基于光电吸收截面指数的漏点识别及漏失参数评价

井漏会增加作业成本,延误工期,封堵漏液会影响测井资料对地层信息的响应。渤海地区第三系的砂泥岩地层井漏现象严重、漏失频次高,部分井漏失规模大,导致出现失返现象。准确定位漏失层段和预测漏失规模,进而对易漏地层开展针对性研究,可为后期钻探提供风险预警。通过光电吸收截面指数测井曲线准确定位漏失层段,利用其与瞬时漏速相关性较好预测漏速。提出采用多矿物模型分析方法计算地层中重晶石相对体积含量,将其与泥浆中重晶石实际含量结合计算漏失量。在渤海地区几大油田的现场应用表明,利用光电吸收截面指数计算的漏速和漏失量与现场实际提供的数据对比,误差较小。利用光电吸收截面指数定位漏失层段、计算漏速及漏失量的方法可用于漏点识别及漏失参数评价。

地球化学光电(PE)测井

光电吸收截面指数(PE)是常规测井中一项重要的内容,对于测井解释和矿物识别具有重要意义。众所周知,光电吸收截面指数曲线是从岩性密度测井中得到的。像大多数测井技术一样,它也有局限性。主要表现在:1、只有在使用中等密度泥浆的井中才能测得可靠的岩性密度PE曲线,因为高密度泥浆中的高Z物质影响地层PE的测量。2、因为PE是用推靠井壁的仪器测量的,极板如果贴不上井壁,会导致测量结果不可靠。3、极板与地层之间的泥饼也影响PE的测量。当井眼条件不适合岩性密度PE测量时,可从中子伽马射线谱中得到有用的替代曲线。在第58届SPWLA年会上,哈里伯顿公司的James Galford和Nicholas Garrison^([1])提出了利用地球化学测井来得到光电吸收截面指数PE的方法。应用低密度泥浆井的例子来阐述此项技术并证明其有效性。用泥浆密度大于等于16lbm/gal井的例子表明,地球化学PE曲线能够替代受影响的或缺失的岩性密度PE曲线。另外,将体积密度和地球化学PE曲线结合,得到一条宏观光电吸收截面曲线(U),有助于在复杂储层进行高级的岩石物理分析。

鄂尔多斯盆地靖边气田上古生界致密砂岩岩石类型测井识别

基于靖边气田上古生界盒_(8下)和山_(2)^(3)录井、岩心薄片分析、x衍射粘土分析、全岩分析、测井等资料综合分析,认为研究区上古生界含气层系致密砂岩储层的岩石类型主要有3种:石英砂岩、岩屑石英砂岩和岩屑砂岩。针对3种砂岩类型,分析对应的测井响应特征,优选出对砂岩岩石类型敏感的测井参数:光电吸附截面指数和自然伽马,进而采用交会图技术分别确定盒_(8下)和山_(2)^(3)的石英砂岩、岩屑石英砂岩及岩屑砂岩解释标准,系统开展砂岩岩石类型测井解释,与岩心分析测试资料对比,盒_(8下)和山_(2)^(3)测井解释符合率分别为89.2%和95.0%。最后,利用系统的测井砂岩岩石类型解释结果,厘清了不同类型砂岩的纵向和平面分布特征,为储层精细评价提供有效支撑。

X射线密度仪射线出射口角度优化研究

在油气勘探技术持续进步与发展的背景下,可控X射线密度测井仪器设计和测量方法受到广泛关注。在超细X射线测井仪的基础上,改变X射线源的发射角度,利用蒙特卡罗方法进行模拟,根据探测效率、密度测量灵敏度、探测深度等指标,确定X射线源最佳发射角度。在此基础上,模拟实际地层环境对选取的X射线源发射角度进行地层密度与光电吸收截面指数(Pe)的测量准度验证,并将选取最佳发射角度后的超细X射线测井仪器与伽马测井仪器进行对比分析。研究结果表明,将X射线源发射角度设置为135°,近探测器具有最高密度测量灵敏度;仪器探测深度为6 cm,可以使超细X射线测井仪器具有最佳测井效果。在发射角度为135°的情况下,超细X射线测井仪器在灰岩地层中裸眼情况下测量的密度准确度为0.0041 g/cm^(3),Pe准确度为0.0139。此外,在轻泥饼条件下,选取最佳发射角度后的超细X射线仪器的密度测量误差下降0.0024 g/cm^(3),Pe测量误差下降0.0262。利用该优化方法,测量准确度有较大的提升。

基于XGBoost算法的岩性测井曲线预测方法

光电吸收截面指数是表征岩性测井的重要参数,其测量值受井径、钻井液密度、测井仪器与井壁间隙等环境因素的影响,故须对其进行校正。应用传统环境校正图版进行光电吸收截面指数校正时存在效率低、精度差的现象,为了解决该问题,采用机器学习中的极端梯度提升树(Extreme Gradient Boosting,XGBoost)算法建立光电吸收截面指数预测模型,并将其与采用神经网络算法的预测模型进行预测效果对比验证。用于模型训练的P6井和用于预测的TS1井数据来自中国某油田的同一区块,使用双探测器岩性密度测井仪器近源距探测器的2个能窗计数率和远源距探测器的3个能窗计数率构建学习样本,并在样本中添加噪声以提高模型的鲁棒性;采用网格搜索法对XGBoost算法的8个超参数寻优。完成模型训练后,使用P6井数据对光电吸收截面指数预测模型进行验证,并对TS1井进行光电吸收截面指数预测。研究结果表明,基于XGBoost算法的光电吸收截面指数预测模型比基于神经网络算法的光电吸收截面指数预测模型的精度高。目前XGBoost算法已被应用于测井领域,该算法为提高岩性测井资料精度提供了一种新方法。

高伽马值储层成因分析及识别方法

在T区碎屑岩地层中发现大量高伽马值储层,其自然伽马测井曲线特征与非储层之间差异小,易被解释为非储层。本文对高伽马值储层进行岩石组分分析,并与非储层岩石微观特征进行对比,认为该区高伽马值储层的成因因素主要是火山碎屑物质的增加、黏土类型的变化和黏土颗粒吸附具有放射性的有机质。在此基础上,本文提出利用Pe-GR交会法和体积模型法识别研究区高伽马值储层,前者利用了Pe不受放射性影响的优势,后者则通过建立超定方程组求解各等效组分的含量,有效解决了该区高伽马值有效储层识别难题。

用岩性密度测井估算套管的厚度

为了在套管井用岩性密度测井中估算套管厚度,本文利用Monte Carlo计算程序MCNP,对不同矿物成分的地层,计算得到了散射γ能谱的低能谱段计数NS与高能谱段计数NH的比值NS/NH与地层光电吸收截面指数Pe、套管厚度HC的关系。得出了在套管井中,岩性密度测井对地层岩性不敏感,不能用NS/NH来求取地层的光电吸收截面指数Pe,但NS/NH与套管厚度在双对数坐标上呈很好的线性关系,因此,可以利用裸眼井中岩性密度测井方法,即利用比值NS/NH来估算套管厚度HC。

基于BP神经网络的黏土矿物预测模型

黏土矿物的准确预测是深层钻探和油气层保护的关键,为明确塔里木盆地库车凹陷北部构造带侏罗系阿合组黏土矿物分布规律,利用自然伽马能谱测井参数、阳离子交换能力、含氢指数和光电吸收截面指数,构建了基于BP神经网络的测井模型和组合模型,其平均绝对误差分别为5.34%和2.38%。将构建的模型应用于依南5井,结合X射线衍射资料,2个模型的平均绝对误差分别为4.64%和3.45%。模型预测的依南5井黏土矿物含量从高到低依次为伊利石、绿泥石、伊蒙混层和高岭石,在油藏开发中应预防储集层速敏和酸敏伤害。