四川盆地侏罗系凉高山组页岩油地质特征

近年来,四川盆地侏罗系湖相页岩油勘探取得了重大突破,展现出巨大勘探潜力。为了进一步支撑深化勘探,基于野外露头、测井、钻井取心和系统取样分析资料,开展了四川盆地侏罗系凉高山组不同岩性组合条件下页岩地球化学特征、岩石脆性、孔隙结构及含油气性等研究,明确了优势页岩岩性组合类型。结果表明:凉高山组页岩发育层段可细分为纯页岩组合、介壳型页岩组合、粉砂型页岩组合3类5种岩性组合;5种岩性组合中页岩均处于热成熟阶段,但有机质含量、类型、脆性矿物含量存在差异,纯页岩组合中页岩TOC平均值大于1%,有机质类型为Ⅱ1型,脆性矿物含量大于52%;介壳型页岩组合中页岩有机质特征与纯页岩组合相似,但脆性矿物含量大于65%;粉砂型页岩组合中页岩TOC平均值小于1%,有机质类型为Ⅱ2型,脆性矿物含量大于65%。不同组合储集空间主要为微裂缝及无机孔(孔径10~500nm),但粉砂型页岩组合喉道较宽,孔隙连通性优于纯页岩组合及介壳型页岩组合。纯页岩组合游离烃含量大于1mg/g,含油性好,纯页岩组合和粉砂型页岩组合部分OSI大于100mg/g,可动性较强。综合分析认为,纯页岩组合与粉砂型页岩组合为页岩油勘探有利岩性组合。粉砂型页岩组合因具有良好的可压裂性,可成为凉高山组页岩油下步勘探的主要甜点层段。

川东北五宝场地区侏罗系沙溪庙组沉积特征

根据基准面旋回变化原理,利用野外露头、钻井、测井和地震地层切片等资料,对川东北五宝场地区侏罗系沙溪庙组二段开展了层序结构分析和不同可容空间下河道构成特征及河型转换模式等方面的研究。研究结果表明:(1)川东北五宝场地区侏罗系沙溪庙组二段主要发育1个三级及3个四级基准面旋回,各四级层序在低可容空间下为厚层、叠置箱形砂体,随着基准面上升,可容空间增大,到层序顶部过渡为相对孤立的砂体沉积;(2)沙二段沉积时期,研究区气候干燥,砂岩粒度大、成熟度低,发育强水动力构造,地震剖面上为平行反射,河流相沉积特征明显,发育多个低可容空间下的间断正韵律相互叠置的辫状河沉积体系及高可容空间下具“二元”结构的曲流河沉积体系;(3)沙二段河流相地层自下而上具有“辫—曲”转换特征,低可容空间下,砂体大面积展布,地震地貌上表现为相互叠置的辫状河河道,当基准面迅速上升时,可容空间增大,地震地貌上表现为相对孤立的曲流河河道;(4)研究区可容空间和沉积物供给比值(A/S)主要受大巴山物源区强烈的构造活动及温暖潮湿向炎热干旱的气候变化影响。

四川盆地东部龙会场地区凉高山组烃源岩及储层基本特征

随着四川盆地东部地区普陆3井、平安1井在下侏罗统凉高山组获得工业油气流,该区域凉高山组烃源岩有机质构成、生烃能力、储层岩性、储集空间类型等备受关注。为此,基于前人研究成果,开展了四川盆地东部龙会场地区凉高山组钻井岩屑、岩心取样的地球化学、岩石学、测井、地震等分析实验。结果表明:(1)四川盆地川东地区凉高山组厚度较为均一,约为220~270 m,发育黑色页岩为优质烃源岩,页岩厚度36~62 m,矿物组成以石英、伊利石为主。区域内页岩具有机碳(TOC)含量高,生烃潜量高,为中—高丰度高成熟腐泥—腐殖型优质烃源岩。(2)凉高山组砂岩、页岩为优质储集岩,砂岩厚度68~132 m,矿物组成以石英、长石为主,页岩核磁孔隙度2.63%~8.30%,储集空间以残余粒间孔、黏土矿物晶间孔、微裂缝为主,见少量有机质孔;砂岩核磁孔隙度0.97%~6.91%,储集空间以残余粒间孔、粒间溶孔、及长石粒内溶孔为主,可见微裂缝,为特低孔、特低渗储层。(3)凉高山组页岩含油饱和度10.73%~42.97%,砂岩含油饱和度1.51%~16.90%,镜下可见荧光、油显示,属轻—中质油、解析气量及回归后总气量较高,属湿气。

基于FPSO优化的BP神经网络算法及环境监测应用

传统BP神经网络算法容易陷入局部最优,收敛较慢,预测数据时结果与真实数值相差较大。分数阶粒子群算法具有收敛速度快、全局寻优效果强、稳定性好、精度高等特点。提出基于分数阶粒子群（FPSO）优化的BP神经网络算法,用分数阶粒子群对BP神经网络初始权值阈值进行优化,形成最优的训练网络,并使优化后的BP神经网络输出预测值与期望值的误差达到最小。与传统BP算法、粒子群BP算法相比较,分数阶粒子群BP算法数据预测结果准确度更高,本文算法应用于环境监测中对污染物数据预测,获得较高的精确度。

基于重采样改进的多图谱分割算法

为在保证多图谱分割精确度的基础上,提高算法的时间效率,提出基于重采样改进的多图谱分割算法。利用重采样代替粗配准环节,在配准分割过程中,通过两次提取分割组织为中心的感兴趣区域,有效降低数据规模。在标签融合阶段利用K近邻搜素算法改进基于图像块的标签融合方法。实验结果表明,该算法实现了在较高的配准精度下,高效率得到分割结果。

分数阶粒子群的模糊聚类图像分割算法研究

针对模糊C-均值聚类算法易受初始聚类中心的影响而陷入局部极值的缺陷,提出基于分数阶粒子群的模糊聚类图像分割算法。利用分数阶微积分容易跳出局部极值的固有优势,将其引入粒子群的速度、位置更新进程,同时改进分数阶阶次的自适应调整机制并引入步长控制因子。实验结果表明,该算法与传统算法相比,具有更高的分割精度与更快的收敛速度。