潜江凹陷潜江组盐间页岩油岩石物理建模研究

发布时间：2021-07-21 12:55

　　潜江凹陷潜江组地层盐间页岩层矿物类型复杂,相关的岩石物理建模研究较少,因此仅利用常规测井资料进行地层参数解释的难度较大,后期甜点预测存在风险。首先,选择合适的有监督的机器学习方法解决利用常规资料难以准确求解多种矿物含量的问题,具体如下:①将LithoScanner岩性成果作为样本数据进行训练及预测,并建立多个矿物含量的预测模型;②将随机森林算法作为研究区较为准确的机器学习方法,并将矿物含量预测结果用来直接约束测井评价模型进行优化求解;③得到的测井解释成果与实验室X衍射成果数据基本一致,说明了该机器学习方法用于解决研究区复杂岩性问题时的可行性和优势。然后,由实验室岩石物理测试分析确定盐间页岩层大部分岩石为各向同性介质,饱油条件下其速度存在较为明显的频散现象,考虑到盐间页岩层矿物类型多且主要发育矿物的含量相对均等,故将以多种矿物为骨架的自洽各向同性介质模型作为矿物和干岩石混合模型,结合Boris全频段流体置换模型,建立了研究区盐间页岩层岩石物理模型及建模流程。最后得到的模型预测结果和实际测井数据吻合度高,验证了模型的准确性和可靠性,也为潜江组页岩油"甜点"的地震预测提供了科学依据。 

【文章来源】：石油物探. 2020,59(04)北大核心CSCD

【文章页数】：13 页

【部分图文】：

W99井潜34段10韵律层的盐间页岩层矿物组成

用于页岩油测井评价的盐间页岩层模型包括骨架(无机的矿物岩石骨架、有机质骨架)和总孔隙(孔隙及其流体)。无机的矿物岩石骨架主要由粘土矿物、碳酸盐岩类、石英类、钙芒硝类及铁氧化物类矿物构成;有机质骨架为干酪根;总孔隙由有效孔隙和束缚孔隙两部分构成,其中有效孔隙包括可动油、可动水,束缚孔隙包括残余油、束缚水(图2)。由于盐间页岩层矿物类型多样,因而常规测井解释方法无法分别准确求取各主要组成矿物的含量。受测井资料丰度和矿物类型过多的限制,本文将矿物类型粗化为5类主要矿物,即粘土、白云石、石英、方解石和石膏。采用有监督的机器学习方法,首先将地层岩性信息作为样本数据进行学习训练,得到各种矿物的多个预测模型;然后从中优选适合研究区的机器学习算法;最后对研究区其它无岩性扫描数据的井进行矿物含量的准确预测。

WC研究区W99井(训练井)和GH研究区BYY2井(训练井)机器学习的预测结果和岩性扫描结果分别如图3和图4所示,可以看出分类回归和多元线性回归训练模型机器学习的预测结果(AB50和MLR列的曲线)过于平直,与岩性扫描结果差异较大;而梯度提升回归和随机森林回归训练模型机器学习的预测结果(GB50和RF列的曲线)基本与岩性扫描结果一致,学习结果准确且稳定。值得注意的是,由钙芒硝的含量可知其为局部发育,与钙芒硝为沉积后的局部充填这一地质认识基本吻合。图4 GH研究区BYY2井机器学习的预测结果与岩性扫描结果

【参考文献】：
期刊论文
[1]潜江凹陷古近系盐间典型韵律层页岩孔隙结构[J]. 孙中良,王芙蓉,何生,郑有恒,吴世强,罗京.  深圳大学学报(理工版). 2019(03)
[2]页岩岩石物理建模研究[J]. 张天炬,刘明阳,李东哲,李振伟.  海洋石油. 2019(01)
[3]筇竹寺和五峰—龙马溪组页岩地震岩石物理等效模型及等效孔隙纵横比的分析（英文）[J]. 杨志强,何涛,邹长春.  Applied Geophysics. 2017(03)
[4]基于岩石物理模型的页岩孔隙结构反演及横波速度预测[J]. 逄硕,刘财,郭智奇,刘喜武,霍志周,刘宇巍.  吉林大学学报(地球科学版). 2017(02)
[5]基于岩石物理模型的页岩油储层各向异性研究（英文）[J]. 郭智奇,刘财,刘喜武,董宁,刘宇巍.  Applied Geophysics. 2016(02)
[6]龙马溪组页岩微观结构、地震岩石物理特征与建模[J]. 邓继新,王欢,周浩,刘忠华,宋连藤,王绪本.  地球物理学报. 2015(06)
[7]泥页岩岩石物理建模研究[J]. 董宁,霍志周,孙赞东,刘致水,孙永洋.  地球物理学报. 2014(06)
[8]江汉盆地潜江凹陷陆相页岩油地质特征[J]. 吴世强,唐小山,杜小娟,梁文华,贺钦.  东华理工大学学报(自然科学版). 2013(03)
[9]江汉盆地潜江凹陷潜江组盐间非砂岩储层岩性分析与识别[J]. 陈素,彭美霞,漆智先.  江汉石油职工大学学报. 2009(02)
[10]江汉盆地潜江凹陷古近系盐湖沉积盐韵律及其古气候意义[J]. 张永生,王国力,杨玉卿,漆智先.  古地理学报. 2005(04)



本文编号：3295061