利用机器学习与改进岩石物理模型预测页岩油层系横波速度

传统的横波速度预测方法包括经验公式法和岩石物理模型法。前者适用于岩石矿物组分相对单一的储层,且受区域限制等因素的影响,不具有普适性,预测精度较低。后者需要根据不同的实际情况选择合适的岩石物理模型,才能达到预期的目的。大多数机器学习横波速度预测方法基于纯数据驱动,数据集的质量和数量将直接决定横波预测模型精度,并缺乏充分的物理内涵。为此,基于深度神经网络(DNN)的方法,假设研究区储层波传播方程的数学形式已知,通过测井数据训练DNN得到未知的弹性参数,以确立目的层的波传播方程。利用平面波分析法得到相应的纵波、横波速度,实现神经网络与理论模型的结合。此外,针对传统Xu-White模型的不足,考虑随深度变化的孔隙纵横比,提出了改进横波速度预测岩石物理模型。利用研究区较丰富的测井数据,分别采用构建的DNN模型和改进横波速度预测岩石物理模型预测横波速度,并与传统的Xu-White模型预测结果进行对比、分析。结果表明,由DNN模型和改进岩石物理模型均可获得较高精度的横波速度预测结果,且前者的预测效果更好。

页岩油层系声电特性及岩石物理模型研究:砂岩与页岩交互层储层参数预测

鄂尔多斯盆地延长组页岩油层系是近年来相关地区非常规油气勘探开发的重点目标,其资源量丰富,具有岩性结构复杂、低孔低渗、微裂隙发育及油水分异不明显的特点。联合岩石声波和电学特性可被用于查明、表征储层岩性、矿物组分、孔隙结构及流体饱和度。本研究针对鄂尔多斯盆地Q区页岩油层系的7块岩心样本,进行X射线衍射、铸体薄片鉴定,以及开展不同围压和流体饱和度下的超声波及电导率实验,分析了声电特性随孔隙度、泥质含量、压力(微裂隙)及饱和度的变化规律。实验结果显示,砂岩的岩石物理响应在含有不同泥质含量的情况下差异显著,其中,纯砂岩的声电特性受微裂隙含量(压力)的影响较大,而对于泥质砂岩,泥质含量成为岩石物理响应特征的主控因素之一。针对工区由砂岩、页岩薄层组成的交互层特点,本研究采用声电等效介质方程及Gurevich喷射流理论,建立砂岩、页岩岩石物理模型,模拟了不同岩性的声电特性随流体类型、孔隙结构、矿物组分的变化特征。基于弹性及电学参数构建了砂岩、泥质砂岩及页岩段的三维声电联合岩石物理图板,并利用岩心样本及工区测井数据对图板进行校正。随后,将建立的声电联合图板应用到研究区目的层,预测各岩性段的储层物性参数,并基于测井解释结果进行验证。对比显示,本文根据岩性构建的声电联合图板能够有效的预测砂岩与页岩互层的储层参数,并且,综合应用声波和电学数据可以提供更多可用于评估岩石属性所需的有用信息,使得预测结果更符合实际地层情况。

东濮凹陷北部沙河街组页岩油有利区优选

依据泥页岩层系划分标准及横向选区、纵向选层系的原则，在东濮凹陷北部沙河街组优选页岩油有利区。纵向上，基于泥页岩层系划分标准进行泥页岩层系识别，依据资源价值、油气富集概率优选富含页岩油的泥页岩层系（即页岩油层系）；横向上，利用泥页岩层系内有机碳展布、可动资源量及可采性指数的叠合图优选页岩油的有利区。纵、横向结合确定了地下页岩油富集的空间位置：沙三中亚段页岩油的有利区分布在马寨和柳屯洼陷，纵向上分布在Es3zl、Es322、Es323、Es325、Es326、Es327；沙三下亚段页岩油的有利区分布在柳屯洼陷和卫城地区，纵向上分布在Es3x7。