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.     

桑托斯盆地L油田盐下复杂岩性测井识别方法

巴西桑托斯盆地盐下巨型碳酸盐岩储层是当今全球海域油气勘探的热点,目前对该区域储层性质的研究程度还相对较低。该区域发育了碳酸盐岩、火成岩和砂泥岩等多种岩性的地层,不同岩性序列的地层相互影响重叠,导致直接利用测井曲线进行岩性判别存在着较大的多解性和不确定性,严重影响了区域储层解释,制约了勘探进程。结合岩心、薄片、综合地质录井和测井等资料,对桑托斯盆地碳酸盐岩、火成岩和砂泥岩的岩石学特征及沉积学特征进行了综合分析,并基于几种主要岩性的测井响应特征,将元素组分、物性及孔隙结构相结合,提出一种"三步法"进行地层岩性识别,识别精度较高,为储层精细测井评价打下坚实的基础。     

欢喜岭-齐家地区中生界地质特征研究

辽河油田欢喜岭—齐家地区中生界厚度变化大、岩性复杂,不仅地层落实困难,而且岩性识别也有难度。通过对17口井岩心的肉眼观察和15块岩石薄片的镜下鉴定,结合地层岩性的测井响应特征,分析了中生界岩性及其特征;利用三维地震解释技术,研究了中生界油气分布规律;结合该区断裂特征分析和中生界与前中生界的联系,对中生界油气分布进行了研究。综合分析研究认为,中生界主要发育两套地层,一套以火山建造为主,一套以沉积建造为主;中生界油气分布既受控带断层的控制,也受前中生界潜山古地貌的影响;中生界不同类型火山岩的密度和自然伽马测井相应特征明显不同。     

BP神经网络在辽河坳陷太古宇潜山内幕岩性识别中的应用

太古宇基岩内幕岩性复杂,岩性划分难度较大。研究中以岩心定名为基础,挖掘太古宇不同岩性测井曲线的响应特征,抽取对基岩内幕岩性敏感的密度、中子、伽玛以及光电吸收截面指数作为输入端构建BP神经网络对太古宇岩性进行识别。识别结果与岩心测试资料对比表明,BP神经网络岩性识别结论可靠。该研究丰富了太古宇基岩岩性识别方法,为太古宇内幕深化研究奠定方法基础。     

辽河滩海燕南潜山古生界岩性测井识别方法

辽河滩海燕南潜山古生界多为碳酸盐岩,潜山取心资料少,有必要建立岩性测井识别图版,为潜山地层岩性判别提供支持。本文通过地质资料对测井的标定,优选对岩性敏感的测井曲线制作岩性识别图版,并将图版应用于燕南潜山古生界其他井段进行岩性识别,得到的岩性结果为下一步储层评价提供依据。     

基于模式识别的稠油油藏复杂岩性识别方法

利用常规测井曲线、交会图等方法识别稠油油藏岩性正确率低,效率不高。选用已采集的油田测井资料,分别采用费歇判别法、BP神经网络、极限学习机3种模式识别法,对稠油油藏岩性进行识别,并利用岩心、录井资料对识别结果进行检验。研究结果表明,费歇识别法正确率为81.2%,BP神经网络识别正确率为90.3%,极限学习机识别正确率为92%。在合理有效提取参数的条件下,极限学习机和BP神经网络的岩性识别符合率要高于费歇判别法,且具有运算速度快、效率高等优点。模式识别法在测井解释岩性识别方面有一定的推广应用价值。     

基于XGBoost算法的复杂碳酸盐岩岩性测井识别

碳酸盐岩储层在形成过程中受到多种因素的影响，储层岩性复杂多样，基于测井资料对碳酸盐岩岩性识别具有重要意义。为了解决传统的测井岩性识别方法和机器学习方法对于复杂碳酸盐岩岩性识别准确率不高的问题，以廊固凹陷北部奥陶系碳酸盐岩为例，将XGBoost算法应用于复杂碳酸盐岩岩性识别，并将模型的性能与决策树C4.5算法和支持向量机算法进行对比。结果表明，采用的XGBoost算法的岩性识别模型对研究区碳酸盐岩岩性识别的准确率达到了88.18%，相较于决策树C4.5算法和支持向量机算法准确率均提高了10%左右，且由于XGBoost算法采用多线程和分布式计算的方法，使得训练时间大大缩短。基于XGBoost算法建立的岩性识别模型能够有效地识别复杂碳酸盐岩岩性，为复杂碳酸盐岩岩性的测井识别提供了新的思路。     

济阳坳陷太古界岩浆岩常规测井综合识别

济阳坳陷目前已有数口探井钻探到以太古界岩浆岩为主要储层的油藏,火成岩与变质岩测井储层评价技术面临较大困难.在详细调研济阳坳陷太古界岩浆岩体发育地质特征的基础上,通过分析不同岩性测井响应特征,总结了岩浆岩的测井响应模式,建立了相关的交会图技术、曲线叠置技术和基于统计分析的Fisher判别定量识别方法,形成了太古界岩浆岩常规测井综合识别方法.该技术在郑4-2井岩浆岩岩性识别实验中平均准确率达到了83.9％.该技术系列在完善断陷盆地油气储层测井评价技术的同时,还可以为济阳坳陷太古界下阶段油气勘探开发乃至储量申报提供技术支撑.     

辽河坳陷兴隆台变质岩潜山储层识别及评价

以岩心分析技术及测井交会图技术相结合,厘定了辽河坳陷兴隆台潜山的岩性,利用试油、试采数据建立了变质岩潜山中储层的识别标准;在研究工作中探索了变质岩潜山中测井资料的标准化方法,同时应用常规测井资料及成像测井资料对变质岩潜山中的孔隙度进行了评价。     

兴隆台太古宇潜山岩性特征及测井响应

兴隆台太古宇潜山经过多期侵入,岩性十分复杂,给岩性识别和油气层评价带来了一定困难。结合该潜山地层的岩心、岩屑、井壁取心及测井资料的统计分析。阐述了兴隆台潜山地层的岩石类型、岩性特征和测井响应特征,进一步给出了依据测井响应特征和测井曲线形态对兴隆台潜山地层岩性进行定性识别的标准．对于该区的进一步勘探开发和油气层评价具有重要的指导作用。     

基于岩性扫描测井的混积岩岩性识别——以玛湖凹陷风城组为例

准噶尔盆地玛湖凹陷二叠系风城组发育富含油气的陆相混积岩,岩性变化快,矿物种类多,利用常规测井无法有效识别岩性。利用岩性扫描测井,获得地层中主要元素的质量分数,根据矿物敏感元素与矿物的关系计算矿物质量分数。利用长英质矿物含量与碳酸盐矿物含量的比值构建混积岩指数,利用中子孔隙度与核磁共振总孔隙度的差值构建泥质指数,将混积岩指数与泥质指数交会形成风城组混积岩岩性识别图版。结果表明,矿物含量计算精度高,平均相对误差仅为6.5%,岩性解释符合率为90.9%,满足测井评价的需求,可为混积岩型页岩油藏的测井岩性识别提供借鉴。     

基于MATLAB神经网络的岩性识别

利用MATLAB工具箱中的快速BP算法来训练神经网络，并用神经网络来进行测井资料的岩性识别。通过对已知井段测井数据进行学习，来预测同一地区其他井段的岩性。实验结果表明．MATLAB工具箱中的快速BP算法具有很高的实用价值。     

神经网络在岩性识别中的应用

将神经网络方法引入测井资料的处理和解释中,以塔里木油田某取心井为实例,进行砂岩,泥岩和灰岩的自动识别、识别结果说明了神经网络方法的有效性。     

基于测井多参数的复杂储层岩性综合识别

受多期不同类型构造、沉积、成岩的作用,MA凹陷芦草沟组岩性复杂多样。通过分析已知测井资料和取心岩性的对应关系,建立该区测井相—岩相蛛网模式库,利用灰色关联理论对MA凹陷18口井储层进行岩性自动识别,其对应的364块实验取心薄片结果分析对比,其中各岩性的符合率均达到80%,实现了对多种测井信息集成和综合分析,达到了用定量参数形象反映定性问题的目的,提高了复杂储层岩性识别的精度。     

徐深气田深层火山岩岩性测井识别及应用

徐深气田是我国目前为止发现的少数探明储量上千亿的特大气田之一,为大庆天然气事业的发展翻开了新的一页。徐深气田储层主要以火山岩为主,而火山岩储层岩性复杂多变,其岩性的影响远远超过流体的影响,因此岩性识别对该地区显得尤为重要。准确确定火山岩岩性是火山岩储层精细评价的基础。本文通过对徐深气田营城组火山岩岩心薄片资料分析,研究出了利用常规测井信息识别矿物成分,应用成像测井信息识别火山岩的岩石结构及构造,并将两者相结合对火山岩岩性进行综合判别的岩性识别方法,应用聚类分析等数学方法实现了对火山岩储层岩性的自动识别,处理结果与岩心、薄片资料对比表明,该方法对兴城、升平地区火山岩岩性识别具有较好的应用效果。     

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。     

基于随机森林的K-近邻算法划分火成岩岩性

针对火成岩油气藏火成岩岩性划分难,岩性划分准确率受薄片鉴定样本数量影响大的问题,利用随机森林(RF)算法分析不同的测井曲线与火成岩岩性相关性,再利用K-近邻(KNN)算法划分小样本薄片鉴定情况下的火成岩岩性。将研究成果应用于川西地区二叠系火成岩地层,结果表明:测井曲线与岩性相关程度从高到低依次为GR、R_t、DEN、CNL、AC;KNN算法划分火成岩岩性,k取值受分类数量和训练样本数量2个因素控制,样本数量较小时后者影响程度大于前者;k为3时,24个火成岩训练样本(5种岩性)KNN法回判准确率为87.5%,14个火成岩(5种岩性)测试样本测试准确率为92.5%。对比图版划分火成岩岩性,KNN算法受人为影响小,参数调节简便。该研究对小样本情况下火成岩岩性划分有重要指导意义。     

基于支持向量机的复杂碎屑岩储层岩性识别

以塔河地区石炭系碎屑岩储层的岩性识别为例,阐述了采用支持向量机技术及利用常规测井资料在取心资料少的情况下识别复杂碎屑岩储层岩性的方法。塔河地区石炭系碎屑岩储层的岩性复杂,普遍含泥、含灰和含砾,加之取心资料少和测井新技术资料缺乏,其岩性识别遇到了较大的困难。从常规测井资料中选取对储层岩性相对敏感的多种资料,选用径向基核函数和一对一多类分类编码模式,利用有限的取心资料建立岩性分类器。展示了塔河地区其中一个区块的岩性识别结果,并与BP神经网络方法的识别结果进行了对比,结果显示该方法具有更好的应用效果。