埕岛油田盐水水淹层测井综合评价方法

埕岛油田各区块目前已相继进入中-高含水期,水淹类型属于盐水水淹。随着水淹程度增强,地层电阻率受到诸多因素的影响,测井曲线响应特征具有多解性,电阻率减小量与水淹程度的关系一直难以界定,给盐水水淹层的定性解释和定量评价均带来了极大的困难。基于埕岛油田22F井区的实际地质情况,对水淹层测井响应特征进行分析,提出了重构水淹层指示参数定性判识水淹层的方法,并通过模拟水驱油实验来验证变倍数物质平衡法在盐水驱油油藏动态变化中的适用性。在实际测井资料处理过程中,采用变倍数物质平衡法求解混合液电阻率、含水饱和度以及产水率等水淹层关键参数,其定量解释结果与重构水淹层指示曲线及生产测试结论相吻合,应用效果良好。     

AdaBoost算法在致密砂岩水淹层识别中的应用

目前各类水淹层的测井响应特征不明显,特别是致密砂岩水淹层测井曲线主要反映储层岩性特征,而反映储层流体性质的信息十分有限,导致水淹层解释多解性极强,传统的交会图技术、测井曲线对比分析等方法识别水淹级别精度低,严重影响油田开发生产.为此,本文提出了基于AdaBoost算法的预测模型,该算法分类速度快,不需要繁杂的调参过程,...     

AdaBoost算法在致密砂岩水淹层识别中的应用北大核心CSCD

目前各类水淹层的测井响应特征不明显,特别是致密砂岩水淹层测井曲线主要反映储层岩性特征,而反映储层流体性质的信息十分有限,导致水淹层解释多解性极强,传统的交会图技术、测井曲线对比分析等方法识别水淹级别精度低,严重影响油田开发生产。为此,本文提出了基于AdaBoost算法的预测模型,该算法分类速度快,不需要繁杂的调参过程,不会出现过拟合情况,应用多个弱分类器的线性组合,综合判断分类结果,能够有效地提高致密砂岩水淹级别的识别精度。首先,结合长庆油田长6段致密砂岩现场资料把水淹层细划分为未水淹、低水淹、中水淹、高水淹等4个水淹级别,并将这4个水淹类型拆解为二分类问题,通过不断的迭代得到样本分布,然后将弱分类器经过线性加权平均得到强分类器。该方法应用到长庆致密砂岩水淹层识别中,水淹层预测精度达88.7%,在研究常规测井资料水淹层识别中具有重要意义。     

基于门控循环单元神经网络的测井曲线预测方法

为了减少泥浆侵入对测井曲线的影响，许多油田采用随钻测井技术，需先预测未钻地层测井曲线，这对随钻测井具有非常重要的指导作用。为此，提出一种基于门控循环单元神经网络（GRU）预测未钻地层测井曲线的方法，该模型将长短期记忆神经网络（LSTM）的输入门和遗忘门合并成更新门，输出门变成重置门，使模型结构简单，不易出现过拟合现象，保留LSTM模型的长时记忆功能，且能有效缓解梯度消失或梯度爆炸问题。以新疆油田直井和南海西部油田随钻测井的实际测井数据为例，选取已钻地层以及邻井的自然伽马、深感应电阻率、声波时差、密度和井径5条测井曲线数据作为训练样本输入到LSTM和GRU模型中进行学习训练，将训练好的模型用于预测未钻地层的测井曲线。应用结果表明，GRU比LSTM模型在新疆油田和南海西部油田预测测井曲线的平均相关系数分别提高13.78%和12.13%，平均均方根误差分别下降27.08%和42.17%，GRU模型能够准确地预测未钻地层测井曲线的变化趋势。