辽河坳陷兴隆台潜山带中生界储层测井评价方法

中生界储层主要为混杂堆积的砂砾岩、角砾岩,储层非均质性较强,不易识别追踪。通过对基础资料的分析,建立了适合兴隆台中生界的储层测井评价思路。首先,利用薄片鉴定和造岩矿物测井响应特征,把兴隆台潜山带岩性划分为测井可识别的花岗质砾岩类、混合砾岩类、砂岩类、泥岩类、玄武岩类、安山岩类、酸性流纹岩类七大类岩性,解决了岩性测井难识别的问题;同时建立了兴隆台潜山带岩性定性定量识别标准。构建密度-中子刻度差曲线辅助识别岩性,形成了针对中生界岩性的测井识别方法。其次,通过储层主控因素的分析,认为兴隆台潜山带储层,岩性控制物性、含油性,储集岩为花岗质砾岩和混合砾岩;建立了储层定性和定量识别标准,构建储层品质指示曲线来辅助识别储层,形成了储层测井识别方法。     

测井相-岩相分析技术在复杂岩性中的应用

针对下刚果盆地某区块的复杂岩性,以测井资料为基础,通过特征提取和最优聚类划分出了17个测井相。结合该区的取心资料,通过岩心标定,赋予了这17个测井相一定的地质意义,建立了测井相-岩相知识库。以该知识库为基础,通过判别分析的方法,对未取心段的岩性进行了识别,绘制了目的层段的岩性柱状剖面图。实例应用结果表明,该方法具有较高的准确度和良好的地质效果。     

火成岩岩性识别校正方法研究

火成岩油气藏岩性复杂多变,录井岩性识别经常出现误差,需要利用测井方法对地层岩性进行校正。目前,岩性识别方法主要有岩心及薄片鉴定法、重磁方法、地震方法、测井方法以及地球化学方法等,其中测井识别方法是在整个研究区块内最直接可信而且简单易行的一种岩性识别校正方法。此文的岩性测井校正方法主要采用交会图法和成像测井法,校正流程主要包括岩性定名、测井曲线标准化、建立识别图版和岩性校正等步骤,依据上述流程及方法对研究区域的火成岩进行识别,识别结果与取心资料和薄片鉴定结果符合较好,达到了岩性校正的目的。因此,测井岩性校正方法及流程,对复杂储层,特别是火山岩储层测井岩性校正有普遍的借鉴意义。     

致密油储集层岩性岩相测井识别方法——以鄂尔多斯盆地合水地区三叠系延长组7段为例

基于岩心的观察结果,综合利用构造分析、沉积微相分析和岩性分析等多种分析化验和测井资料,对鄂尔多斯盆地合水地区三叠系延长组7段致密油储集层岩性岩相特征进行精细描述和归纳总结,建立岩性岩相类型的测井识别标准。研究区长7段致密油储集层可划分为砂质碎屑流细砂岩相、浊积粉细砂岩相、滑塌细砂岩相、半深湖—深湖泥岩相和油页岩相5种岩性岩相类型。利用电测井和成像测井等多种手段和方法对长7段致密油储集层的岩性岩相进行测井定性和定量表征,通过分析成像测井和常规测井资料,归纳总结不同岩性岩相的测井响应特征,结合砂体结构表征参数对其进行定量表征,建立各岩性岩相的测井识别标准。对各井实际测井资料进行处理,实现了单井纵向和平面岩性岩相的识别与划分,岩性岩相识别结果与试油结论和物性分析匹配良好。深入分析岩性岩相是进行致密油储集层综合评价和"甜点"预测的重要方法。     

王府断陷火石岭组火山岩岩性及岩相识别

王府断陷火山岩岩性及岩相复杂,利用常规方法识别难度较大。为了提高王府断陷火石岭组火山岩岩性及岩相识别的可靠性,文中从火石岭组不同类型火山岩储层的岩心观察出发,对岩石薄片、测井资料等进行详细分析,总结了火山岩储层的测井响应特征,提出了适应本区的火山岩岩性及岩相识别方法。研究中充分利用常规测井及特殊测井资料识别火山岩岩性的结构构造,并通过测井相、地震相综合标定,建立该区典型的火山岩岩相、测井相和地震相模式,从而进一步识别火山岩岩石结构构造特征。该方法对王府断陷火山岩研究具有较好的指导意义。     

页岩岩相测井识别方法

页岩岩相是制约页岩油富集区及可压裂性的直接因素,并且页岩矿物成分较为复杂、结构特征变化大,其颜色、成分、结构、构造和储集空间等都具有强烈的分均质性,岩相划分较为困难。本文通过建立地层纹层构造测井识别方法,再建立主要岩性的识别图版,然后建立细分岩相的测井识别图版,进而实现3类主要岩相的精细识别。     

基于K-均值聚类和贝叶斯判别的冲积扇单井储层构型识别

单井构型划分是储层构型研究的基础,传统的人工单井构型划分效率低、主观性强、划分标准不统一。为此,以沧东凹陷冲积扇为例,以岩心及测井资料为基础,通过岩心描述、K-均值聚类、贝叶斯判别等方法,形成了基于K-均值聚类和贝叶斯判别的冲积扇单井储层构型识别方法。将该方法应用于非取心井,计算构型识别准确率,明确了造成构型识别准确率低的主要原因。研究表明：基于K-均值聚类和贝叶斯判别的冲积扇单井储层构型识别主要包括取心井构型划分、构型划分标准建立、构型判别公式建立及非取心井构型识别四个步骤,通过岩心观察划分准确的单井构型、建立适用于非取心井的构型划分标准和判别公式最为关键;由于测井曲线的分辨率所限及构型单元过渡带的岩性变化等原因,非取心井构型识别准确率与构型单元厚度呈正相关关系,7级、8级、9级构型单元识别准确率依次降低。     

准噶尔盆地腹部火成岩岩性识别

随着火成岩油气藏勘探的不断深入,如何准确有效地识别火成岩岩性是进行该类油气藏评价的关键。以准噶尔盆地滴西地区火成岩岩性识别为例,构建了4个岩性识别辅助参数,通过样本扩充解决了研究区同一岩性样本测井信息不符合正态分布且难以确定其分布函数时引起数学方法识别岩性识别率低的难题。利用对应分析方法进行了岩性敏感性测井信息分析,运用统计性聚类和模糊聚类方法进行了岩性数学分类研究,使用模糊数学、贝叶斯判别分析、神经网络、基于层次聚类分析思想的交会图等方法分别进行火成岩岩性常规识别和主成分识别,开发出基于forward测井解释平台的火成岩识别软件,共识别出火成岩岩性15种、沉积岩2种,与岩心薄片鉴定资料比较,各种岩性平均解释符合率为86.5%。误识的岩性主要为凝灰岩和火山角砾岩,将成像测井资料与常规测井资料相结合来判断便可以减少误判。     

改进蚁群聚类算法在火山岩岩性识别中的应用

提出了一种基于蚁群算法和模糊聚类算法的改进蚁群聚类算法对火山岩岩性进行识别。介绍了蚁群算法的原理、K-均值聚类算法的实现过程及改进蚁群聚类算法的实现过程。用该方法对火山岩样本数据点进行训练和学习,获得最佳的岩性聚类中心,根据加权信息素浓度和的大小,识别实际测井数据点的岩性。对松辽盆地430个火山岩薄片的实际处理表明,与自组织神经网络及K-均值聚类算法相比,该方法识别准确率高、运算速度快,是一种有效的岩性识别手段。     

基于一种改进的模糊神经网络方法识别岩性

岩性识别是石油勘探中的一项重要工作，利用常规的岩性识别方法很难满足油气勘探开发工作的需要。本文在简要地介绍了一种改进的模糊神经网络的基本算法之后，建立了西部某井区的岩性一测井相中心统计模式，基于此模式并利用该算法对邻井的岩性进行了识别，识别结果表明，该方法进一步增强了利用测井数据识别岩性的能力，同时也说明了该方法的正确性和实用性。     

基于DMC-BiLSTM的沉积微相智能识别方法

沉积微相划分是油气藏勘探的研究基础。传统沉积微相划分由地质学家根据自身掌握的知识和经验手工完成,这种地质学家主导的人工解释是主观的、冗长的,可能引入人为偏差。深度学习在解决复杂非线性问题上具有优势,目前尚无有效解决沉积微相划分的深度学习方法。针对测井-沉积微相,提出了基于特征构造(DMC)和双向长短期记忆网络(BiLSTM)的沉积微相智能识别方法。首先,利用趋势分解和中值滤波对原始曲线进行多维重构,并对重构矩阵和原始曲线特征采用kmeans提取时空相关聚类特征;然后,以原始曲线特征、地质趋势特征、中值滤波特征和聚类特征作为输入,基于双向长短期记忆网络得到当前深度沉积微相预测类型。与长短期记忆网络(LSTM)和时间卷积网络(TCN)对比发现,在沉积微相的识别上,沉积微相智能识别方法具有更优异的性能和鲁棒性。实验表明,该方法能有效划分沉积微相,识别准确率达到91.69%。     

自组织神经网络在火成岩岩性识别中的应用

火成岩储层岩性复杂,识别难度大,当已知地层信息较少时,传统的交会图和有监督神经网络(如BP神经网络)等方法在识别岩性时会受到一定限制.为此,基于自组织神经网络(SOM网络)的结构和原理,在松辽盆地南部利用实际测井资料建立了火成岩样本数据集;利用SOM网络对样本数据集进行了训练,得到了数据集的聚类结果;讨论了SOM网络的标准化方式、结构参数和测井曲线对聚类结果的影响,认为利用正态标准化方法、选择合适的结构参数和测井曲线,以样本数据集的聚类结果作为分类基础,对火成岩井段测井资料进行了岩性识别,获得了较好的效果.     

测井岩性识别方法及应用——以鄂尔多斯盆地中西部长7油层组为例

基于鄂尔多斯盆地中西部延长组长7油层组不同岩性、电性、物性、放射性在测井响应上的差异,建立了两种测井—岩性识别方法:交会图法和测井曲线计算法。交会图法通过测井曲线与岩性交会识别出砂岩类、粉砂岩类、泥页岩类和凝灰岩类,测井曲线计算法通过计算泥质含量和有机碳含量将岩性划分为砂岩类、粉砂岩类、泥岩类和富有机质页岩。将计算结果与实验测试结果和岩心进行比对,准确率均达到86%以上。将研究区240口井的岩性识别结果运用于剖面图和平面图的构建发现,研究区长7油层组底部页岩大面积连续发育,向上逐渐减少;砂体主要发育在研究区北部、东部和东北部,其次为西南部和南部。随时间推移研究区中部孤立沉积的砂体个数和面积逐渐增加,并在长71形成大面积发育的砂体。     

古城地区碳酸盐岩岩性及微相测井识别方法

碳酸盐岩沉积相系统刻画及相关研究受到岩石样品有限的制约,为了充分发挥测井曲线高分辨率、信息量丰富的优势,开展了古城地区碳酸盐岩岩性及微相测井识别方法研究。在利用岩样确定的微相类型对测井曲线进行标定的基础上,依据常规测井参数与碳酸盐岩岩性、微相的响应关系,优选出DEN、DT、PE和U、Th、K等敏感测井曲线,进行新的参数组合,建立了岩性识别及微相识别图版,符合率分别为85.4%和81.4%。另外,建立函数关系将各微相类型按照沉积能量进行量化分类,并给出微相能量参数曲线。该方法识别出的微相及其能量参数曲线在相带及沉积旋回的空间划分对比的应用中,符合典型碳酸盐岩沉积模式中的相序组合及沉积能量分布特征,与岩石薄片典型相标志所确定的沉积相带一致。该识别方法的应用效果较好,可以作为沉积相精细研究的重要补充手段。      

琼东南盆地崖城组煤层的识别方法

在综合分析煤层测井响应和提取测井资料深层次信息的基础上,给出了3种识别煤层的方法,即逻辑判别法、聚类分析法和测井相蜘蛛网图法。逻辑判别法是根据岩心揭示煤层的测井特征来识别未取心段中的煤层;聚类分析法是对多种测井曲线进行主成分分析,找出对煤层识别贡献最大的几条测井曲线（累积贡献率>85%）,再对这些曲线进行聚类分析,依据取心段煤层的特征识别未取心段的煤层;测井相蜘蛛网图法是将剖面中（特别是取心段）不同岩性地层的不同测井参数分别展现在一张蜘蛛网图上,即建立不同岩性的标准测井相蜘蛛网图,再用这些标准的蜘蛛网图与疑似煤层蜘蛛网图相比较,以识别真正的煤层,并对识别出的煤层的可信程度进行半定量化综合分析。在充分分析了测井曲线半幅值厚度和1/3幅值厚度与实测煤层厚度的关系后,认为1/3幅值与实测煤层厚度最为相近,而将其作为解释煤层的厚度。     

塔河油田复杂碎屑岩岩性识别方法

为了准确识别塔河油田石炭系复杂碎屑岩储集层的岩性,研究了基于常规测井资料的岩性识别方法.根据取心资料将储集层的碎屑岩分为砂岩、含泥砂岩、含砾砂岩和含钙砂岩4种类型;从常规测井资料中提取对岩性反映相对敏感的多种信息,并进行归一化处理;采用常规支持向量机方法和最小二乘支持向量机方法对少量已知岩性的取心岩样进行学习,识别碎屑岩岩性,建立了适用于塔河油田石炭系复杂碎屑岩储集层的岩性识别方法.塔河油田X区块的石炭系碎屑岩岩性识别表明,基于最小二乘支持向量机方法的岩性识别符合率比常规支持向量机方法提高10百分点.研究结果表明,基于最小二乘支持向量机的岩性识别方法能有效识别塔河油田石炭系复杂碎屑岩储集层的岩性.      

测井资料在塔木察格盆地查干组地层岩性识别中的应用

本文以塔木察格盆地主力油层查干组储层具有砂砾岩、凝灰质砂砾岩等复杂岩性的地质特征为基础,并以钻井取心及岩心薄片分析资料为依据,将岩性划分为5大类,在此基础上分析总结每种岩性测井响应特征,从定性上实现了岩性的有效识别;另外,为能利用多条测井曲线进行识别,而避免分析问题的难度和复杂性,采用先对测井曲线数据进行主成分析,然后利用K-均值聚类的方法实现岩性的定量化识别,经实际资料验证,见到较好的应用效果,进而为下一步油藏描述和油田开发提供必要的保证。     

基于SOM和模糊识别的复杂碳酸盐岩岩性识别

碳酸盐岩储层受构造、沉积、古地貌等因素的影响,储层岩性复杂多样,基于测井资料开展岩性的识别在储层评价过程中具有重要意义。针对岩性识别方法存在泛化能力差,难以和地质经验相结合等问题,以苏里格气田苏东41-33区块下古碳酸盐岩储层为例,提出一种基于自组织映射（Self-OrganizingMap,SOM）和模糊识别相结合的岩性识别方法。对岩性较为敏感的声波时差、补偿中子、密度等6种测井参数,采用自组织映射以无监督形式挖掘测井参数的关系信息和拓扑结构,并采用模糊识别方法对自组织映射模型进行局部校正。实际应用结果显示：该方法岩性识别正确率比传统模糊识别方法提高了7.3%,为岩性识别提供了新思路。     

BP神经网络在辽河坳陷太古宇潜山内幕岩性识别中的应用

太古宇基岩内幕岩性复杂,岩性划分难度较大。研究中以岩心定名为基础,挖掘太古宇不同岩性测井曲线的响应特征,抽取对基岩内幕岩性敏感的密度、中子、伽玛以及光电吸收截面指数作为输入端构建BP神经网络对太古宇岩性进行识别。识别结果与岩心测试资料对比表明,BP神经网络岩性识别结论可靠。该研究丰富了太古宇基岩岩性识别方法,为太古宇内幕深化研究奠定方法基础。     

东辛油田永1区块砂砾岩储层岩性识别方法研究

砂砾岩油藏作为隐蔽油气藏的主要类型日益受到重视,但由于砂砾岩为碎屑流搬运、杂乱堆积成因的复合体,岩性识别难度大。以东辛油田永1区块砂砾岩油藏为例,综合应用岩心、测井、成像等资料开展分析,明确了岩石相类型,识别出三大类十一种岩石相;通过开展岩性识别方法研究,建立了综合测井成像资料识别岩石类型的标准,明确了不同岩石类型的识别标志和特征。利用该标准识别岩心和录井资料吻合率在90%以上。