渤海湾盆地渤中19-6气田潜山储层裂缝表征与产能预测方法

由于渤中19-6气田潜山裂缝性储层的储集空间多样、非均质性很强,且制约产能的主控因素认识不清,从而造成潜山裂缝性储层的产能预测困难.为了解决这一难题,综合岩心、测井、地质等资料分析了潜山裂缝性储层的特征,并基于CT扫描实验定量表征裂缝,研究裂缝微观特征,形成了以裂缝渗透率为核心的一系列裂缝参数的计算方法,建立了潜山裂缝性储层的产能预测模型,大幅提高了潜山裂缝性储层的产能预测精度.研究结果表明,潜山裂缝性储层的裂缝渗透率主要由裂缝的长度、宽度及连通性控制,与孔隙度的大小无明显关系,可以通过斯通利波反演的总渗透率与基质渗透率之差计算得到,其中基质渗透率计算的相对误差为28.50%,总渗透率计算的相对误差为15.56%;综合考虑潜山裂缝性储层的裂缝渗透率、裂缝纵向连通性和有效厚度,建立了渤中19-6气田潜山裂缝性储层的产能预测模型,其中裂缝渗透率计算结果的准确性决定了潜山裂缝性储层产能预测结果的可靠性.     

川东沙罐坪石炭系气藏测井储层评价

石炭系碳酸盐岩气藏是川东地区沙罐坪气田的主力气藏,属于低孔隙度、低渗透率的裂缝～孔隙型气藏。在气藏精细描述研究工作中,由于储层非均质性强,给使用常规方法进行储层评价带来了较大困难。这里使用神经网络建立岩芯刻度的储层物性参数预测模型,预测储层的孔隙度和渗透率参数与岩芯物性分析值基本吻合。根据现场提供的储层分类标准,并结合本地区研究成果,通过建立各类储层电性测井响应交会图版,首次归纳出各类储层的电性响应特征范围,综合运用神经网络参数解释模型、交会图版和电性响应特征标准表,对工区内各井进行处理识别,评价识别结果与产能测试结果有较好的吻合性,为进一步的产能评价、气藏开发方案调整,提供了重要参考。     

基于混合模糊神经网络储层裂缝地震反演研究

基于储层裂缝系统具有非线性特征,储层裂缝地震反演是由遗传算法(GA)、模糊神经网络(ANF IS)和禁忌搜索算法(TS)有机地结合而构成的自适应混合模糊神经网络技术。该技术在成像测井约束下,形成的自适应混合算法分别训练ANF IS网络的前提参数和结论参数,从而获得满足精度要求的储层裂缝密度的最佳估计值。针对目标储层段,应用储层裂缝地震反演方法对过井地震剖面和联井地震剖面进行了储层裂缝密度反演处理,获得了可用于地质解释和油气预测的视裂缝密度剖面。这种裂缝密度剖面含有裂缝定量信息,其裂缝密度相对误差为:0.8%~24%,满足勘探开发的要求。经与研究区的地质对比分析表明,视裂缝密度剖面上的裂缝展布特征符合研究区的沉积相分布和岩石力学性质的变化特征,对研究区的勘探开发具有重要意义。     

一种基于常规测井资料计算碳酸盐岩储层裂缝孔隙度新方法

裂缝作为地下油气储集空间和油气运移的通道,是裂缝型储层研究的重要内容,裂缝孔隙度是裂缝型储层测井评价中的重要参数之一.虽然裂缝定性识别和描述的方法很多,但是用常规测井资料进行裂缝孔隙度的定量计算一直是储集层裂缝解释中的难题.以阿姆河盆地某气田上侏罗统卡洛夫-牛津阶组台缘上斜坡相对高能滩相和丘滩复合体的裂缝-孔隙型储层为例,提出一种成像测井解释的裂缝孔隙度数据约束条件下,基于神经网络算法的常规测井资料计算裂缝孔隙度新方法 .针对研究区少量有成像测井资料的井,首先利用深浅双侧向电阻率资料,结合密度曲线数据和声波曲线数据,运用多种经典模型方法计算裂缝孔隙度;然后计算加权因子,将各种模型计算的裂缝孔隙度进行加权计算,利用成像测井资料计算出的精度较高的裂缝孔隙度作为约束,并对计算结果进行标定,完成有成像资料井的常规测井资料的最终裂缝孔隙度计算;最后,运用概率神经网络算法建立起计算的有成像测井资料的裂缝孔隙度与常规测井曲线之间的映射关系,外推计算无成像测井资料所有井的裂缝孔隙度,并利用交叉验证准则确定其最终预测误差.结果表明该方法计算的裂缝孔隙度与成像测井解释的裂缝孔隙度吻合好,对无成像测井资料的...     

煤储层渗透率动态预测模型适用性评价

基于比较理论推导建立的4个煤层渗透率计算模型,对我国煤层气盆地已有物性参数进行计算,以预测其煤储层渗透率。将模型预测结果与现场试井渗透率数据进行对比分析,得出了4个模型的预测精度,在此基础上研究了煤储层渗透率动态预测模型对我国煤层气部分区块的适用性。计算结果表明:在煤层气开发后期,汪-张模型的适用性较好,预测结果与现场数据基本一致,对煤层气开采有一定指导意义。     

莱州湾凹陷垦利油田沙河街组储层渗透率评价模型研究

文章以莱州湾凹陷垦利油田沙河街组储层为例,对传统的回归统计模型和基于BP神经网络的人工智能预测模型评价储层渗透率方法和效果进行了对比研究。目标储量报告里定火沙三段中孔、中渗;岩性（粒度）和孔隙度是储层渗透率的主要影响因素。根据岩心及测井数据,建立了孔隙度——粒度二元回归渗透率统计评价模型和BP神经网络渗透率预测模型。通过检验样本集精度对比,分析了隐含层数、隐含层节点数等网络结构参数变化对模型预测结果的影响,重点分析了不同的测井参数输入对BP神经网络模型预测结果的影响。优化后的BP神经网络模型对检验样本集的渗透率预测结果精度最高,其平均相对误差为37%,比传统的二元回归统计模型精度提高了26%。对目标油田三口井连续处理,BP神经网络模型渗透率预测结果更加合理,可以满足开发层段产能分析等生产需求。     

利用开发初期的煤层气井生产数据反求储层渗透率

在煤层气开发过程中确定储层渗透率是一个至关重要的因素,是有效评价煤层气井产能,合理安排生产制度,制定和优化开发方案的关键。而目前储层渗透率多是利用经验公式计算获得,或是停止生产重新测试,存在忽视生产过程中渗透率动态变化、影响生产等问题。本文应用渗流力学理论,结合煤层气实际生产特征,提出由生产数据反求煤层等效渗透率和裂缝渗透率的方法,通过编程计算等效渗透率评价煤层气压裂直井产能,裂缝渗透率评价煤层气井的压裂效果,并以延长煤层气实际生产数据进行计算求证,结果表明反求得到的渗透率能很好的匹配实际情况。     

砂泥岩间互地层等效岩石力学参数计算模型及其应用

以地层岩石的变形分析为基础,从能量的角度出发,利用应变能理论及能量守恒定律推导出了等效岩石力学参数的一般计算公式,并建立了测井资料计算模型;利用该模型计算了库车坳陷克拉A气田目的层系巴什基奇克组的等效岩石力学参数,并以计算结果为基础进行了应力场及储层裂缝的数值模拟;最后讨论了等效岩石力学参数测井资料计算模型的优点及适用条件。模拟结果显示,储层裂缝集中发育在背斜高点及单斜构造部位,与气田目前的开发实践基本一致,表明了所建模型的合理性;等效岩石力学参数适用于区域性的横向应力场及储层裂缝预测,不适于预测局部或垂向上的储层裂缝分布规律。     

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。     

沁水盆地南部TS地区煤层气储层测井评价方法

煤层气是一种自生自储于煤岩地层的非常规天然气资源,其储层测井评价内容及方法不同于常规天然气,在煤层气勘探开发过程中更关注于有关煤岩工业分析组分、基质孔隙度、裂缝渗透率及煤层含气量等一系列关键的储层参数。针对沁水盆地南部TS地区煤层气勘探目标层,分析了各种测井响应特征,采用回归分析法计算煤岩工业分析组分;针对煤层气含量影响因素众多且较为复杂的特点,结合相关地区煤岩样品实验分析结果,利用基于等温吸附实验的兰氏煤阶方程估算煤层含气量参数;通过煤岩孔隙结构的分析,采用变骨架密度的密度孔隙度计算公式求取煤岩总孔隙度,利用迭代逼近算法计算裂缝孔隙度;根据煤岩裂缝中面割理发育而端割理不甚发育的特点,以简化的单组系板状裂缝模型计算煤岩裂缝渗透率。通过对TS-A井进行实际计算,结果表明,煤岩工业分析组分和煤层含气量计算结果精度高,总孔隙度一般在5.5%左右,而裂缝孔隙度则大多小于0.5%,裂缝渗透率主要分布在0.001×10-3～10×10-3μm2之间,孔渗参数计算结果与相邻井区现有资料相符。采用测井方法可以快速、系统地对煤层气储层多种参数进行准确评价。