剩余油饱和度解释在油藏动态描述中的应用

研究了利用电阻率、孔隙度、自然电位和中子伽马等综合测井资料求水淹油层剩余油饱和度的方法。利用专利技术“用普通取心测试资料求水淹油层饱和度的方法”，对５６５块岩样的含油饱和度分析值进行计算处理，计算出剩余油饱和度，并以此为标准检验和标定测井解释剩余油饱和度结果，测井解释值和岩心分析值的平均绝对误差为２．３％，说明经标定后的测井解释剩余油饱和度更加准确可靠。用这种方法解释胜坨油田１４口井５７个单层，再与试油结果对比，符合４９层，总符合率为８６％。用此方法和处理软件对胜坨油田二区２－２－Ｇ１８井区３０口井的测井资料和２０多年的生产资料进行解释并建立数据库，构制油藏剩余油饱和度的时空变化图，在不同方向进行切片，还绘制了三维立体图，描述不同时期剩余油饱和度的变化状况，这种动态描述与同期的生产资料吻合。     

S 区块低电阻率油层成因分析与评价

在S 区块发现了一批低电阻率油层（电阻率最低达1.7 Ω·m）,与水层电阻率相当,用常规测井解释方法识别油水层极为困难。以岩心扫描电镜、黏土矿物分析、毛管压力、地层水分析资料为基础,对S区块低电阻率油层成因机理进行了综合分析,认为该区油层低电阻率的主要成因是高矿化度地层水和低含油饱和度。针对不同成因的低电阻率油层,提出了视地层水电阻率与可动流体分析相结合的低电阻率油层评价方法。通过该区36 口井实际资料的处理,其应用效果较好。     

东濮凹陷低电阻率油层测井解释方法研究

在东濮凹陷发现了一大批电阻率相对较低的油气层 ,经试油证明可以获得较高的油气产量 ,但用常规测井解释方法容易得出错误的解释结论。在分析东濮凹陷油气层低电阻率成因的基础之上 ,提出了测井评价方法。分析研究认为 ,地层水的矿化度高与束缚水含量高是形成东濮凹陷低阻油气层的主要原因。提出了适合于低电阻率油层的含水饱和度计算模型 ,该模型具有简单实用的特点 ;由实验分析资料 ,得到了计算束缚水饱和度、油水相对渗透率的方法 ;提出了将孔隙度与油水相对渗透率相结合划分油水层的方法。通过 2 0口井试油结果证实 ,这种低阻油层测井解释方法 ,利用油水相对渗透率来识别油水层 ,不仅具有解释更简单、更客观的优点 ,而且能大大提高低阻油层识别的成功率。     

利用岩石物理相分类研究特低渗透储层参数建模

陕北斜坡中部特低渗透储层受沉积环境、成岩作用、构造等多种因素影响,储层储集性能和渗流结构差异大,储层具有非均质、非线性分布和测井响应复杂的特点,利用岩石物理相分类研究特低渗透储层参数建模,确定评价储层岩石物理相的多种信息、划分方法及其分类建模技术。通过安塞油田沿河湾地区长6储层各类测井、岩心和试油资料,建立不同类别岩石物理相测井储层参数解释模型。在分类岩心刻度测井解释模型的数据点拟合中,分类模型明显改善和提高了对渗透率等特别复杂关系拟合的均匀程度及其线性关系,在一定程度上克服了特低渗透储层低信噪比、低分辨力的评价特征,为准确建立特低渗透储层参数建模提供了有效方法。     

BP神经网络在致密砂岩储层测井识别中的应用

川西须家河组地层岩性复杂，属于超致密低孔渗储层，所以储层识别是该地层天然气勘探中所面临的关键问题和难点之一。针对常规储层识别准确率不高的状况，提出利用BP神经网络进行储层含气含水或干层的识别。 利用模糊聚类和产层测试结果标定建模样本，采取随机抽样形成建模集与测试集，建立BP神经网络模型对23口井的储层进行含气含水或干层预测，正确率达77.9%以上，明显地提高了该地区的测井解释精度，是一种准确率较高的储层预测方法。     

储层预测技术在TA井区的应用研究

运用精细储层预测技术,在精细构造解释以及测井资料预处理和储层评价、储层特征分析的基础上,利用地震属性分析技术和井约束储层反演预测技术,对TA区块UH砂岩储层进行了预测研究,落实了TA区块储层的空间展布特征,取得较好的预测结果,预测出该区块砂体总面积9．62km^2,地质储量达23．5MMbbl。     

塔巴庙区块上古生界低渗透砂岩气层测井解释技术

鄂尔多斯盆地北部塔巴庙区块上古生界砂岩天然气储层具有低孔低渗特点，岩石固相部分对测井信息的贡献远大于天然气对测井的影响，增大了储层物性和含气性解释的难度，根据岩心刻度测井的思路，通过多元统计等标定方法，建立了解释岩性剖面和计算储层孔隙度，渗透率的测井解释方程；从储层岩石和孔隙结构入手，通过岩－电关系的综合分析，采用动态法确定胶结指数m和饱和度指数n。按照孔隙度大于5％，5％－10％和大于10％的3个区间，分别求取m,n值，提高了阿尔奇方程计算含气饱和度的精度，并根据岩心分析资料，建立了束缚水饱和度的关系式，在储层参数求取的基础上，探索了利用岩石力学参数，测井参数和气测参数的交会方法进行了气层识别，取得良好效果。     

基于储层分类的低孔隙度低渗透率储层产能预测方法研究

利用研究区内22块压汞样品及4440块有效物性分析样品,建立起低孔隙度低渗透率储层的分类标准,为基于测井数据进行储层分类提供参考依据与标准.依据标准对253个储层进行了类别划分,优选了用于储层类别划分的测井特征参数,建立了3类储层特征参数分布范围及均值.借助自适应BP神经网络技术建立了适合研究区长63段的储层分类判别模...     

高孔隙度低渗透率碳酸盐岩储层测井解释难点分析

根据实验室岩心分析数据，通过对微观孔隙结构分析，讨论了高孔隙度低渗透率型碳酸盐岩储层测井电阻率、孔隙度、渗透率和含水饱和度之间关系的测井响应异常。具体分析了某孔隙型碳酸盐岩油气田B层油气藏的响应特征，从岩心分析资料建立的孔隙度渗透率交会图分析表明，B层的油气储性较差，与原测井响应的高孔隙度、高含油饱和度特征有比较大的差异。例举了数口井的应用实例。     

碳氢比测井应用效果分析

碳氢比测井是FCH地层流体饱和度测井的简称。吐哈油田既有低孔隙度、低渗透率，又有高孔隙度和中高渗透率储层，且矿化度多变，储层多样且复杂，存在有高电阻率水层、低电阻率油层，对于如何认识剩余油分布、评价油层水淹程度及边底水动态；在新井射孔前能否评价油水层分布状况等难题，碳氢比测井可以根据中子在地层中产生核反应过程中的非弹性散射、弹性散射、俘获反应及核反应整体效应理论，依据探测到的碳氢元素的丰度计算出地层介质内的碳氢比值，进而求取地层中的含油或剩余油饱和度，其方法应用减少了孔隙度和矿化度的影响。通过实例分析了该技术在吐哈油田不同类型储层中的适应性。     

磁共振成象测井在中国的应用实例

提供了磁共振成象测井在中国的应用实例，介绍了气层在Ｔ２分布中的显示，ＭＲＩＬ数据和岩心分析数据的对比结果，说明了ＭＲＩＬ所提供的地层有效孔隙度，束缚水饱和度和渗透率在测井油气评价中起到了重要作用。     

Development of artificial neural network models for predicting water saturation and fluid distribution

We have developed artificial neural network (ANN) models to predict water saturation from log data. Two Middle Eastern sandstone reservoirs were investigated. In the first case, an ANN model was tested on the Haradh formation in Oman using wireline logs and core Dean–Stark data. In the second case, the ANN was used to model the saturation–height function in a complex sandstone reservoir.In the first case study, the model is based on a three-layered neural network structure. The model was successfully tested yielding a prediction of water saturation with a root mean square error (RMSE) of around 0.025 (fraction of pore volume P.V.) and a correlation factor of 0.91 to the test data. Furthermore, the ANN model was shown to be superior to conventional statistical methods such as multiple linear regression, which gave a correlation factor of 0.41.In the second case, the model yielded a saturation–height function with an RMSE of 0.079 (fraction P.V.) in saturation when using core porosity and height above free water level. This is a considerable improvement over conventional methods. The error was also greatly reduced when permeability and a lithology indicator were introduced. A minimum error of 0.045 (fraction P.V.) was obtained when using core data such as height, porosity, permeability, lithology and a functional link. We then used gamma ray, neutron, density, resistivity wireline data and the cation exchange capacity as inputs. Our best case which gave an RMSE error of 0.046 (fraction P.V.) was obtained. The ANN was then used to predict the hydrocarbon saturation in the Gharif formation and good results were obtained. The neural network model proved the robustness of saturation prediction in another field for the same formation.     

测井资料在潜山油藏综合研究中的应用

开发碳酸盐岩裂缝性油藏的关键在于详细了解有效储层的空间分布规律。本文以辽河油田沈 2 2 9井区元古界灰岩潜山油藏为例 ,利用 370 0系列测井和成像测井资料分别对地层产状、储集岩的识别和划分、裂缝的识别和预测等进行了研究。研究结果表明 ,该区的白云岩、石英砂岩 (主要储层 )和泥岩在 370 0测井曲线上呈现明显的特征 ,可以作为主要识别标志 ;该潜山地层倾角一般在 30°左右 ;该区裂缝走向以北东和近北西向为主。利用神经网络技术进行裂缝纵向识别 ,利用 3D Move及 3D Stress软件进行裂缝的空间分布条件模拟。在此研究的基础上提出了有效储层的发育区和合理的射孔井段 ,取得了较好的效果     

改进人工神经网络原理对储层渗透率的预测——以北部湾盆地涠西南凹陷为例

人工神经网络的计算方法是一种非线性处理系统,是根据测井数据进行储层物性参数预测的方法。以往在利用遗传算法预测渗透率的时候,因为只考虑了单一的数据点,没有把临近层位的数据加入学习过程中来,故影响了预测模型的精度和可信度。为弥补这一不足,利用相临多个层位的数据点进行学习,进而建立储层渗透率的预测模型,并在岩心分析化验数据和相关测井曲线数据归一化的基础上,利用改进的开窗技术,借助反馈的神经网络方法对地层的渗透率进行逐点计算。通过北部湾盆地涠西南凹陷的实例实践表明,用该方法预测的渗透率与实测的渗透率的值符合较好。     

利用RBF神经网络自适应调整算法预测储层产能

传统径向基(RBF)神经网络的基函数宽度值都由经验公式确定或人为选取,没有考虑误差分布情况,所以在应用中常常效果不够理想。为此本文以最近邻距离算法为基础提出一种改进的RBF神经网络算法,能够自适应地调整基函数中心点宽度值以达到高精度、快速逼近样本的目的。在石油储层产能的预测中,首先对样本信息进行属性约简、预处理;然后在网络学习训练中通过计算输入样本的RBF神经网络的中心点值,再确定RBF神经网络基函数的宽度值,直到满足系统精度为止;最后用训练好的网络来进行储层产能预测。仿真结果表明,改进的RBF神经网络算法应用效果显著,不仅比传统RBF神经网络算法拟合精度高,而且收敛速度快。     

基于数理推导的砂岩地层渗透率计算新模型

为提高砂岩油气藏渗透率测井计算精度,降低渗透率解释模型区域局限性,基于薄膜孔隙模型,通过数理推导,建立了砂岩储层渗透率计算新模型。该模型揭示了渗透率和单位体积与束缚水饱和度之差的平方成正比的新认识。基于岩心资料,通过与Timur模型及区域拟合模型计算结果的对比分析,验证了新模型具有精度高、适用性强的特点。该研究为砂岩油气藏渗透率测井计算提供了新途径。     

深层低渗凝析气藏试井解释方法及其应用探讨

针对中原油田濮67、白庙、桥口等深层低渗凝析气藏的相态变化和渗流特征,综合运用考虑孔隙介质吸附、毛细凝聚等物理化学界面效应影响的凝析油气体系相平衡计算方法和凝析油气两相渗流方程,以及通过引入凝析油-气两相拟压力函数和渗流方程线性化处理所得到的均质凝析气藏试井解释方法,探索了适合于中原濮67、白庙、桥口等深层低渗凝析气藏试井资料的常规及现代试井解释方法。经实例分析,证实了孔隙介质吸附及毛细凝聚对试井解释结果有较大影响,一是储层有效渗透率降低;二是表皮系数增大。     

神经网络结构风险最小油气预测

本文基于统计学习理论中的结构风险最小化原理，从理论上给出了神经网络的结构设计方法和实现过程，该方法能自适应地扩展神经网络的容量，从而完成网络的结构设计，并且在有限样本 的情况下，最大限度地提高网络的训练精度和泛化能力，进而提高神经网络预测结果的可靠性，此外，文中给出了本文方法在吉林油田开发区块储层油气检测的应用实例，效果良好。