知识与数据融合驱动的油气藏智能表征及研究进展

油气藏是一个极其复杂的地下系统,油气藏表征是一个充满不确定性的科学与技术难题,主要基于知识驱动的传统油气藏表征理论与方法具有局限性,遇到众多难题和发展瓶颈.近年来,以深度学习为代表的人工智能技术广泛应用于油气藏表征问题研究中,并在特定问题上取得突破性进展,但是各方向研究相对分散,缺乏系统性理论认识,人工智能技术与专业领域知识的融合不足.本文提出知识与数据融合驱动的油气藏智能表征的理念与方法,基于油气藏数据特征,利用先进的人工智能技术,融合专业领域知识,充分挖掘油气藏大数据中隐含的有效信息,以实现更可靠、更高精度、更高效率的油气藏表征.同时对油气藏智能表征关键研究内容的最新进展综述,主要包括基于深度学习的测井智能储层评价、地震智能储层预测、储层智能随机建模等方面的研究进展,最后提出油气藏智能表征的发展展望.

新型核磁共振测井仪MR Scanner性能及其应用

斯伦贝谢公司2006年新推出了核磁共振测井仪器MR Scanner,该仪器采用偏心梯度设计,具有提供多种探测深度、测量结果不受井眼条件的影响、能进行流体表征等特点。在低阻、低对比度储层的评价中具有较大优势。文章对MR Scanner仪器的结构、特点、规格及技术指标进行了介绍,列举了其优点以及应用效果。

定量地震解释离我们有多远?

在过去的十年中,地震属性分析和地震反演技术得到了长足的发展,已经逐渐成为油气藏表征中的关键技术。特别是近年来,岩石物理的研究进展更是促进了利用地震资料进行岩石物理分析技术的发展,这项技术深化了油气藏综合研究的深度,产生了一个新兴的交叉学科——地震岩石物理学。我们似乎有理由相信油气藏表征进入了定量地震解释(quantitative interpretation)的时代。结合SEG第76届年会的相关专题和论文,对定量地震解释在油气藏综合研究中的现状进行一些探讨。