基于模糊神经网络的致密砂岩储层反演——以长岭断陷1号气田登娄库组为例
发布时间：2021-10-07 15:39
模糊神经网络储层反演,能够较好地摈弃不同类型、不同尺度数据的揉合,较好地保留了数据完整性,这既能反映整体的变化趋势,又能刻画局部细致变化特征。针对长岭1号气田登娄库组相变快、砂体横向连续性较差的特点,综合地震、测井、钻井测试分析资料,应用模糊神经网络原理,反演了研究区目的层段砂岩厚度与孔隙度特征。研究结果显示:①长岭1号气田登娄库组各段砂体平面展布变化较大,但厚度较大的区域均集中于长深103—长深1-3—长深1-1井和长深2井附近,向东北呈逐渐减薄趋势,D3岩层段长深103井周围岩石厚度可达33.2 m;②研究区登娄库组主力产油层D3和D4岩层段孔隙度较低,平均仅为5%左右,砂体孔隙度相对较高区域（>9%）仅集中于长深1井附近,整体显示登娄库组岩性较为致密;③反演结果与实际测试数据对比显示,砂体厚度误差控制在2.5 m以内,砂体孔隙度误差在0.49%以下,结果可靠性较好。利用模糊神经网络原理进行储层反演分析,能够很好地展现储集砂体分布规律及储集性能。
【文章来源】：石油与天然气地质. 2013,34(03)北大核心CSCD
【文章页数】：8 页
【部分图文】：
模糊化及模糊运算示意图
慷?“∧”为模糊运算中的“and”运算(图1b)。将所有的规则综合，模糊推理系统的最终输出可以表示为:f=∑ni=1wifjwi，j=1，2，3(6)式中:wi，fi均为无量纲。同时可以增加方差和均值来表达新数据与培训样本之间的变化量的大小，当然其具体数据的大小则可以根据实际操作的需求调整平滑参数进行比例化(拉伸/压缩)，不同属性的数据特征是不一样的，其平滑参数是不同的，一般由训练数据依据梯度下降法来确定最小误差来获得。1．3神经网络构建建立不同的数据层、神经单元以及数据传递函数，图2神经网络格架Fig.2Frameworkoftheneuralnetwork经过多次试算，遴选出最优的网络结构。整个网络结构有一个输入层、两个中间层、一个输出层(图2)。中间层利用对数变换函数连接所有的神经单元，现针对前面假设数据描述整个网络，两个中间层均有3个神经单元，这些神经单元除了接受所有的输入数据以外，还接受一个误差系数控制整个数据运算的质量。输出层仅仅有一个神经单元，整个网络格架共有21个数据传递节点来调整研究数据的形成。本次研究的神经网络由4层组成。第一层为输入层，x1i，x2i，x3i(i=1，2，3，…，n)表示输入项，各个节点直接与输入项连接，将输入值传递到下一层，在实际的应用过程中可以选择振幅、频率和自然伽马为输入值;中间层Ⅰ为模糊化层，每个节点代表一个模糊化的变量值，其作用是计算各输入分量属于各个模糊域的隶属度，前面已经提到模糊域的划分要依据实际油气藏特征来划分;中间层Ⅱ为系统推理层，每个节点代表一条模糊规则，用来匹配模糊规则的前件，计算每条规则的适用度;输出层为精确化计算，该层同时还有误差检验功能，依据误差的可容忍度，反回中间层Ⅰ对数据模糊域范
416石油与天然气地质第34卷图3储层反演流程Fig.3Ｒeservoirinversionprocess的组合，纵向上的分辨率尚需要进一步提高，地质意义也需要进一步明确。由此应该在单一地震属性的基础上，选择对砂体物性敏感较强测井曲线，引入钻井测试分析数据，运用模糊神经网络方法，将钻井测试资料和测井曲线作为学习目标，进行多种地震属性优化，通过模糊神经网络地震反演获得明确的储层地震反演结果。储层反演流程图(图3)，很好的展现了地震数据分析处理，与钻井、测井数据揉合过程，分析数据的质量和多源上得到了很好的保证，既表现出了结果整体可靠性，又较好的刻画了局部细节。整个模糊神经网络储层反演主要分为原始数据处理、数据分析、结果检验、数据调整四部分。原始数据处理部分主要是针对地震属性数据标准化、有效性进行分析，保证后期数据计算的稳剑数据模糊化和模糊推理系统的构建是数据分析的核心块，这其中还包括测井和钻井数据耦合起来的模糊计算。结果检验部分主要是针对模糊计算结果结合实际所有的测井解释、实钻数据、实验测试分析获得岩性解释及孔隙度值进行对比，并依据计算结果误差的可容忍程度对参与分析计算的数据集、计算截断及步长进行调整，直到整个分析结论与实际地质认识相符合。3实例应用3．1工区概况长岭1号气田位于长岭断陷中部凸起带东南部，为松辽盆地南部面积最大、资源最丰富的断陷，断陷面积1．3×104km2［10］。受断陷强烈拉张期控盆断裂的发育作用，长岭断陷表现为双断式的凹陷构造格局。长岭断陷的演化经历了晚侏罗世火石岭组—早白垩世营城组沉积时的断陷期、早白垩世登娄库组—白垩纪末期的拗陷期以及古近纪至今的反转期三大阶段，地层厚度及埋深变化较大［11－12］。长岭1号气田?
【参考文献】：
期刊论文
[1]松辽盆地南部长岭断陷登娄库组致密砂岩有利储层控制因素[J]. 葛岩,黄志龙,宋立忠,白连德,刘晓健,王颖. 中南大学学报(自然科学版). 2012(07)
[2]致密碎屑岩储层地震反演技术方案及应用[J]. 刘振峰,董宁,张永贵,王箭波,时磊. 石油地球物理勘探. 2012(02)
[3]长岭气田登娄库组低渗砂岩储层控制因素分析[J]. 王键,贾爱林,魏铁军,刘群明,甯波,章亚,钟佳倚. 天然气地球科学. 2011(05)
[4]地震反演系统中的子波提取方法[J]. 孙学凯,冯世民. 物探化探计算技术. 2010(02)
[5]地震反演与属性耦合检测薄层含气砂岩[J]. 黄捍东,张如伟,赵迪,陈丽华. 石油地球物理勘探. 2009(02)
[6]长岭1号气田登娄库组储层成岩作用及储集空间类型[J]. 艾宁,张春生,唐勇,黄文芳. 新疆石油天然气. 2008(02)
[7]伸展构造与反转构造对油气分布的控制作用——以松辽盆地东南隆起区为例[J]. 李君,黄志龙,刘宝柱,柳波. 新疆石油地质. 2008(01)
[8]测井约束地震反演综述[J]. 杨立强. 地球物理学进展. 2003(03)
[9]测井资料约束的波阻抗反演中的多解性问题[J]. 马劲风,王学军,钟俊,许亚军. 石油与天然气地质. 1999(01)
[10]中国东部中、新生代裂陷作用和伸展构造[J]. 马杏垣,刘和甫,王维襄,汪一鹏. 地质学报. 1983(01)
本文编号：3422322
【文章来源】：石油与天然气地质. 2013,34(03)北大核心CSCD
【文章页数】：8 页
【部分图文】：
模糊化及模糊运算示意图
慷?“∧”为模糊运算中的“and”运算(图1b)。将所有的规则综合，模糊推理系统的最终输出可以表示为:f=∑ni=1wifjwi，j=1，2，3(6)式中:wi，fi均为无量纲。同时可以增加方差和均值来表达新数据与培训样本之间的变化量的大小，当然其具体数据的大小则可以根据实际操作的需求调整平滑参数进行比例化(拉伸/压缩)，不同属性的数据特征是不一样的，其平滑参数是不同的，一般由训练数据依据梯度下降法来确定最小误差来获得。1．3神经网络构建建立不同的数据层、神经单元以及数据传递函数，图2神经网络格架Fig.2Frameworkoftheneuralnetwork经过多次试算，遴选出最优的网络结构。整个网络结构有一个输入层、两个中间层、一个输出层(图2)。中间层利用对数变换函数连接所有的神经单元，现针对前面假设数据描述整个网络，两个中间层均有3个神经单元，这些神经单元除了接受所有的输入数据以外，还接受一个误差系数控制整个数据运算的质量。输出层仅仅有一个神经单元，整个网络格架共有21个数据传递节点来调整研究数据的形成。本次研究的神经网络由4层组成。第一层为输入层，x1i，x2i，x3i(i=1，2，3，…，n)表示输入项，各个节点直接与输入项连接，将输入值传递到下一层，在实际的应用过程中可以选择振幅、频率和自然伽马为输入值;中间层Ⅰ为模糊化层，每个节点代表一个模糊化的变量值，其作用是计算各输入分量属于各个模糊域的隶属度，前面已经提到模糊域的划分要依据实际油气藏特征来划分;中间层Ⅱ为系统推理层，每个节点代表一条模糊规则，用来匹配模糊规则的前件，计算每条规则的适用度;输出层为精确化计算，该层同时还有误差检验功能，依据误差的可容忍度，反回中间层Ⅰ对数据模糊域范
416石油与天然气地质第34卷图3储层反演流程Fig.3Ｒeservoirinversionprocess的组合，纵向上的分辨率尚需要进一步提高，地质意义也需要进一步明确。由此应该在单一地震属性的基础上，选择对砂体物性敏感较强测井曲线，引入钻井测试分析数据，运用模糊神经网络方法，将钻井测试资料和测井曲线作为学习目标，进行多种地震属性优化，通过模糊神经网络地震反演获得明确的储层地震反演结果。储层反演流程图(图3)，很好的展现了地震数据分析处理，与钻井、测井数据揉合过程，分析数据的质量和多源上得到了很好的保证，既表现出了结果整体可靠性，又较好的刻画了局部细节。整个模糊神经网络储层反演主要分为原始数据处理、数据分析、结果检验、数据调整四部分。原始数据处理部分主要是针对地震属性数据标准化、有效性进行分析，保证后期数据计算的稳剑数据模糊化和模糊推理系统的构建是数据分析的核心块，这其中还包括测井和钻井数据耦合起来的模糊计算。结果检验部分主要是针对模糊计算结果结合实际所有的测井解释、实钻数据、实验测试分析获得岩性解释及孔隙度值进行对比，并依据计算结果误差的可容忍程度对参与分析计算的数据集、计算截断及步长进行调整，直到整个分析结论与实际地质认识相符合。3实例应用3．1工区概况长岭1号气田位于长岭断陷中部凸起带东南部，为松辽盆地南部面积最大、资源最丰富的断陷，断陷面积1．3×104km2［10］。受断陷强烈拉张期控盆断裂的发育作用，长岭断陷表现为双断式的凹陷构造格局。长岭断陷的演化经历了晚侏罗世火石岭组—早白垩世营城组沉积时的断陷期、早白垩世登娄库组—白垩纪末期的拗陷期以及古近纪至今的反转期三大阶段，地层厚度及埋深变化较大［11－12］。长岭1号气田?
【参考文献】：
期刊论文
[1]松辽盆地南部长岭断陷登娄库组致密砂岩有利储层控制因素[J]. 葛岩,黄志龙,宋立忠,白连德,刘晓健,王颖. 中南大学学报(自然科学版). 2012(07)
[2]致密碎屑岩储层地震反演技术方案及应用[J]. 刘振峰,董宁,张永贵,王箭波,时磊. 石油地球物理勘探. 2012(02)
[3]长岭气田登娄库组低渗砂岩储层控制因素分析[J]. 王键,贾爱林,魏铁军,刘群明,甯波,章亚,钟佳倚. 天然气地球科学. 2011(05)
[4]地震反演系统中的子波提取方法[J]. 孙学凯,冯世民. 物探化探计算技术. 2010(02)
[5]地震反演与属性耦合检测薄层含气砂岩[J]. 黄捍东,张如伟,赵迪,陈丽华. 石油地球物理勘探. 2009(02)
[6]长岭1号气田登娄库组储层成岩作用及储集空间类型[J]. 艾宁,张春生,唐勇,黄文芳. 新疆石油天然气. 2008(02)
[7]伸展构造与反转构造对油气分布的控制作用——以松辽盆地东南隆起区为例[J]. 李君,黄志龙,刘宝柱,柳波. 新疆石油地质. 2008(01)
[8]测井约束地震反演综述[J]. 杨立强. 地球物理学进展. 2003(03)
[9]测井资料约束的波阻抗反演中的多解性问题[J]. 马劲风,王学军,钟俊,许亚军. 石油与天然气地质. 1999(01)
[10]中国东部中、新生代裂陷作用和伸展构造[J]. 马杏垣,刘和甫,王维襄,汪一鹏. 地质学报. 1983(01)
本文编号：3422322
本文链接：https://www.wllwen.com/kejilunwen/rengongzhinen/3422322.html
