利用波形分析技术半定量预测塔中碳酸盐岩储层

针对塔中地区碳酸盐岩储层类型多、非均质性强的特点,利用地震波形变化特征,半定量地识别和预测了优质储层的分布。文章论述了该技术的基本原理、实现过程以及关键参数选择的原则。通过井一震标定建立了储层段地震响应的模式,分析了不同品质储层的地震波形特征;利用自组织神经网络逐道进行了目的层段地震道波形聚类;结合钻井标定最终实现了碳酸盐岩储层的半定量化评价。根据预测结果部署了2口井,钻探结果与预测结果吻合较好。     

地震属性神经网络油气模式识别技术及其在东海的应用

神经网络油气模式识别技术是综合利用地震属性进行油气预测的技术之一 ,它首先通过计算获得多种地震属性 ,综合分析找出对储层油气比较敏感的地震属性组合 ;然后收集油气井与非油气井的井旁道地震属性 ,组成学习样本并进行神经网络学习 ;最后利用学习结果对储层进行油气预测。该技术在东海某工区的应用结果表明 ,振幅统计类和复数道统计类地震属性是对该地区储层油气最敏感的地震属性组合。神经网络油气模式识别技术可以作为东海地区储层油气预测的一种手段。     

地震属性神经网络油气模式识别技术及其在东海的应用

神经网络油气模式识别技术是综合利用地震属性进行油气预测的技术之一，它首先通过计算获得多种地震属性，综合分析找出对储层油气比较敏感的地震属性组合；然后收集油气井与非油气井的井旁道地震属性，组成学习样本并进行神经网络学习；最后利用学习结果对储层进行油气预测。该技术在东海某工区的应用结果表明，振幅统计类和复数道统计类地震属性是对该地区储层油气最敏感的地震属性组合。神经网络油气模式识别技术可以作为东海地区储层油气预测的一种手段。     

模糊神经网络及其在油气预测中的应用

常规模式识别方法进行油气预测存在样本数量大、参数非线性及已知样本类型分类有明显的模糊性等特点。本文根据神经网络的自适应谐振理论，结合模糊聚类算法、特征参数非线性映射的有效性校验，构成了一个性能完善的地震油气预测系统。该系统对样本特征空间用模糊神经网络建立未知样本的预测度量，更加符合客观地质特征和油气分析规律，从而能判别不同气富集的有利区域。数值分析和实践应用表明，该方法数值稳定可靠，在储层油气预测     

钻井地质力学参数空间建模技术

常规钻井地质力学参数预测方法广泛用于近井眼地层,但在推广至三维地层空间时建模精度和分辨率较低。针对此问题,基于层速度与地震属性之间存在的密切非线性映射关系,提出运用智能优化算法通过地震属性反演求取层速度的思路,据此构建了新型钻井地质力学参数空间建模技术。首先处理与分析目标工区内完钻井的声波测井和井旁地震记录等资料,针对所钻遇的各套地质层系,利用神经网络算法分层段确定工区内地震属性与层速度之间的定量映射关系,并将其推广至全工区范围内,用于预测未钻区域的层速度,进而建立目标探区三维空间上的各类钻井地质力学参数模型。在鄂尔多斯南部镇泾探区的现场应用情况表明,运用该技术建立的钻井地质力学参数三维空间模型具有较高的参数预测精度和成像分辨率,以此为基础进行的钻井工艺及措施优化具有较强的针对性和适用性。该钻井地质力学参数空间建模技术具有精度高、适用面广的特点,有利于指导钻井提速提效工作,具有推广价值。     

地震属性模式聚类预测储层物性参数

地震模式聚类预测技术是一种模式识别技术，在油气储层预测中有广泛的应用。其应用成功的关键在于：①所用地震资料的质量满足高信噪比、高分辨率及高保真度的要求；②建立准确的地质模型(综合框架)，为神经网络的训练提供好的学习样本；③选用多层感知器神经网络。在上述第二个环节中，涉及储层层段划分上应力求按岩性特征细化，然后按测井细分层数据对地震信息进行准确标定，建立地震属性信息与地质、井信息的联系。文中列举了两个油田的应用实例，进一步证实了此方法的应用效果。     

海拉尔盆地浅变质岩潜山岩性控储特征及储层岩性序列识别

岩性识别是变质基岩储层评价的核心与难点,以海拉尔盆地贝尔凹陷布达特群浅变质基岩潜山为例,应用岩心、薄片、测井、地震资料,通过测井交会和地震相等方法,识别与建立主要岩性的测井-地震响应标准。从风化淋滤和断裂对储层的改造程度上,分析岩性对构造裂缝、溶蚀孔隙等主要储集空间发育的控制作用。通过岩性、物性、油产量的定量统计方法,建立不同级别储层与岩性序列的对应关系,应用地震频谱聚类、多属性神经网络聚类等物探技术对储层岩性序列进行平面预测。结果表明：布达特群复杂浅变质基岩发育5类9种主要岩性,它们具备不同的测井响应值与地震反射特征。不同岩性的矿物成分、含量、岩石强度、抗风化能力差异性控制储层发育程度及类型。储层岩性序列分为4类,Ⅰ类岩性序列为含火山碎屑沉积岩、正常沉积岩的中-细粒岩,为好储层,日产油大于15 t; Ⅱ类岩性序列为火山碎屑岩,为较好储层,日产油1～15 t; Ⅲ类岩性序列为沉积火山碎屑岩和正常沉积岩中的泥质岩,为中等储层,日产油小于1 t; Ⅳ类岩性序列为中基性火成岩类,为差储层,试油为干层。研究区优质储层发育区主要分布于贝15、贝38、贝32井区和塔拉汗构造带东部与中部地区。     

波形驱动下多参数约束高分辨率反演方法——以四川盆地渝西地区龙马溪组页岩气为例

基于叠后地震波形指示反演在薄储层预测方面的优势，以及叠前弹性参数较叠后弹性参数信息更丰富、对储层的敏感性更高的特点，根据岩石物理资料，应用地震驱动+储层构型约束的高精度叠前随机反演方法，探寻定量表征优质薄页岩的技术，以期为深层页岩气地质甜点预测提供技术支撑。首先，基于道集波形相似性、AVO特征和空间距离的三变量优选方法提取结构相似的井数据作为空间估值样本，然后建立待判别道集初始模型；其次，以统计的弹性阻抗作为先验信息，应用“基于叠前道集特征指示的马尔科夫链-蒙特卡洛随机模拟算法”进行叠前地震波形指示反演，最终得到高精度的叠前弹性参数反演成果。实际应用表明，应用所提方法有效预测了龙一段一亚段1-2小层优质页岩厚度，基于特征参数的井震高频模拟精确模拟了龙一段一亚段1-2小层地质甜点参数，为页岩气勘探提供了技术支撑。     

深度神经网络模型超参数选取及评价研究——以含油气性多波地震响应特征提取为例

深度神经网络通过分析由不同地质和地球物理来源获得的数据之间的相关性确定油气储层特征,从而开展地震油气储层分布预测。经过适当的训练,深度神经网络可以通过识别与样本数据相关的复杂非线性关系来预测油气储层性质,然而目前仍缺少深度神经网络超参数的选取对地震油气藏分布预测结果影响的系统性研究。为此,在分析深度神经网络隐含层数目、隐含层节点数及激活函数的基础上,探讨了深度神经网络模型超参数选取对含油气性多波地震响应特征提取结果的影响,并利用多种评价指标对不同网络结构模型的性能进行了对比。结果表明,深度神经网络隐含层数目等超参数的选取会影响地震油气藏分布范围的预测精度;同时,深度神经网络在参数选取满足精度要求(即均方误差MSE小于0.001)的情况下,可以取得良好的预测结果,从而验证了深度神经网络用于含油气性多波地震响应特征提取的有效性和可行性。     

�߷ֱ��ʷ����Է��ݷ�����Ӧ���о�

文章所述的ANFIS是将模糊技术与神经网络技术相结合而形成的一种高分辨率非线性反演方法，是集模糊逻辑推理的强大结构性知识表达能力与神经网络的强大自学能力于一体的新技术。ANFIS是由可更改的前提和结论两部分组成，采用（GD+LSE）混合算法自适应地进行调节，该算法减少了原始纯反向传播算法的收缩空间的维数，因而收敛速度非常快。这种高分辨率非线性反演方法兼有二者的优点，对原始模型没有依赖性。在实际反演中，首先由井点出发构造测井资料与井旁地震道的非线性映射关系，并根据地下介质在横向上的变化特征来更新非线性映射关系，并在地质约束下进行自适应外推，其反演过程是总体反演过程，以实现高分辨率反演，获得高分辨率的储层参数剖面。实践证明，应用ANFIS可建立储层参数与地震信息之间的较精确关系，所获得的储层参数剖面具有精度和分辨率高的特点，是提高储层预测效果的一种有效手段。     

利用地震,测井资料联合反演储层物性参数

地震、测井资料联合反演技术，是利用地震，测井数据的互补特性，从井间地震数据中反演地层的物性参数。共分三步进行：（１）查清井间地层构造形态，应用Ｂｏｒｎ近似反射线性反演技术，从叠前或叠后地震记录中得到反映层速度界面的反射系数剖面，效果相当于有或叠后的偏移剖面，并用作非线性反演的井间几何形态约束信息；（２）求取井间地震波参数，应用最优拟合牛顿法学线性反演技术，分别得到地层反射系数，波阻抗和介质速度参数     

地震,测井联合预测地层压力的方法研究

通过提取井旁地震道的特征参数,利用神经网络建立其与测井声波时差的非线性映射,进而外推井底以下声波曲线,从而实现地震、测井联合预测井底以下的地层压力。该方法克服单纯地震层速度或单纯声波时差预测地层压力的局限性。经ＮＨ地区实际资料模拟预测,效果良好。     

井壁稳定性实时预测方法

为有效解决钻井过程中的井壁失稳问题,根据地震和测井信息之问的密切联系,建立了基于地震属性的实时井壁稳定性预测模型.该模型综合利用地震、测井和地质资料,从待钻目标井和已完钻邻井的井旁地震记录中分别提取最优地震属性组合,运用小波神经网络建立已钻井地震属性与测井数据之间的分层映射关系模型,利用当前待钻地层的地震属性并选取相应的映射模型实时预测钻头以下地层的声波和密度测井曲线.基于预测结果结合井壁稳定力学模型计算待钻层段的孔隙压力、坍塌压力和破裂压力,进而预测安全钻井液密度范围.塔里木油田的实际应用表明,该预测模型具有良好的实时操作性能,测井曲线、地应力、孔隙压力、破裂压力和安全钻井液密度范围的预测精度均较高.图5表1参21     

概率神经网络技术在油气藏物性参数预测中的应用

通过实例介绍了利用一种概率神经网络技术预测储层物性参数的方法。该方法克服了传统方法的某些局限性 ,预测储层物性参数时不需要地震子波 ;而是直接建立测井曲线和地震属性的关系 ,用相关系数衡量目标测井曲线和地震属性之间的相似性 ;用逐步递归法选取最佳属性 ;用交互验证法监视所选属性的可靠性     

一种模糊神经网络技术及其在储层预测中的应用

大庆外围油田的葡萄花油层主要为砂泥岩薄互层，储层砂体横向变化大，这给井位设计带来了很大的难度。近几年地震属性分以用地震特征参数直接预测储层的析技术虽然得到了较快的发展，但地震属性与储层地质参数之间的关系较模糊，难砂岩厚度。为此，研究了一种模糊神经网络预测砂岩技术，它将人工神经网络理论与模糊逻辑分析相结合，在地震属性分析的基础上，以井旁地震道主分量参数为输入，以井孔地质参数为期望输出，建立模糊神经网络，并对网络进行训练，当网络收敛且网络整体方差达到要求的精度时，便完成了网络训练。该技术应用于大庆太平屯地区储层预测中，通过4口后验井检验，预测厚度与钻井厚度吻合较好，平均绝对误差为0.21m。     

用地震资料提高储层参数插值精度的新方法——3-D协克里格与主成分下沉法

本文运用 3- D协克里格方法将地震资料和井孔数据结合 ,从而提高了油藏参数插值精度。 3- D协克里格技术适用于远离井区的油藏参数模拟 ,通过加入地震特征信息 ,使得油藏参数的插值精度比单纯使用从井孔获得的硬数据高 ,从而成功地实现了采样密度高、分布范围广的地震特征数据 (软数据 )和从井孔获得的硬数据的融合。在选取地震特征时通过主成分分析法降低地震特征数据的维数 ,并提出利用主成分下沉法获得采样点的协变量来避免采用平均井点参数值的方法 ,因此提高了参数模拟精度。同时也为地震数据 (软数据 )和井孔数据 (硬数据 )的结合提供了一条新途径。本文采用胜利油田埕岛南区的实际数据对该方法进行了验证 ,效果明显。     

测井—井旁地震道约束反演合成记录

在同一方程中，用已知钻井地质层位的深度作为约束条件，以测井资料构筑模型，对井旁地震道约束反演，以期得到三者均相容的合成记录、子波、反演速度及其它参数。实际应用效果令人满意，为综合应用井旁地震道与测井资料进行储层参数的横向预测打下了基础。     

A prediction method of borehole stability based on seismic attribute technology

Borehole instability in drilling engineering can bring about serious problems of drilling quality and safety. Based on the close relationships between seismic and well log information, the prediction method of borehole stability is presented to effectively control borehole instability. Conventional and nonlinear seismic attributes are extracted from borehole-side seismic traces of impending drilling well and drilled offset well respectively. Then the optimal attributes combinations sensitive to log properties are selected by using genetic algorithm and wavelet neural network technology together. A series of mapping models which reflect the nonlinear relationships between seismic attributes and acoustic and density log data of various formation intervals in drilled well are constructed through neural network modeling. With analysis of cutting logging data, seismic attributes of the formation under bit and corresponding mapping model can be used to predict acoustic and density log curves of this formation. Based on the predicted log data, log interpretation method, analysis technology of in-situ stress and mechanics model of borehole stability are employed to calculate in-situ stress, pore pressure, collapse pressure and fracture pressure, thus the safe drilling fluid density window which can keep borehole stable is determined. Prediction precision and real-time operation ability of the proposed method are satisfying, which have been proved in practical application in TR oil field.     

地震属性分析的神经网络岩性识别技术及应用

通过分析地震属性特征与地质特征的相关性对地震参数进行优选，在此基础上，利用神经网络方法对地震属性数据做变换，使变换得到的识别指数能更好地批示储层岩性信息，该技术在大庆外围油田太１９区块储层描述中应用，效果明显。