济阳坳陷沙河街组富碳酸盐岩型页岩元素特征及其在岩相识别中应用研究

近年来济阳坳陷富碳酸盐岩型页岩油获得商业突破,针对该地区沙河街组页岩层系研究也逐渐受到学者的广泛关注(刘惠民,2022)。研究显示济阳坳陷页岩发育多种类型岩相,且纵向上变化快,具有较强非均质性(王勇等,2016),要实现岩相的连续刻画需要结合矿物分析、有机碳含量分析、沉积构造分析以及典型矿物结晶程度分析等多种实验手段(张顺等,2017).

湖相碳酸盐岩测井岩相识别技术与应用——以柴达木盆地英西地区为例

我国湖相碳酸盐岩储层分布广泛,具有极大的油气勘探前景。但该类储层陆源碎屑含量高、岩相种类多,导致岩相识别困难且严重制约了该领域勘探拓展和高效开发,这在埋藏深度普遍大于4000m的柴达木盆地英西地区古近系下干柴沟组上段(E_(3)^(2))尤为典型。以英西地区为例,充分利用区内大量岩心、薄片和实验分析资料,系统分析湖相碳酸盐岩岩相特征及测井响应特征,并建立了识别方法和图版。分析结果表明,英西地区E_(3)^(2)发育颗粒灰云岩、泥晶灰云岩、纹层状灰云岩、泥质膏岩和灰云质泥岩等5种类型的岩相。基于测井响应特征分析,确定自然伽马、骨架密度、体积密度为岩相识别敏感参数,进而首次提出岩石结构因子(RFF)技术;利用计算得到的RFF参数,结合元素测井资料建立了岩相识别图版,将其应用于研究区48口井,在12口取心井中岩相解释平均符合率达到80.2%,应用效果较好。岩石结构因子技术提高了湖相碳酸盐岩岩相识别符合率,对研究储层分布规律、指导勘探开发具重要意义。

基于聚类-支持向量机算法的碳酸盐岩测井岩相识别模型与应用

中东地区A研究区的碳酸盐岩储层发育,但孔隙类型众多、孔隙结构复杂、井间非均质性强,对该地区进行精确的岩相识别与物性评价非常困难。目前该地区单井岩相划分主要依据部分钻井取心数据,成本高昂且数据较少,无法反映完整的地层纵向及横向变化信息,而利用常规测井识别方法难以对该区域进行精细的岩相识别并建立准确的孔隙度、渗透率模型。为此,利用小波变换方法,根据测井曲线形态特征完成不同岩相地层界线划分。综合层次聚类、K均值聚类方法对每个小层对应的测井系列进行聚类分析,结合取心观察结果对聚类结果进行分类约束;最终以约束后的聚类结果、研究层段中岩相分级标签为数据基础,在支持向量机的监督学习下建立利用测井系列进行岩相智能识别的评价模型。通过在取心井中应用岩相识别模型,验证结果与取心认识吻合度可达92%。将该方法推广至其他单井中应用,岩相识别结果中同类型岩相渗透率与孔隙度相关性明显提高,表明模型岩相识别效果较好,可以为精确的岩石类型划分及物性参数计算等研究工作提供理论依据及数据支持。

基于LSTM堆叠残差网络的岩相识别方法

为了提高岩相识别的准确性,本文开发一种基于残差连接长短期记忆网络的非均质储层岩相智能识别模型(LSTM_res)。首先,基于长短期记忆神经网络构建序列特征模块获取测井关键特征,该模块的多层叠加进一步增强了模型对关键特征信息的提取能力;其次,在序列特征模块的基础上引入残差连接技术,实现模型对网络不同层间特征信息的提取和融合,有效解决深度神经网络的退化问题;最后,以挪威附近北海浅海地区的测井数据为研究对象,通过测井参数敏感性分析选取6种测井参数(RMED、RHOB、GR、NPHI、PEF和SP)实现储层岩相智能识别。实验结果表明,在同等条件下与LSTM、CNN_res和CNN模型相比,LSTM_res模型的岩相识别精度分别提高了2、4和6个百分点,为储层建模和地质研究提供了快速有效的数据支撑。

基于马尔科夫链先验模型的贝叶斯岩相识别

基于贝叶斯判别法的基本理论,通过实际应用,文中归纳出基于马尔科夫链先验模型的贝叶斯判别法识别岩性的主要步骤:①选择确定关键井,联合应用岩心、测井信息定义岩相;②进行岩石物理分析,扩展训练数据,由测井数据合成地震属性,估算地震岩相的条件概率密度函数;③将测井数据得到的地震属性利用Backus平均进行尺度放大;④利用基于马尔科夫链先验模型的贝叶斯判别方法,得到样点的后验概率密度函数,从而获得岩相的最大后验概率解。为了验证方法的有效性,将该方法应用于模型数据和海上实际资料,并采用熵和贝叶斯分类混淆矩阵对加入马尔科夫链前、后的效果进行评价,得到了较好的岩相预测结果。

基于概率统计的地震岩相识别不确定性定量评价方法

地震岩相识别能够提供具有不同储层特征的岩相分布信息,对岩相识别的不确定性开展定量评价分析可降低后期油藏建模与储层评价的风险.考虑了地震岩相识别中测井岩相定义、岩石物理建模、井震尺度匹配及地震反演等环节的不确定性对岩相识别的影响,基于概率统计方法,引入熵函数实现了地震岩相识别不确定性定量评价,并结合岩相概率、重建率等多角度综合定量分析不确定性的构成及传递特征,系统地实现了地震岩相识别不确定性评价流程的整体连通.提出了结合属性交绘特征约束反演参数空间,提高地震岩相识别运算效率.模拟数据分析表明利用熵函数可精确实现岩相识别不确定性地定量表征,利用属性交绘特征约束参数空间既大幅度减少运算量,也可降低地震岩相识别的不确定性.

地震岩相识别概率表征方法

储层岩相分布信息是油藏表征的重要参数,基于地震资料开展储层岩相识别通常具有较强的不确定性.传统方法仅获取唯一确定的岩相分布信息,无法解析反演结果的不确定性,增加了油藏评价的风险.本文引入基于概率统计的多步骤反演方法开展地震岩相识别,通过在其各个环节建立输入与输出参量的统计关系,然后融合各环节概率统计信息构建地震数据与储层岩相的条件概率关系以反演岩相分布概率信息.与传统方法相比,文中方法通过概率统计关系表征了地震岩相识别各个环节中地球物理响应关系的不确定性,并通过融合各环节概率信息实现了不确定性传递的数值模拟,最终反演的岩相概率信息能够客观准确地反映地震岩相识别结果的不确定性,为油藏评价及储层建模提供了重要参考信息.模型数据和实际资料应用验证了方法的有效性.

基于支持向量机的致密储层岩相识别——以徐家围子断陷下白垩统沙河子组为例

岩相识别是徐家围子断陷下白垩统沙河子组(K1s)致密砂砾岩气勘探亟需解决的关键问题。依据岩心、薄片、成像测井资料,将K1s岩相分为砂砾岩相、中-粗砂岩相、粉-细砂岩相和泥岩相;以常规测井曲线及其组合参数作为岩相识别的技术资料,利用最小二乘支持向量机建立岩相判别模型,采用网格搜索,经多次验证优选模型参数。应用结果表明,最小二乘支持向量机识别岩相结果明显好于常规统计方法,模型识别岩相与岩心分析结果基本一致,其中砂砾岩相符合率均高于83.2%,中-粗砂岩相符合率均高于84.0%,粉-细砂岩相符合率均高于87.6%,泥岩相符合率均高于93.2%。致密储层的非线性测井响应是支持向量机成功应用的重要基础,该方法对其他地区也具有借鉴意义。

改进的K-均值算法在岩相识别中的应用

K-均值算法是一种基于样本间相似性度量的间接聚类方法。本文研究和探索K-均值方法在岩相识别中的应用。在求样本间的距离时,采用马氏(Mahalanobis)距离代替欧氏距离。

基于注意力机制的碳酸盐岩储层岩相识别方法

岩相识别是储层评价和油藏描述等的基础环节,碳酸盐岩储层具有非均质性强、孔隙结构复杂等特点,给岩相识别带来了挑战。融合卷积神经网络(CNN)和注意力机制开发了一种新型网络框架,根据各种测井数据之间的相关性实现储层岩相的自动识别。该框架包括特征注意力(FAtt)模块和CNN模块,FAtt模块根据识别目标与各种测井数据之间的相关性自动提取关键特征,CNN模块捕获各个测井序列之间的空间信息,两者结合有效提高了模型的岩相识别精度。基于碳酸盐岩非均质储层的实验表明,相比于单一的CNN模型,提出的模型岩相识别精度提高了9%。该模型为储层测井评价提供了一种经济可靠的替代方案,为地质研究与人工智能结合提供了快速有效的岩相数据。

电成像测井新参数在碳酸盐岩岩相识别中的应用

电成像测井识别碳酸盐岩岩相主要有定性图版法、定量参数法和机器学习法。图版法简单实用,但其效率低且受人工经验影响大,图像纹理参数种类过多且使用复杂,机器学习法需要大量样本标签,应用受到局限。为此,提出了一种简单又高效的新定量参数法,即通过新定量参数判别岩石构造特征来识别不同岩相。首先采用地质统计法对电成像测井动态图像进行全井眼插值,然后针对全井壁覆盖图像,利用数字图像处理技术获取二值图像,最后分别统计二值图像在纵向和横向黑色斑点(块)最大个数,并将二者的比值定义为视岩石构造数ARSN(aparent rock structure number)。ARSN可以有效区分块状和薄层状构造。据野外露头及岩心观察,一般颗粒云岩相为块状或厚层状和泥晶云岩相为薄层状或薄互层状构造特征。因此,利用ARSN可以区分颗粒云岩和泥晶云岩两大类岩相。以四川盆地M地区龙王庙组为例,经取心井验证,岩相识别符合率80%以上。该方法效率高且不受人的因素影响,实现高精度岩相识别,为该区碳酸盐岩沉积微相精细研究提供了有力技术支撑。

基于KNN分类算法的微生物白云岩岩相测井综合识别——以四川盆地GM地区灯四段为例

微生物碳酸盐岩的岩-电关系复杂,目前常规测井与电成像测井结合是最有效且精度最高的识别手段。针对人工智能测井岩相识别方法存在的不同维度的测井数据融合难、取心资料有限而训练样本数量不充足的问题,提出基于适应小样本的机器学习法——K邻近分类算法(KNN),对常规测井与电成像测井分别训练和识别,再将识别结果融合的技术方法。首先,基于岩心资料分别建立岩相分类方案和岩石构造特征分类方案,建立岩心训练样本参数库;然后,基于KNN方法,应用常规测井识别的岩相类型,应用电成像测井识别岩石构造特征类型;最后,根据专家经验对2种识别结果进行融合,获得细分类的岩相类型。以四川盆地GM地区灯影组四段为例,应用上述方法分别识别6种岩相类型和7种岩石构造特征类型,在此基础上根据专家经验融合,最终识别9种细分类的岩相类型。该方法总体识别符合率在85%以上,有效支撑了GM地区灯四段沉积微相的精细研究,推动了该区的勘探和开发工作。该方法发挥了常规测井和电成像测井的优势,能够实现高效率、高精度的岩相测井识别,可推广应用。

潜江洼陷盐湖碳酸盐岩测井岩相识别方法——以潭口地区潜3^(3)-潜3^(4)油组为例

为深化潜江洼陷盐湖碳酸盐岩测井岩相认识,通过常规测井响应特征分析,基于敏感曲线建立岩相识别图版,有效提高差异性储层方法,并提出硫酸盐含量因子SCF的计算方法,克服埋深不一、敏感曲线受岩石压实程度的影响。潭口地区3口取心井证明与岩性扫描测井结果一致性较强,应用效果良好。

火山岩岩性、岩相识别方法——以准噶尔盆地滴南凸起火山岩为例

准确识别火山岩岩性和岩相是进行火山机构重建及地震相刻画的基础。火山岩岩性复杂且变化快,其变化不同于砂岩分布变化服从于沉积规律,而是与火山建造和喷发期次等因素直接相关,造成目前无成熟的预测模型和较强规律性可以遵循预测。选择准噶尔盆地滴南凸起火山岩为研究对象,总结出适应火山岩复杂岩性岩相识别的技术方法,即首先利用测井、岩心等基础资料建立关键岩性电性识别图版,落实井点硬数据的岩性纵向分布;其次,建立不同岩性的地震响应特征;第三,在地震波阻抗二次刻画岩性分布范围的约束下,应用数学概率和变差函数分析技术对岩性进行精细刻画;最后,结合测井响应特征进行测井相与地震相的综合标定,建立典型的火山机构地质、测井、地震相模式,为火山岩机构识别提供依据。

应用地震波形分类技术识别岩相的适用性和局限性

地震波形分类技术在识别和划分岩相的应用中有其独特的优点,但也存在一定的局限性。通过针对不同岩相的大量实践,深入探讨了影响该技术的应用条件,系统总结了该技术识别岩相的适用性和局限性。研究表明:时窗类型及大小、地震属性体的选择是影响波形分类结果最重要的因素;不同的岩相在地震振幅、频率、相位、时间厚度上存在差异性是正确应用波形分类方法的前提;当岩相间的地震响应差别不明显,或同一岩相横向波形变化较快,无法建立统一的岩相地震波形特征时,波形分类方法的结果不能准确地划分岩相,也没有明确的地质意义。回归到岩相地震响应特点的分析,建立地震响应与岩相的对应关系,开展波形分类技术应用的先验性研究,是成功应用该技术的基础和关键。

页岩岩相的测井曲线识别方法——以焦石坝地区五峰组—龙马溪组为例

页岩岩相的识别是页岩气勘探开发的基础工作,不同类型页岩具有不同物质组分与组构,进而具有不同的脆性度和物性,目前利用测井曲线来识别页岩岩相的研究较为薄弱。以焦石坝地区五峰组—龙马溪组3口井的测井资料、岩心测试数据为基础,通过多参数优选、多元线性拟合,分别建立了黏土矿物、硅质矿物相对含量的预测方程,探讨利用测井曲线识别页岩的方法。结果表明:黏土质页岩具有高DEN,CNL,K,KTh,低U,U/Th的特征;混合质页岩具有中DEN,U,CNL,K,KTh,U/Th的特征;硅质页岩具有高U,U/TH,低DEN,CNL,K,KTh的特征,并以此为依据,建立了页岩岩相识别雷达图版,不同岩相所对应的测井曲线数值在图版中有不同的分布范围,该图版可以有效识别页岩岩相,并能够对预测方程识别错误的岩相进行纠正,预测结果与实测值吻合度高。将预测方程定量识别岩相和雷达图版定性识别岩相结合起来,通过双重约束,可以很好地识别焦石坝地区五峰组—龙马溪组页岩岩相。

基于径向基—多层感知器神经网络联合的复杂岩相智能识别与表征

苏里格气田东二区二叠系石盒子组盒8段(以下简称盒8段)为典型的河流相致密砂岩储层,其强非均质性及复杂的储层结构导致该区面临“甜点”储层优选困难等关键技术瓶颈。为此,在分析盒8段储层岩相类型及组合特征、岩相约束下测井数据特征的基础上,建立了一种契合岩相及其组合特征、测井数据特征、人工智能算法原理的径向基—多层感知器神经网络联合模型,并开展了储层岩相的精确识别与表征研究。研究结果表明:(1)盒8段发育块状层理砾岩相、槽状交错层理粗砂岩相、板状交错层理粗砂岩相、板状交错层理中砂岩相、平行层理中砂岩相、交错层理细砂岩相、波状层理粉砂岩相、块状层理泥岩相8种岩相类型;(2)盒8上亚段曲流河相储层岩相密度偏小、岩相频率偏高、对应测井数据分布较分散,盒8下亚段辫状河相储层岩相密度偏大、岩相频率偏低、对应测井数据分布较集中;(3)建立的径向基—多层感知器神经网络联合模型识别准确率可达89.06%,相较于单一神经网络模型、交会图、主成分分析和决策树等方法识别准确率明显提高。结论认为,建立的径向基—多层感知器神经网络联合模型不仅克服了现有岩相识别方法准确率低且难以推广的缺陷,而且对实现河流相强非均质性致密砂岩储层高效开发具有重要意义。

火山岩的地震波场特征及其岩相的识别方法

随着松辽盆地深层火山岩气藏勘探的逐步深入,发现很多火山岩相均为深层天然气储层。为了准确认识火山机构各岩相的地震响应特征,对火山机构进行了随机介质建模,采用二维波动方程模拟的方法正演了火山岩相的地震波场特征。模拟结果表明:火山爆发相表现为高频杂乱的地震相特征,火山溢流相表现为低频弱连续的地震相特征;趋势相位能够较好地反映火山岩相波场的频率特征,利用趋势相位圈定火山岩相的实际应用效果较好。

坨11井区南沙二段8砂组河口坝砂体岩相组合识别及对储层的控制作用

中高渗透砂岩油藏经数十年的注水开发后进入特高含水后期,形成强吸水、低驱替效率的高耗水带,且高耗水带仅形成于单砂体的某一特定位置,以单砂体为研究单元的地质分析已难以满足该类油藏剩余油挖潜的需要。为此,基于岩心、露头的岩相分析,以岩性为主控因素将开发地质研究单元细化为岩相组合级次,并利用灰色关联分析法实现岩相组合的常规测井资料地质解释。依据井资料归纳坨11井区南沙二段8砂组河口坝复合砂体和单砂体的岩相组合模式,并结合储层渗流特征,认为从地质因素方面考虑,复合砂体间高耗水带易在坝主体Ⅱ-坝主体Ⅱ叠置模式中发育,单砂体内高耗水带易在单一坝主体Ⅱ岩相组合发育的朵叶体中部形成,垂向上高耗水带位置与坝主体Ⅱ发育位置相对应。

大庆徐深气田火山岩气藏储集层识别与评价

松辽盆地徐深气田具千亿方天然气储量规模,其中火山岩储集层储量占89.8%,但其勘探开发水平受火山岩气藏储集层识别和描述水平的制约。为此,通过多学科联合攻关形成了一套适用于火山岩气藏的储集层识别及描述技术。徐深气田有八大类21种火山岩岩性,测井可识别10种;火山岩岩相有5种,细分为15种亚相。有利储集层的岩相、岩性为:喷溢相上、下部亚相的气孔流纹岩,爆发相热碎屑流亚相的晶屑凝灰岩、火山通道相隐爆角砾岩亚相的角砾岩、火山通道相火山颈亚相的熔结角砾凝灰岩、侵出相中带和内带亚相的球粒流纹岩。储集层有效储集空间由气孔、溶蚀孔洞、裂缝有机组合构成。应用新建立的火山岩气藏储集层分类标准,结合试气试采动态特征和产能分类,采用动、静态结合的评价方法,对徐深气田火山岩储集层进行了综合评价,根据储量丰度、储集层发育状况、产能高低和认识程度将储量分布区分成一类、二类、三类区块。