基于机器学习的页岩有机质含量预测方法研究
发布时间：2021-11-24 14:10
有机质含量通常用总有机碳含量（TOC,Total Organic Carbon）表示,TOC是页岩储层生烃能力评价的重要指标之一。如何利用地震数据准确地预测TOC是目前页岩油气勘探中有待解决重要问题之一。考虑到页岩储层本身的复杂性,本文引入机器学习方法,利用人工智能非线性预测,实现了分别利用测井数据和地震叠前反演结果的TOC的定量预测。本文完成的主要工作量包括:（1）对于TOC有关的页岩岩石物理特征进行理论分析,调研现有的TOC预测方法,并讨论了每种方法的优缺点。（2）调研了几种热门的机器学习算法,通过对比分析选取并实现了两种适用于TOC预测的机器学习方法:随机森林算法和支持向量回归。对两种方法进行模型数据集试算,结果表明在训练数据有限的情况下支持向量回归准确度更高,而反之则随机森林算法准确度更高。（3）利用蜀南五峰-龙马溪组页岩测井数开展TOC敏感的参数分析。（4）针对测井数据和地震反演结果分别开展TOC预测:首先通过计算相关系数进行参数优选,利用支持向量回归用来预测在岩心数据有限时TOC的测井曲线;将随机森林算法应用于预测因子种类有限的三维地震叠前反演结果。通过将反演结果与实际测井...
【文章来源】：中国石油大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
富有机质页岩的组分原理图[11]
中国石油大学（北京）硕士学位论文-7-图2.1富有机质页岩的组分原理图[11]Fig2.1Schematicdiagramofthecompositionoforganic-richshale[11]干酪根大概的体积分数是总有机质的八成到九成，并且经学者们讨论后提出最低80%的石油烃均根据干酪根转变得来，所以说对于干酪根的认识是至关重要的。而干酪根在不同成熟度情况下存在机理是有明显差异的，在未成熟情况下，干酪根是成层分布并且担任承重角色，其相应的建模方式可以用Backus平均；随着压力和温度的作用，成熟情况下，干酪根将会分解变成更小的颗粒，有的变成油、堆积，氢指数减小，颗粒结构更有序，干酪根连接着基质并承重，出现干酪根的粒间孔隙，相应的建模方式可以用DEM模型获得多孔干酪根的弹性刚度，将内含物质一点点迭代加入背景中直到达到预期，再用Backus平均建模；随着时间继续到过成熟情况，通过热蒸馏，油变成气，孔隙流体体积增加，经常由于极低的渗透率导致过压，有机物变成海绵质地分散在包含空间中，基质更多的被无机颗粒支撑，被流体和有机物混合物占据的地方统称包含空间，流体填充的空隙叫孔隙空间，相应的建模方式为：用固体替换获得有机物流体基质对整个有机页岩的弹性参数的影响，用DEM计算包含孔隙的干燥岩石（框架），Voigt平均近似计算干酪根流体混合物的有效模量。图2.2不同成熟度情况下的干酪根存在机理[11]Fig2.2Themechanismofkerogenindifferentmaturityconditions[11]
第2章页岩有机质含量预测方法-8-氢指数（HI，毫克/克）HI=S2/TOC，其中的S2是岩石中可热解有机物质的量。该参数HI提供了一种定量衡量干酪根成熟度水平的方法。划分的大致标准是：腐泥型或称I型干酪根，HI范围400-950，为未成熟干酪根，于热演化过程后可以产出可观数量的石油或天然气；混合型或称II型干酪根，HI范围250-400，为成熟干酪根，可能存在产出油也可以产出天然气；腐殖型或称III型干酪根，HI范围0-250，为过成熟干酪根，可能会有天然气的存在；在不同成熟度的干酪根情况下，各参数的经验数值：图2.3不同成熟度情况下的各参数经验值[11]Fig2.3Empiricalvaluesofvariousparametersunderdifferentmaturityconditions[11]总有机碳含量（TOC）是评估页岩气资源潜力的主要参数之一，TOC含量影响了页岩气储层有机孔隙度。有机质的质量分数较高的情况下，页岩就会更多的吸附气体（油气），TOC质量分数可以称为最能够左右页岩吸附能力的参数，各国学者对于TOC定性、定量预测的研究已经持续了几十年。接下来我们列举几种常用的TOC预测方法，并说明它们的局限性和各自的适用范围。2.2密度回归计算法密度对于TOC的响应主要原因是，有机物质比基质矿物密度低会导致堆积密度值较低。作为与TOC线性相关关系最为明显的参数——密度，用密度进行回归计算TOC是一种简单的方法，并且在均匀介质的情况下产生了一些比较令人满意的结果，但是在非均匀介质中，这种尝试将导致较差的相关性。而实际情况中的地层基本均为非均匀介质。整体来说，密度回归计算法的准确度低，无法应用于实际数据预测。除密度外，另外几个测井记录响应与TOC的存在具有一定相关性。高伽马射线测井可以相关有机质中的铀含量；记录在声波测井存在有机物质时，通行时间
【参考文献】：
期刊论文
[1]基于两种相关系数分析法的睡眠质量诊断[J]. 黄振宸,张响亮,梁燕茹,冯良大,黎警婵. 科技风. 2018(16)
[2]基于随机森林回归分析的PM2.5浓度预测模型[J]. 杜续,冯景瑜,吕少卿,石薇. 电信科学. 2017(07)
[3]随机森林回归在地震储层预测中的应用[J]. 宋建国,高强山,李哲. 石油地球物理勘探. 2016(06)
[4]四川长宁页岩总有机碳地震定量预测方法[J]. 侯华星,欧阳永林,曾庆才,杨青,陈胜,朱莎. 东北石油大学学报. 2016(05)
[5]基于核贝叶斯判别法的储层物性参数预测[J]. 刘兴业,陈小宏,李景叶,周林,郭康康. 石油学报. 2016(07)
[6]富有机质页岩TOC含量的地球物理定量化预测[J]. 王健,石万忠,舒志国,徐清海,张晓明,徐壮. 石油地球物理勘探. 2016(03)
[7]页岩油岩石物理及地震响应特征分析[J]. 徐燕红,潘仁芳. 中国科技论文. 2016(03)
[8]基于网格分析法的页岩储层等效孔隙纵横比反演[J]. 钱恪然,张峰,李向阳,章惠,郭诗乐. 石油物探. 2015(06)
[9]应用测井方法计算泥页岩有机碳质量分数[J]. 陈柯童,刘华,鲁雪松,田华,张宝收,芦慧,乔柱. 断块油气田. 2015(03)
[10]随机森林回归模型及其在污水排放量预测中的应用[J]. 崔东文. 供水技术. 2014(01)
博士论文
[1]测井属性的地震测井智能联合反演[D]. 张学庆.成都理工大学 2002
硕士论文
[1]基于支持向量机的储层参数预测方法研究[D]. 朱永才.西南石油大学 2012
[2]加权支持向量机若干算法的研究及其应用[D]. 廖明.湖南大学 2011
[3]基于决策树的数据挖掘算法研究与应用[D]. 卢东标.武汉理工大学 2008
本文编号：3516136
【文章来源】：中国石油大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
富有机质页岩的组分原理图[11]
中国石油大学（北京）硕士学位论文-7-图2.1富有机质页岩的组分原理图[11]Fig2.1Schematicdiagramofthecompositionoforganic-richshale[11]干酪根大概的体积分数是总有机质的八成到九成，并且经学者们讨论后提出最低80%的石油烃均根据干酪根转变得来，所以说对于干酪根的认识是至关重要的。而干酪根在不同成熟度情况下存在机理是有明显差异的，在未成熟情况下，干酪根是成层分布并且担任承重角色，其相应的建模方式可以用Backus平均；随着压力和温度的作用，成熟情况下，干酪根将会分解变成更小的颗粒，有的变成油、堆积，氢指数减小，颗粒结构更有序，干酪根连接着基质并承重，出现干酪根的粒间孔隙，相应的建模方式可以用DEM模型获得多孔干酪根的弹性刚度，将内含物质一点点迭代加入背景中直到达到预期，再用Backus平均建模；随着时间继续到过成熟情况，通过热蒸馏，油变成气，孔隙流体体积增加，经常由于极低的渗透率导致过压，有机物变成海绵质地分散在包含空间中，基质更多的被无机颗粒支撑，被流体和有机物混合物占据的地方统称包含空间，流体填充的空隙叫孔隙空间，相应的建模方式为：用固体替换获得有机物流体基质对整个有机页岩的弹性参数的影响，用DEM计算包含孔隙的干燥岩石（框架），Voigt平均近似计算干酪根流体混合物的有效模量。图2.2不同成熟度情况下的干酪根存在机理[11]Fig2.2Themechanismofkerogenindifferentmaturityconditions[11]
第2章页岩有机质含量预测方法-8-氢指数（HI，毫克/克）HI=S2/TOC，其中的S2是岩石中可热解有机物质的量。该参数HI提供了一种定量衡量干酪根成熟度水平的方法。划分的大致标准是：腐泥型或称I型干酪根，HI范围400-950，为未成熟干酪根，于热演化过程后可以产出可观数量的石油或天然气；混合型或称II型干酪根，HI范围250-400，为成熟干酪根，可能存在产出油也可以产出天然气；腐殖型或称III型干酪根，HI范围0-250，为过成熟干酪根，可能会有天然气的存在；在不同成熟度的干酪根情况下，各参数的经验数值：图2.3不同成熟度情况下的各参数经验值[11]Fig2.3Empiricalvaluesofvariousparametersunderdifferentmaturityconditions[11]总有机碳含量（TOC）是评估页岩气资源潜力的主要参数之一，TOC含量影响了页岩气储层有机孔隙度。有机质的质量分数较高的情况下，页岩就会更多的吸附气体（油气），TOC质量分数可以称为最能够左右页岩吸附能力的参数，各国学者对于TOC定性、定量预测的研究已经持续了几十年。接下来我们列举几种常用的TOC预测方法，并说明它们的局限性和各自的适用范围。2.2密度回归计算法密度对于TOC的响应主要原因是，有机物质比基质矿物密度低会导致堆积密度值较低。作为与TOC线性相关关系最为明显的参数——密度，用密度进行回归计算TOC是一种简单的方法，并且在均匀介质的情况下产生了一些比较令人满意的结果，但是在非均匀介质中，这种尝试将导致较差的相关性。而实际情况中的地层基本均为非均匀介质。整体来说，密度回归计算法的准确度低，无法应用于实际数据预测。除密度外，另外几个测井记录响应与TOC的存在具有一定相关性。高伽马射线测井可以相关有机质中的铀含量；记录在声波测井存在有机物质时，通行时间
【参考文献】：
期刊论文
[1]基于两种相关系数分析法的睡眠质量诊断[J]. 黄振宸,张响亮,梁燕茹,冯良大,黎警婵. 科技风. 2018(16)
[2]基于随机森林回归分析的PM2.5浓度预测模型[J]. 杜续,冯景瑜,吕少卿,石薇. 电信科学. 2017(07)
[3]随机森林回归在地震储层预测中的应用[J]. 宋建国,高强山,李哲. 石油地球物理勘探. 2016(06)
[4]四川长宁页岩总有机碳地震定量预测方法[J]. 侯华星,欧阳永林,曾庆才,杨青,陈胜,朱莎. 东北石油大学学报. 2016(05)
[5]基于核贝叶斯判别法的储层物性参数预测[J]. 刘兴业,陈小宏,李景叶,周林,郭康康. 石油学报. 2016(07)
[6]富有机质页岩TOC含量的地球物理定量化预测[J]. 王健,石万忠,舒志国,徐清海,张晓明,徐壮. 石油地球物理勘探. 2016(03)
[7]页岩油岩石物理及地震响应特征分析[J]. 徐燕红,潘仁芳. 中国科技论文. 2016(03)
[8]基于网格分析法的页岩储层等效孔隙纵横比反演[J]. 钱恪然,张峰,李向阳,章惠,郭诗乐. 石油物探. 2015(06)
[9]应用测井方法计算泥页岩有机碳质量分数[J]. 陈柯童,刘华,鲁雪松,田华,张宝收,芦慧,乔柱. 断块油气田. 2015(03)
[10]随机森林回归模型及其在污水排放量预测中的应用[J]. 崔东文. 供水技术. 2014(01)
博士论文
[1]测井属性的地震测井智能联合反演[D]. 张学庆.成都理工大学 2002
硕士论文
[1]基于支持向量机的储层参数预测方法研究[D]. 朱永才.西南石油大学 2012
[2]加权支持向量机若干算法的研究及其应用[D]. 廖明.湖南大学 2011
[3]基于决策树的数据挖掘算法研究与应用[D]. 卢东标.武汉理工大学 2008
本文编号：3516136
本文链接：https://www.wllwen.com/kejilunwen/diqiudizhi/3516136.html
