天然气汞含量作为煤型气和油型气判识指标的探讨

天然气汞含量作为判识煤型气和油型气的一项重要指标已经被很多学者所接受,但在勘探实践中应用的并不多,究其原因是对该指标的认识还不够深入.探讨该指标的前提是搞清天然气中汞的形成机制,通过对美国和中国不同产煤区煤中汞含量和不同煤阶下煤的产气率进行统计分析,认为煤系有机质具备形成高含汞天然气的物质基础.但很多检测数据显示并不是所有的煤型气均具有较高的汞含量,有的甚至接近于0.为解释这一现象,开展了煤的吸汞和热释汞实验,发现煤在低温下不仅不能够释汞反而会从周围环境中吸收汞,只有当温度升高到一定程度煤中的汞才会在热力的作用下大量释放出来,因此说气源岩类型和地层温度共同决定了天然气汞含量的高低.全国八大盆地500多口气井的汞含量数据统计分析表明,当天然气汞含量大于30 000ng/m3时,可基本判断该天然气类型为煤型气.当天然气汞含量介于10 000～30 000ng/m3之间时,其为煤型气的几率较大,在结合其他地质资料的情况下也可比较容易得出合理的结论.但当天然气汞含量介于5 000～10 000ng/m3之间甚至更低时,天然气汞含量只能作为判识煤型气和油型气的辅助参数.     

超声波清洗技术在接箍磷化预处理中的应用试验研究

对油套管接箍磷化前进行预处理是磷化处理中的重要工序。通过分析国内外常用的清洗方法,采用超声波技术对接箍进行清洗试验研究,根据试验结果确定了超声波清洗工艺参数和工艺流程。应用该技术能有效提高接箍的磷化效果和效率。     

基于DMC-BiLSTM的沉积微相智能识别方法

沉积微相划分是油气藏勘探的研究基础。传统沉积微相划分由地质学家根据自身掌握的知识和经验手工完成,这种地质学家主导的人工解释是主观的、冗长的,可能引入人为偏差。深度学习在解决复杂非线性问题上具有优势,目前尚无有效解决沉积微相划分的深度学习方法。针对测井-沉积微相,提出了基于特征构造(DMC)和双向长短期记忆网络(BiLSTM)的沉积微相智能识别方法。首先,利用趋势分解和中值滤波对原始曲线进行多维重构,并对重构矩阵和原始曲线特征采用kmeans提取时空相关聚类特征;然后,以原始曲线特征、地质趋势特征、中值滤波特征和聚类特征作为输入,基于双向长短期记忆网络得到当前深度沉积微相预测类型。与长短期记忆网络(LSTM)和时间卷积网络(TCN)对比发现,在沉积微相的识别上,沉积微相智能识别方法具有更优异的性能和鲁棒性。实验表明,该方法能有效划分沉积微相,识别准确率达到91.69%。     

地震微相分析技术在大港滩海探区的应用

在大港滩海探区，依据复杂构造和复杂储集层分布区的不同地震—地质条件，优化选取地震微相聚类分析、地震沿层相干分析、地震属性信息优化、神经网络地震波形分类、全三维储集层特征反演等多种地球物理技术，进行地震微相分析和沉积微相划分，并结合构造背景资料，预测岩性圈闭可能发育的区带，获得了很好的钻探效果，证明在当前技术条件下，以宏观沉积相模型为指导，应用多种地震微相分析技术进行砂体和岩性油藏分布的预测研究是行之有效的。     

改性海泡石涂布纸的制备及其对甲醛的吸附性能

目的 赋予纸基材料甲醛吸附性能,提高其在甲醛去除领域的应用价值。方法 以对氨基苯甲酸钠改性的海泡石为原料,将其与研磨碳酸钙、丁苯胶乳、聚丙烯酸钠分散剂混合制备除甲醛涂料,并涂布在以废旧箱板纸为原料制备的纸张上,探究涂料配比和涂布量对涂布纸性能的影响。结果 当涂布量为18 g/m²时,制备的涂布纸物理性能最佳,与原纸相比,其抗张指数、耐破指数、环压指数分别提高了52.6%、60%、59.8%;采用改性海泡石占比70%的涂料制备的涂布纸甲醛的吸附量为226.75 μg/g。结论 以废旧箱板纸和改性海泡石为原料制备的涂布纸具有优异的甲醛吸附性能,为箱板纸在甲醛去除领域的应用提供了可能。