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。     

模糊数学识别深层潜山碳酸盐岩岩性

针对深层潜山碳酸盐岩地层岩性识别成功率低的状况 ,应用模糊数学原理 ,建立模糊数学识别碳酸盐岩岩性模式。识别和划分深层潜山碳酸盐岩地层岩性 ,以便进一步深入研究深层潜山碳酸盐岩油气藏储层。选择反映深层潜山碳酸盐岩岩性特征的测井参数 ,在取心资料标定下 ,确定阈值 ;利用所建岩性识别模式 ,对碳酸盐岩岩性进行分类 ,依据最大隶属原则 ,识别碳酸盐岩岩性。应用实地研究资料 ,识别十种碳酸盐岩岩性 ,并与岩心鉴定统计分析结果对比 ,符号一致性达 94%以上 ,表明该方法识别深层潜山碳酸盐岩岩性精度较高 ,在地质上具有很好的应用前景     

利用决策树方法识别复杂碳酸盐岩岩性——以苏里格气田苏东41-33区块为例

苏里格气田苏东41-33区块具有低孔、低渗透、非均质性强的特点,其奥陶系马家沟组碳酸盐岩储层受多期不同类型构造、沉积等作用,岩性复杂多样,对岩性的准确识别成为研究区开发的重点和难点。近年来,决策树方法作为一种机器学习方法,在地质学领域中的运用越来越受到关注,尤其在岩性预测方面。以测井、录井资料为基础,通过岩性参数特征分析,优选出对岩性较敏感的声波时差、自然伽马、光电吸收截面指数、密度、深侧向电阻率和补偿中子6种测井参数,通过分析这6种测井参数特征,构建基于决策树方法的多分类器,将岩性信息与岩石特征信息融合。与测井、录井资料的对比、分析结果表明,利用决策树方法识别复杂碳酸盐岩岩性的准确率超过80%,且相比朴素贝叶斯方法,其岩性识别的准确率提高了13%。     

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。     

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。      

XGBoost算法在致密砂岩气储层测井解释中的应用

传统单一模型的机器学习方法用于致密砂岩气储层测井解释时存在多解性,为此,将XGBoost算法应用于致密砂岩气储层测井解释。基于A工区测井解释资料,以不同种类的测井资料作为输入变量,通过XGBoost算法建立回归预测模型,预测该区孔隙度与渗透率参数,并探讨了XGBoost算法中各类参数的优化。以准确率指标为评价标准,通过XGBoost算法建立的分类预测模型对该区储层类型进行预测,同时与随机森林方法和支持向量机算法进行比较,XGBoost算法的预测效果较好。结果表明XGBoost算法能准确地预测孔隙度、渗透率并对该工区致密砂岩气层进行有效识别。     

利用Matlab聚类分析工具箱划分碳酸盐岩岩性

碳酸盐岩由于其复杂的沉积环境和后期的次生作用,使得其岩性成份复杂,给测井解释带来各种不确定多解性.Mat-lab编程语言有着强大的绘图功能,有着FORTRAN和C等高级编程语言无法比拟的优点,利用Matlab可以方便的实现大量数据计算结果的可视化.文章运用了matlab统计分析工具箱,对储层段测井资料进行聚类分析岩性识别,通过岩心段岩性对比表明,该方法应用效果较好.     

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.     

含碳酸盐岩地层岩性测井解释方法

岩性识别是储层研究的基础和关键。在岩石特征研究的基础上,以岩心标定测井变量,建立了曙光古潜山带含碳酸盐岩地层岩性解释的定量分析方法。应用这一方面能有效地解决复杂岩性地层的识别问题。     

基于XGBoost的测井曲线重构方法

测井数据在地层评价中具有十分重要的作用,但是实际应用中由于地质、工程等因素的影响,经常出现部分测井数据缺失甚至漏测的情况。基于传统的经验模型和多元回归分析的测井曲线重构方法精度不够,因此提出利用机器学习方法进行测井曲线的重构;考虑到神经网络的局限性,基于XGBoost构建了测井曲线重构模型。以渤海湾盆地定向井为例验证重构模型的效果：首先进行了测井曲线补全和生成实验,并通过K折交叉验证将XGBoost模型性能与梯度提升决策树（GBDT）、随机森林（RF）和全连接神经网络（FNN）三种方法进行对比,然后结合地质背景分析预测效果。验证结果表明,基于XGBoost的测井曲线重构方法在准确性和稳定性方面都取得了更好的效果,并且表现出较强的泛化能力。     

基于梯度提升决策树算法的岩性智能分类方法

岩性识别是油气勘探开发领域一项重要的基础工作。针对致密砂岩储层岩石成分复杂、岩性多样和岩性常规测井识别受限等问题,利用机器学习算法在数据分析上的强大功能,采用泛化能力出众的梯度提升决策树（GBDT）算法解决岩性识别中人力和物力耗费大的问题。以鄂尔多斯盆地三叠系延长组长7段致密砂岩储层为研究对象,通过敏感分析选取声波时差、自然伽马、电阻率、泥质含量、自然电位、有效孔隙度、含水饱和度和密度8个测井参数,构建基于GBDT算法的岩性识别模型,结合实际数据进行验证和应用效果分析。与朴素贝叶斯、随机森林、支持向量机和人工神经网络算法岩性识别相比,GBDT算法岩性识别准确率达到了92%,高精度的GBDT算法岩性识别模型为致密砂岩储层岩性精确识别提供了新的解决途径。     

基于图论聚类和最小临近算法的岩性识别方法——以四川盆地西部雷口坡组碳酸盐岩储层为例

碳酸盐岩具有非均质性强、岩性变化快和岩石类型复杂的特征,岩性精细识别难度大,严重制约了储层参数的计算及后续油气开发。以四川盆地西部雷口坡组碳酸盐岩储层为例,结合岩心和薄片等分析测试资料将储层发育的岩性分为8类:藻粘结白云岩、粉晶白云岩、泥晶白云岩、灰质白云岩、白云质灰岩、灰岩、膏质白云岩和石膏,明确了不同岩性的测井响应特征。采用机器学习的思想,将已知岩性定名样本作为训练数据,利用图论聚类分析方法建立岩性识别训练模型,在此基础上结合最小临近算法对未取心井岩性进行预测,实现了不同岩性的精细识别。区块应用结果表明:该方法岩性识别整体符合率高达91.3%,有效提高了岩性识别精度。     

主成分分析法在碳酸盐岩岩性识别中的应用——以YH地区寒武系碳酸盐岩储层为例

在复杂岩性油气藏储层评价中,利用测井曲线直接判别复杂岩性一直存在着多解性和不确定性。利用测井曲线构建主成分变量,选取累积方差贡献率大于85%的主成分代表输入的多维测井信息,保证在原始信息损失最小的情况下,以少量综合变量取代原有多维测井信息,简化数据结构,从而解决复杂的碳酸盐岩岩性识别的难题。文中根据YH地区寒武系碳酸盐岩储层实测的自然伽马测井(GR)值、中子孔隙度测井(CNL)值、密度测井(DEN)值、声波时差测井(AC)值和深侧向电阻率值(RT),构建F₁—F₅五个综合变量,其中F₁和F₂两个主变量占总贡献率的87.73%,可以有效地代替原始的多维测井信息。实例表明,通过岩心薄片分析定名的岩性数据,根据F₁和F₂主成分的交会图分析,可以有效地识别碳酸盐岩的岩性。该方法在YH地区寒武系碳酸盐岩储层岩性识别中取得了良好的应用效果。     

邵家油田沙四段湖相碳酸盐岩储层测井评价

文章针对湖相碳酸盐岩储层的评价难点和目标,以胜利油区邵家油田沙四段地层为研究对象,结合岩心实验室分析物性资料、试油等第一性资料,对孔隙结构进行了分析研究,分析钻井取心资料与测井综合响应之间的关系,确定识别岩性的敏感测井曲线．分储集相类型建立判断模式,总结了划分湖相碳酸盐岩有效储层的测井识别方法,提高了测井解释评价的成功率。     

基于约束最小二乘理论的复杂岩性测井识别方法

引入约束最小二乘算法对测井响应方程进行线性优化,建立了针对复杂岩性地层多矿物地层组份测井解释模型以及线性约束最小二乘问题模型CFEA,基于现代矩阵分解和变换理论给出了求解,求取了线性约束最小二乘问题的算法,处理精度和计算速度得到进一步的提高.计算的测井曲线包括补偿密度、补偿中子、声波时差、深侧向电阻率、浅侧向电阻率以及无铀伽马曲线,待求的未知参数包括孔隙度、泥质含量、白云岩含量、灰岩含量等地层组份及含水饱和度等地层参数.应用于四川碳酸盐岩地层测井资料数字处理,处理结果表明,应用该算法进行测井资料岩性识别,运算速度快,识别精度高,具有很好的应用前景.     

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。     

一种快速实用的测井岩性自动识别方法

针对海拉尔盆地贝尔地区岩性复杂、岩性识别难的问题,在岩心分析资料的刻度下采用交会图法优选对岩性识别敏感的参数,利用主成分分析方法提取第1、第2主成分建立岩性识别图版;根据各种岩性的分布区域,将主成分分析图版程序化,挂接到卡奔软件中,可以对单井目的层进行快速连续操作处理。该方法省去了曲线方波化取值的繁琐以及人工读值误差。通过对该区域3口新取心井的处理分析,岩性自动识别精度达到91.2%。该方法易于操作,岩性识别精度高,满足了研究区储量提交以及油田勘探开发需求。