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.     

克拉玛依油田七东_1区砾岩油藏泥质含量测井解释方法

以克拉玛依油田七东1区克下组砾岩油藏为研究对象,结合密闭取心数据和测井曲线资料,分析了不同测井曲线对泥质的响应特征,明确了泥质含量计算的曲线组合,优选密度和中子2条曲线作为泥质含量计算的敏感参数,研究发现砾岩油藏泥质含量与2条曲线的径向幅度差相关性比较好,相对于声波和电法测井,其受岩性及非均质性的影响相对较小,对泥质含量的指示作用更强。为消除2条曲线的物理意义,对其进行归一化处理,重构泥质含量拟合参数(Nsh),即归一化后的幅度差,分3个区域分别建立泥质含量的计算模型。该方法在实际测井解释中精度达到90%以上,取得了较好的应用效果。考虑到泥质对储层孔隙结构及渗透性的影响,建立了泥质含量约束下的渗透率模型,相对于只考虑有效孔隙度影响的单因素线性回归模型,其计算精度大幅提高,为聚驱方案的顺利实施提供了技术支撑。     

元素俘获谱测井在火山岩储层孔隙度计算中的应用

火山岩地层孔隙度的准确计算是储层综合评价与预测、储量计算、产能评估和开发方案编制的基础,但是由于火山岩岩石类型多,矿物组分复杂多变以及裂缝、气孔等微孔隙的发育。基于常规三孔隙度曲线的计算方法在求取火山岩储层孔隙度的时候受到很大的限制,成为火山岩储层评价技术走向成熟的最大瓶颈。元素俘获谱测井(ECS)利用快中子与地层中的原子核发生非弹性散射碰撞及热中子被俘获的原理,通过解谱和氧化物闭合模型得到地层中主要造岩元素的相对百分含量,并应用聚类分析、因子分析等方法定量求解地层的各种氧化物含量,而氧化物含量与火山岩岩石骨架密度紧密相关,据此建立能表征动态变化的火山岩骨架密度参数的计算模型,并结合密度测井计算火山岩孔隙度。方法在国内××油田火山岩储层的孔隙度计算中取得了很好的应用效果,为火山岩储层的精细评价提供了技术支撑。     

基于决策树方法的砾岩油藏岩性识别

砾岩油藏由于近物源、多水系和快速多变的沉积环境导致储层岩性复杂以及测井响应无规律性变化等特点,岩性的准确识别成为该类油藏调整开发的重点和难点。以克拉玛依油田六中区克下组砾岩油藏为研究对象,利用决策树的分析方法,结合密闭取心资料对砾岩油藏8种岩性的测井曲线敏感性进行研究,优选出原状地层电阻率、声波时差和自然伽马3个测井响应值作为砾岩油藏岩性识别的特征参数,建立决策树岩性识别模型,模型的综合判断准确率达到96.97%,在油田的二次调整开发和水淹层的评价中取得了很好的应用效果。在决策树方法分析结果的基础上,利用地球物理方法制作了砾岩油藏岩性识别图版,数据挖掘方法与地球物理方法的有效结合对解决油田勘探和开发中的复杂问题提供了一种新思路和新方法。     

基于决策树方法的砾岩油藏岩性识别——以克拉玛依油田六中区克下组油藏为例

砾岩油藏由于近物源、多水系和快速多变的沉积环境导致储层岩性复杂以及测井响应无规律性变化等特点,岩性的准确识别成为该类油藏调整开发的重点和难点。以克拉玛依油田六中区克下组砾岩油藏为研究对象,利用决策树的分析方法,结合密闭取心资料对砾岩油藏8种岩性的测井曲线敏感性进行研究,优选出原状地层电阻率、声波时差和自然伽马3个测井响应值作为砾岩油藏岩性识别的特征参数,建立决策树岩性识别模型,模型的综合判断准确率达到96.97%,在油田的二次调整开发和水淹层的评价中取得了很好的应用效果。并且在决策树方法分析结果的基础上,利用地球物理方法制作了砾岩油藏岩性识别图版,数据挖掘方法与地球物理方法的有效结合为解决油田勘探和开发中的复杂问题提供了一种新思路和新方法。     

基于领域驱动数据挖掘技术定量描述油层水淹级别

为了准确识别水淹层、确定储集层的水淹程度,引入数据挖掘技术,结合水淹层评价领域的相关知识,从"领域驱动"的角度建立高效预测储集层水淹程度的模型.结合研究区块沉积相带特征,综合运用聚类分析、关联规则和决策树等方法,对水淹层的测井数据及储集层衍生参数进行分沉积微相、分参数组合挖掘,分别获得预测整个研究区块和各小层水淹层的模型;并给出挖掘参数对油层水淹情况敏感程度的大小关系,证实不同沉积微相对水淹情况敏感的参数不同.将所得预测模型程序化之后,对研究区180口老井水淹层进行复查,对10口新井水淹层进行预测,其结果与试油结论对比,准确率为91.03%,证明了方法的可靠性.     

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。     

基于标准测井的克拉玛依油田一区克下组储层精细解释研究

标准测井系列能够反映油藏的岩性信息和储层特征,也是研究剩余油分布规律的重要资料。针对克拉玛依油田一区三叠统克拉玛依组下亚组(简称"克下组",T2k1)的标准测井曲线,依据密闭取心井的岩性资料提取出砾岩油藏的岩性敏感参数,确定了基于0.25m电位电阻率(ρU(0.25m))和标准自然电位(Usp)的岩性识别图版,在此基础上利用岩心分析数据和测井曲线的对应关系分岩性建立了储层物性和含油性的解释模型,并且结合试油和产液剖面资料确定了T2k1不同岩性有效储层和油层的识别标准。建立的模型和标准应用于实际油藏的单井精细解释中,岩性的识别准确率达到85%以上,孔隙度的解释误差小于5%,渗透率的解释误差小于30%,含水饱和度的解释误差小于10%,油层的划分结果与试油结论基本相符,达到了实际测井解释的要求,为油藏的数值模拟和剩余油的评价提供了技术支撑。     

基于数据挖掘技术的测井评价方法

复杂的储层条件给综合阶段的测井评价提出了更高的要求,将数据挖掘技术引入测井评价领域,形成了基于数据挖掘技术的测井评价思路,分为数据预处理、选择特征参数、构建预测模型、模型评估和模型修正等5个部分.其中预测模型的构建和修正为关键环节,主要采用的数据挖掘方法分别为聚类分析、关联分析及决策树、贝叶斯网络、支持向量机和人工神经网络等分类归纳算法.以天然气的识别为例,阐述了基于数据挖掘技术评价地层的含气性的过程.由于数据挖掘技术增加了分析和解决问题的客观性,最大程度地获取海量数据内部蕴含的丰富信息,因此,所构建的预测模型能更真实地反映储层特征,获得了较好的识别效果.