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。

考虑软矿物纵横比的页岩岩石物理建模及其应用

以往针对页岩储层的岩石物理建模常忽略孔隙类型与软矿物纵横比对弹性模量的影响。本文同时考虑孔隙类型、孔隙形状与软矿物纵横比,建立横向各向同性页岩岩石物理模型:将固体矿物分为硬矿物与软矿物两类,考虑软矿物的各向异性特征与形状变化;基于储层实际情况将孔隙分为粒内孔、有机孔与粒间孔三类,孔隙形状分为硬孔隙与软孔隙两种;最后,利用粒子群法反演输入参数,进一步计算纵横波速度、各向异性参数与岩石力学参数。结合实际资料应用,用已知测井横波速度与各向同性岩石力学计算结果进行对比,结果表明该模型的应用效果较好。

采用Xu-White模型进行横波预测影响因素分析

砂泥岩的Xu-White模型常被用于横波预测,该模型综合考虑了砂泥岩中的泥质含量、孔隙度及孔隙形状、孔隙饱含流体的性质等对岩石速度的影响。为了深入了解泥质含量、含水饱和度、砂岩孔隙纵横比对Xu-White模型横波预测影响因子的大小,建立了三个气水模型进行试验并分析。结果表明:误差影响权重由高到低依次为泥质含量、砂岩孔隙纵横比、含水饱和度。运用综合考虑三个误差因素的改进Xu-White模型进行横波预测的结果与实测资料吻合性良好。

基于岩石物理模型的页岩孔隙结构反演及横波速度预测

准确预测储层的等效孔隙纵横比对页岩储层岩石物理建模及横波速度预测具有重要意义。为分析页岩储层孔隙纵横比及预测横波速度,提出了基于岩石物理模型的页岩孔隙纵横比反演及横波速度预测方法。本文首先通过岩石物理模型建立岩石的纵、横波速度与孔隙纵横比、孔隙度和矿物组分等参数之间的定量关系,寻找最佳孔隙纵横比;然后通过使理论预测与实际测量的纵波速度之间误差达到最小的方式反演孔隙纵横比,并以此为约束预测横波速度。实际测井数据反演结果表明,龙马溪组页岩地层的孔隙纵横比稳定,而围岩的孔隙纵横比变化范围较大;说明与围岩相比,页岩的孔隙结构更为稳定。同时,预测得到的页岩横波速度与实测横波速度的误差较小,另外对于缺少矿物组分资料的页岩层段,用平均矿物组分预测得到的横波速度误差仍较小;说明与矿物组分相比,龙马溪组页岩的纵、横波速度对孔隙纵横比参数更敏感。综上所述,利用该方法可预测到较为准确的等效孔隙纵横比和横波速度。

基于网格分析法的页岩储层等效孔隙纵横比反演

页岩储层通常具有复杂的孔隙空间,等效孔隙纵横比作为描述储层孔隙空间的重要参数,对地层的弹性波速度影响显著。因此,准确预测储层的等效孔隙纵横比对页岩储层建模及横波预测具有重要意义。为了分析页岩储层的等效孔隙纵横比,提出了一种自洽模型与网格分析法相结合的孔隙纵横比反演方法。自洽模型可以利用孔隙纵横比、矿物体积百分比等物性信息来模拟弹性波速度等弹性信息。网格分析法通过将测井值正态分布展开来模拟测量误差,从而降低由测量误差导致的反演不确定性,最终反演得到可靠的孔隙纵横比概率密度分布。通过对北美Barnett页岩储层的实际应用,结果表明,该方法与常规方法相比,其反演结果更加稳定,同时,利用该反演结果还可预测得到较为准确的横波速度。

基于人工鱼群算法和SCA等效理论的井中横波速度预测方法

在建立页岩岩石物理模型的基础上,根据等效自相容近似(SCA)岩石物理模型,构建出岩石的纵波速度、横波速度与岩石密度、组分和孔隙度等的定量关系,得出使理论纵波速度和实际纵波速度最接近的孔隙纵横比,进而将该孔隙纵横比作为约束条件来实现横波速度预测。反演算法利用人工鱼群算法来计算最佳孔隙纵横比,并将预测的横波速度与实际测得的横波速度对比,证明了人工鱼群算法的有效性。

基于粒子群算法的页岩孔隙结构反演及横波速度预测

提出了基于粒子群算法的页岩孔隙纵横比反演以及横波速度预测的方法.基于岩石物理模型,建立岩石纵、横波速度与密度、孔隙度和矿物组分等参数之间的定量关系,利用传统遍历搜索方法和粒子群算法两种方法计算最佳孔隙纵横比,使理论纵波速度与实际纵波速度的误差最小,并以孔隙纵横比作为约束进行横波速度预测,将预测结果与实测横波速度对比,验证了粒子群算法的有效性和精确性.反演结果表明页岩部分的孔隙结构比围岩部分的孔隙结构更加的稳定,利用粒子群算法的预测结果比利用传统算法的预测结果更加准确.

致密储层横波速度预测方法研究——以苏里格气田为例

针对现有的岩石物理方法对致密砂岩储层横波速度预测误差较大,利用横波速度进行弹性阻抗反演、AVO反演识别致密油气有利分布区域误差较大的问题,本文提出了一种以实测横波速度约束的更高精度的致密砂岩横波速度预测方法.利用Xu-White模型预测横波速度时,孔隙纵横比是一个重要的参数,前人多采用固定的砂岩、泥岩孔隙纵横比,而整个储层不同深度上砂岩、泥岩的孔隙形状会发生改变,孔隙纵横比的值也随之改变.本文在确保实测横波速度与预测横波速度误差最小的前提下,由泥质含量曲线拟合了深度上逐点计算泥岩孔隙纵横比的计算公式,使得孔隙纵横比更加符合储层内垂向孔隙变化特征,预测的横波速度曲线平均误差为5.1%,较常规方法获得了更高精度的横波速度曲线.