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。     

克拉玛依油田三区砾岩油藏水淹模式研究

水淹模式的系统总结是油藏水淹层快速识别和水淹级别准确判断的基础和关键.以克拉玛依油田三区克下组砾岩油藏为研究对象,分析水淹储层地球物理响应变化特征,依据区域测井资料研究水淹层岩石物理响应机理和测井响应特征,归纳出克下组砾岩油藏的5种水淹模式.利用电阻率径向幅度差确定水淹级别的模式有2种,结合2种水淹模式和试油结论制作砾岩油藏水淹级别定性评价的电性图版.砾岩油藏岩性复杂多变和非均质性严重,储层绝对电阻率对水淹级别不是很敏感,深中电阻率的差值可以有效判断水淹级别.基于储层沉积韵律和电性曲线判断水淹部位和水淹强度的模式有2种.沉积环境的变化导致储层纵向上物性和渗流性存在差异,注入水对储层流体的驱替就     

克拉玛依油田砾岩油藏注水采收率统计研究

根据克拉玛依油田３３个砾岩油藏的开发数据，采用多元逐步回归统计法，提出了一个适于预测砾岩油藏注水采收率的相关经验公式。该公式与目前国内外常用的一些经验公式相比，预测精度要高得多。     

梨树断陷砂砾岩测井岩性识别

以梨树断陷砂砾岩储层为研究对象,结合岩心、EMI成像图及常规测井曲线,建立砂砾岩岩性与测井响应的关系.利用主成分分析得出主因子F;利用常规测井曲线中自然伽马、声波时差及岩性参数N构造出岩性识别指数L,结合主因子F和岩性识别指数L建立砾质、砂质、泥质储层的测井响应一岩石类别模式.与自组织神经网络、模糊聚类及主成分分析方法进行对比,该方法具有较高的识别符合率,能够满足实际生产需求.     

岩性油藏配套解释技术

大多数岩性油藏均具有复杂、隐蔽的特点。岩性油藏的解释不能仅靠任何一种单项技术，而必须利用配套解释技术。本文认为配套解释技术应当包括：①利用高分辨率地震地层学技术研究沉积体系、建立地层格架，确定有利目标区；②利用多元地震标定技术确定有利目标层系；③利用地震相干体技术及断层封堵技术确定目标层位；④利用测井约束反演技术确定有利钻探目标点。牛庄洼陷王541井区的实际应用表明，应用这套解释技术是行之有效的。     

基于模式识别的稠油油藏复杂岩性识别方法

利用常规测井曲线、交会图等方法识别稠油油藏岩性正确率低,效率不高。选用已采集的油田测井资料,分别采用费歇判别法、BP神经网络、极限学习机3种模式识别法,对稠油油藏岩性进行识别,并利用岩心、录井资料对识别结果进行检验。研究结果表明,费歇识别法正确率为81.2%,BP神经网络识别正确率为90.3%,极限学习机识别正确率为92%。在合理有效提取参数的条件下,极限学习机和BP神经网络的岩性识别符合率要高于费歇判别法,且具有运算速度快、效率高等优点。模式识别法在测井解释岩性识别方面有一定的推广应用价值。     

冷家堡油田稠油油藏储层岩性识别模式

方法以冷家堡油田的岩心资料为基础,通过岩—电对比,建立了稠油油藏储层岩性识别图版;依据粒度分析资料,运用统计学方法建立了砾石含量定量划分储层岩性的测井解释模型。目的定量解释稠油油藏复杂的储层岩性。结果该模式可将冷家堡油田稠油储层岩性划分为砂岩、砂砾岩、中—细砾岩和泥质岩四类,与岩心描述划分的岩性类别相吻合。结论该模式的建立不仅为冷家堡油田储层的综合评价奠定了基础,同时也为储层参数及沉积相的深入研究创造了条件     

用数据挖掘方法识别碳酸盐岩岩性

碳酸盐岩储层受沉积、构造及成岩作用影响大,测井曲线不能完全反映岩性性质.分析常规交会图法在碳酸盐岩储层岩性识别中整体识别率偏低的原因.通过对比决策树、人工神经网络、支持向量机和贝叶斯网络等数据挖掘方法,发现决策树具有较高的识别正确率.采用该方法分析常规测井数据,通过构造新参数Rd/AC和Rd/Rs进行碳酸盐岩岩性识别,准确率可达到89.32％.实际应用表明,地质、测井知识和数据挖掘方法相结合,能有效识别常规方法无法准确判断的岩性,通过改进不同的优选参数,提高岩性识别的准确率,为储层沉积相解释提供更准确的地质信息.     

致密砂砾岩储层岩性识别技术应用

A油田致密砂砾岩储层岩性复杂、非均质性强,常规测井曲线进行岩性识别难度较大.以成像测井资料为基础,通过岩心刻度成像测井,建立了研究区块典型岩性的成像测井标准解释模型,依据此模型进行岩性定性识别;同时基于成像测井动态图像建立了相应的砾石含量计算方法,依据砾石含量结果进行岩性定量识别.综合定性及定量识别结果,对研究区块的岩...     

基于岩性识别的BP神经网络孔隙度预测

研究区目的层有效储层岩性包括细砂岩和粉砂岩两种,目前依赖于常规线性拟合方程在该区的孔隙度等参数预测中存在着较大的误差。为实现对储层参数的准确预测,结合了多种测井信息,在利用Fisher判别法对岩性进行识别的基础上,分别建立了细砂岩和粉砂岩的神经网络孔隙度预测模型。实际应用表明,分岩性所建立的非线性人工神经网络模型比常规线性模型具有更高的预测精度,能为该区后续的储层综合评价提供可靠的数据基础。     

东营凹陷深层砂砾岩岩性测井综合识别技术

深层砂砾岩成分结构复杂,对岩性识别一直存在着很大难度.利用岩心刻度FMI成像,成像岩性识别刻度常规测井,总结不同岩性在常规测井曲线上的响应特征,进行测井-岩性敏感性分析,选取对岩性敏感的曲线进行岩性识别,所建立的岩性识别曲线LIC能很好地反映岩石粒序的变化,经岩心和成像岩性识别结果刻度,得到了不同岩性的LIC划分标准.东营凹陷深层砂砾岩油藏的实际应用表明,LIC的岩性识别结果具有较高的符合率,其中砂砾岩的符合率在83%以上,为储层测井评价奠定了基础,同时也为复杂岩性的识别提供了一种思路和方法.     

基于岩性识别的渗透率计算模型

乍得Bongor盆地储层岩性复杂,非均质性强,不同岩性之间孔隙度、渗透率差异较大,直接应用测井资料评价储层渗透率的精度较低。为提高乍得Bongor盆地储层渗透率评价精度,首先以取心井段岩性识别为基础,结合测井响应特征,通过曲线重构,构建岩性指示、孔隙度指示曲线; 其次应用构建的指示曲线,建立研究区的岩性识别标准; 最后...     

基于MATLAB神经网络的岩性识别

利用MATLAB工具箱中的快速BP算法来训练神经网络，并用神经网络来进行测井资料的岩性识别。通过对已知井段测井数据进行学习，来预测同一地区其他井段的岩性。实验结果表明．MATLAB工具箱中的快速BP算法具有很高的实用价值。     

基于时频分析的储层裂缝识别方法

通常采用双侧向电阻率的大小和差异识别裂缝,因其还受其他因素影响,故裂缝识别的分辨率不高.针对这些问题,从时频分析和短时傅里叶变换原理出发,采用时频分析方法挖掘双侧向测井的裂缝隐含信息,可以提高裂缝识别能力.将该方法运用于塔河油田的一批井中.研究表明,采用汉明窗函数并分别选择239和29个采样点的长、短窗长求取电阻率曲线...     

盐家油田深层砂砾岩储层岩性自动识别新技术

盐家油田深层砂砾岩储层岩性复杂,不同岩性的测井响应特征差异小,不易识别.岩性识别是储层参数计算和油水层判别的基础.提出了以常规测井资料为基础的NRA岩性自动识别技术,分析岩性敏感性,并剔除物性影响,最终构建出1条反映粒序变化的岩性判别曲线,通过岩心描述和电成像资料刻度,实现了砂砾岩岩性自动识别.经现场验证,该方法有效地...