基于BP神经网络的储层微孔隙结构类型预测

剩余油层分布是油田进入高含水期后研究的主要课题之一,在影响剩余油层分布的各种因素中储层的微孔隙结构是根本原因。本文提出了基于BP神经网络的储层微孔隙结构类型预测方法。该方法利用人工神经网络技术所具有的非线性、容错性和较强的模式识别能力实现了综合推理,进行孔隙结构类型预测。采用该方法,对大庆油田采用五厂储层样本进行了处理,在10%的可接受误差时,符合率达80%以上,结果表明该方法用于预测储层微孔隙结构类型是可行和有效的。     

基于MATLAB的BP神经网络在储层物性预测中的应用

在阐述BP神经网络模型结构的基础上.根据取心井段储层物性与测井信息的关系,选取相应的测井曲线,运用MATLAB神经网络工具箱中特定的函数对建立的神经网络模型进行训练,使得储层物性(孔隙度、渗透率)和测井响应之间具有较强的非线性映射关系,在一定的条件下运用该模型可对研究区未知样本的物性参数进行预测.实例研究表明,预测准确性较高,显示出BP神经网络对储层预测的潜在优势和实用价值.     

伊拉克北Rumaila油田白垩系Mishrif组碳酸盐岩储层特征与测井分类识别

中东地区伊拉克北Rumaila油田白垩系Mishrif组以发育孔隙型碳酸盐岩储层为特征,储集空间类型以粒间(溶)孔、铸模孔和晶间孔为主,局部发育少量裂缝.以微相和成岩作用综合控制下的储层物性为基础,将北Rumai-la油田Mishrif组储层分为4个大类、8个亚类.在分析与各类储层相关的微相类型、成岩作用强度、岩石类型和储集空间类型等地质特征及其测井响应特征关系的基础上,建立了研究区储层类型-测井相转化模型,提取对储层特征具有良好区分的中子测井均值(MNPHI)、声波测井均值(M0)和密度测井均值(MRHOB)作为关键识别参数,并基于改进的BP神经网络算法,建立了北Rumaila油田Mishrif组储层测井判别模型.该模型自身回判率达到93.02％,实现研究区非建模储层类型预测率达到85.71％,为研究区储层类型快速、精确识别以及储层分布特征的评价奠定了基础.     

用测井资料计算碳酸盐岩渗透率

碳酸盐岩渗透率大小取决于孔隙大小、喉道宽度和裂缝宽度等因素。根据孔隙和裂缝的发育情况及其在储集和渗滤中所起的作用 ,将碳酸盐岩储层划分为孔隙型、裂缝 -孔隙型和裂缝型 3种储集类型。从岩心分析、成像测井资料中划分出含 3种储集类型的储层段。从常规测井资料中提取出指示孔隙和裂缝的参数形成识别样本 ,对样本做非线性映射处理 ,得到不同类型储层在 X- Y空间上的分布。用 BP网络建立识别储集类型模型 ,识别结果与成像测井识别结果和岩心分析结果吻合。用灰色静态模型计算裂缝密度 ,对孔隙度做泥质、有机质校正 ,计算喉道大小及弯曲程度 ,合成孔隙结构参数。用非参数回归方法按储层类型建立计算渗透率的数学模型。经实际资料处理 ,计算渗透率的精度有了明显提高。     

非均质灰岩储层可变模型测井评价

灰岩储层一般呈现较强的非均质性,主要表现在毫无规律的孔渗关系、模糊的物性与含油性关系。碎屑岩储层中常用的单一模型处理方法只适合具有统一孔喉结构类型的灰岩储层,无法保证整个非均质灰岩层段处理结果准确。为揭示灰岩孔隙结构与灰岩测井处理模型的对应关系,采用5M孔隙结构分类技术(以Micro-,Micro+,Meso-,Meso+,Macro为代号的5种孔喉结构类型),结合灰岩储层类型测井自动识别,实现了非均质灰岩储层类型与测井处理模型自动匹配的多模型测井处理技术。这种多模型的测井处理技术,相比常规方法更适合非均质灰岩储层测井解释。该方法已经在南海东部很多非均质灰岩油藏中得到应用,取得了较好的效果。     

低渗透储层孔隙结构常规测井识别方法

利用毛细管压力曲线对鄂尔多斯盆地姬塬地区长8低渗透储层孔隙结构定量分类,研究各类孔隙结构与测井响应特征的关系,引入自然伽马曲线的变异系数,建立测井曲线表征孔隙结构的方法,并制作了孔隙结构测井识别图版。该区长8储层孔隙结构分为3类,第1类毛细管压力曲线有2段平缓段,物性好,孔隙结构非均质性中等,自然伽马曲线变异系数平均值为3.4;第2类毛细管压力曲线存在一段较长平缓段,物性中等,孔隙结构非均质性弱,自然伽马曲线变异系数平均值为1.85;第3类毛细管压力曲线基本无平缓段或者平缓段较短,物性差,孔隙结构非均质性强,自然伽马曲线变异系数平均值为6.14。由此建立了低渗透储层孔隙结构常规测井识别的方法,与非常规测井表征孔隙结构的方法相比,该方法成本低,易广泛应用。基于孔隙结构连续表征,能够进行储层分类评价。     

碳酸盐岩岩溶储层次生孔隙发育带预测

碳酸盐岩岩溶储层非均质性和各向异性强,采用井震联合方法对储层次生孔隙度进行了预测。首先利用成像测井数据评价碳酸盐岩储层次生孔隙参数,然后运用模糊神经网络技术建立次生孔隙参数与井旁道地震属性之间的关系模型,进而预测全工区储层次生孔隙度分布。采用井震联合方法预测的次生孔隙发育带与钻遇优质储层的井点吻合,预测结果在研究区块有一定的可用性。     

碳酸盐岩复杂孔隙结构的测井识别和分类评价——以中东某油田H地层为例

中东某油田H地层是一套发育在台地边缘的生物碎屑灰岩,孔隙结构复杂。综合应用铸体薄片、扫描电镜、毛细管压力等分析化验资料,对生物碎屑灰岩的微观孔隙结构特征进行了岩石物理分类,并对不同类型孔隙结构的电成像测井资料(FMI)和核磁共振(CMR)测井资料进行了特征研究,识别出不同类型孔隙结构在测井上的响应特征,建立了H地层孔隙结构和储层类型的测井识别评价图版,并对不同沉积相的储层类型进行了预测和评价。研究结果表明:微裂缝和大孔洞发育会使储层品质变好,而胶结作用使储层品质变差;潟湖相和滩后相的生物碎屑粒泥灰岩晶体大小均匀,分选好,粒间孔隙发育,容易形成好储层;而滩相的生物碎屑似球粒灰岩颗粒较大,分选较差,粒内孔隙发育,连通性差,不易形成好储层;潟湖相和滩后相的生物碎屑粒泥灰岩是下一步储层横向预测的有利区。     

基于长短期记忆循环神经网络的伊拉克H油田碳酸盐岩储层渗透率测井评价

伊拉克H油田碳酸盐岩储层孔隙结构复杂,孔隙类型多样,给渗透率测井评价工作带来了极大困难。针对这一问题,建立了基于测井序列信息的长短期记忆（LSTM）循环神经网络渗透率预测模型。从测井响应差异以及测井序列信息出发,优选敏感测井曲线,搭建LSTM循环神经网络,训练网络并优化网络参数,建立了基于LSTM循环神经网络的伊拉克H油田碳酸盐岩储层渗透率预测模型。应用该模型对伊拉克H油田进行渗透率测井评价,并将预测结果与灰色系统预测模型GM (0,N)进行对比。结果表明：相对于灰色系统预测模型的结果,基于LSTM循环神经网络的渗透率预测模型的均方根误差降低了29.47%,皮尔逊（Pearson）相关系数提高了6.59%,取得了较好的应用效果。该模型能够充分挖掘测井曲线与渗透率之间关系的信息,提升了储层渗透率评价精度。     

千米桥潜山碳酸盐岩凝析气藏储层评价方法

千米桥潜山凝析气藏的发现是20世纪末在渤海湾盆地的重大发现。千米桥潜山凝析气藏储层岩性为碳酸盐岩。由于储集空间类型既有基质孔隙型又有裂缝和溶蚀孔隙型,储层的定量评价难度很大。随着成像测井技术(尤其是微电阻率成像测井FMI技术)的研制成功,已经可以对近井壁地质现象进行直观、定量的评价;但受探测深度的限制,该技术不能对距离井壁较远储层的储集类型和储集性能的变化做出有效预测。以对千米桥潜山储层的成功评价为实例,介绍了在系统取心刻度测井的基础上采用将3700常规测井资料与成像测井资料相结合的对岩性进行识别的方法,和将有效孔隙分为(与宏观岩心观察和微观分析化验资料相吻合的)基质孔隙、裂缝孔隙和溶洞孔隙的对储集类型和储集性能进行定量评价的方法。同时还介绍了应用CMR核磁共振测井技术定性判别流体性质的方法。