四维地震驱动的深海浊积岩油藏地质模型更新方法及应用:以安哥拉PU油田为例

传统的油藏模型更新过程中, 油藏模型的最终优选主要以单井历史拟合结果为准, 井间剩余油分布预测是否合理往往无据可循, 存在较大不确定性。四维地震是现代油藏监测的重要手段之一, 对于指导井间剩余油分布预测具有较强优势。为进一步提升油藏地质模型更新的准确度, 提出在常规地质模型更新过程中融入四维地震监测信息的研究思路, 以四维地震反映的流体变化信息作为井间"硬数据", 形成一套四维地震-地质建模-油藏数模闭环式油藏模型迭代更新方法。研究结果表明: 四维地震信息可作为动态信息贯穿到从地质建模-油藏数模的大循环中, 建模数模一体化技术更加完善; 四维地震可作为井间模型参数调整的重要参考依据, 实现剩余油监测的定量化, 提升油藏模型预测的准确度。该方法对于深海浊积岩油藏应用效果较好, 对于建模数模一体化技术的发展具有实践意义。      

定量地质建模技术应用现状与发展趋势

地质建模是定量描述储层特征的核心技术之一,伴随着石油工业的发展,油田勘探开发面临越来越深入的实际问题,相应地,定量地质建模技术也呈现出突飞猛进的发展态势。地质建模技术按是否考虑成因过程可大体分为基于沉积过程的方法和基于地质统计学的方法两大类,在对各类方法的主要特点、发展历程、应用现状进行归纳总结的基础上,提出这些方法在应用过程中存在的主要问题。基于地质统计学的建模方法是当前应用的主流,其包括确定性建模方法和随机建模方法,阐述了2种方法的应用特点,并分析了确定性建模和随机建模之间的辩证关系。考虑当前及未来的发展需求,从方法创新、技术融合、流程优化及模型质量控制方面提出了定量地质建模技术发展的10个重点攻关方向,以期对定量地质建模有所启示。     

基于机器学习和测井数据的碳酸盐岩孔隙度与渗透率预测

准确预测碳酸盐岩储层孔隙度和渗透率对于碳酸盐岩油气藏储层评价具有重要意义。碳酸盐岩储层裂缝与溶孔广泛发育,基于经验公式从测井曲线预测储层孔隙度和渗透率具有较大误差。以中东某碳酸盐岩油藏为研究对象,选取914块取心井岩心,测定孔隙度与渗透率,利用随机森林（RF）、K-近邻（KNN）、支持向量机（SVM）和长短期记忆网络（LSTM）4种不同机器学习方法,通过测井数据进行孔隙度与渗透率预测,优化机器学习参数,筛选出适用于碳酸盐岩油藏的测井孔隙度与渗透率预测方法。研究结果表明：4种机器学习方法预测储层孔隙度结果差异不大,通过调整输入参数种类,可进一步提高孔隙度与渗透率预测效果,当以补偿中子（NPHI）、岩性密度（RHOB）和声波时差（DT）3种测井参数数据作为输入时,基于LSTM的储层孔隙度预测精度最高,孔隙度预测结果均方根误差（RMSE）为4.536 2;由于碳酸盐岩储层的强非均质性,基于机器学习的测井储层渗透率预测效果较差,相对而言,仅以NPHI作为机器学习输入参数时,基于RF的储层渗透率预测精度最高,渗透率预测结果的RMSE为45.882 3。     

异常高压碳酸岩油藏水力破裂缝成因

从水力破裂缝形成机理和条件入手,分析水力破裂缝形成的潜在原因。以某异常高压油田为例,通过对构造演化史进行研究,确定了该油田具有水力破裂缝形成的条件。对岩心照片观察结果表明,该油田存在水力破裂缝,其形成方式主要分为: 重新开启缝、后期延伸缝及新形成缝; 这三类裂缝主要分布在渗透率较低的隔夹层,形成的水力破裂缝可大大改善储层渗流能力,形成高产储层。     

深度学习油气藏地质建模研究进展

随着大数据和以深度学习为基础的人工智能技术的快速发展,油气藏地质建模逐步从传统的两点地质统计建模、基于目标建模、多点地质统计建模和基于沉积过程建模进入智能地质建模阶段。以深度学习为基础的智能地质建模主要采用对抗生成网络建立三维地质模型,目前这些研究集中在网络结构和算法的完善,特别是对地震和测井等各类数据的条件化,少量研究侧重于样本数据的获取。目前研究中采用的训练样本大多是基于目标或基于沉积过程方法模拟得到的合成数据,为了真正将该技术应用实际地下油气藏,需要更加关注真实样本数据的获取。仅靠深度神经网络这种统计学习方法实现技术突破的难度较大,研发通用的人工智能地质建模器是未来的主要发展方向,其中统计学习与符号学习相结合可能是实现该技术的必经道路。      

基于深度学习的地层沉积正演模拟代理模型构建与应用

地层沉积正演模拟方法能更真实地刻画地下地质体的分布规律,比传统的基于地质统计学的建模更有优势,但是条件化难度大,使其应用在实际油藏地质建模时面临较大挑战。地层沉积反演模拟提高了该方法的实用性,基于模拟结果与观测数据定量比较,地层沉积反演模拟在全局优化算法的驱动下不断修正地层沉积正演模拟输入参数,使模拟结果与观测数据吻合度达到最佳。由于反演系统优化参数多,非线性极强,收敛难度大,需要的迭代次数多,单次正演模拟耗时长,导致该方法效率较低。地层沉积反演模拟和深度学习算法中的生成对抗网络相结合,提出了构建地层沉积正演模拟代理模型的方法。以大量的碳酸盐岩地层沉积模拟的合成模型作为样本,通过神经网络训练,形成地层正演模拟器的代理模型,然后将其代入地层沉积反演模拟系统,避免了直接地层正演模拟的长耗时,加快了反演模拟的收敛速度。通过巴哈马西缘碳酸盐岩地层沉积模拟验证了该方法的可行性,采用学习后的生成网络进行沉积反演模拟,反演效率得到了大幅提升。尽管本文展示的是二维实例,也有望扩展应用在三维模型上。     

定量地质建模技术应用现状与发展趋势

地质建模是定量描述储层特征的核心技术之一,伴随着石油工业的发展,油田勘探开发面临越来越深入的实际问题,相应地,定量地质建模技术也呈现出突飞猛进的发展态势.地质建模技术按是否考虑成因过程可大体分为基于沉积过程的方法和基于地质统计学的方法两大类,在对各类方法的主要特点、发展历程、应用现状进行归纳总结的基础上,提出这些方法在应用过程中存在的主要问题.基于地质统计学的建模方法是当前应用的主流,其包括确定性建模方法和随机建模方法,阐述了２种方法的应用特点,并分析了确定性建模和随机建模之间的辩证关系.考虑当前及未来的发展需求,从方法创新、技术融合、流程优化及模型质量控制方面提出了定量地质建模技术发展的１０个重点攻关方向,以期对定量地质建模有所启示.      

基于数字岩心技术的岩石孔渗特征研究: 以海外J油田孔隙型碳酸盐岩油藏为例

走向海外是解决我国能源安全问题的必由之路。但海外油气藏评价往往缺乏第一手岩心资料, 使得储层孔隙结构和渗流规律认识不清, 影响评价效果。以海外J油田孔隙型碳酸盐岩油藏为例, 应用数字岩心技术开展油气藏孔渗特征研究。①以不同流动单元的铸体薄片图像作为输入数据, 经过中值滤波和阈值分割预处理后, 基于马尔科夫链蒙特卡洛数值重构算法构建数字岩心; ②分析孔喉分布、孔喉连通性、孔隙度特征; ③基于格子玻尔兹曼模拟方法开展单相和油水两相流动模拟, 计算数字岩心的绝对渗透率和相对渗透率曲线。结果表明, 构建的三维数字岩心能够刻画不同流动单元孔隙型碳酸盐岩的孔喉半径分布及孔喉连通程度的差异化特征。数字岩心孔隙度与铸体薄片孔隙度吻合度高, 数字岩心渗透率与真实岩心渗透率存在较好的正相关关系, 且符合真实岩心所属的流动单元。油水两相稳态流动模拟计算的相对渗透率曲线体现了不同流动单元的两相渗流能力差异, 可作为数值模拟输入条件, 以及估算油藏采收率。数字岩心分析与物理实验结果吻合良好, 证明了该方法的可靠性。为岩心资料稀缺条件下油气藏表征和渗流特征分析提供新的思路, 对油气藏精细描述具有重要的参考价值。