丽水—椒江凹陷月桂峰组地震—沉积响应及烃源岩特征

丽水—椒江凹陷月桂峰组属古新世早期沉积,为凹陷主力烃源岩层。依据地震反射波的振幅、连续性、内部结构和外部形态等特征,在月桂峰组识别出6种主要的地震相类型:中高频弱振幅连续平行—亚平行席状相、低频强振幅较连续亚平行席状相、变振幅连续—较连续前积相、中振幅较连续—断续楔状相、中强振幅杂乱相和中弱振幅较连续充填相。然后再结合研究区钻井资料及区域构造背景,进行地震相—沉积相分析。结果表明:研究区月桂峰组是断陷型湖泊沉积环境,主要发育扇三角洲、水下扇、三角洲、湖泊等多种沉积相类型。进而结合钻井岩样分析,得出月桂峰组湖相泥岩属中—好烃源岩,主要发育于丽东次凹、丽西次凹中北部和椒江凹陷的中央洼陷带,有效烃源岩厚度可达1 000余米,面积总共为4 974.8km2。优选了处于源岩中心或邻近源岩中心的凹中隆及斜坡构造带作为下一步勘探工作的重点目标区域,为今后的勘探工作提出了有益的建议。     

概率神经网络在丽水——椒江凹陷月桂峰组沉积微相识别中的应用

由于海上钻井取芯较少,所以东海陆架盆地丽水—椒江凹陷古新统月桂峰组地层沉积微相识别存在局限.运用概率神经网络对研究区进行沉积微相识别.首先,通过地震相-沉积相响应分析和测井曲线主成分分析,发现研究区地震相和沉积相之间存在耦合对应关系,因此选择地震相作为概率神经网络输入项中的范畴自变量参数,同时提取出能对沉积微相区分较好的自然伽马、自然电位、声波时差、密度测井、补偿中子、井径测井曲线值作为概率神经网络输入项的数值自变量;然后,选用2 199个学习样本对神经网络进行训练,经过65次试验,搜索出变量的最佳平滑因子,建立研究区20种沉积微相类型的判别模式;最后,利用建立的神经网络对研究区沉积微相进行识别.结果表明：跟岩芯分析的结果对比,运用概率神经网络识别的结果准确率达到90％以上,该方法应用于未取芯井区域沉积微相的识别具有可行性.     

叠合断陷盆地油气成藏条件分析———以东海丽水—椒江凹陷为例

通过对东海丽水—椒江凹陷的构造、沉积地层和成藏要素的分析,系统阐述了其成藏条件。结果表 明：丽水—椒江凹陷古新世主断陷期分为4 幕断陷,其中初始断陷Ⅰ幕以湖相沉积环境为主,之后过渡为 海相沉积环境,该凹陷存在3 组烃源岩及3 套储盖组合,其中下古新统月桂峰组湖相暗色泥岩有机质丰 度高,且其类型以Ⅱ型为主,生烃潜力良好,为该区主力烃源岩;古新统储集层以砂岩为主,其中灵峰组和 月桂峰组砂岩为Ⅲ—Ⅳ 类储层,明月峰组砂岩为Ⅲ_a—Ⅱ_b 类储层,物性受凹陷内顶封型异常高压系统改 造优化。断陷早期的（扇）三角洲、滨湖、滨海砂体和上灵峰组上部及明月峰组下部的浅海泥构成的下储盖 组合靠近主力烃源岩层,且异常高压系统增储滞排,因此储盖配置条件良好,勘探前景佳。预测凹陷内洼 槽带生烃中心上方、灵峰潜山两侧及丽西次凹西斜坡的优势成藏构造带是研究区内有利的远景勘探区带, 并识别划分出三大类共11 个有利构造带。     

利用概率神经网络预测成岩相——以鄂尔多斯盆地合水地区延长组长8段储层为例

鄂尔多斯盆地合水地区延长组长8段储层非均质性强,传统的成岩相评价方法存在局限,提出了利用概率神经网络进行成岩相预测的新方法首先对输入项参数进行了研究,选择沉积微相和洌_j井曲线中的自然伽马(GR)、自然电位(SP)、井径测井(cAL)、声波时差(Ac)、补偿中子(CNL)、密度测井(DEN)数值作为输入层参数,然后对概率神经网络进行训练和检验,最后利用建立好的神经网络对研究区成岩相进行预测,准确率达到90%以上,该方法适用于未取心井区域的成岩相研究     

鄂尔多斯盆地白豹—华池地区长8段孔隙度演化定量模拟

在对鄂尔多斯盆地白豹-华池地区长8段砂岩储层特征、主控因素分析及地层埋藏史和成岩史研究的基础上,应用数理统计的方法,以现今孔隙度为约束条件,将孔隙度演化分为孔隙度减小和孔隙度增大2个过程,分别建立了鄂尔多斯盆地白豹-华池地区长8段砂岩储层从埋藏初始至现今的孔隙度随埋藏深度和地史时间变化的演化模型.结果表明:孔隙度定量演化模型为一个4段式分段函数.机械压实阶段为孔隙度减小模型,是以埋深为自变量的连续函数;压实和胶结作用阶段为孔隙度减小模型,是对埋深和埋藏时间的连续函数;次生增孔是由于地层酸性流体的溶蚀作用而产生的,主要发生在80～100℃的温度窗口内.因此,溶蚀阶段为孔隙度增大模型,是对埋深和埋藏时间的复合函数;溶蚀阶段结束后地层孔隙度为压实和保持阶段,孔隙度减小模型是对埋深、埋藏时间及增孔量的叠加复合函数.实例验证结果表明在研究区建立的该砂岩孔隙度定量演化模型符合地质实际,可以推广应用到研究区相似岩性、埋藏年代和沉积类型的地层孔隙度计算中,为孔隙度预测提供定量计算方法,以期对该区油气勘探提供借鉴意义.     

鄂尔多斯盆地姬塬地区长8段孔隙度演化定量模拟

在对鄂尔多斯盆地姬塬地区长8段砂岩储层特征、主控因素及地层埋藏史和成岩史研究的基础上,结合石油地质理论,应用数理统计方法,以现今孔隙度为约束条件,将孔隙度演化分为孔隙度减小和孔隙度增大2个过程,分别建立研究区长8段砂岩储层从埋藏初始至现今的孔隙度随埋藏深度和地史时间变化的演化模型。结果表明:孔隙度定量演化模型为一个四段式分段函数。机械压实阶段为孔隙度减小模型,是以埋深为自变量的连续函数;压实和胶结作用阶段为孔隙度减小模型,是对埋深和埋藏时间的连续函数;次生增孔是由于地层酸性流体的溶蚀作用而产生的,主要发生在70℃～110℃的温度窗口内,因此溶蚀阶段为孔隙度增大模型,是对埋深和埋藏时间的复合函数...     

致密砂岩储层孔隙度定量预测——以鄂尔多斯盆地姬塬地区长8油层组为例

鄂尔多斯盆地姬塬地区长8油层组为典型的低孔、低渗致密砂岩储层。由于其孔隙结构复杂、非均质性强,应用传统的孔隙度计算方法误差较大,结合姬塬地区长8油层组的具体地质特征,运用广义回归神经网络模型对致密砂岩储层孔隙度进行了预测。结果表明,利用该方法预测的孔隙度与利用岩心分析的孔隙度符合率较高。该方法对于未取心井区致密砂岩储层孔隙度的研究具有很好的应用前景。