四川盆地安岳地区须二段储层特征及有利区地震预测

地质研究成果表明,上三叠统须家河组蕴藏着巨大的天然气资源,是四川盆地重要的勘探开发层系。从测试情况看,须二上亚段为安岳地区天然气主产层段之一,其储集砂岩体分布主要受沉积微相控制,非均质性强,单层砂岩体厚度薄,准确地预测高孔隙度砂岩储层有利区带至关重要。为此,以高分辨率三维地震资料为基础,结合高分辨率层序地层学,进行了单井层序的划分;通过井—震资料结合标定层序界面及储层位置并建立了等时地层格架;在等时格架内利用优选出的能反映高孔砂岩的敏感地震属性——AVO梯度G属性及地震波形特征,分析了该区须二上亚段沉积微相的平面展布情况,进而精细刻画出了水下分流河道,结合该区储层裂缝发育情况,最终实现了对高孔隙度砂岩储层的有利区分布预测。实钻结果表明,其预测成果为安岳地区须家河组气藏的进一步勘探开发和降低开发风险提供了重要的基础资料。     

有关山地地震勘探构造成果的钻探失利井诠释与解析

油气勘探的探井是否有失利井,是一个颇受争议的话题。从油气勘探不同环节和不同角度出发,初步厘定和诠释了成功井和失利井的定义。目前,油气田勘探开发的井位部署主要依据是地震勘探成果,地震勘探是一门预测性科学,部署探井有成功和失利是正常现象。山地地震勘探主要对象为背斜圈闭。地震勘探过程包括采集、处理、解释3个环节,其中一个环节出现偏差,都会导致失利井发生。采集资料品质差导致处理解释存在多解性,地震成果精度降低;处理流程参数不当,产生构造假象,误导解释人员做出错误的判断;由于山地复杂构造解释的复杂性,导致解释中的层位标定、构造建模及速度建场会出现偏差,造成井—震不符。失利井分析,就是解释人员及时获得正钻井地质及测井信息,利用地震分析技术,对原有地震成果进行确认或修正,进而采取相应的地震勘探技术和措施,获得新的地震成果,及时地指导下一步钻探工作,最大限度地提高油气勘探效益。     

四川盆地及其邻区下二叠统栖霞阶层序-岩相古地理特征及油气地质意义

通过对野外露头、测录井、岩心及地球化学资料分析,基于海平面升降、层序充填、古地貌与岩相的相互关系研究,恢复四川盆地及周缘下二叠统梁山组—栖霞组（简称栖霞阶）层序-岩相古地理及其演化过程。研究结果如下：栖霞阶可划分为SQ0、SQ1、SQ2共3个三级层序,各层序厚度所反映的古地貌表明,早二叠世栖霞阶沉积前四川盆地周缘发育古隆/古陆,盆地内部则为高地与洼地相间的古地貌特征;SQ2为栖霞组主要的成滩期,高能丘滩相主要发育于沉积古地貌高地等处;白云质岩类（白云岩、灰质白云岩和白云质灰岩）储集层分布与沉积地貌高地等具有良好相关性;有利丘滩、白云质岩类储集层具有沿台缘带规模分布的特点。指出四川盆地西部台缘带依然是目前勘探的重点领域,而台内成都—绵阳、广旺以及川中—川南地区是下一步栖霞组白云质岩类储集层有利的发育区。     

基于改进集成学习的测井岩性识别方法研究

测井数据中存在大量与岩性无关的冗余信息，且各类岩性标签数据分布不均匀，严重影响岩性识别准确率，现有测井岩性识别算法无法有效解决岩性类间不平衡问题。为此提出了一种针对不平衡样本集的集成学习岩性预测方法KSMOSEL:首先以录井岩性数据为岩性样本标签，将测井曲线作为模型输入；然后将K-means算法与合成少数类过采样技术(SMOTE)相结合形成K-means-合成过采样算法，即KS采样算法，对岩性样本集进行平衡化处理；最后将采样后的数据集用于构建集成学习模型并训练，采用多个分类器模型融合构成强学习器，通过“软投票”方式预测岩性类型。以Hugoton油气田测井岩性数据为基础，采用改进不平衡样本集的集成学习岩性预测方法对岩性进行分类，并将识别效果与传统的分类模型：支持向量机、K最近邻分类、决策树、XGBoost和随机森林等模型进行对比。试验结果表明：KSMOSEL方法具有更高的精度，岩性识别准确率达到94.28%;KS采样之后，支持向量机、K最近邻分类、决策树、XGBoost、随机森林、GBDT和集成学习等模型岩性识别准确率分别提高了18.68%,12.03%,3.77%,10.23%,24....