性进行判别,SEP识别结果与3种单方法相比,能够提高岩性判别结果的准确性和稳定性,识别符合率均值达到83.64%。     

塔里木盆地蒸发岩岩性判别模型及其实现过程

蒸发岩与油气经常共存于一个沉积盆地中, 蒸发岩是优良油气藏盖层, 故应用油气的测井数据进行盆地地下蒸发岩地层岩性的判别, 可为在油气探区蒸发岩研究和寻找油气与钾盐资源提供便捷的技术手段。笔者提出了一种蒸发岩盆地岩性判别模型, 它在蒸发岩盆地综合利用物探测井参数的基础上, 使用专家知识对测井数据进行半定量、定性处理, 给出了经验的判别公式, 建立了专家知识数据模型。通过对羊塔5井测井数据进行判别, 有84%与原岩芯岩性相符。结果表明, 此判别模型对类似应用具有参考价值。     

3种经典机器学习算法在火山岩测井岩性识别中的对比

岩性识别一直是火山岩油气勘探中的重要课题,基于测井数据的岩性识别也逐渐成为火山岩研究的需要,大数据背景下的机器学习算法为测井岩性识别提供了一个新方向。为提高某研究区火山岩岩性识别符合率,本文采用K近邻、支持向量机和自适应增强3种经典机器学习算法,对研究区内的粗面岩、非致密粗面岩、辉绿岩、辉长岩、玄武岩和非致密玄武岩等6类中基性火山岩进行岩性识别。从常规测井系列中优选对研究区岩性敏感的自然伽马、声波时差、补偿中子、深侧向电阻率和补偿密度等5种测井参数作为岩性识别模型的输入向量,从研究区内5口有岩心样品或薄片鉴定资料的目标层中选取测井数据点1 440个,其中960个作为训练样本,其余480个作为测试样本。以识别符合率和时间作为评价指标,对3种算法的识别结果进行对比分析,实验表明：自适应增强算法的分类准确率最高,6类岩性平均识别符合率达到82.10%;支持向量机算法表现良好,平均识别符合率为81.04%;K近邻算法平均识别符合率为76.04%。     

裂缝性碳酸盐岩油藏裂缝网络的识别方法研究——以胜利油区F潜山油藏应用为例

提出了针对碳酸盐岩裂缝型储层的裂缝识别和类型判别方法:在对常规测井曲线进行小波多尺度分析的基础上,通过求取剩余曲线变化率,以消除岩性对测井曲线的影响,突出裂缝信号,提高常规测井对裂缝的分辨率;以岩心描述和成像测井所识别的裂缝类型为样本,以多测井参数为变量,运用主成分分析和Fisher判别等方法,建立裂缝类型的判别模型。此方法应用于胜利油区F潜山碳酸盐岩储层的裂缝类型判别,效果较好。     

基于不同测井曲线参数集的支持向量机岩性识别对比

对测井曲线提取的不同参数值,进行支持向量机(support vector machines,SVM)岩性识别对比,找出适合于岩性识别的测井参数集。利用取心段岩心和测井资料,依据M-N值法、曲线重叠法和测井曲线特征值法等3种常用的岩性识别方法,提取能够用于岩性识别的测井曲线参数值,再利用支持向量机进行岩性识别,将识别结果进行对比,按照误差最小原则,找出适合于岩性识别的测井参数集。结果显示,M-N值法、曲线重叠法和测井曲线特征值法3种不同的测井参数集在岩性识别时,测井曲线特征值法和重叠法误差最小,可优先作为识别的基础数据。      

木里地区水合物及岩性测井识别方法

木里地区由于断层、裂隙发育,以及多种岩性都存在天然气水合物,地质背景复杂,导致各种岩性的测井响应特征复杂,给天然气水合物及岩性识别带来一定的难度。本文通过分析多口井水合物及岩性的测井响应特征,利用直方图和交会图研究各种岩性在含天然气水合物或有水合物异常与不含天然气水合物时的测井响应的差异,找出对水合物反映敏感的测井参数,对该地区的水合物及岩性进行识别。然后综合利用对天然气水合物响应明显的自然伽马(GR)、电阻率(RT)、声波时差(AC)和补偿密度(DEN)等测井曲线,采用贝叶斯和BP神经网络两种方法识别岩性。识别结果与录井岩性吻合良好,准确识别出了含水合物地层的岩性,为木里地区寻找有利的天然气水合物储层提供了依据。     

用模糊综合聚类分析方法确定钻孔岩性剖面

通常,不同的岩石具有不同的物理性质,这是目前用测井资料划分钻孔岩性剖面的重要依据。本文介绍一种利用FUZZY(模糊)综合聚类分析进行钻孔岩性识别的方法。针对研究矿区浅部第四系地层特征,我们选取了对岩性有较好分辨力的两种测井信息:视电阻率(DLW)和自然伽马(FG)作为样本指标,记为t={1-DLM,2-FG}。通过测井分层原则进行分层、取值,并对数据按下式进行标准化:     

基于遗传算法优化的支持向量机在岩性识别中的应用

为提高测井岩性识别的精度,本文结合乌夏地区岩芯资料和测井数据,总结该地区砂砾岩测井响应特征,优选出声波、自然伽马、密度、中子孔隙度和电阻率等5条测井曲线参数作为训练和测试样本,通过遗传算法挑选出最佳的支持向量机核函数参数σ和惩罚因子C,建立支持向量机岩性识别模型。结果表明该模型实际数据预测总体符合率为81.6%,在识别准确率上与传统测井识别砂砾岩岩性方法相比都有明显提升。     

多矿物模型分析法在煤层气测井解释中的应用

多矿物模型分析方法是基于测井参数与矿物含量建立的函数关系式,采用最优化数学方法求取地层岩性。统计沁水盆地煤层气勘探26口标准井的7个常规测井参数,通过交会图分析,确定GR(自然伽马)、CNL(补偿中子)、DEN(体积密度)和AC(声波时差)为模型参数值;并根据地质录井资料来确定矿物成分,建立岩性分析模型。利用该模型对该区300余口井的测井资料进行岩性解释,经地质录井资料检验,其对煤层、砂岩、灰岩及泥岩解释的准确率达到90%以上。     

应用Bayes逐步判别分析识别辛176区块Es4储层岩性

辛176区块沙四段储层存在粗砂岩、不等粒砂岩和细砂岩,岩性非均质性较强.“四性”关系研究表明,岩性的准确识别是正确评价储层静态参数,识别油水层特别是低阻油层的前提.这里介绍了Bayes逐步判别方法原理和技术流程,在应用有序聚类分析方法开展测井曲线自动分层的基础上,综合应用自然电位(SP)、自然伽玛(GR)、声波时差(AC)、深探测电阻率(Rt)、浅探测电阻率(Rxo)测井资料和岩心分析资料,建立了粗砂岩、不等粒砂岩、细砂岩和泥岩的判别函数.应用效果表明,Bayes逐步判别法识别岩性符合率达到了86％,能够满足辛176区块沙四段储层岩性识别的需要.     

PNN在煤田随钻测井岩性判识应用研究

介绍了PNN方法原理及其算法训练学习过程,详细阐述了网络识别岩性参数的选取、岩性识别模型的建立过程.通过对比研究PNN与其他6种岩性识别方法,分析相同条件下预测结果,得到不同识别方法的优劣性.经研究发现,PNN概率神经网络方法在生产应用中效果更佳、训练识别用时最短.利用人工智能神经网络对测井数据进行自动解释分析,可满足随钻测井时效性及快速解释处理的地质导向需求.     

RPROP算法在测井岩性识别中的应用

为了更好地解决测井岩性识别问题,引入一种快速实用的BP算法--Resilient Backpropagation (RPROP)算法。在说明RPROP算法的基础上,结合某地的实际测井资料,建立基于RPROP算法的BP网络岩性识别模型,进行岩性识别的应用研究。结果表明,应用RPROP算法进行测井资料岩性识别,识别的准确率较高,与基本BP算法及其一些改进算法相比,训练速度快,具有很好的应用前景。     

基于交会图与模糊聚类算法的复杂岩性识别

针对复杂岩性识别中存在的模糊性,应用交会图和模糊聚类方法对复杂岩性储层的岩性识别问题进行了研究。首先依据岩心取样进行岩性归类,然后通过交会图技术确定了9个对岩性反映较明显的参数,并建立起研究区域的岩性样本集。最后,通过模糊聚类的识别模式,依最大隶属度的原则,建立了岩性判别方法,并应用该方法对海拉尔盆地的岩性进行了识别,取得较好的效果。     

基于地震道多参数反演的岩性转换方法及其应用

利用地震数据来描述地层岩性特性,从而解决地下的岩性划分问题,是地球物理反演技术发展的目标。利用测井曲线进行常规岩性反演得到的波阻抗等数据体,仅能间接地反映目标区域的岩性分布情况。多参数反演技术利用地震数据的解释层位为控制手段,以测井曲线为出发点进行外推内插,并通过主组分分析形成初始地质模型,然后进行模型估算,最终得到波阻抗、伽马、电阻率等多参数数据体。利用阈值自动分层方法,依据物性与岩性的相关性,确定单个或多个参数的阈值对多参数体进行岩性转换。渭北平原某煤田的三维地震多参数数据体岩性转换实例表明,多参数岩性反演和基于阈值的岩性转换方法具有较好的适用性,其反演后的界面形态对应较好,单井岩性与转换后的岩性吻合度较高。     

岩石物理建模技术在致密砂岩储层预测中的应用——以鄂尔多斯盆地北部H区块为例

岩石物理建模是叠前反演前重要的基础工作。以致密砂岩储层为目标,剖析了岩石物理建模涉及的主要过程。将测井评价与岩石物理建模视为迭代过程,测井评价提供岩石物理建模的输入数据,岩石物理建模控制测井评价参数的质量。在测井参数具有较高质量的情况下,优选岩石物理建模方法,优化关键参数,较为准确地预测了横波速度等弹性参数,为叠前弹性参数反演提供了可靠的基础数据。利用岩石物理解释模板对叠前反演纵横波速度体进行了解释,提高了致密砂岩气层的识别精度,在鄂尔多斯盆地取得了较好的应用效果。     

大陆科学钻探测井岩石物理参数的提取

岩石物性及其物理参数的研究与提取,对于测井资料的综合解释具有重要的现实意义。岩石物性及其物理参数提取得准确与否,直接关系到测井资料综合解释的可靠性、准确性和精确性。通过对测井资料的分析、归纳,提取了识别中国大陆科学钻探预先导孔Ⅱ所钻遇18种不同岩性的岩石物理参数,为后续的测井解释研究工作提供了基础。     

青海省柴达木盆地北缘侏罗系含煤地层测井相分析研究

在柴达木盆地北缘含煤区的地质勘查中,依据测井单参数曲线与多参数组合曲线特征,结合传统地质学,建立了与勘探区地质沉积相对应的测井相。其中鱼卡二井选择了详查阶段的7个钻孔测井资料,依据各岩性段的岩石组合、层序、沉积相变化等规律,将其含煤地层大煤沟组分为4个测井相;同样在红柳泉项目,将整个含煤岩段从下到上划分为8个测井相。通过以岩石标志层和煤岩层为骨架进行的全井田测井相分析,为该区建立了一套直观、连续、可比性强的煤岩层对比和聚煤环境分析的有效方法。     

河道砂体内部夹层岩性与遮挡性识别

河道砂体内部夹层作为储层构型界面,厚度较薄,岩性、遮挡性存在差异,对河道砂体内流体渗流及剩余油分布的影响不尽相同。本文以大庆油田萨北二区为例,利用密闭取芯井岩芯和纵向分辨率较高的微电极测井曲线等资料,以岩芯识别夹层岩性为基础,通过对测井曲线幅值、幅差、回返率交汇分析,优选出微电位回返最低值和微梯度回返率作为夹层岩性判别标准,夹层岩性识别符合率达82%;并以夹层含油性为依据,将夹层按遮挡性分为完全阻流型、强限流型、弱限流型等三种类型;分析密闭取芯井河道砂体内部夹层岩性与遮挡性对应关系,建立了非取芯井河道砂体内部夹层遮挡性的岩性解释法,夹层遮挡性识别符合率达72%。以此为深入研究地下河道砂体内部构型对注入剂驱替路径及剩余油分布的影响奠定基础。     

预测松散含水层单井涌水量的水文测井模型及应用效果

本文从孔隙度定义出发,引入孔隙流体压缩性系数,根据地下水渗流场连续性原理,推导了应用水文测井参数:视电阻率、自然电位、自然伽玛计算含水层给水度和单井涌水量的数学模型.探讨了影响模型计算参数的主要因素,即可动水系数随深度变化的指数规律、有效孔隙度、岩性及测井判定岩性的方法与经验公式、井径、水位降深等.并以足够多的实际资料采用最小二乘法原理确定了模型系数值,编辑了模型计算的综合性程序,实现了通过水文测井系统,定量和微机化计算水文地质参数的有效途径,预测模型扩大了水文测井的应用范围.令人满意的实际使用效果肯定了模型与方法的正确性和较强的实用价值.