核磁共振横向弛豫时间谱分解法识别流体性质

在核磁共振横向弛豫时间(T2)谱特征分析的基础上,利用信号分析方法分解T2谱,提出了利用T2谱分解法识别流体性质的新方法。由于T2谱在横向弛豫时间轴上满足对数正态分布的特征,采用高斯函数对T2谱进行拟合,可将T2谱分解为2~5个独立的分量谱。通过分析原油和地层水自由弛豫响应特征以及岩心油水互驱的动态响应特征,明确了各分量谱的岩石物理意义。T2谱可以分解为黏土束缚水分量谱、毛细管束缚流体分量谱、小孔隙流体分量谱和大孔隙流体分量谱。依据目标区原油性质,确定含油储集层T2分量谱峰在T2时间轴上的分布范围为165~500 ms。据此可准确识别流体性质,对于低孔隙度、低渗透率储集层中复杂油水层的识别,具有较强的适应性。

根据AVO相对变化识别流体的新方法

在进行AVO研究过程中发现,某些气田的气层表现出了与水层类似的AVO特征,以致常规的AVO技术很难有效进行流体识别,因此迫切需要探索出新的AVO属性分析技术来进行有效的流体检测。为此,本文以琼东南深水区为例,从该区大量已钻井和正演模型的AVO特征出发,剖析了流体和物性变化对梯度、截距的影响,明晰了不同流体随物性变化时振幅随角度变化的特征规律,即不同物性的同种流体随角度增加振幅差异逐渐减小,而不同流体随角度增加振幅差异逐渐增大,进而提出了一种根据AVO的相对变化来定性识别流体的新方法,并从理论上加以剖析,最终实际应用也证实了该方法的有效性,有效解决了气、水特征类似时常规AVO技术无法进行流体检测的难题。

基于小波变换和CNN-Transformer模型的测井储层流体识别

针对具有复杂储集空间和极强的非均质性的低孔低渗储层,常规测井响应特征不够明显,使用传统解释手段难以有效识别储层流体的问题,提出了一种基于小波变换和CNN-Transformer混合模型的储层流体识别方法。首先,使用小波变换将测井信号从时域扩展到时频域,并生成时频谱图以增强信号特征,然后使用滑动时窗沿着测井曲线深度方向滑动采样,获取代表解释深度处地层信息的频谱特征图,最后,通过训练CNN-transformer模型深度挖掘特征图信息,实现储层流体识别。混合模型在利用储层对应深度处测井数据的同时,又兼顾测井曲线随深度的变化趋势和地层前后信息的关联性,挖掘时频谱图的局部细节和全局特征表示,自动识别流体类型。将模型应用于大港油田22口实测测井资料中,并与CNN和BiLSTM等多个模型的流体识别效果进行对比分析,基于小波变换和CNN-Transformer模型识别效果明显优于其他方法,在测试集上识别准确率达到了92.7%。研究结果表明该方法可以作为低孔渗油藏常规测井资料识别储层流体的有效手段,为流体评价提供了新思路。

玛西斜坡区风城组高含盐致密储集层流体识别

准噶尔盆地玛西斜坡区二叠系风城组发育碱湖沉积的高含盐致密储集层,其油水关系复杂,流体识别难度大。利用岩性扫描测井资料构建饱含盐水地层热中子宏观俘获截面,并利用测井热中子宏观俘获截面与饱含盐水地层热中子宏观俘获截面的差值构建含油性敏感因子,再利用氯元素相对产额与总孔隙度比值构建含盐度敏感因子,将含油性敏感因子与含盐度敏感因子交会形成流体识别图版。实例应用表明,利用该流体识别图版可以对储集层流体性质进行准确判断,为试油选层提供依据。

非电阻率测井流体识别研究现状及展望

电阻率测井是目前流体识别的主要手段,但其在具有低孔隙度低渗透率、非均质性较强、特殊矿物发育等特点的储层中不易准确判别流体性质。为解决复杂储层流体识别问题,基于非电阻率测井技术衍生出了一系列方法,该文分别阐述其判别流体性质的原理、应用实例以及适应条件。针对非电阻率测井流体识别方法的发展方向提出:二维核磁共振可结合实验室刻度进行流体识别图版优化,并且在数据采集质量及处理效果提升的基础上发展三维核磁共振流体识别方法。利用斯通利波直接反演流体表征参数,并开展大量实验、模拟完善氯元素产额校正理论以形成稳定氯离子流体识别法,尝试基于岩性扫描测井仪器Litho Scanner等提取快中子截面进行流体识别;结合机器学习算法进行图谱流体信息提取及性质区分。开展多测井技术联合识别流体性质方法研究,并形成具有推广价值的工作流程。

福山凹陷低阻油层成因分析及流体识别方法

福山油田涠洲组广泛发育低阻油层,储层低阻成因机制认识不清与储层流体准确识别是制约涠洲组高效勘探开发的主要难题。以花场、白莲、永安地区为研究对象,综合分析岩石物理实验、地层水分析化验、测井、试油等资料,围绕地层水矿化度、淡水钻井液侵入、束缚水饱和度、黏土附加导电性、含油饱和度5方面因素展开分析研究。明确不同地区低阻主控因素,深入分析不同成因机制的岩石物理和测井响应特征,针对性构建综合储集指数、侵入因子、电阻增大率等流体敏感测井评价参数。结合测井解释及生产试油情况,建立相应流体识别图版,应用于涠洲组27口井58个试油层位。结果表明,流体识别符合率由76%提高到84%,有效提高了涠洲组低阻油层流体识别准确率。

基于门控循环单元网络的低阻油层测井流体识别方法

研究区块低阻油层发育广泛,油层和水层的电阻率相差不大,导致测井流体识别较为困难。为了有效识别低阻油层,采用少数类过采样技术(synthetic minority oversampling technique,Smote)对油水同层,油层等少数类样本进行过采样使数据集均衡;并利用门控循环单元(gated recurrent unit,GRU)网络模型进行低阻油层的流体识别。通过相关性分析确定自然伽马(GR)、深侧向电阻率(RD)、密度(DEN)等8条测井曲线数据作为输入训练模型,应用于中实际资料中,并将GRU与传统RNN和其他3种机器学习算法对比。结果表明:序列数据模型的流体识别效果比传统机器学习模型好,且基于Smote-GRU的流体识别模型的符合率达到89.5%,相对传统循环神经网络(recurrent neural network,RNN)的81.1%,取得了较好的应用效果。通过对照试验还证实了Smote算法提高了分类器对少数类样本的识别率。所提出的方法可为样本不均衡的低阻油层的流体识别提供参考。

基于双相介质理论流体识别技术研究与实践——以涠西南凹陷涠洲组油藏为例

涠西南凹陷主力含油层系为涠洲组。长期以来,针对涠洲组流体识别准确度仅约25%,流体识别低准确度的问题制约了油田滚动勘探成效。为解决涠洲组流体识别难题,本研究基于双相介质理论(BIOT理论),并结合涠洲组油藏含油饱和度变化规律及已钻井油藏流体饱和度参数,开展了不同饱和度下油层、水层地震振幅随频率变化的响应特征研究。研究结果表明,随着含油饱和度增加,分频地震振幅大小及振幅随频率变化的梯度呈现明显增大趋势,并基于此建立了双相介质理论油水识别技术。利用该技术对涠洲组多个目标进行流体识别,并根据流体识别结果对钻井靶点选取、井位侧钻提供有效指导。勘探实践证明,采用双相介质理论油水识别技术可将流体识别准确度提高至65%,极大地提高了勘探成效。本次研究成果不仅丰富了流体识别技术手段,还在勘探部署方面具有重要的指导意义。

高阻砂质砾岩储层岩电响应机理及流体识别

通过开展海拉尔盆地红旗凹陷铜钵庙组高阻含油砂砾岩储层岩电响应机理研究,高清该类储层岩电响应机理。岩电响应机理认识的突破将会有利于提高测井、录井解释精度,为试油压裂选层提供有利地质依据,进而提高整体勘探效益。

绥靖油田延长组长2储层流体识别方法

绥靖油田延长组属于低孔、低渗复杂致密砂岩储层,低孔低渗致密砂岩储层常常会出现低阻油层,低阻油层的成因机理研究随着非常规油气田的勘探开发而备受关注,本论文针对研究区长2段电阻率明显偏低的现象,从孔隙结构、构造圈闭幅度等方面展开研究,对目标地层低阻油层成因进行探讨。本轮研究在深入分析长2段低阻油层成因的基础上,根据绥靖油田延长组长2储层的物性特征,将孔隙度和束缚水饱和度的关系拟合曲线,得出了束缚水饱和度计算公式,采用束缚水饱和度与含水饱和度重叠法,对研究区长2段储层进行流体性质识别。在此基础上,还建立了双孔隙度重叠法,可以有效、快速对延长组长2段储层进行流体性质识别。

核磁共振测井构建水谱法流体识别技术

基于对现有核磁共振测井流体识别方法局限性的分析,提出了一种核磁共振测井构建水谱流体识别新方法。由于受到流体性质和孔隙结构两个关键因素的影响,目前常用的差谱法和移谱法核磁共振测井流体识别方法流体识别能力受到很大的局限,导致流体识别符合率较低。构建水谱法流体识别技术采用现有核磁共振测井的采集模式,利用长等待时间、短回波间隔模式下测量的T2(横向弛豫时间)谱信息构建完全含水状态下长等待时间、长回波间隔模式下的T2谱,通过对比测量T2谱和构建水谱之间的差异确定储集层的流体类型。通过对南堡凹陷油层、油水同层、水层、气层、低电阻率油层的识别实例,证明该方法消除了孔隙结构导致的流体识别符合率较低问题,提高了核磁共振测井流体识别能力,对于复杂储集层流体性质识别和评价具有广阔应用前景。

基于地震资料的高灵敏度流体识别因子

应用地震资料识别地层中的流体是储层预测的重要内容,对地层中流体的识别是通过流体识别因子实现的。为此提出了一种高灵敏度的流体识别因子。首先对常用流体识别因子进行了分析、归类和总结,给出了流体识别因子函数的一般形式,该函数基于纵波波阻抗和横波波阻抗等参数,可根据不同的需要选择和应用不同的流体识别因子;然后从Gassmann公式出发,分析了岩石中不同充填流体对弹性参数、速度和波阻抗的影响, 进一步明确了对流体敏感、比较敏感和相对不敏感的参数,并在此基础上,提出了一个新的高灵敏度流体识别因子;最后以湿砂岩和含气砂岩为例,对比分析了不同流体识别因子对流体的敏感度。分析结果表明．高灵敏度流体识别因子对流体的灵敏度较其它常用流体识别因子高。

利用基于Russell近似的弹性波阻抗反演进行储层描述和流体识别

本文基于Russell提出的多孔流体饱和弹性介质的佐普里兹方程形式的近似公式,借鉴弹性波阻抗的原理,推导了标准化的以流体因子f、拉梅常数μ和密度ρ表示的新的弹性波阻抗公式。通过反演可以直接从弹性波阻抗数据体中提取流体因子f和拉梅常数μ数据体,从而将弹性波阻抗与流体因子联系起来,兼顾了常规弹性波阻抗反演的高抗噪性以及利用流体因子识别流体的直观性,并且流体因子f的直接提取方法减少了间接计算的误差累积过程,为储层流体预测提供了一种新的途径。利用文中方法在SL油田Y3工区提取的流体因子f可以有效地区分出不同的流体类型,流体因子f对流体类型的敏感程度要优于其他常规属性,对沙二段储层流体的识别更加准确可靠,在储层流体识别与寻找剩余油方面显示了较好的应用效果。

新流体识别因子的构建与应用分析

阐述了一种基于波阻抗的高灵敏度流体识别因子的构建思路,并利用数值模拟和实际地震资料对构建的新流体识别因子进行了验证。首先对常用流体识别因子进行了分析和总结;然后基于Hilterman的研究结果讨论了含不同流体砂岩的物理特性,分析了纵、横波波阻抗对流体的敏感性;基于此,对已有的流体识别因子进行修改,增加了对流体敏感的λρ项,得到了一个更为灵敏的流体识别因子,并以含气砂岩和含水砂岩为例,分析了各种流体识别因子的识别效果。数值模拟和实际地震资料处理结果表明,新的流体识别因子可以很好地对储层中所含流体进行识别。

复杂岩性及多相流体智能识别方法

基于优化算法与分类算法的基本原理,针对K-Means优化后的岩心、测井和产液数据集,利用自组织特征映射神经网络SOM聚类建立岩性预测模型,综合决策树和支持向量机建立流体预测模型,并利用遗传算法、网格算法和二次算法对支持向量机的重要参数进行优化,以精确识别复杂储集层岩性和多相流体。对准噶尔盆地东部五彩湾凹陷石炭系复杂储集层4口新井进行精细解释,SOM岩性预测模型、决策树和支持向量机流体预测模型识别准确率分别为91.30%和95.65%,岩性复杂并非导致该储集层中流体性质差异的主要因素;由于研究区数据集复杂性和非线性程度不够强,导致决策树的建模精度优于支持向量机,分别为94.31%和86.97%,且线性的多项式函数性能优于径向基函数RBF和神经元函数Sigmoid、支持向量分类机中C-SVC的分类性能和泛化能力强于υ-SVC。

核磁共振增强扩散方法在复杂储集层流体识别中的应用

核磁共振增强扩散流体性质识别技术将长回波间隔条件下横向弛豫时间谱中水扩散弛豫时间右侧出现的明显弛豫信号作为储集层含油的直接指示。均匀磁场下进行的变回波间隔实验与梯度场下进行的相同实验结果有较大差异,只有后者才能模拟P型核磁测井仪器的实际测井结果,指导测井解释。借鉴国外成功的梯度磁场变回波间隔实验结果,讨论了核磁共振增强扩散技术的适应范围,并指出应用中还应注意钻井液侵入问题,尽量采用及时测井资料。初步应用表明,该项技术可作为电阻率方法的有益补充,在渤海湾盆地复杂油水层的识别中取得了很好的应用效果。

支持向量机方法在低阻油层流体识别中的应用

在H油田含油层系中,低阻油层与高阻水层并存,储层的岩性和孔隙结构复杂多变,粘土矿物普遍存在,在电性上直接区分油水层比较困难,常规测井解释符合率较低。为此,在认真分析工区低阻油层地质特征的基础上,引入模式识别领域应用较好的支持向量机(SVM)方法,探索了该方法在油水层划分中的应用。首先综合常规测井资料和试油资料构建57个油水层样本(学习样本34个,预测样本23个),并进行数据归一化处理,然后根据训练样本的分布和实验结果选择核函数类型,利用网格搜索寻优法得到模型最优参数,建立起低阻油层目的层段流体识别模型。利用该模型对23个预测样本进行识别,结果正确的有21个,预测精度达91.3%,其中2个误判样本是将油水同层判识为水层。对34个建模样本进行回判,准确率达100%。对某井4号层位(1476～1481m井段)射孔试油结果产油63.7m^3/d,无水,与预测结果一致。由此表明利用支持向量机方法对未知流体属性的正确识别是可行的。

基于模糊概率理论的地层流体精确识别方法

充分考虑火山岩地层流体的交互性及模糊性特征,从模糊概率理论出发,应用测井解释基本原理,对选取的火山岩样本层位测井数据进行综合统计;借助离差平方和的概念,构建地层流体的模糊概率识别功能函数;应用模糊数学及统计理论方法,确定模糊概率的概率密度函数和隶属函数;在此基础上建立基于模糊概率理论的松辽盆地火山岩地层流体识别数学模型。实例计算的识别准确率在80%以上,表明该方法切实可行,具有推广应用的价值。

叠前同时反演方法在流体识别中的应用

基于多角度道集和多尺度信息约束的叠前同时反演方法是利用多个角度的叠加数据体,将叠后波阻抗和叠前AVO属性整合到反演流程中,并将地震、测井、地质(包括构造倾角)等多尺度信息作为软约束条件参与反演的方法。应用迭代算法,同时反演出与岩性和含油气性相关的纵波阻抗、横波阻抗和密度等多种弹性参数,综合判别储层物性和含油气性,降低单纯利用纵波弹性阻抗反演的非唯一性,增强反演结果的稳定性和可靠性。综合利用颜色编码交会分析和三维可视化技术对众多叠前同时反演属性三维数据体在剖面和空间上进行解释,提高了对弹性反演属性的解释能力。将该反演方法和技术思路应用于新疆某油田M地区,优选Xu-White模型估算S波时差曲线,对4个不同角度的叠加数据体进行了叠前同时反演,使用AVO颜色编码交会分析技术预测了工区中砂岩和含油气性分布。结果表明,利用该方法能有效识别储层和流体。

核磁共振双TW测井数据联合反演与流体识别

针对核磁共振测井双TW观测数据分析和流体识别的需要,研究了基于全局搜索的遗传算法和局部搜索的最小二乘法的联合反演算法,实现了核磁共振双TW观测数据处理.首先,研究了饱和油气水岩石物理模型的核磁共振双TW观测模式的测井响应机理;然后,利用全局搜索性能优良的遗传算法,对核磁共振回波差数据进行了反演,计算出了流体的核磁弛豫性质及其体积;最后,以遗传算法的反演结果为初值,利用阻尼最小二乘方法对双TW回波串进行更精细的反演,计算出了双TW的T2分布、孔隙度和流体饱和度.理想模型的合成数据和实际测井资料应用表明,遗传算法与最小二乘方法相结合是一种行之有效的联合反演方法,能较好地实现核磁共振测井双TW观测数据的处理和流体评价.