致密砂岩储集层渗透率预测修正方法

致密砂岩储集层孔喉细小、孔喉关系复杂,现有的渗透率预测模型常应用于常规砂岩或碳酸盐岩储集层,不能很好地预测致密砂岩储集层的渗透率。选取鄂尔多斯盆地长6—长8油层组的10块致密砂岩岩心,基于矿物分析和扫描电镜等实验,分析了样品的矿物组成与孔喉结构特征;基于高压压汞实验,对8类典型渗透率预测模型的特征参数进行了修正,建立了适用于致密砂岩储集层的渗透率预测修正方法,并对模型进行了优选与适应性评价。研究表明,修正的Pittman模型、Winland模型、Dastidar模型和K-T模型对致密砂岩储集层渗透率具有较好的预测效果;而修正的Purcell模型、Swanson模型、Thomeer模型和W-A模型的预测效果较差。     

基于偏最小二乘法评价孔隙结构对低渗透砂岩储层质量的影响

微观孔隙结构是影响低渗透砂岩储层质量的重要因素。应用偏最小二乘法建立了孔隙结构对低渗透砂岩储层孔隙度、渗透率影响的回归模型。结果表明：排驱压力、孔喉均值、变异系数是影响低渗透砂岩储层孔隙度的主要负面因素,而中值压力是主要正面因素;结构系数、孔喉均值、分选系数是影响低渗透砂岩储层渗透率的主要负面因素,而变异系数是主要正面因素。上述结论对于进一步拓展低渗透砂岩储层综合评价研究有着重要的意义。         

基于高压压汞和核磁共振的致密砂岩渗透率预测

分析影响致密砂岩渗透率的主控因素并准确预测致密砂岩渗透率对致密油气藏的开发具有重要意义。以鄂尔多斯盆地延长组致密砂岩为研究对象,基于高压压汞和核磁共振对致密砂岩渗透率主控因素进行了研究,分别评价并优选了更适用于致密砂岩的基于高压压汞和核磁共振的渗透率预测模型。结果表明：影响致密砂岩渗透率的主要因素是孔喉半径,其中中值孔喉半径与致密砂岩渗透率相关性最强;与核磁共振T₂加权平均值相比,T₂几何均值与致密砂岩渗透率的相关性更强;在3种不同的核磁共振渗透率预测模型中,SDR-REV模型的预测效果要优于SDR模型和KCT_2w模型;在3种不同的高压压汞渗透率预测模型中,基于r₄₀和r₄₅的Winland模型渗透率预测精度较高。研究成果对鄂尔多斯盆地延长组致密砂岩的进一步有效开发具有指导意义。     

恒速压汞在鄂尔多斯东南部致密砂岩储层中的应用

为准确评价鄂尔多斯盆地东南部上古生界致密砂岩气藏孔喉分布特征,利用典型岩心的恒速压汞实验,研究了孔隙和喉道的分布特征以及孔喉半径比特征参数与孔渗间的关系,进而提出了喉道特征参数预测方法。结果表明：孔喉半径比峰值主要由喉道半径峰值决定,而孔喉半径比峰值比例主要受孔隙半径峰值比例影响;孔隙度受到孔隙和喉道的共同影响;渗透率主要由喉道特征参数决定,其中,喉道半径峰值对渗透率的影响最大;孔喉半径比平均值是同时影响孔隙度和渗透率的唯一参数。根据研究结果,建立了喉道特征参数预测模型,预测精度和敏感程度综合分析表明,预测结果可靠程度高。该项研究为准确评价鄂尔多斯盆地东南部上古生界致密砂岩气藏的孔喉分布提供了参考,实现了在未开展恒速压汞实验的情况下对喉道特征参数的准确预测,同时也为同类气藏的储层评价拓宽了思路。     

基于压汞资料的碳酸盐岩储层渗透率预测模型 ——以扎纳若尔油田KT-Ⅰ和KT-Ⅱ含油层系灰岩储层为例

以哈萨克斯坦扎纳若尔油田82块碳酸盐岩岩心的压汞及物性分析资料为基础,对比分析Swanson模型、Capillary-Parachor模型、Winland模型、Pittman模型、Nelson模型和δ函数模型预测碳酸盐岩储层渗透率的精度。结果表明,这6种渗透率预测模型对孔隙结构复杂的碳酸盐岩储层渗透率的预测精度均较差,但Swanson模型的预测精度优于其他5种模型。进一步分析Swanson模型预测碳酸盐岩储层渗透率的适用性,认为该模型不能反映储层微裂缝对渗透率的影响,也不能反映复杂的孔喉半径分布特征对渗透率的影响。对于孔喉半径分布呈多峰特征的碳酸盐岩岩心,孔喉的发育对储层的渗透率都有贡献,不存在优势孔喉区域,而Swanson模型将毛管压力曲线拐点处对应的孔喉半径作为岩心发育的优势孔喉半径,且忽略了孔喉半径分布呈双峰特征的岩心中发育的小孔喉对渗透率的影响,导致Swanson模型计算的渗透率误差较大。因此,以Swanson模型为基础,提出一种综合考虑孔隙度、歪度和分选系数等孔隙结构参数的改进渗透率预测模型,将该模型与Swanson模型进行对比,发现改进渗透率预测模型对孔隙结构复杂的碳酸盐岩储层渗透率的预测精度有明显提高。     

基于改进BPNN与T_2全谱的致密砂岩储层渗透率预测

针对现有核磁共振测井渗透率模型对孔隙结构复杂的致密砂岩储层预测精度不高的问题,在分析误差反向传播神经网络的缺陷后,提出了一种利用集成正则化改进神经网络(BPNN)算法与核磁共振T_2全谱预测致密砂岩储层渗透率的方法。该方法采用自构形算法自动确定隐层神经元的个数,采用自适应雨林优化算法避免BP神经网络迭代陷入局部极小值,利用L_2正则化算子保证算法的稳定性,采用Adaboost集成算法串联若干BP神经网络以提高模型泛化能力。提取某区致密砂岩储层192块岩样的核磁共振T_2全谱数据进行建模,并应用于非建模井的渗透率评价,认为基于集成正则化改进BPNN算法评价储层渗透率精度较高,均方误差仅有0.286。     

致密砂岩分形渗透率模型构建及关键分形参数计算方法

针对现有渗透率分形模型关键参数计算方法与渗透率相关性较差、迂曲度分形维数不能反映三维特征,造成致密砂岩渗透率预测困难的问题,基于致密砂岩孔隙结构分形特征及迂曲毛管束模型,构建了一种致密砂岩渗透率预测模型,提出了分形维数、迂曲度分形维数、特征长度的有效计算方法,并探讨了不同迂曲度计算方法对致密砂岩渗透率预测的影响。研究表明:构建的渗透率模型可以有效预测致密砂岩渗透率,更接近于实测值,计算得到分形维数与岩心渗透率相关性更强;不同迂曲度计算方法得到的致密砂岩迂曲度值差异较大,选取合适的迂曲度计算方法可以提高致密砂岩渗透率预测精度。研究成果可以准确、快速地预测渗透率,对致密砂岩油藏储层评价与有效开发具有重要意义。     

基于数字岩心的致密砂岩微观孔喉结构定量表征

微观孔喉结构是决定致密砂岩储层物性的内在因素,定量描述微观孔喉结构特征可以为致密砂岩储层质量表征提供依据.但致密砂岩储层微纳米孔喉发育,微观非均质性强,常规实验手段难以准确地确定孔喉特征参数.在高精度数字岩心图像的基础上(以SEM-Maps扫描图像为例,分辨率为10 nm),建立致密砂岩多孔介质模型,研究形成了自适应孔...     

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。     

柳杨堡气田盒1段致密砂岩气藏储层特征研究

鄂尔多斯盆地柳杨堡气田下石盒子组盒1段致密砂岩气藏储层储集及渗流能力差,制约气藏产能的分布,急需对其储层特征进行研究。研究表明:盒1段储层的岩石类型以岩屑石英砂岩为主,石英砂岩、岩屑砂岩和长石石英砂岩次之,储层平均孔隙度为5.8%,平均渗透率为0.42×10-3μm2,孔隙类型以粒间溶孔、粒内溶孔和微裂缝为主,储层岩石孔隙度、渗透率与孔喉结构密切相关。根据毛管压力曲线形态和中值压力、排驱压力、平均孔喉半径等特征参数将毛管压力曲线分为三种类型。综合研究储层岩性、物性、微观孔喉特征参数、测井参数和试气试采特征及其相互关系,把盒1段致密砂岩储层分为三类,分别为较好储层、一般储层及非有效储层,其中前两类是气藏后期开发的重点选层。