含油饱和度恢复法定量评价砾岩油藏水淹层

由于储层非均质性严重,砾岩油藏具有岩性物性背景复杂以及油层电阻率变化幅度大等特点,其水淹层的定量评价已经成为油田二次调整开发的重点和难点.基于测井、取芯、测试等分析资料,应用油气运聚成藏理论,在储层品质因子研究的基础上,建立了砾岩油藏原始含油饱和度的计算模型.定义原始含油饱和度和目前含油饱和度的差值与原始含油饱和度的比值为储层的采出指数,表征注水开发以后到目前油藏状态下储层动态水淹的特征参数,与传统的产水率和含油饱和度两个水淹特征参数相比,其优势在于考虑了油层动态水淹的过程,消除了砾岩油藏本身因为电阻率变化幅度大且单一利用目前含油饱和度定量评价水淹层的缺点.将该法应用于克拉玛依油田砾岩油藏水淹层的评价中,对比研究了含油饱和度、产水率和采出指数3个参数对砾岩油藏的水淹敏感性.结果表明:采出指数敏感性最高,识别准确率达到89.58%,提高了砾岩油藏水淹层的识别精度,为克拉玛依油田井网调整和开发方案的设计提供了技术支持.     

复杂储层测井评价数据挖掘方法研究

数据挖掘是应对石油勘探开发未来挑战的10项关键技术之一。提出了一种将预测性数据挖掘技术应用于复杂储层测井评价的方法。将遗传算法应用于特征子集选择和建模参数优化,利用重复交叉验证得到泛化误差的无偏估计,并从选定的多学习算法建模结果中优选出最终预测模型。以克拉玛依油田六中区克下组油藏水淹级别划分为例,在该方法框架内对比研究了8种特征子集方案和决策树、神经网络、支持向量机、贝叶斯网络、组合学习等5种分类方法12种预测模型。结果表明支持向量机预测准确率最高,达91.47%,选择其作为最终预测模型,而决策树模型容易理解,作为辅助参考模型。利用该数据挖掘方法解决油、气、水层识别和岩性划分等问题时,能够获得高性能的分类模型,从而将有效地提高解释精度和符合率。     

基于特征选择、遗传算法和支持向量机的水淹层识别方法

支持向量机是识别水淹层的有效方法,但其预测性能受多种因素的影响。研究提出一种水淹层识别新方法,采用Relief-F算法进行自动化特征选择,通过遗传算法优化模型参数以及使用加权支持向量机改善样本类数据分布不平衡对分类准确率的影响。将该方法应用于克拉玛依油田六中区克下组砾岩油藏水淹级别划分中,结果表明效果良好,增强了支持向量机的预测能力,进一步提高了水淹层解释的精度。     

数据挖掘方法在石油勘探开发中的应用研究

 随着石油勘探开发的不断深入,要想从海量的地震数据中创造新的效益,有必要将数据挖掘方法应用于石油勘探和开发中,以获取高性能的地质、油藏、储层及流体性质评价的预测模型。该方法由特征选择、模型参数优化、性能评估等三大循环组成,核心技术是将遗传算法用于特征选择和参数优化,通过重复交叉验证得到泛化准确率的无偏估计以及从多种学习方法中优选出最终模型。本文以克拉玛依油田砾岩油藏水淹层评价为例,研究了6种特征子集方案和决策树、神经网络、支持向量机、贝叶斯网络及组合学习等5种方法,综合考虑预测模型的准确率和生成规则的可操作性,并选择决策树模型作为砾岩油藏水淹级别评价的最终预测模型。与传统的地球物理勘探方法相比较,采用该数据挖掘方法的优势在于：可以充分利用多专业数据;获得丰富的预测模型;探查和发现规律;提高预测准确度,因而能更好地为油气勘探开发服务。     

基于突现自组织映射的数据挖掘：测井岩性识别新方法

提出一种基于突现自组织映射的测井岩性识别数据挖掘方法。采用大规模神经元和无边界环面映射,用U矩阵进行可视化,最后通过人工交互进行聚类和分类。将该方法用于准噶尔盆地陆东一五彩湾地区的火山岩岩性识别,效果良好,准确率达90％以上。该方法能有效发现高维数据中隐藏的模式,尤其适合复杂岩性的测井识别。     

创建企业办公自动化系统,提高企业的办公效率

在当今的企业环境中,传统的企业管理信息系统是为其他目的,即为使职能机构有效地实施其职责而设计的,它不能产生使项目管理人员和其他项目参加人员需要的具体信息,也没有综合和协调不同职能的功能。因此,适合于项目管理需要的、以计算机为基础的独特的项目信息和控制系统的开发是非常必要的。企业有必要建立自己的管理、决策支持信息等的一套办公自动化系统。     

网格计算技术在数字油藏模拟领域的应用

本文测试了基于网格计算技术的PC集群系统在大规模油藏模拟中的使用,测试结果显示大规模油藏模拟在最新的PC集群系统上高效运行是可行的。     

全准噶尔盆地解释项目数据库地震数据加载方法

准噶尔盆地地震数据复杂,基准面不统一,数据质量参差不齐。通过对原始地震数据进行振幅归一化,将基准面统一到固定水平面,形成了一套数据质量良好、基准面统一的地震数据库,可满足目前科研生产的需求。