基于机器学习和测井数据的碳酸盐岩孔隙度与渗透率预测

准确预测碳酸盐岩储层孔隙度和渗透率对于碳酸盐岩油气藏储层评价具有重要意义.碳酸盐岩储层裂缝与溶孔广泛发育,基于经验公式从测井曲线预测储层孔隙度和渗透率具有较大误差.以中东某碳酸盐岩油藏为研究对象,选取914块取心井岩心,测定孔隙度与渗透率,利用随机森林(RF)、K近邻(KNN)、支持向量机(SVM)和长短期记忆网络(LSTM)4种不同机器学习方法,通过测井数据进行孔隙度与渗透率预测,优化机器学习参数,筛选出适用于碳酸盐岩油藏的测井孔隙度与渗透率预测方法.研究结果表明:4种机器学习方法预测储层孔隙度结果差异不大,通过调整输入参数种类,可进一步提高孔隙度与渗透率预测效果,当以补偿中子(NPHI)、岩性密度(RHOB)和声波时差(DT)3种测井参数数据作为输入时,基于LSTM的储层孔隙度预测精度最高,孔隙度预测结果均方根误差(RMSE)为4.5362;由于碳酸盐岩储层的强非均质性,基于机器学习的测井储层渗透率预测效果较差,相对而言,仅以NPHI作为机器学习输入参数时,基于RF的储层渗透率预测精度最高,渗透率预测结果的RMSE为45.8823.

裂缝性油藏注气多相流动机理与气窜数学模型分析

气驱是一种重要的提高油藏采收率的方法,然而注入气会沿着油藏中的裂缝发生气窜,影响气驱效果。在裂缝和基质中,对注气过程中油气水三相的运移过程进行力学分析,分别构建了适用于裂缝和基质的油气水三相运移力学模型,推导得到了在裂缝和基质中的油气水三相运移速度和位移表达式。基于所构建的力学模型,分别研究了在裂缝和基质中不同的注入条件、油藏和流体物性对油气水三相的运移规律的影响。研究结果表明裂缝与基质渗透率极差是气窜的主控因素。当裂缝渗透率与基质渗透率存在较大差异时,在裂缝中油气水三相的运移速度明显快于基质,且裂缝与基质中的运移速度的比值,与裂缝与基质的渗透率极差几乎成正比。油气水三相的运移速度随着注气压力梯度的增加而增加,随着油水黏度比的增加而减小。裂缝与基质渗透率极差越大,注气压差越大,油水黏度比越小,越容易发生气窜。