基于测井敏感参数的煤层含气量定量评价方法——以鄂东气田三交北区块为例

煤层含气量是煤层气资源评价的关键参数之一。基于现有煤层含气量预测方法，结合鄂东气田三交北区块煤心实验室分析资料，通过线性回归优选影响含气量的测井敏感参数，对相关性小的参数构建复合参数，提高相关系数。分别建立基于兰氏方程（吸附模型）和多元回归方程（多元回归模型）的含气量预测模型。预测结果与实验室测量值对比表明，吸附模型预测含气量更为准确。

基于测井敏感属性重构的随机模拟地震反演

本文以海拉尔盆地乌南次凹为例,采用基于测井敏感属性重构的非线性随机反演方法对研究区进行了储层预测,详细分析论述了反演过程中各个关键处理环节,如测井曲线的编辑与校正、遴选敏感测井参数、利用敏感测井曲线重构进行随机地震反演。反演结果分析表明,该方法提高了储层预测的分辨率和精度,预测的砂岩厚度与实钻结果吻合很好,在研究区取得了满意的效果。

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。

粒子群优化支持向量机算法在页岩储层总有机碳含量预测中的应用——以渝西地区Z井区为例

页岩总有机碳(TOC)含量是反映页岩生烃潜力及页岩气富集程度的关键参数之一。四川盆地渝西地区Z井区的页岩气勘探,存在钻探程度低、地质资料少和岩心样品实验分析数据不全等不利因素,难以利用测井资料得到精确的总有机碳含量曲线。而通过地震正演、地震多属性反演和叠前反演等方法预测的总有机碳含量又存在精度较低的问题。为了实现总有机碳含量精细预测,提出了一种基于粒子群(PSO)优化支持向量机(SVM)算法的页岩气总有机碳含量计算方法。首先,根据总有机碳含量与测井资料的交会关系,确定自然伽马、密度和纵横波速度比等与计算总有机碳含量相关的敏感测井参数,利用支持向量机和粒子群优化算法的方法原理,建立适用于研究区与计算总有机碳含量相应的粒子群优化支持向量机算法;其次,采用该算法计算总有机碳含量测井曲线并与岩心总有机碳含量数据进行对比以修正算法的预测精度;最后,在常规地震反演数据体基础上,利用粒子群优化支持向量机算法计算出储层总有机碳含量数据体,进而开展页岩总有机碳含量有利勘探区的预测与页岩气储层的评价。研究结果表明,粒子群优化支持向量机算法预测总有机碳含量曲线与岩心实测总有机碳含量较为吻合,误差较小,同时,通过地震资料预测总有机碳含量的结果与测井解释的总有机碳含量结果对应较好。表明在非均质性较强的页岩气储层中,利用粒子群优化支持向量机算法进行总有机碳含量预测,可以有效提高页岩气储层总有机碳含量的预测精度,对四川盆地渝西地区页岩气勘探开发具有一定的指导意义。