贝叶斯机器学习在储层预测中的应用研究

发布时间：2021-11-27 05:14

　　石油勘探面临的油气储集地质环境日趋复杂,当目标储层与多种岩性地质体混杂时,人工分辨困难,也难以定量化评估判别精度,取得最佳识别结果。针对此问题引入贝叶斯机器学习算法进行自动化目标判别。其中,提出了采用径向基神经网络估计先验分布概率密度,不再假设先验分布模型,增强了贝叶斯分类方法的实用性,替代了人工处理工序,实现了储层目标的高精度、定量、自动化判别。应用于油田地震勘探资料进行实际储层预测,判别结果与工业气井吻合,表明了方法可行、有效。 

【文章来源】：物探化探计算技术. 2020,42(03)

【文章页数】：7 页

【部分图文】：

MX23井储层段岩心样本与测井曲线

研究目标四川盆地寒武系龙王庙组地层富含天然气。如图5所示,龙王庙组地层一般厚76 m～100 m,岩性以颗粒白云岩和粉细晶白云岩为主,下部石灰岩增多,中部常夹膏、盐岩,上部夹少许砂、泥岩。其上覆地层高台组,以碎屑岩沉积为主,岩性为紫红色杂色砂、泥岩夹白云岩,厚度为50 m～100 m不等。其下沧浪铺组地层,为一套碎屑岩沉积,下部夹有紫红色页岩,顶部常为碳酸盐岩夹页岩,厚度为130 m～200 m[21-22]。龙王庙组地层中发育的天然气储层以粒间溶孔及晶间溶孔为主,储集类别为孔隙型,如图6所示岩心显示出了非均匀分布的溶蚀孔洞,导致了较强的非均质性。储层溶蚀孔洞越发育,储集性能越优越。岩心分析表明储层孔隙度最大为11.28%,最小为0.32%,平均为2.75%,孔隙度主要分布在4.0%～6.0%。由研究区测井资料表明储层厚度变化大,可为1 m～30 m,图6中黄色条带显示出了MX23井孔隙度测井曲线大于2%的储层段有22 m和5 m的层段[23]。

3种岩性类别的先验分布

【参考文献】：
期刊论文
[1]川中磨溪地区龙王庙组晶粒白云岩储集性能及成因机制[J]. 王雅萍,杨雪飞,王兴志,黄梓桑,陈超,杨跃明,罗文军.  地质科技情报. 2019(01)
[2]鄂尔多斯盆地中东部盐下储层预测关键技术[J]. 蔡克汉,刘峰,张娜,高改.  石油地球物理勘探. 2018(06)
[3]四川盆地川中地区寒武系龙王庙组颗粒滩储层成因及其影响[J]. 谢武仁,杨威,李熙喆,魏国齐,马石玉,文龙,郭振华.  天然气地球科学. 2018(12)
[4]基于叠前同时反演的致密砂岩储层预测方法——以宋站-汪家屯地区为例[J]. 许金双.  长江大学学报(自科版). 2018(19)
[5]叠后地震反演技术预测河道砂体[J]. 宋增强.  大庆石油地质与开发. 2018(04)
[6]四川盆地磨溪区块龙王庙组气藏流体分布控制因素[J]. 张春,杨长城,刘义成,杨学锋,王蓓,朱占美.  地质与勘探. 2017(03)
[7]SG地区叠前地震弹性参数交会定量解释技术预测有效储层的方法[J]. 强敏,苗庆梅,朱望明,雷宇,游佩林,白一男.  地球物理学进展. 2015(01)
[8]核密度估计与高斯模型联级运动目标检测[J]. 芮挺,周遊,马光彦,廖明.  计算机工程与应用. 2011(18)
[9]核密度估计的单幅图像相机响应逆函数求解方法[J]. 董敏,朱虹,邢楠,赵朝杰.  计算机工程与应用. 2012(10)
[10]一种快速核密度估计背景建模方法[J]. 乔俊锋,朱虹,史静,孟凡星.  计算机工程与应用. 2012(05)



本文编号：3521622