预测井间储集层参数的相控模型法

在后期成岩作用影响不大的情况下，砂岩储集层物性与沉积微相之间关系密切。据此，针对砂岩储集层进行井间参数预测，研究砂岩厚度、孔隙度、渗透率的平面分布，提出建立井间储集层参数模型的相控模型法，勘察质是进行带地质约束的井间参数预估，即由井间沉积相地质信息提取储集层参数软信息，增补井间约束条件，与井点数据共同预测井间储集层参数。该方法适用于井控不足情况下的储集层描述。     

波形分类技术在储层沉积微相预测中的应用

地震波形的总体变化是地震波振幅、频率、相位的综合反映，是重要的地震属性参数。地震波形分类技术充分利用了地震资料信息丰富的特点，采用神经网络算法把地震道形状（即波形特征）定量地刻画出来，通过对某一层地震数据逐道进行对比分类，细致地刻画地震信号的横向变化，从而得到与地质层位对应的地震相图，用于储层砂体及岩性油藏的预测。应用波形分类技术对古龙北地区葡萄花油层沉积微相进行了预测，预测结果与该区宏观沉积环境吻合，与单井微相匹配程度高，属性的细节变化符合沉积规律。利用预测结果提供了2口井位，实施钻探后均获得工业油流，新发现了较大储量规模的岩性油藏。     

一种用于井间储层参数预测的新方法

高含水后期的油田，研究储层参数的空间分布是油藏描述的核心，在确定单井储层参数的基础上，结合井位坐标，提出了利用高阶累积量分析方法和状态转移方程，实现井间储层参数预测。运用该方法，对大庆油田萨南地区投产井进行处理，取得了较为满意的效果。     

厚油层夹层建模方法探讨——以A油田Ed2 Ⅲ 3~1小层为例

有效预测井间夹层展布,对指导剩余油挖潜、提高油田采收率具有重要意义。以A油田Ed2Ⅲ31小层为例,在等时地层格架控制下,应用随机建模方法,在单井相分析成果建立的平面和垂向沉积微相分布趋势约束下,有效预测了该小层内多期沉积微相的展布,进而揭示了泥质夹层的空间分布;应用该研究成果,实施了一批挖潜措施,提高了单井产能。     

基于BP神经网络的分层相控碳酸盐岩储层渗透率预测方法

碳酸盐岩储层受成岩作用影响大,孔隙-喉道结构复杂,孔隙度—渗透率相关性较低,渗透率预测难度较大,常规以线性关系为主的预测方法结果不理想。提出了基于BP神经网络的储层渗透率综合预测方法,可以有效预测碳酸盐岩储层渗透率。方法主要分3步。首先对岩心数据和测井数据进行质量控制;然后结合地质特征,优选预测测井曲线参数和神经网络模型的参数,建立预测模型;最后综合多来源资料,进行预测结果质量控制。将该方法应用于中东地区碳酸盐岩A油藏,渗透率预测结果较好。碳酸盐岩储集空间复杂,孔、洞、缝均发育,岩心塞的渗透率测量只能代表局部位置,而试井资料的动态有效渗透率测量范围较大,可以体现储集空间特征,加之储层黏土矿物含量低,不存在储层敏感性问题和各向异性较弱等因素,最终导致试井动态渗透率数值一般高于岩心渗透率。     

砂质辫状河储层三维地质建模研究

河流相储层常具有较难描述的几何结构，这往往可归结为砂体伴随着复杂的沉积环境：在开采过程中，主要流动路径是通过砂岩进行的，在特定的井位构形下，砂岩的连通性和非均质性对于油气采收率至关重要。以FJC油田砂质辫状河Y9储层为实例，采用确定性内插与随机模拟相结合的建模方法，建立的地质模型揭示了河流相叠置砂岩分布连通性和传导性的一般特征由于具有多个沉积微相分布的储层属性参数有较大差别，通过沉积微相的条件约束模拟，合理体现了微相内地质特征的相似性，使地质模型更符合实际。利用流动单元识别原理和方法，划分出表征不同存储性和渗流性的流动单元，从宏观角度阐明砂体内部剩余油的分布，反映出流动单元与剩余油的内在联系。应用表明，三维建模在揭示砂体空间非均质性方面具有优势，对其它油田同类储层精细描述和潜力分析研究有实际意义。     

辫状河储层三维地质建模研究

河流相储层常具有较难描述的几何结构,这往往可归结为砂体伴随着复杂的沉积环境。在开采过程中,主要流动路径是通过砂岩进行的,在特定的井位构形下,砂岩的连通性和非均质性对于油气采收率至关重要。以slg气田砂质辫状河盒8储层为实例,采用确定性内插与随机模拟相结合的建模方法,建立的地质模型揭示了河流相叠置砂岩分布连通性和传导性的一般特征。由于具有多个沉积微相分布的储层属性参数有较大差别,通过沉积微相的条件约束模拟,合理体现了微相内地质特征的相似性,使地质模型更符合实际。     

基于神经网络的柳林地区煤储层渗透率预测方法

分析了煤储层渗透率预测中存在的问题,提出基于测井信息的GA-BP神经网络预测煤储层渗透率方法,分析其机理及测井参数标准化处理方法。以柳林地区56口井的试井和测井资料为基础,利用灰色关联分析法优选6个测井参数作为输入变量,建立了GA-BP神经网络渗透率预测模型。将渗透率模型的预测结果与实测结果比较,两者具有较高的吻合度,证明该方法在煤储层参数预测的实践中具有较好的适应性。基于所建立的数学模型,对研究区的渗透率进行了预测,完成了渗透率平面分布图,为柳林地区煤层气的勘探开发提供了依据。     

地震反演、地质协同约束储层精细建模研究

针对强非均质油藏,需要综合运用多尺度信息来进行精细描述,以提高井间及外围预测模型的精度和确定性。以红柳泉地区E13油藏为例,分别探讨了单纯变差函数、相控、地震属性体约束建模的优、缺点,确定了多信息协同约束综合建模的研究思路。以测井相为井点数据,以反演砂体厚度图为平面约束,刻画沉积微相的平面展布|同时以测井解释数据为硬数据,采用沉积微相控制、地震反演协同体约束建立储层的泥质含量模型,进一步利用阈值离散化得到岩相模型。多信息协同约束综合建模利用了地震资料横向连续性好,测井资料纵向分辨率高,沉积微相反映地质沉积规律等优点,弥补了变差函数多解性强、地震数据纵向分辨率低、井间预测对数据密度要求苛刻、相控模拟沉积模式化严重等缺陷,在实际应用中取得了较好的预测效果,可作为解决储层表征难题的重要策略。     

基于深度学习的饱和度场样本库建立及预测

复杂断块油藏剩余油预测一直是指导油藏开发后期井位部署、剩余油挖潜工作的关键。为了提高复杂断块油藏剩余油饱和度场预测效率和精度,构建了反映不同构造深度、储层厚度、渗透率、孔隙度等属性的2×10⁴个数值模拟正演模型,并得到相应的各个模型的剩余油饱和度场分布,从而构建形成饱和度场数据样本库。通过深度卷积对抗神经网络模型对样本库数据进行训练,其中,随机选取70%的数据作为训练集,30%的数据作为测试集,最终建立形成能够应用于实际区块的饱和度场预测方法。研究结果表明：新的方法无需再对实际区块进行数值模拟研究,只需输入实际区块的储层物性参数、井位坐标、注采量等信息,即可通过深度卷积对抗神经网络模型得到区块在不同时刻下的剩余油饱和度分布,方法预测精度达到90%以上。经过测试,深度卷积对抗神经网络模型表现出较好的泛化能力,模型能够被广泛应用于相似的复杂断块油藏剩余油饱和度场预测中,从而提高油藏开发研究的工作效率。     

PERMEABILITY PREDICTION FROM WELL LOGS USING AN IMPROVED WINDOWING TECHNIQUE

Permeability prediction from well logs is of great importance in reservoir characterization and engineering. In this paper, a new method is proposed to correlate conventional well logs and core permeability data. It uses an improved "windowing" technique to incorporate adjacent core data to the permeability predictor in such a way that the scales of the well log and core measurements are matched. It also has the capability to evaluate the reliability of each and every prediction. The method is implemented by the use of a neural network and is demonstrated by means of a case study. The study uses a set of well logs and limited core permeability data to produce continuous permeability profiles. The results show that the permeability profiles are consistent with the core permeability and the geological sequence of the reservoir. The reliability indicator is particularly useful for examining reservoir heterogeneity and sampling.     

储层非均质渗透率预测在分析剩余油富集区中的应用

据双河油田测井、地质资料计算单井储层非均质渗透率序列,并以分形技术为基本预测方法进行储层非均质渗透率预测。利用预测结果,结合沉积微相,从储层非均质性、井网不完善及夹层的影响三个方面进行剩余油富集区分析。     

基于岩控的人工神经网络在渗透率预测中的应用

渗透率是储层评价中的重要参数,与传统的经验模型或统计模型计算的结果相比,BP神经网络由于高强度非线性映射能力及较强的自适应和自学能力,可以更精确地预测储层渗透率。通过对常规BP网络模型的改进,即在模型中加入定量化的岩性评价参数作为一个学习样本,建立了储层参数与测井响应及岩性之间的非线性模型。应用该方法对北部湾盆地涠西南凹陷涠洲某油田流一段的渗透率进行预测,取得了较好的效果。该方法计算的渗透率与实测渗透率吻合度很好,而且比用常规的、没有岩性控制的BP网络模型计算的渗透率精度更高。除了在储层参数预测方面进行应用,该方法还在储层沉积微相和岩性预测方面有着广泛的应用前景。     

人工神经网络技术在油田储层物性预测中的应用――以西峰油田为例

与传统的测井资料解释和信息处理技术相比较,在对非均质性较强、物性参数级差较大的储集层物性预测中,人工神经网络技术具有极强的自适应和自学习能力,其通过很强的非线性映射,能够精确地建立储集层参数与测井响应之间的非线性模型。在论述神经网络技术基本原理的基础上,对西峰油田延安组和延长组储层的物性参数(孔隙度和渗透率等)进行了预测,取得了较理想的结果。预测结果表明:渗透率参数级差不大(<102)时,预测精度高;渗透率的变化范围较大(>103)时,对具有高渗透率储层的预测精度高,而对具有低渗透率储层的预测值相对误差较大。     

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。     

非均质渗透率分形预测在完善储层地质模型中的应用

本文从研究区域的测井、地质资料出发，通过单井储层渗透率序列计算，以分形技术为基本预测方法建立起储层非均质渗透率三维分布数据体。并以此为基础，在平面上细分沉积微相，在剖面上分析砂体的连通情况，建立起各沉积单元中相对独立的水动力单元，结合储层规模的非均质渗透率预测为完善储层地质模型提供依据。     

人工神经网络技术在储集层参数预测中的应用

建立在传统的经验模型或统计模型基础上的常规测井储集层参数预测方法其精度和成功率均较低。介绍了人工神经网络在处理非线性相关参数预测方面的优势和多层前馈神经网络的结构,以及在处理非线性参数过程中的原理和数学计算方法。通过实例说明了神经网络技术在测井孔隙度参数预测中所取得的成果。     

井震联合薄储层沉积微相表征实例研究

油田开发中晚期阶段对薄储层沉积微相精细描述的要求更高,采取井震联合手段、半定量或定量地描述是必然趋势。本研究以地质统计学及平面插值算法为数学工具,分别探讨了井点离散型沉积相数据与连续型砂地比数据的互换关系、地震属性与井点砂地比参数的相关性、敏感地震属性的优选等;同时,建立了储层目标砂地比预测模型,并依据模型相关度,选择合适的平面插值算法进行砂地比成图;最后,利用砂地比与薄储层沉积微相的转换模式,结合单井相及沉积背景,获得了相对合理的薄储层单元沉积微相地质成果平面表征图件。通过研究区实际应用与验证,取得了良好的应用效果,也形成了一套较可行的井震联合储层特征精细描述的研究思路与技术流程。     

联合神经网络在储层参数预测中的研究与应用

地质储层参数在建立地质模型中起着关键作用,储层参数通过井资料获得。常规测井解释中多通过经验公式或简化地质条件建立模型计算储层参数。提出了新的神经网络模型,基于BP神经网络、RBF神经网络、支持向量回归并通过单层感知器共同构成联合神经网络模型。该网络模型在储层参数预测过程中能针对单一神经网络的不足而自适应调节网络结构,使预测效果达到最优,避免了单一网络在参数预测时的缺点,提高了预测的准确性。选取了同一地区的3口油井进行训练和验证实验,实验结果表明,联合神经网络模型优于单一的人工神经网络模型。