基于FMI与ECS的火山岩储层综合评价方法

准噶尔盆地火山岩地层评价十分复杂,一方面,单一依靠某种测井资料识别岩性暴露出越来越多的局限性,另一方面,利用常规测井方法评价储层裂缝、孔隙具有很大不确定性。本研究方法在岩芯刻度的基础上,结合FMI、ECS测井资料对火山岩岩性进行结构、成分综合识别,对火山岩喷发旋回进行划分;在此基础上还对裂缝进行识别,对裂缝参数、孔隙频谱进行计算分析,体现了FMI、ECS测井在火山岩评价中的独特优越性,取得了非常好的应用效果。

FMI图像纹理统计方法识别火成岩岩性

火成岩岩性识别有助于火山旋回划分、地层详细对比、建立研究区的地质模型,为储层评价提供重要依据。使用纹理分析的统计方法,建立区域灰度共生矩阵,能够计算出可以定量描述地层微电阻率扫描测井(FMI)图像纹理特征的参数,对纹理的平滑性、稀疏性、规则性等进行描述。利用这些参数可以有效区别各种火成岩岩石类型。大庆某地区的实际处理结果表明,FMI图像纹理统计方法是识别火成岩的结构与构造的一种有效方法。

基于电成像的高分辨率电阻率提取方法与应用

页岩油气具有厘米级的薄互层特征,现有电阻率测井受仪器分辨率、围岩等影响较大,不能客观反映地层真实电阻率值和准确识别薄层,导致有效厚度和含油饱和度等关键储量参数的计算精度较低。基于电成像资料高分辨率的优势,开展了页岩油气储层电成像的高分辨率电阻率提取方法研究。采用常规深电阻率曲线对电成像数据按深度逐点刻度,通过数理方法计算各个深度点电阻率分布的概率密度,采用高概率密度平均的方法构建高分辨率地层电阻率的计算模型。结果表明:基于电成像可以提取高分辨率电阻率曲线,其分辨率可以达到0.5 cm,形成了厘米级薄互层测井评价的关键技术。该方法应用于页岩油储层含油饱和度的计算,可以大幅度提高基于阿尔奇公式计算的含油饱和度精度,结果与岩心分析饱和度绝对误差小于3%,满足页岩油饱和度精度的要求。

电成像测井资料变换为孔隙度分布图像的研究

FMI成像测井给出了由电阻率像素点阵构成的图像。将此电阻率点阵通过Archie公式转换为相应的孔隙度点阵;以一个地层为一个图像窗口单元,计算每一个点阵的孔隙度对用常规测井资料确定的该地层的总孔隙度的贡献份额,并做出它沿孔隙度值的统计分布图;计算出不同m值对应的a^(1/m)值,并绘出a^(1/m)-m曲线。孔隙度分布图因储层类型的不同而不同,地层的溶蚀程度是影响a^(1/m)-m曲线形态的重要因素。这些现象给定量评价储层的缝洞孔隙发育带来了希望。

成像测井图像在火山岩岩性识别中的应用

在火山岩储层评价中,岩性识别的正确与否直接影响评价结果的可靠性。对松辽盆地北部火山岩地层,利用微电阻率成像测井(FMI)图像,结合常规测井资料,对火山岩岩性进行了识别。首先利用FMI静态图像和常规测井曲线将砂泥岩与火山岩区分开来;然后利用FMI动态图像分析了火山岩各种岩性的图像特征,归纳总结出火山熔岩类(流纹岩、英安岩、安山岩、玄武岩)和火山碎屑岩类(火山角砾岩、凝灰岩)的FMI图像模式;最后对研究区的22口井,利用火山岩岩性的FMI图像模式,结合常规测井岩性识别方法,对火山岩岩性进行了识别,识别结果与岩心薄片定名资料的符合率达83％。

全井眼地层微成像仪测井图像失真的恢复技术

基于全井眼地层微成像仪(FMI)的仪器结构和测量原理,对井下仪器的运动状态进行分析,推导出描述仪器运动状态的微分方程,在此基础上对仪器的遇卡—解卡事件进行识别,然后利用卡尔曼滤波方法对井下仪器的运动状态作出最佳估计,得到原始采样数据的真实深度,最后利用Akima插值算法对极板数据进行重采样并生成成像图像。结果表明:经过校正后生成的FMI图像有效地消除了由于井下仪器的非匀速运动引起的拉伸、压缩、扭曲等图像失真现象,恢复了地层的原貌。该技术不仅适用于FMI成像测井,同样适用于其他进行了加速度测量的成像测井,具有推广应用价值。

基于混合模糊神经网络储层裂缝地震反演研究

基于储层裂缝系统具有非线性特征，储层裂缝地震反演是由遗传算法（GA）、模糊神经网络（ANFIS）和禁忌搜索算法（TS）有机地结合而构成的自适应混合模糊神经网络技术。该技术在成像测井约束下，形成的自适应混合算法分别训练ANFIS网络的前提参数和结论参数，从而获得满足精度要求的储层裂缝密度的最佳估计值。针对目标储层段，应用储层裂缝地震反演方法对过井地震剖面和联井地震剖面进行了储层裂缝密度反演处理，获得了可用于地质解释和油气预测的视裂缝密度剖面。这种裂缝密度剖面含有裂缝定量信息，其裂缝密度相对误差为：0．8％～24％，满足勘探开发的要求。经与研究区的地质对比分析表明，视裂缝密度剖面上的裂缝展布特征符合研究区的沉积相分布和岩石力学性质的变化特征，对研究区的勘探开发具有重要意义。

基于卷积神经网络的电成像图像空白条带填充方法

全井眼微电阻率成像(Fullbore Formation Micro Imager,FMI)技术广泛应用于强非均质性的碳酸盐岩储层测井精细解释.然而,由于各极板间间隙的影响,FMI无法测量360°全井壁地层电阻率信息,这使得FMI图像出现空白条带,严重影响了图像视觉和测井解释进程.为获取全井壁的电阻率信息,必须有效的填充空白条带.本文在探讨现有的电成像图像空白条带填充方法基础上,提出了一种基于卷积神经网络的电成像图像空白条带填充方法.与常用的Criminisi插值法对比填充效果显示:该方法完全适用于各种特征的电成像图像空白条带填充,延续了所有待填充边缘的暗色条带和亮色背景,填充结果与原始图像的像素值频率占比相关性高达0.9581.Criminisi插值法在复杂区域电成像图像的填充结果连通性较差且存在干扰区域,填充结果与原始图像的像素值频率占比相关性仅为0.5924.本文提出的方法具有处理速度快、干扰区域少、连通性强、相关性高的特点,能够满足电成像空白条带成规模填充的实际应用需求,还可为测量极板间的测量缺失带信息处理提供参考手段.