酸性火山岩储层岩性与流体识别

针对火山岩储层存在岩性复杂、流体多样、岩性对测井曲线的影响甚至超过了储层流体的影响等测井评价难点,以松辽盆地徐深气田火山岩储层为研究对象,综合利用测井、录井、测试和岩心分析等资料,通过储层“四性”关系的研究,采用常规测井识别岩石组分、成像测井识别岩石结构、构造,并结合ECS测井综合判别火山岩岩性,在此基础上建立了常规测井和特殊测井相结合的流体识别方法。将上述方法应用到该气田天然气探明储量的评价中,取得了良好的效果,这为其他地区类似的火山岩储层评价提供了可借鉴的经验。     

南堡凹陷火山岩岩性识别方法

利用取心井薄片鉴定、岩石化学分析等资料,结合岩心观察结果,对南堡凹陷火山岩岩石类型进行了划分,研究了各岩性测井响应特征。在分析岩性与电性相关关系基础上,采用交会图法和多参数法建立了研究区火山岩岩性识别模型,进而对全区62口井进行了岩性识别,通过定量对比取心井资料,定性对比FMI测井资料都具有较高吻合率,表明建立的火山岩岩性识别模型的合理性。     

模糊数学识别火山岩岩性

针对火岩地层岩性识别成功率低的状况，应用模糊数学原理，建立模糊数学识别火山岩岩性模式，识别和划分火山岩地层岩性，以便进一步深入研究火山岩油气藏储层，选择8个反映火山岩岩性测井参数，确定阈值；利用所建立的火山岩岩性识别模式，对火山岩岩性进行分类；依据最大隶属原则，识别火山岩岩性，应用实地研究资料，识别10种火山岩岩性，并与岩心鉴定统计分析结果对比，一致性达85％。表明该方法识别火山岩岩性精度较高，在地质上具有很好的应用前景。     

基于测井参数的遗传BP神经网络识别火山岩岩性——以准噶尔盆地西北缘中拐凸起石炭系火山岩为例

准噶尔盆地西北缘中拐凸起石炭系火山岩储层岩石类型复杂多样,既有火山熔岩、火山碎屑岩,又有侵入岩,造成该区岩性识别难度较大。为此,引入了遗传算法的BP神经网络,遗传BP神经网络是以自身特有的样本学习能力获得识别模式,识别结果客观可靠。利用测井参数对中拐凸起石炭系火山岩储集层的岩性进行识别研究,选取典型井的测井参数训练遗传BP神经网络,以获得网络神经元的连接权值。获得满意的权值后,通过输入其他已知井的测井数据对其进行检验,检验结果表明,该方法识别火山岩岩性的可信度高,具有较强的可行性。     

多种岩性分类方法在火山岩岩性识别中的应用

基于对松辽盆地火山岩近5年的测井响应研究,探讨按照松辽盆地火山岩分类原则的二级分类类型,实现利用常规测井资料识别岩性的方法.建立了一个具有准确薄片定名信息的火山岩测井样本,通过交会图分析、聚类分析、判别分析、主成分分析、因子分析、BP神经网络、SOM神经网络及支持向量机等8种方法对样本进行处理,得出各种方法针对岩性分类...     

徐家围子断陷火山岩岩性的测井识别技术

本文以钻井取心、分析测试和测井资料为基础，应用聚类分析方法，通过各种测井交会图在大庆油田徐家围子断陷营城组深层火山岩中识别出了六类岩性，与钻井和录井资料解释结果相比，判别正确率达90％以上。该技术对于在未取心井中正确识别火山岩岩性具有重要意义，也为火山岩储层评价研究奠定了良好的基础。     

火山岩储层岩性识别方法研究

近年来,国内外相继发现火山岩油气藏。随着油气勘探难度的增加,火山岩油气藏已成为今后油气勘探开发的重要目标之一。由于喷发方式和构造的不同,火山岩具有岩石类型多、定名和识别困难等特点,严重制约了火山岩储层评价技术的发展,影响了火山岩油气藏的勘探开发。本文鉴于火山岩储层岩性识别成功率低这一实际情况,分析火山岩形成的特点及其岩相类型,总结识别火山岩岩性的物探技术,地层元素俘获谱、成像等测井技术和BP、SOM神经网络法,为火山岩储层岩性识别提供技术支持。     

三塘湖盆地火山岩岩性识别方法

火山岩岩性识别是火山岩储层评价的基础和关键。以三塘湖盆地火山岩为例,石炭系卡拉岗组火山岩岩性复杂多样,发育熔岩、火山碎屑岩及过渡岩类。针对岩性识别难点,在区域重磁资料圈定火山岩岩体范围的基础上,优选对岩性反应敏感的自然伽马、电阻率、补偿密度及声波时差等测井物理量,并对其进行岩心、薄片资料精细刻度,采用交会图方法,建立火山岩的测井响应识别模板,实现了对火山岩的测井岩性识别,进而对地质录井岩性进行准确的校正,为深入开展三塘湖盆地火山岩勘探奠定良好的基础。     

松辽盆地南部深层火山岩岩性识别和岩相划分

松辽盆地南部深层火山岩气藏具有储量规模大、丰度高、单并产量高的特点，是目前天然气勘探开发的主要领域。文章重点针对长岭断陷地区，结合岩芯分析资料，利用ECS元素俘获测井和FMI成像测井等先进技术进行火山岩岩性识别：在此基础上参照FMI成像特征，认为长岭断陷主要发育爆发相和溢流相，同时将其划分为6个亚相，并分别描述了各亚相的形成环境和岩石组合特征。     

火山岩岩性识别新技术

火山岩岩性识别是岩相划分、储层综合评价、井网部署、开发方案编制的基础。而火山岩岩石类型多,定名和识别难度大,ECS测井通过解谱和氧化物闭合模型得到地层中主要造岩元素的相对百分含量和矿物含量,从岩石成分的角度较好地解决了火山岩岩性识别的问题。研究区研究结果表明：从基性玄武岩到酸性流纹岩。Si和^40柏K元素含量增大。Al和Fe元素含量则减小;熔结凝灰岩的Gd元素含量比熔岩高;常规测井的GR与ECS测井的Si元素含量正相关,地层密度与Fe元素含量正相关,能谱测井的Th元素含量则与Fe元素含量负相关。因此,将ECS与常规测井、成像测井相结合,是解决火山岩岩性识别难的有效途径。     

准噶尔盆地东部西泉地区石炭系火山岩岩性识别

有效、精确的岩性识别是火山岩油气藏勘探的基础之一.针对准噶尔盆地东部西泉地区石炭系火山岩,基于大量岩心和镜下薄片资料,优选出对岩性响应敏感的6条测井曲线,利用主成分分析法对各测井响应值进行了标准化处理,并建立了一个随机样本,构建出累计方差贡献率为86.798％的2个综合主成分变量Y1和Y2,提高了不同岩性之间测井响应特...     

南堡5号构造深层火山岩岩性测井识别技术

冀东油田南堡5号构造深层广泛分布火山岩,具有分布面积大、厚度大、期次多、与砂泥岩穿插分布等特点。目前火山岩储层勘探获得工业油气流．这使得南堡5号构造深层火山岩储层成为勘探重点。基于火山岩特征,利用岩心薄片、钻井、录井和测井等资料,分析不同火山岩岩性的测井响应特征,建立火山岩岩性与常规测井、元素俘获谱测井（ECS）和电成像测井（FMI）响应的对应关系,总结出一套适合南堡5号构造的深层火山岩岩性识别方法,为储层参数的精确计算奠定了基础。     

基于岩石力学参数评价火山岩裂缝发育程度

裂缝性油气藏研究中,裂缝识别一直是测井解释的一个难点,常规测井方法识别裂缝的精度不能满足油气勘探开发的需求。而岩石力学参数揭示了地质历史时期裂缝成因类型、空间分布和形成的力学机理,从一定程度上反映了裂缝的发育程度。在对准噶尔盆地40块岩样进行岩石力学参数室内试验的基础上,利用弹性模量、体积模量、剪切模量等岩石力学参数来构建能够较好反映裂缝发育程度的岩石完整性系数、裂缝发育程度指标、岩石稳定系数3个计算模型,并将模型程序化,利用此3个评价指标来对火山岩的裂缝发育程度进行逐点自动处理识别。识别结果与岩心描述、成像测井对比表明,该方法能够较准确地对火山岩的裂缝进行识别且精度较高、实用性强,能满足火山岩地层裂缝测井识别精度的要求。     

应用录井资料鉴别辽河坳陷火山岩岩性

辽河坳陷沙三段火山岩岩性比较混杂,难以鉴别。由于火山岩是该地区主要的油气储集层,因此火山岩的岩性鉴别尤为重要。从区域地质资料分析入手,应用录井资料鉴别岩性,总结了火山岩录井特征,形成了现场录井确定火山岩岩性的方法。实际应用效果表明,该方法不仅可卡准粗面岩储集层界面,降低钻井工程作业风险,保护油气层,而且使完井后录井综合图火山岩岩性得以精细归位,为油田勘探开发研究提供了可靠的依据。     

机器学习AdaBoost.M2算法在砂砾岩流体识别中的应用

由于砾石成分复杂、孔隙结构多样、非均质性强,流体对测井响应的影响远小于岩石骨架,导致常规测井技术识别砂砾岩中的流体比较困难。为此,提出将机器学习AdaBoost.M2算法运用于砂砾岩流体识别中。应用该算法,结合试油、试采资料,将K类多流体类型拆解为K-1个二分类问题,通过多轮迭代得到样本分布,然后调用决策树算法作为弱学习算法自动得到分类器h_t进行判别。将该方法应用于A研究区砂砾岩流体识别中,样本回判准确率为95%,测试准确率达91.5%,证明了该方法的适用性,为常规测井识别砂砾岩流体性质提供了新的方法,对油气开采具有一定的指导意义。     

基于机器学习的火山岩岩性智能识别及预测

针对准噶尔盆地金龙2井区佳木河组火山岩油气藏岩性多变,常规方法难以准确识别的问题,利用机器学习中的决策树、随机森林、梯度提升树、贝叶斯4种算法对研究区岩性进行智能识别,在分析研究区火山岩储层地质特点的基础上,结合不同岩性测井响应特征,确定M、N等8个对火山岩岩性极为敏感的特征参数。研究结果表明：随机森林法模型最优,准确率达到90%以上,模型泛化能力最强,可作为利用常规测井曲线识别火山岩岩性的有效方法。该模型可以高精度地进行火山岩岩性识别及预测,为后续火山岩油藏的勘探与开发奠定基础。     

基于交会图和多元统计法的神经网络技术在火山岩识别中的应用

针对火山岩储层的特殊性(复杂性、离散性和随机性),应用BP神经网络技术对火山岩测井解释中岩性识别问题进行了研究。该方法的技术关键是样本集和初始权重的建立,以及模型的优选。本文提出了一种基于交会图和多元统计法的学习样本生成方法,即根据取心岩样的地球化学和岩石学研究,用交会图技术建立样本集,采用聚类分析和距离判别法确定初始权重。将研究方法应用在松辽盆地杏山地区火山岩岩性识别问题中,取得了很好的效果,岩性解释符合率高于90%。文中通过四种岩性识别处理模式的对比研究,表明赋权重处理模式为最优处理模型。在神经网络模型预测过程中,需充分利用已有的地质经验和测井曲线信息建立典型可靠的样本文件,同时考虑神经网络方法中各种因素的影响,优选模型和计算参数才能使预测结果符合实际情况。     

徐深气田深层火山岩测井岩性识别方法

徐深气田深层火山岩储层岩性、流体成分复杂多变，结晶程度较差，酸性岩类成分比较接近，岩石骨架对电阻率的影响超过储层流体的影响，因而在火山岩储层精细测井评价方面存在较大困难。其中准确确定火山岩岩性是开展进一步研究工作的基础和关键。针对该区岩性识别难点，充分发挥元素俘获谱(ECS)、电成像、核磁等测井资料在岩性识别上的优势，制定了组分与结构相结合的岩性识别思路，确定了火山岩岩石分类系统，应用TAS图、图像模式、神经网络等3种方法，实现了对火山岩的测井岩性识别，为火山岩储层精细测井评价打下了坚实的墓础。     

松辽盆地火山岩岩性识别中测井数据的选择及判别方法

依照松辽盆地深层火山岩岩性分类方案中的二级分类类型,对32口有准确岩心薄片定名资料的火山岩井段测井响应特征进行了总结,根据各测井响应区间值建立一个假设随机样本,应用逐步判别分析方法,在多个测井参数中按其对岩性分类判别能力的大小进行筛选,最终选取钾、铀、光电吸收截面指数、中子及自然伽马5个具有显著判别能力的参数,并在Bayers准则下建立判别函数,选择分类效果明显的两个判别函数建立岩性识别图版,克服了测井参数引入过多对岩性识别模型的不利影响。利用上述方法对松辽盆地徐家围子断陷火山岩井段的50个资料点的实测数据进行了处理,其回判数点正确率为88%。