基于神经网络的复杂储层流体分级识别

发布时间：2021-11-18 11:04

　　YD油田具有束缚水饱和度高、地层水矿化度高、黏土矿物含量高、油气水分布规律复杂,以及无统一油气水界面的特征,储层中不同流体的测井响应特征区别不明显,采用常规测井图版无法准确识别油层、气层、油气层,以及低电阻率油层。文中通过选择相关性强的测井参数,应用神经网络建立分级解释模型,实现了对复杂储层中不同流体的自动化、准确识别。研究结果表明,基于神经网络的储层流体分级识别技术,成功识别了油层、气层、油气层,以及低电阻率油层,解决了复杂储层的流体识别问题,并成功应用于YD油田开发。 

【文章来源】：断块油气田. 2020,27(04)北大核心CSCD

【文章页数】：3 页

【部分图文】：

图210号井测井与模型解释成果对比

断块油气田2020年7月另外，9号井原始测井解释为油层的8个小层射孔后，模型解释为4个气层、1个油气同层、3个油层，实现了油层、气层及油气同层识别。该井投产后产气量为10000m3/d，产油量为2t/d，说明模型解释可靠（见图1）。10号井有3个小层原始测井解释为油水同层，模型解释为油层，实现了低电阻率油层识别。该井投产后产油量为5t/d，含水率8%，说明模型解释可靠（见图2）。图19号井测井与模型解释成果对比图210号井测井与模型解释成果对比3结论1）复杂储层流体识别中，常规测井解释交会图版存在解释精度不高、不同流体识别界限不清楚、部分样本点相互重叠的问题。运用神经网络法建立分级流体识别模型，能较好地识别油层、气层、油气层及低电阻率油层。2）常规神经网络解释多类型流体时，存在分类过于复杂、网络结构庞大、模型出现剧烈内部干扰、训练和检验精度都下降等问题。分级神经网络模型，将目标任务逐层分解训练，提高了模型训练精度和检验精度。参考文献［1］郑华，李云鹏，徐锦绣，等.渤海海域低阻油层地质成因机理与识别：以辽东湾旅大A油田为例［J］.断块油气田，2018，25（1）：22￣28.［2］沈爱新，王黎，陈守军.油层低电阻率及阿尔奇公式中各参数的岩电实验研究［J］.江汉石油学院学报，2003，25（增刊1）：24￣25.［3］李得信，郭海敏.乌南油田低阻油气层成因分析及识别研究［J］.石油天然气学报，2011，33（9）：96￣99，108.［4］郭顺，王震亮，张?

【参考文献】：
期刊论文
[1]数据挖掘方法在测井岩性识别中的应用[J]. 李政宏,刘永福,张立强,赵海涛,陈曦,李昊东.  断块油气田. 2019(06)
[2]基于概率神经网络的烃源岩TOC预测——以珠江口盆地陆丰南区为例[J]. 石创,朱俊章,龙祖烈,秦成岗,史玉玲,黄玉平.  断块油气田. 2019(05)
[3]渤海海域低阻油层地质成因机理与识别——以辽东湾旅大A油田为例[J]. 郑华,李云鹏,徐锦绣,刘喜林,王树涛.  断块油气田. 2018(01)
[4]BP神经网络在碳酸盐岩储层参数测井解释中的应用[J]. 龙一慧,杨斌,朱冉,胡洪涛.  山东科技大学学报(自然科学版). 2015(06)
[5]利用BP神经网络法对致密砂岩气藏储集层复杂岩性的识别[J]. 单敬福,陈欣欣,赵忠军,葛雪,张芸.  地球物理学进展. 2015(03)
[6]Z区块测井曲线的标准化方法[J]. 纪智,张庆国,孙德瑞.  黑龙江科技大学学报. 2014(02)
[7]BP神经网络在测井解释中的应用研究[J]. 李映涛,袁晓宇,刘迪,孟祥豪.  西部探矿工程. 2013(03)
[8]陕北志丹油田樊川区长61低阻油层成因分析与识别方法[J]. 郭顺,王震亮,张小莉,孙佩.  吉林大学学报(地球科学版). 2012(01)
[9]基于MATLAB的相似度-遗传神经网络在储层物性预测中的应用[J]. 董兴朋.  科学技术与工程. 2011(35)
[10]乌南油田低阻油气层成因分析及识别研究[J]. 李得信,郭海敏.  石油天然气学报. 2011(09)

硕士论文
[1]用分等级增强型学习方法完成神经网络任务分解[D]. 张望.四川大学 2004



本文编号：3502784