Aryskum油田侏罗系油藏构造解释与储层预测
发布时间：2022-01-27 04:42
Aryskum油田位于哈萨克斯坦南图尔盖盆地南部,于1986年9月在侏罗系发现油气。目前该油田较大规模的构造圈闭基本钻探完毕,已进入复杂小构造、岩性地层为主的精细勘探阶段。为了更好的挖掘勘探潜力,需要对研究区目的层（J3ak和J2kr）构造进行精细解释,对储层和有利含油气目标进行预测。本文将研究区J3ak组分为了6个小层,将J2kr组分为了3个小层,并对他们的构造和砂体分布进行了精细解释,同时预测了有利含油气目标,为Aryskum油田增储上产提供了依据。本文先是使用研究区测井资料和录井、试油结果,基于Boosting Tree算法训练了测井岩性和流体性质识别模型,并对研究区各井进行了岩性和储层流体解释,达到了较好的解释效果;再根据测井解释的结果,对侏罗系油藏进行小层划分,并通过井震结合在地震剖面上对各小层进行标定;然后解释大构造及利用相干体技术解释目的层羽状次生断裂;通过正演模拟获得不同储层地质模型在地震资料上的反射特征,以建立地震岩性圈闭识别模式;再使用地震振幅属性,预测了储层的横向分布;最后综合...
【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】：73 页
【学位级别】：硕士
【部分图文】：
J3ak顶界构造图
第1章绪论-2-图1.2J3ak油藏J-0-0、J-0-1、J-0-2砂组砂体厚度等值线图（新疆油田资料）Fig.1.2ContourmapofsandbodythicknessofJ-0-0、J-0-1、J-0-2sandgroupinJ3ak(XinjiangOilfieldData)1.2研究目的及意义Aryskum油田的勘探始于20世纪60年代，1986年9月完钻的AR006井在侏罗系发现油气，2004年10月开始试采侏罗系J3ak油藏，2007年7月开始试采侏罗系J2kr油藏，现已成为哈萨克斯坦重要的石油产地之一。目前，研究区较大规模的构造圈闭基本钻探完毕，大部分地区进入复杂小构造、岩性地层为主的精细勘探阶段。根据USGS的评价，待发现石油可采资源为17亿桶，探明率约为30%，具有较大的勘探潜力。2005年以前，已有研究只对该区域的大断裂做出了解释（图1.1），并没有解释出羽状断层派生的小断裂。2005年中方（CNPC）接手南图尔盖盆的勘探开发项目，对Aryskum油田进行了新一轮的全面研究，重新采集了大量3D地震资料，完钻了多口探井和评价井。为了更好的挖掘油藏潜力，缓解不断严峻的勘探形势，需要对J3ak和J2kr的构造和砂体展布，油气分布做进一步的精细研究，为后续两年勘探延长期储备一定的井位目标。本文利用2010最新处理的地震资料，开展Aryskum油田侏罗系构造精细解释和储层预测研究，重新落实局部小断层，对油田目标层位开展储层特征、油藏特征研究，为油田增储上产寻找储量提供依据。
第2章基于BoostingTree算法的测井岩性和储层流体解释-12-集检验模型在训练集上的分类性能。此过程重复k次,使得每份数据恰好用于验证集一次,模型在训练集上的总误差是这k次验证集误差的平均。BoostingTree算法的参数包括基学习器决策树模型最大深度（Depth）和基学习器个数（N）。Depth值过大，就会对数据过拟合，其值过小则会欠拟合，这俩种情况都会降低模型的泛化能力。使用交叉验证法对Depth的值进行寻优，确定Depth的值在岩性识别模型和储层流体识别模型中皆取6；基学习器个数N的值过大不仅会出现过拟合现象降低模型泛化性能，程序的计算时间也会迅速增加（图2.2）。图2.3是岩性识别模型误差与基学习器个数N之间的变化关系图，由图可知当N超过200时，岩性识别模型误差不再有明显降低，故确定基学习器个数N为200；同理确定储层流体识别模型的基学习器个数为160.图2.2模型训练时间随基学习器个数变化图Fig.2.2Therelationshipbetweenthetraintimeandthenumberofbaselearners图2.3模型误差随基学习器个数变化关系Fig.2.3Therelationshipbetweentheerrorsandthenumberofbaselearners
【参考文献】：
期刊论文
[1]基于Boosting Tree算法的测井岩性识别模型[J]. 江凯,王守东,胡永静,浦世照,段航,王政文. 测井技术. 2018(04)
[2]地震多属性分析技术在薄层砂体预测中的应用[J]. 蔡义峰,熊婷,姚卫江,邢成智,仲伟军,贾春明. 石油地球物理勘探. 2017(S2)
[3]地球物理测井岩性解释方法综述[J]. 赵显令,王贵文,周正龙,王迪,冉冶,孙艳慧,张晓涛,李梅. 地球物理学进展. 2015(03)
[4]GeoEast地震属性技术在东坪地区地震综合解释中的应用[J]. 程玉红,马新民,雍学善,刘小梅,倪祥龙. 石油地球物理勘探. 2014(S1)
[5]地震属性分析技术综述[J]. 王开燕,徐清彦,张桂芳,程某存,李培海. 地球物理学进展. 2013(02)
[6]地震体属性分析技术及应用[J]. 王霞,汪关妹,刘东琴,李建华,冯建国,李晓曦. 石油地球物理勘探. 2012(S1)
[7]多种岩性分类方法在火山岩岩性识别中的应用[J]. 张莹,潘保芝. 测井技术. 2011(05)
[8]基于决策树方法的砾岩油藏岩性识别[J]. 李洪奇,谭锋奇,许长福,姚振华,彭寿昌. 测井技术. 2010(01)
[9]基于主成分分析的最小二乘支持向量机岩性识别方法[J]. 钟仪华,李榕. 测井技术. 2009(05)
[10]复杂储层测井评价数据挖掘方法研究[J]. 李洪奇,郭海峰,郭海敏,孟照旭,谭锋奇,张军. 石油学报. 2009(04)
硕士论文
[1]地震属性技术在泌阳凹陷安棚深层系油气勘探中的应用研究[D]. 常炳章.中国地质大学（北京） 2008
本文编号：3611782
【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】：73 页
【学位级别】：硕士
【部分图文】：
J3ak顶界构造图
第1章绪论-2-图1.2J3ak油藏J-0-0、J-0-1、J-0-2砂组砂体厚度等值线图（新疆油田资料）Fig.1.2ContourmapofsandbodythicknessofJ-0-0、J-0-1、J-0-2sandgroupinJ3ak(XinjiangOilfieldData)1.2研究目的及意义Aryskum油田的勘探始于20世纪60年代，1986年9月完钻的AR006井在侏罗系发现油气，2004年10月开始试采侏罗系J3ak油藏，2007年7月开始试采侏罗系J2kr油藏，现已成为哈萨克斯坦重要的石油产地之一。目前，研究区较大规模的构造圈闭基本钻探完毕，大部分地区进入复杂小构造、岩性地层为主的精细勘探阶段。根据USGS的评价，待发现石油可采资源为17亿桶，探明率约为30%，具有较大的勘探潜力。2005年以前，已有研究只对该区域的大断裂做出了解释（图1.1），并没有解释出羽状断层派生的小断裂。2005年中方（CNPC）接手南图尔盖盆的勘探开发项目，对Aryskum油田进行了新一轮的全面研究，重新采集了大量3D地震资料，完钻了多口探井和评价井。为了更好的挖掘油藏潜力，缓解不断严峻的勘探形势，需要对J3ak和J2kr的构造和砂体展布，油气分布做进一步的精细研究，为后续两年勘探延长期储备一定的井位目标。本文利用2010最新处理的地震资料，开展Aryskum油田侏罗系构造精细解释和储层预测研究，重新落实局部小断层，对油田目标层位开展储层特征、油藏特征研究，为油田增储上产寻找储量提供依据。
第2章基于BoostingTree算法的测井岩性和储层流体解释-12-集检验模型在训练集上的分类性能。此过程重复k次,使得每份数据恰好用于验证集一次,模型在训练集上的总误差是这k次验证集误差的平均。BoostingTree算法的参数包括基学习器决策树模型最大深度（Depth）和基学习器个数（N）。Depth值过大，就会对数据过拟合，其值过小则会欠拟合，这俩种情况都会降低模型的泛化能力。使用交叉验证法对Depth的值进行寻优，确定Depth的值在岩性识别模型和储层流体识别模型中皆取6；基学习器个数N的值过大不仅会出现过拟合现象降低模型泛化性能，程序的计算时间也会迅速增加（图2.2）。图2.3是岩性识别模型误差与基学习器个数N之间的变化关系图，由图可知当N超过200时，岩性识别模型误差不再有明显降低，故确定基学习器个数N为200；同理确定储层流体识别模型的基学习器个数为160.图2.2模型训练时间随基学习器个数变化图Fig.2.2Therelationshipbetweenthetraintimeandthenumberofbaselearners图2.3模型误差随基学习器个数变化关系Fig.2.3Therelationshipbetweentheerrorsandthenumberofbaselearners
【参考文献】：
期刊论文
[1]基于Boosting Tree算法的测井岩性识别模型[J]. 江凯,王守东,胡永静,浦世照,段航,王政文. 测井技术. 2018(04)
[2]地震多属性分析技术在薄层砂体预测中的应用[J]. 蔡义峰,熊婷,姚卫江,邢成智,仲伟军,贾春明. 石油地球物理勘探. 2017(S2)
[3]地球物理测井岩性解释方法综述[J]. 赵显令,王贵文,周正龙,王迪,冉冶,孙艳慧,张晓涛,李梅. 地球物理学进展. 2015(03)
[4]GeoEast地震属性技术在东坪地区地震综合解释中的应用[J]. 程玉红,马新民,雍学善,刘小梅,倪祥龙. 石油地球物理勘探. 2014(S1)
[5]地震属性分析技术综述[J]. 王开燕,徐清彦,张桂芳,程某存,李培海. 地球物理学进展. 2013(02)
[6]地震体属性分析技术及应用[J]. 王霞,汪关妹,刘东琴,李建华,冯建国,李晓曦. 石油地球物理勘探. 2012(S1)
[7]多种岩性分类方法在火山岩岩性识别中的应用[J]. 张莹,潘保芝. 测井技术. 2011(05)
[8]基于决策树方法的砾岩油藏岩性识别[J]. 李洪奇,谭锋奇,许长福,姚振华,彭寿昌. 测井技术. 2010(01)
[9]基于主成分分析的最小二乘支持向量机岩性识别方法[J]. 钟仪华,李榕. 测井技术. 2009(05)
[10]复杂储层测井评价数据挖掘方法研究[J]. 李洪奇,郭海峰,郭海敏,孟照旭,谭锋奇,张军. 石油学报. 2009(04)
硕士论文
[1]地震属性技术在泌阳凹陷安棚深层系油气勘探中的应用研究[D]. 常炳章.中国地质大学（北京） 2008
本文编号：3611782
本文链接：https://www.wllwen.com/kejilunwen/diqiudizhi/3611782.html
