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.

基于高压压汞和核磁共振的致密砂岩渗透率预测

分析影响致密砂岩渗透率的主控因素并准确预测致密砂岩渗透率对致密油气藏的开发具有重要意义。以鄂尔多斯盆地延长组致密砂岩为研究对象,基于高压压汞和核磁共振对致密砂岩渗透率主控因素进行了研究,分别评价并优选了更适用于致密砂岩的基于高压压汞和核磁共振的渗透率预测模型。结果表明:影响致密砂岩渗透率的主要因素是孔喉半径,其中中值孔喉半径与致密砂岩渗透率相关性最强;与核磁共振T2加权平均值相比,T2几何均值与致密砂岩渗透率的相关性更强;在3种不同的核磁共振渗透率预测模型中,SDR-REV模型的预测效果要优于SDR模型和KCT2w模型;在3种不同的高压压汞渗透率预测模型中,基于r40和r45的Winland模型渗透率预测精度较高。研究成果对鄂尔多斯盆地延长组致密砂岩的进一步有效开发具有指导意义。