全直径样品分析在测井解释裂缝孔隙度中的应用研究——以克拉玛依油田百31井区二叠系油藏为例

求取裂缝性油藏裂缝孔隙度的方法通常是先通过成像测井识别和拾取出高导缝,然后再利用成像测井对常规测井识别的裂缝和计算的裂缝孔隙度进行标定。在缺少成像测井资料的情况下,以克拉玛依油田百31井区二叠系裂缝性油藏为实例,以全直径样品分析所获得的单点裂缝孔隙度为依据,以深、浅双侧向电阻率计算裂缝孔隙度为手段,在常规测井进行裂缝识别以及划分裂缝发育段的前提下,用岩芯单点处实测的单点裂缝孔隙度对裂缝解释孔隙度参数进行标定,定量地获得了裂缝孔隙度值。

BP神经网络在储量计算中的应用

BP神经网络不同于传统的CRA(碳酸盐岩复杂岩性处理程序 )测井解释方法 ,具有强的抗干扰能力和非线性映射能力。通过在四川盆地东北部地区铁山坡含气构造飞仙关组气藏储量计算中的应用证实 ,用BP神经网络计算的孔隙度与岩心分析结果有很好的一致性 ,能满足储量计算要求。在气水判别方面 ,BP神经网络计算气层段的含水饱和度与岩心分析结果相比 ,误差在 10 %以内 ,能指示气层特征 ;在水层段 ,BP神经网络计算的含水饱和度大于 5 0 % ,能指示水层特征。表明BP神经网络可以应用于确定储量参数和判别储层流体性质。