三塘湖盆地石炭系火山岩储层测井评价方法

根据三塘湖盆地研究区域火山岩岩性的分类，利用常规测井曲线交会图、成像测井和ECS（元素俘获谱）测井技术进行火山岩岩性识别。在求准岩性的基础上，利用混合骨架理论求取测井解释孔隙度值，进而计算含水饱和度等储层参数。从重点井的薄片鉴定结果及其岩心分析资料对比可以看出，该研究所提出的岩性识别和孔隙度的计算方法在火山岩储层评价中是行之有效的。     

Excel函数在元素录井火山岩识别技术上的应用

利用元素录井技术可获得岩石中元素的含量,从微观上分析岩石的组分构成,但岩性的准确定名成为亟需解决的难题。为此,通过Microsoft office中Excel函数实现火山岩元素录井数据的岩性自动化判别定名,即在Excel中把火山岩元素识别的TAS图板数字公式化,结合岩性定名条件,编制火山岩元素岩性识别定名Excel工作表。现场应用实例表明,该方法操作简单、便捷,不仅达到元素岩性精确定名,还提高了工作效率,提升元素录井技术的应用效果。     

松辽盆地深层火山岩岩性预测方法

基于松辽盆地深层火山岩岩心的密度及磁化率数据,通过模型正演分析可以看出,深层火山岩产生的重、磁异常不大,大多表现为叠加在强背景之上的次级异常,不易识别火山岩体。为此提出了积分-迭代延拓平化曲方法,增强火山岩磁异常信息,均衡磁异常,消除深度影响。通过应用该方法进行深层火山岩岩体圈定及岩性识别表明:该方法能有效增强深层火山岩的磁异常信息;磁异常的斜导数、欧拉反褶积能有效圈定火山岩边界;重、磁反演的视密度、视磁化率及两者的相关系数是识别火山岩的最佳三参数组合;井约束下的神经网络能有效判别火山岩岩性。     

徐深气田火山岩气藏储量参数计算

由于火山岩储层岩性多样、非均质性强、油气藏类型复杂,导致了储量评价难度大,故储量参数的准确计算至关重要。针对火山岩骨架参数不确定的特殊性,综合岩心、薄片、元素分析和测井等资料,采取了组分与结构识别相结合、常规测井和特殊测井相结合的岩性识别思路,应用多种方法开展了火山岩的岩性测井识别研究,在岩性识别的基础上应用岩心分析、测井资料和试气成果建立了松辽盆地徐深气田储量参数计算模型,最后再用综合分析的方法进行取值,降低了储量计算的风险。使用该方法,火山岩岩性识别符合率在85％以上,储量参数精度超过80%,能够满足储量规范要求,对火山岩油气藏储量评价具有指导意义。     

利用地球化学测井资料识别火山岩岩性

火山岩的岩性复杂,从超基性到酸性火山岩均有出现,不仅有火山熔岩,也有火山喷发岩,矿物成分复杂,难以识别.在对松辽盆地徐深地区火山岩岩性测井数据资料研究基础上,结合地球化学测井(ECS)方法、元素交会图法和地球化学测井(ECS)主成分分析,建立起了一套火山岩岩性识别方法,并对待判井段进行了检验,取得了较好效果.     

基于地层组分分析的火山岩岩性识别

在物性分析资料和薄片观察的基础上,确定主要地层组分的常规测井响应值和ECS测井元素含量响应值。根据地层组分分析模型,建立了密度、声波、中子、自然伽马以及铝、硅、钙、铁元素含量的测井响应方程。计算了7种主要地层组分(包括岩石骨架、流体)的相对体积含量,并据此识别火山岩岩性。利用自主研发的测井资料处理解释软件,对三塘湖盆地A区火山岩进行岩性测井识别。识别结论与薄片观察结果进行了对比,表明岩性识别效果好,提高了识别准确率。该方法可为其他地区火山岩、甚至碳酸盐岩等复杂岩性储集层的岩性识别提供一定的参考和借鉴,提出了ECS测井资料的应用新手段。     

四川盆地永探1井二叠系火山岩测井岩性识别

2018年底,中国石油西南油气田分公司部署的第1口以火山岩储层为目的层的永探1井在二叠系火山岩测试获气22.5×10~4 m~3/d,展示出四川盆地火山岩气藏良好的勘探潜力。为快速建立火山岩测井岩性识别方法,综合运用岩心、薄片、常规测井、元素扫描测井和成像测井技术对永探1井火山岩岩性进行识别。结果表明:①按岩石结构特征,永探1井火山岩岩性可分为火山熔岩和火山碎屑熔岩,火山岩碎屑熔岩根据角砾含量的多少可细分为含角砾凝灰熔岩和角砾熔岩;②岩性扫描测井可以定量提供地层主要造岩矿物元素的含量,结合TAS图版有效判断火山岩化学成分,经过剔除异源的角砾矿物成分后的岩性扫描测井结果分析,永探1井火山岩地层按化学成分主要为基性的碱玄武岩和玄武岩;③永探1井整体以基性火山岩为主,放射性低,自然伽马无法区分岩性,但密度、补偿声波和电阻率曲线对岩性敏感,利用密度与声波时差和密度与深电阻率交会法可有效区分火山岩岩性;④通过常规测井识别岩性成分和成像测井识别结构及构造特征,可以有效评价火山岩岩性。     

松辽盆地北部深层火山岩X射线荧光元素录井识别方法

松辽盆地北部深层火山岩识别难点主要表现在岩性类别多,矿物成分复杂。同时,PDC钻头加扭力冲击器钻井、空气钻井、水平井钻井等新工艺、新技术在油气勘探中的广泛应用,也给传统岩屑录井识别岩性带来了困难。以该盆地北部深层1492块不同类型火山岩样品为研究对象,开展了X射线元素分析(XRF)识别火山岩录井方法研究,在尝试大量图板交会分析的基础上,经对各个图板反复对比与筛选,分别选择MgO与SiO_2、TiO_2与CaO、TiO_2与SiO_2、Na_2O与MgO含量参数建立了4个不同类型火山岩识别评价图板。以上述分析为基础,结合火山岩定名采用的全碱(Na_2O+K_2O)与二氧化硅(SiO_2)含量TAS图板法,可最终定名火山岩具体岩性。录井实践表明,该方法在识别不同类型火山岩的基础上,可有效识别具体岩性。     

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。     

火山岩岩性、岩相识别方法——以准噶尔盆地滴南凸起火山岩为例

准确识别火山岩岩性和岩相是进行火山机构重建及地震相刻画的基础。火山岩岩性复杂且变化快,其变化不同于砂岩分布变化服从于沉积规律,而是与火山建造和喷发期次等因素直接相关,造成目前无成熟的预测模型和较强规律性可以遵循预测。选择准噶尔盆地滴南凸起火山岩为研究对象,总结出适应火山岩复杂岩性岩相识别的技术方法,即首先利用测井、岩心等基础资料建立关键岩性电性识别图版,落实井点硬数据的岩性纵向分布;其次,建立不同岩性的地震响应特征;第三,在地震波阻抗二次刻画岩性分布范围的约束下,应用数学概率和变差函数分析技术对岩性进行精细刻画;最后,结合测井响应特征进行测井相与地震相的综合标定,建立典型的火山机构地质、测井、地震相模式,为火山岩机构识别提供依据。     

火山岩相地震研究方法及应用（为庆祝塔里木油田石油会战20周年而作）

近年来,随着火山岩油气藏的不断发现,其储量越来越成为新的储量增长点,但火山岩作为一种特殊储集层.其研究难度和预测难度都较大.以准噶尔盆地五彩湾地区石炭系火山岩为例,依据己钻井火山岩岩性及岩性组合对应的地震响应特征,建立了火山岩相识别模式,总结了火山岩相的地震研究方法,预测了有利火山岩勘探相带,为该区及类似地区的火山岩岩相预测提供了可借鉴的方法.     

王府断陷火石岭组火山岩岩性及岩相识别

王府断陷火山岩岩性及岩相复杂,利用常规方法识别难度较大。为了提高王府断陷火石岭组火山岩岩性及岩相识别的可靠性,文中从火石岭组不同类型火山岩储层的岩心观察出发,对岩石薄片、测井资料等进行详细分析,总结了火山岩储层的测井响应特征,提出了适应本区的火山岩岩性及岩相识别方法。研究中充分利用常规测井及特殊测井资料识别火山岩岩性的结构构造,并通过测井相、地震相综合标定,建立该区典型的火山岩岩相、测井相和地震相模式,从而进一步识别火山岩岩石结构构造特征。该方法对王府断陷火山岩研究具有较好的指导意义。     

利用地层元素识别沉积岩岩性和矿物含量计算方法

地层元素测井测量得到地层岩石骨架的Si、Ca、Fe、S、Ti、Gd、Mg、K、Mn、Al等10余种元素的含量主要用于确定矿物含量和识别岩性。地层元素的解释方法是根据岩心分析资料确定地层矿物组合模型,利用最优化算法计算地层矿物含量,根据地层矿物含量识别岩性。其局限性是解释中需要根据岩心分析资料先确定矿物组合,再进行矿物计算,在没有岩心分析资料的井中确定矿物组合模型是个难题。以大量岩石物理数据作为研究基础,利用岩石的主要造岩矿物黏土、石英、长石、方解石和白云石含量的大小对沉积岩进行了重新的命名分类;分别建立单元素岩性识别图版和多元素组合岩性识别图版,并给出分类的公式;在岩性分类的基础上,建立元素含量与主要矿物含量的解释模型,从而建立了沉积岩岩性分类标准、元素识别岩性、确定矿物含量一套完整的解决方案。分析表明以上方法精度较高,可配合国产地层元素测井仪器在复杂岩性和非常规油气领域进行应用。     

ECS测井在火山岩岩性识别中的应用

火山岩岩性定名与识别是岩相划分、储层综合评价与预测、井网部署、开发方案编制的基础。火山岩岩性与岩石成分、结构、构造和成因有关,岩石类型多,定名和识别难度大。ECS利用快中子与地层中的原子核发生非弹性散射碰撞及热中子被俘获的原理,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,并应用聚类分析、因子分析等方法定量求解地层的矿物含量,从岩石成分的角度较好地解决了火山岩岩性识别的问题。研究区火山岩以SiO2为主,Al2O3、K2O Na2O及Fe2O3次之,CaO和MgO则不发育,Si、Al、Fe、Gd是研究区岩性识别的主要指示元素。研究结果表明从基性玄武岩到酸性流纹岩,Si元素产额和K40含量增大、Al和Fe元素产额则减小;熔结凝灰岩的Gd元素产额比熔岩高;常规测井的GR与ECS测井的Si元素产额正相关,地层密度与Fe元素产额正相关,能谱测井的Th含量则与Fe元素产额负相关。ECS以崭新的测井概念、先进的测井技术,具有广泛的应用前景,但各种误差和价格昂贵的问题则使其推广应用受到一定的限制;常规测井信息丰富,从多个方面提供了识别火山岩岩性的资料和手段;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。     

莱州湾凹陷垦利16-A构造火山岩岩性特征与测井识别

莱州湾凹陷垦利16-A构造中生界火山岩岩性复杂多样,岩性识别困难。在对岩心、壁心及薄片分析基础上,应用元素测井、成像测井以及常规测井对其进行深入研究。结果表明研究区发育2个大类6种类型的火山岩:中性火山岩主要包括安山岩、安山质火山角砾岩和安山质凝灰岩,酸性火山岩主要包括流纹斑岩、流纹质火山角砾岩和流纹质凝灰岩。应用岩性扫描测井可识别出安山质火成岩和流纹质火成岩,应用成像测井可识别出熔岩、火山角砾岩以及凝灰岩,二者结合可再识别出6种火成岩。在特殊测井识别岩性以及岩(壁)心标定的基础上,将特殊测井识别结果推广到常规测井曲线,分析各类火山岩常规测井响应特征,建立复杂火山岩识别流程,实现利用常规测井曲线划分火山岩岩性,对研究区后期勘探评价起到重要作用。     

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。     

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。     

石炭系火山岩岩性测井识别——准噶尔盆地西北缘红车断裂带

在石油天然气勘探开发过程中,勘探开发的目标一直是沉积岩储层。近年来,国内外相继发现火山岩油气藏,火山岩油气藏成为勘探目标之一。但火山岩具有岩石类型多、岩性较为复杂的特点。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。本文介绍了火山岩储层及岩相特征、火山岩的测井响应特征,简单阐述了火山岩岩性识别的方法。随着测井技术的发展,新的火山岩岩性识别方法将不断提出。     

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。     

基于参数优化AdaBoost算法的酸性火山岩岩性分类

岩性识别是火山岩油气藏勘探的基础,为提高长岭气田火山岩岩性识别的准确率,采用决策树、支持向量机、逻辑回归、AdaBoost-决策树、AdaBoost-支持向量机和AdaBoost-逻辑回归6种算法,对研究区酸性火山岩岩性进行分类与识别。通过分析研究区火山岩不同岩性的测井响应特征,选取了对火山岩岩性、组构和孔隙结构反应灵敏的12种岩石物理测井参数作为分类特征量。选择3口井中岩心分析和岩矿录井资料完整的7 150个测井数据作为数据集,并从中随机选取70 % 的数据作为训练集建立岩性识别模型,剩余30 % 的数据作为测试集。对6种算法建立的模型通过交叉验证进行参数优化及模型评价,对比不同算法与录井剖面的结果表明,AdaBoost-决策树算法可作为长岭气田利用常规测井资料识别火山岩岩性的有效手段,准确率可达90 % 以上。