鄂尔多斯盆地姬塬地区长6_1低对比度油层识别方法与产水率分级评价

鄂尔多斯盆地姬塬地区长6_1储层为典型的低孔、低渗透储层,其孔隙结构复杂、束缚水饱和度高、地层水矿化度高导致低对比度油层发育,给测井识别造成很大困难。从储层岩性、物性、水性等方面分析了长6_1低对比度油层的成因机理:长6_1储层填隙物中较高的黏土矿物含量和分布形式,使得孔隙结构复杂,束缚水含量增加,束缚水产生附加导电作用,以及存在的高地层水矿化度,这两个主要成因共同作用导致测井对比度降低,形成低对比度油层。在确定长6_1低对比度油层成因机理的基础上,利用视地层水电阻率正态分布法和Fisher判别分析法进行流体性质识别,解决了测井识别的问题。根据流体识别的结果,应用神经元非线性Sigmoid函数的突变性质构建产水率预测模型,进行产水率计算和分级定量评价,并给出细分流体性质的分级评价标准。通过对研究区内H57井区64口开发井产水率的计算,应用建立的标准进行产水率分级评价,并与投产初期产水率进行对比分析,相关系数达到了0.917,模型精度与分级评价结果满足研究区低渗透储层的勘探开发生产需求。     

泥质型低渗砂岩储层岩电性质研究及饱和度模型的建立

鄂尔多斯盆地延长组长4 5、长6储层属于典型的低孔隙度低渗透率储层,受岩性、孔隙结构及粘土类型等非含油性因素影响,F-φ、I-Sw均不服从Archie公式线,导致原有的饱和度模型已难以适用.为提高含油性评价精度,研究通过常规气驱法和半渗透隔板法获取了储层岩电参数.根据实验测量结果,进一步探索了泥质型低渗储层岩电参数变化规律,建立了分类岩电参数饱和度解释模型,应用效果良好.     

松辽盆地火山岩岩性测井识别方法研究

火山岩化学成分变化大、矿物组成复杂,利用测井资料识别火山岩岩性较困难。为了提高松辽盆地火山岩岩性识别的准确率,为火山岩气藏测井精细评价奠定基础,以火山岩岩石学特征为指导,总结了松辽盆地火山岩测井响应规律,得到了对岩性敏感的测井参数:密度、自然伽马、铀、钍、钾等;并利用这些参数绘制了交会图,建立了岩性识别图版;引入支持向量机方法,建立了火山岩岩性识别模型,并利用网格搜索技术优化了模型参数,最优模型的精度和推广能力均优于交会图版。将支持向量机岩性识别模型应用于松辽盆地实际井资料的处理中,将处理结果与岩石薄片鉴定结果对比,符合率高,证明了该模型的准确性。     

特低渗透油藏源储配置与富集区优选测井评价方法

鄂尔多斯盆地西北部长8 油层组为典型的特低渗透、超低渗透油藏,储层参数的控制因素与平面分 布规律复杂,已成为油藏评价和开发建产中急需解决的问题。在单井精细解释基础上,通过对含油饱和度 分布规律和控制因素的分析,应用测井多井评价技术对特低渗透油藏开展多学科结合研究,建立了特低 渗透储层含油富集程度和烃源岩有机质丰度测井表征方法,提出烃源岩生烃能力与储层含油富集程度的 有效配置控制了有利富集区的分布。基于源储配置思路,研究了特低渗透油藏的富集规律,并优选出了富 集区。该研究对特低渗透油藏规避快速建产风险,加快勘探开发进程,提高整体效益具有重要意义和推广 价值,对致密油气等非常规领域的研究具有参考价值。     

镇北油田长3低阻油层成因分析及识别方法研究

以正确识别镇北油田长3低阻油层为目的,从五个方面分析了低阻油层的成因机理:地层水矿化度高、储层岩性特征、钻井液侵入、泥质含量、含油饱和度.另外提出了适合本油田低阻油层识别方法,即地质录井识别、测井资料识别及地质综合分析方法识别,并且在现场应用中取得了较好的效果.     

应用常规测井属性分析进行地层结构划分

为减小储层非均质性对储层精细评价的影响,一般都把储层细分为若干单元进行评价,从而提高储层评价精度。地层结构也是一种地层单元,它比沉积微相更细致,地层结构划分对储层精细评价也是一种可借鉴方法。研究综合了测井相分析的思路,利用测井曲线自动分层技术,通过测井属性分析提取了测井曲线的均值、正偏值、相对重心值、平均锯齿数和变差方根函数等测井属性参数,采用Bayes判别分析建立各类地层结构的判别模型进行地层结构识别。地层结构识别结果与取心地质分析结果吻合度较高。     

鄂尔多斯盆地中生界延长组低渗透致密油藏充注模式测井识别

油藏充注模式是指从烃源岩生成的原油,在驱动力作用下向储集层选择性持续注入形成油藏的过程。油藏充注模式与油源条件、储层物性、成藏动力三者耦合有关。鄂尔多斯盆地中生界延长组发育典型低渗透-致密砂岩油藏和低幅度构造-岩性油藏。根据源储配置关系、砂体充满度和最大有效含油体积的相对高低,将油藏充注模式划分为过充注、正常充注和欠充注3种类型。分析了不同充注模式油藏形成的原因及含油性、有效储层下限变化规律。针对不同充注模式油藏建立了解释结论序列和针对性测井解释方法,大幅度提高了低渗透-致密储层的测井判识能力。     

复杂岩性及多相流体智能识别方法

基于优化算法与分类算法的基本原理,针对K-Means优化后的岩心、测井和产液数据集,利用自组织特征映射神经网络SOM聚类建立岩性预测模型,综合决策树和支持向量机建立流体预测模型,并利用遗传算法、网格算法和二次算法对支持向量机的重要参数进行优化,以精确识别复杂储集层岩性和多相流体。对准噶尔盆地东部五彩湾凹陷石炭系复杂储集层4口新井进行精细解释,SOM岩性预测模型、决策树和支持向量机流体预测模型识别准确率分别为91.30%和95.65%,岩性复杂并非导致该储集层中流体性质差异的主要因素;由于研究区数据集复杂性和非线性程度不够强,导致决策树的建模精度优于支持向量机,分别为94.31%和86.97%,且线性的多项式函数性能优于径向基函数RBF和神经元函数Sigmoid、支持向量分类机中C-SVC的分类性能和泛化能力强于υ-SVC。     

重构电阻率曲线识别水淹层的方法及应用

测井解释评价水淹层时,由于原生地层水与注入水混合后性质多变,混合地层水电阻率变化没有普遍规律可循。利用神经网络能够准确模拟输入与输出之间复杂非线性关系的特点。重构油层水淹前的电阻率,利用重构电阻率曲线与实测电阻率的差异,表征注入水对电阻率曲线的影响。根据注入水性质,利用水淹前、后电阻率的变化量定性表征流体性质的变化,利用水淹指数对水淹层进行分级评价,能够准确识别水淹层,在实际生产中应用效果好。