火山岩CO2气层识别与含量预测

火山岩气藏是近年来新的油气勘探开发对象。随着天然气产量的不断提高，我国松辽盆地火山岩气藏CO2的产量也不断增加。正确地识别出烃类气层和CO2气层，并定量地预测CO2在产气中的相对含量对于安全生产以及工程设计具有重要的意义。由于受复杂火山岩岩性的影响，识别烃类气层和CO2气层必须克服岩性的影响。在孔隙度测井交会图上识别出岩性变化方向和孔隙度变化方向，并据此得到声波—中子重叠受岩性影响较小的结论，为区分储层中烃类气和CO2气提供了一种手段。利用中子—密度—声波3种孔隙度重叠图技术定性识别出火山岩的烃类气层和CO2气层。利用气体分析给出的CO2含量与相应深度的测井响应值采用BP神经网络建立非线性关系，预测储层产气中的CO2含量，将预测的CO2 含量与试气结论对比，表明用BP神经网络预测CO2含量具有一定的可靠性。

傅立叶频谱分解技术在沙头圩区块勘探中的应用

三水盆地沙头圩区块已发现具有工业开采价值的CO2气藏,但由于勘探程度低,目前仅靠钻头和基础地质研究难以有效预测出气层的平面分布范围。本文基于傅立叶频谱分解技术,运用VVA软件对该区块主力层段CO2气藏纵向和平面分布进行预测,并结合地质研究成果综合分析,圈定CO2气层有利聚集区范围。