辽河油田外围盆地气测规律研究

本文针对气测录井在辽河油田外围盆地的特征,从几个方面介绍了气测录井的显示规律,并用实例来加以验证。

提高辽河外围盆地气测解释符合率的探索与实践

辽河油田外围盆地储集层原油性质大部分属于中质油或重质油,反映在气测组分上,稠油气测组分表现为以C1为主,C1相对含量大于90%,其余为C2和C3,C4很少或没有,加之其储集层具有低孔、低渗和低压的特点,使气测显示幅度偏低,单凭外围盆地组分数据很难区分油层和气层,辽河坳陷气测解释图板已经不能直接应用。为了提高气测解释符合率,针对外围盆地气测录井显示特征,研究了气测录井的显示规律,通过消除组分基值对气测解释的影响,修正了辽河坳陷气测解释图板,重新确定外围盆地的3H解释标准。由41口井380层实例验证,气测解释符合率由原来的80.6%提高到88.2%。

气测录井在辽河坳陷非常规储集层解释评价中的应用

辽河坳陷广泛分布着稠油藏、高凝油藏、低电阻率油气藏等非常规油气藏。由于构造和油质性质以及岩性比较复杂,测井和常规录井解释方法不能准确解释非常规油气藏。结合非常规油气藏储集层特征分析,选用气测全烃-组分法、图板法、气油比值法等多种气测录井解释方法,论证了利用气测录井资料对辽河坳陷的稠油藏、高凝油藏、低电阻率油气藏这3种非常规储集层解释评价的可行性,在辽河坳陷非常规储集层的解释评价中发挥了优势。

应用人工神经网络模型识别白云岩类型

显微镜下观察岩石结构结合地层岩石沉积背景的地质知识作出人为判断是地层岩性的常规识别方法。针对该方法需要专业技术性强、镜下观察能力高、识别结果受人为因素影响大的不利因素,以羌塘盆地白云岩类型识别为例,提出了一种简单、快速、有效的识别方法——人工神经网络识别法。在概述人工神经网络模型、简介BP神经网络模型拓扑结构及其训练算法的基础上,阐述了建立识别白云岩类型的神经网络模型的训练过程与注意事项。应用结果表明,该模型性能良好、有效可行,准确率高,可作为羌塘盆地识别白云岩类型的一种有效方法;同时,对于地层岩性识别研究向人工智能化方向发展具有引导作用。