计算机模式识别法判定沉积微相的研究

主要阐述了运用模式识别技术判定沉积微相的技术关键,即：建立了各种沉积旋回的典型曲线图版（即模版）;对测井曲线进行特征提取;采用加权欧氏距离（Euclidean距离）函数,对待识微相进行模板匹配。并介绍了通过模式识别技术与储层表征技术相结合,研的适用于油田开发的模式识别软件的运行情况。     

沉积相模糊模式识别法及应用——以大港孔南地区为例

从多种测井曲线提取了反映沉积微相的若干参数,应用模糊模式识别方法建立了大港孔南地区的测井—沉积微相模型。实际测井资料处理结果表明,用此方法识别沉积微相其结果与地质划分结果吻合较好。本方法使相分析过程在计算机上得以实现,为相分析的自动化和定量化提供了一条有效途径。     

基于微电阻率扫描成像测井的沉积微相识别

微电阻率扫描成像测井(FMI)可提供井筒周嗣清晰、直观的岩层图像.在沉积微相分析中.用岩心资料和常规测井资料对FMI测井图像标定后进行沉积模式识别,能增加分析结果的可靠性.以往用FMI测井图像沉积微相分析时,需要大量人工参与,解释效率低.基于计算机图形学算法与神经网络分类器原理,提出了一种直接由FMI图像自动识别沉积微相的方法,与传统沉积微相识别方法相比提高了解释效率并减少了人为因素的干预.实践表明用该方法识别沉积微相,可靠性和识别效率得到很大提高.     

用神经网络模式识别沉积微相

本文介绍用于沉积微相智能识别的神经网络模式识别方法。该方法利用关键井建立的测井和相与地质相的对应关系作为识别模式，通过向识别模式学习获得模式识别智能知识，从而利用这些智能知识识别未知井，未知点的微相类型。该方法应用于中原油田文留地区沙四段沉积微笑微相的识别与划分，获得了成功。     

应用神经网络模式识别技术进行测井沉积学研究

将人工神经网络(ANN)模式识别技术应用于测井沉积学解释中，可以实现井剖面沉积环境的连续自动解释，大大提高解释精度和工作效率。在确定济阳坳陷车镇凹陷关键井8种主要沉积相及测井响应模式的基础上，从测井曲线中提取出10种具有较明确地质意义的特征参数，在岩心观察以及地区经验的基础上优选指示沉积相灵敏性较好的曲线组合，基于神经网络模式识别技术进行井剖面沉积微相自动解释。采用自行开发的软件解释了40余口井的沉积微相，取得了较好的效果。该软件适用于具有一定区域背景知识和地质解释经验的人员。图3表2参16     

利用多元统计方法自动识别沉积微相

在关键井沉积微相分析的基础上，从测井资料中提取反映各种沉积同相的测井特征参数，并应用一套多元统计分析方法建立各种沉积微相的判别模型，实现了根据测井资料用计算机对吉剖面地层进行自动连续的沉积微相识别，并根据单井相分析结果可研究多井剖面地层的各种沉积微相。     

地震信息在储层沉积微相随机建模中的应用

以辽河油区东部凹陷龙10断块沙一段为例，利用波阻抗与沉积微相之间的概率关系及开发动态中的各沉积微相参数（宽度、厚度、体积含量），以沉积模式为指导，应用序贯指示同位协同模拟方法，建立储层沉积微相相模型。实践表明，该方法能够对相变复杂的陆相储层井间沉积微相不确定性进行表征，提高模型预测的可靠性。     

沉积微相控制下的储层物性参数建模

储层随机建模主要分三步：构造建模，沉积微相建模，物性参数建模，其中物性参数的建模需要沉积微相模拟的结果来控制。沉积微相控制下物性参数建模的方法是，首先利用顺序指示模拟建立沉积微相约三维模型，然后按沉积微相类型分别采用顺序高斯模拟对其物性参数进行模拟，最后根据沉积微相模拟结果进行合并，得到相控下的储层物性参数模型。在实例中对比了相控下物性参数模拟与直接物性参数模拟的结果，结果表明前者更合理一些。     

华庆地区延长组长63砂层组沉积微相特征研究

在调查区域地质概况和前人研究成果的基础上,通过岩心的详细观察,岩芯镜下照片的分析;采用沉积学原理和方法,主要是利用沉积相标志,结合测井资料综合分析,在华庆地区上三叠统延长组长63砂层组中,划分出了水下分流河道微相、分流问湾微相、浊积水道砂体微相和深湖泥微相4种微相,对单井沉积微相进行了综合分析,分析了连井的沉积微相和沉积微相平面的平面展布特征,绘制了沉积微相连井剖面图和沉积微相平面展布图,目的在于了解单砂层展布规模和相带分布.通过对沉积微相的研究,为该区下一步油气勘探部署提供依据.     

华庆地区延长组长63砂层组沉积微相特征研究

在调查区域地质概况和前人研究成果的基础上,通过岩心的详细观察,岩芯镜下照片的分析;采用沉积学原理和方法,主要是利用沉积相标志,结合测井资料综合分析,在华庆地区上三叠统延长组长63砂层组中,划分出了水下分流河道微相、分流间湾微相、浊积水道砂体微相和深湖泥微相4种微相,对单井沉积微相进行了综合分析,分析了连井的沉积微相和沉积微相平面的平面展布特征,绘制了沉积微相连井剖面图和沉积微相平面展布图,目的在于了解单砂层展布规模和相带分布。通过对沉积微相的研究,为该区下一步油气勘探部署提供依据。     

变差函数在沉积微相自动识别中的应用

提出了一种建立沉积微相测井识别模式的新方法,即利用变差函数对测井曲线的形态进行研究,并将不同方向上的变程作为定量刻画参数,来分析各个方向变程所蕴含的沉积学意义。0º方向的变程反映沉积环境的能量稳定程度;90º方向变程反映水动力动荡程度;45º和135º方向变程分别反映正韵律和反韵律特征。变程星形图可全面地刻画测井曲线的形态特征,反映沉积环境的水动力变化规律。以多方向变程为主要参数建立的定量识别模式,对微相分类明显,易于导入各类模式识别方法中,从而提高微相识别的效率和准确度。     

柴达木盆地红柳泉地区下干柴沟组E13Ⅰ和E13Ⅱ砂层组沉积微相及沉积演化研究

柴达木盆地红柳泉地区下干柴沟组E¹₃可划分出4个砂层组,在对下干柴沟组E¹₃Ⅰ和E¹₃Ⅱ砂层组岩心的观察描述和沉积相的电性特征分析基础上,研究了这2个砂层组的沉积微相,并根据微相模式识别和单井相分析,建立了沉积序列和沉积演化模式,并结合剖面沉积微相和砂岩含量和分布,绘制了E¹₃Ⅰ和E¹₃Ⅱ砂层组的沉积微相平面图,结果表明,红柳泉地区下干柴沟组E¹₃Ⅰ和E¹₃Ⅱ砂层组发育有三角洲前缘水下河道砂体,前缘席状砂体也有较好的好育,二者均是储集砂体发育的有利相带。     

一种基于神经网络的沉积相识别方法

将人工神经网络(ANN)模式识别技术应用于对测井曲线进行单井划相,加快了划相速度,大大提高了工作效率。本文根据某地区的河流微相特征标志,给出了一种基于神经网络的沉积相识别方法。神经网络采用带有动量项和自适应学习率的反向传播算法(BP)进行训练。     

用计算机实现判别沉积微相方法

在计算机上采用“专家经验参数逻辑判别法”研究地下沉积微相,主要利用综合录井和四种测井曲线数据,测井解释与相邻参数井匹配补充地质信息,用曲线形态参数辅助,建立地方性相模型,再综合判别各单元的沉积微相。文章介绍了该方法的原理、数据制备、参数提取与计算和建模、判别等。通过对某盆地侏罗系的实际判别结果表明：综合录井资料判别结果是正确的,用匹配的测井解释与曲线参数综合判别结果更具合理性     

储层沉积微相带自动跟踪方法

储层沉积微相带自动跟踪是在井间地层划分、对比和沉积微相分析的基础上,利用计算机技术自动确定沉积微相分布、微相带边界和绘制沉积相带图的方法,主要包括井位坐标变换、网格化、插值、叠置、边界搜索及绘制沉积微相带图等步骤。该方法的关键步骤是采用蠕虫插值法和空间插值法,以确定呈带状和片状分布的各种沉积微相,通过网格叠加把这些沉积微相分布结果叠加起来形成最终的沉积微相分布图。蠕虫插值法不同于常规插值法,是根据地质规律模拟人对带状分布的沉积微相分析的一种智能方法。根据这一原理所开发的微相带跟踪系统软件(MFBTS-Micro Facies Belt Tracing System)能够快速分析和跟踪沉积微相及储层的分布。该方法已初步应用到松辽盆地葡萄花油田,由MFBTS软件所产生的结果图与人工绘制的沉积微相带图基本吻合。     

滚动扩边稀井区的沉积微相刻画方法研究

针对开发区周边稀井区井控程度低,沉积刻画精度与已开发区存在较大差距的问题,分析不同沉积微相在砂岩厚度、地震波阻抗等方面存在的差异,统计开发区不同沉积微相的砂岩参数,建立不同微相所对应的砂岩数据库;以地震属性预测的平面上扇体展布控制规模为基础,通过微相知识库分析地震反演所表征的稀井区沉积砂体发育特征,确定砂体的微相类型;从顺物源、垂直物源砂体延伸规模作为微相展布范围,实现稀井区沉积微相的定量刻画。研究表明:通过A区块密井网区辫状河三角洲微相的单砂体厚度、累积概率、反演的波阻抗值等参数可有效表征不同沉积微相砂体发育特征,其中,水下分流河道和河口坝在砂岩参数上具有明显的优势;建立沉积微相知识库结合地震属性预测的稀井区沉积微相刻画方法可以有效提高稀井区沉积微相刻画精度,符合率达到91%,稀井区有利沉积微相类型主要富集在A5和A02等井区。研究成果应用于A区块周边的稀井区滚动评价部署及方案部署,取得较好效果,累计建成产能2.35×10⁴t,提交探明储量超过200×10⁴t。研究成果可为老油田稳产增产提供有力支撑。     

塔里木盆地西南缘上震旦统克孜苏胡木组有障壁海岸沉积体系

通过对塔里木盆地西南缘上震旦统克孜苏胡木组详细的岩石学特征、沉积相类型、组合及沉积层序研究认为，研究区克孜苏胡木组为一典型的有障壁海岸沉积体系，可划分出滨外陆棚、障壁岛和潮坪3个亚相；障壁岛海滩体系在研究区发育近滨、前滨微相而后滨砂丘不发育；潮坪沉积体系包括潮上带、潮闻带和潮下带3个微相；沉积演化和沉积模式研究表明其属海退模式。