下载文档原格式
低孔低渗砂砾岩油气藏测井评价综合技术研究现状摘要砂砾岩是油气储集的有利地层之一,但由于其岩性复杂、埋藏深、低孔低渗、非均质性强等特点, 影响了一系列储层参数(岩石矿物成分、孔隙度、饱和度、有效厚度等)的计算精度，使该类油藏的开发难度明显增大。
这些因素综合起来导致难以划分有效储层与非有效储层，无法准确判断油水层。
本文主要是从低孔低渗砂砾岩储层参数测井解释现状方面进行调研,论述了各参数的测井解释新方法。
同时介绍了核磁共振、高分辨率阵列感应、多级阵列声波以及成像测井等测井新技术在低孔低渗储层中的应用。
关键词：砂砾岩测井参数引言由于砂砾岩体具有内部岩性复杂多变，母岩成分变化大，成熟度较低等特点，致使难以确定岩石骨架，而岩石骨架和孔隙结构又严重影响电阻率变化，这就导致电阻率很难反映储层孔隙流体性质的信息，再加上其他因素的影响(如：储层岩性、结构、粘土含量及含油性等)，油层、气层、水层、干层界限的测井响应特征也表现的极不明显，极大的提升了流体识别的难度，这时再利用常规的解释图版就很难判别油水层。
此外，砂砾岩储层非均质性严重、孔隙结构复杂多样。
储层基质含量和储层间非渗透性隔层含量均较多，很难建立储层参数的计算模型，从而导致地质参数计算精度不高。
针对上述情况，不少人先后提出可以应用深侧向、岩性密度、声波时差等综合评价参数交会图法，分测井系列、岩性建立解释模型,或者针对不同岩石物理相类型建立储层参数解释模型，采用主成分分析等数学方法，提取反映油水特征的综合特征参数,进行油水层判别。
此外，还可以用多矿物模型测井最优化法和BP神经网络法等非参数数学建模方法,其效果要更好。
在遇到常规测井系列解决不了的问题时，还可以使用核磁共振测井、高分辨率阵列感应、多级阵列声波以及成像测井等，其对砂砾岩有效储层划分、流体识别、孔隙结构研究等方面作用巨大等等。
一：储层参数测井解释在总结前人研究的基础上，可以得到他们对砂砾岩储层参数测井解释的研究主要包括以下几个方面内容：1、划分砂砾岩储集层在测井解释中首要问题是储集层的划分，以便集中精力对其进行研究。
概率神经网络在低孔低渗油气层识别中的应用摘要:针对低孔低渗储层物性差、孔隙结构复杂以及含水饱和度高等特点,为了解决利用测井资料进行低孔低渗储层流体性质准确识别较困难的问题,提出了一种概率神经网络判别解释方法。
以中国西南某一低孔低渗气藏为例,结合试油资料,对不同流体性质的储层进行了测井响应特征分析,根据测井响应特征与流体性质的相关性对概率神经网络进行了训练,从而对该区储层流体性质进行了预测和识别。
实际资料处理的结果表明:解释符合率显著提高,取得了较好的应用效果。
关键词:概率神经网络低孔低渗流体性质测井识别1 引言低孔低渗储层由于孔隙结构复杂、孔隙间连通性差,往往驱替不充分,一般形成低饱和度油气层,又低孔低渗储层储集空间小,测井信息中来自流体的贡献少,导致测井对油气的敏感性降低,而储层岩性和孔隙结构的复杂性以及钻井液的侵入作用进一步掩盖或模糊了电阻率测井反映油气特征的能力[1-2]。
这种类型的油气层,在电阻率曲线上常表现为油气层和水层的电阻率比较接近,直接根据电阻率测井值的大小将它们区分开较困难[3]。
概率神经网络是一种基于概率密度函数理论且泛化能力很强的神经网络,可以用这种网络来描述各种测井响应特征与流体性质之间的复杂关系,把低孔低渗储层分为气层、气水同层和水层,作为输出层;把控制因素作为输入层,对网络样本进行训练和学习,可以达到预测低孔低渗气层的目的。
2 概率神经网络的理论基础概率神经网络(Probabilistic Neural Networks,PNN)由Specht于1990年提出,它是一种基于概率密度函数理论且泛化能力很强的神经网络,其本质上是对径向基函数神经网络的一种重要变形,具有计算复杂度低、结构简单等特性;在解决分类问题上,当训练样本数据足够多时,收敛于一个贝叶斯分类器,具有良好的泛化能力[4]。
概率神经网络是由输入层、隐含层和输出层组成的三层前向式网络,其结构如图1所示。
设输入层有n个神经元,即x1,x2,…,xn;输出层有m个神经元,即y1,y2,…,ym;隐含层有1×m个神经元,分为m个类别,其中l为同类学习样本矢量个数。
139致密砂岩天然气藏储量惊人，根据有关科研单位的估算，目前世界上现今技术可开采的致密砂岩天然气储量居非常规天然气之首。
我国致密碎屑岩储层发育，致密气藏分布广泛，类型多样、潜力巨大。
在中国石化探区西北的塔里木盆地、西南的四川盆地、华北的鄂尔多斯盆地，以及华东的渤海湾盆地都有分布。
中国石化不同类型气藏的产量中低渗致密气藏产量大于40%。
但由于致密碎屑岩低孔、低渗，非均质性强，油气富集与致密背景下的相对高孔高渗的发育状况关系密切。
致密砂岩储层的物性、含气性预测一直是勘探中难点。
多年来，石油勘探工作者针对致密碎屑岩识别及描述的难题开展了大量的技术研发及理论创新。
储层预测技术一般是指通过综合利用地震、地质、测井以及岩石物理信息，来对储层的岩性、空间形态、物性以及含油气性进行刻画和描述。
致密碎屑岩储层预测是建立在常规储层地震预测技术之上的。
刘振峰等[1]将神经网络和地质统计学结合，开展了致密碎屑岩储层地震反演，预测精度大大提高。
张睿等[2]基于部分叠加数据开展了基于叠前同时反演和地质统计学方法结合起来的致密碎屑岩储层预测。
洪忠等[3]通过优选出对气层识别敏感的弹性参数组合，并基于贝叶斯反演理论开展岩性及流体识别。
陆红梅等[4]利用波形聚类开展了地震相分析，并基于正演模拟结果优选的波峰数地震属性对鄂尔多斯盆地镇泾工区开展了储层预测研究。
还有许多学者对致密碎屑岩的储层预测和流体检测做了深入研究[5-7]，但针对不同工区，地质情况不同，存在的地球物理问题也不太一样，本文重点针对川西某工区的致密碎屑岩储层开展了储层预测和流体识别，并对有利区进行了综合评价研究。
1 方法原理1.1 地震储层预测储层预测方法众多，本次采用地震波形指示反演方法进行叠后储层高分辨率预测。
地震波形指示反演利用沉积学基本原理，充分利用地震波形的横向变化来反应储层空间的相变特征，进而分析储层垂向岩性组合的高频结构特征，更好地体现相控的思想，是一种真正的井震结合高频模拟方法，使反演结果从完全随机到逐步确定。
中国石油大学（华东）论文低孔、低渗砂砾岩油气藏测井评价综合技术学生：尚翠红学号：S********专业班级：地质资源与地质工程12—2班指导老师：***2012年10月16日摘要本文主要针对低孔低渗砂砾岩储集层的问题，通过分析该类储集层形成的成因及地质环境，针对它在测井解释评价中遇到的问题以及其测井响应特征，提出了相应的对策，并且介绍了根据“岩心刻度测井”以及利用测井相分析进行储层岩石物理相划分，将非均质性问题转化成均质性，建立合适的储层参数模型对储层进行评价，还介绍了核磁共振、高分辨率阵列感应、多级阵列声波以及成像测井等测井新方法新技术在低孔低渗储层中的应用。
关键字：低孔低渗；测井相；岩心分析。
第1章前言1.1研究背景砂砾岩油藏储层物性差，属于低孔、低渗油藏，利用常规测井资料进行储层评价、油气水层判别以及地质特征研究存在很大困难，主要表现为：一是岩性复杂、储层基质孔隙度低，电阻率测井响应受岩石骨架和孔隙结构影响严重，反映储层孔隙流体性质的信息弱，使储层流体性质难以判断；二是非均质性强，各向异性明显增强、孔隙结构复杂，储层参数计算模型建立存在困难；三是地层埋藏深，地震资料构造特征不明显或无法确定构造特征。
砂砾岩体岩石骨架对电阻的影响往往掩盖储层内部流体在电阻率曲线上的表现特征，造成常规测井资料难以正确评价油气层。
同时，砂砾岩体非均质性强，造成油气层在纵向和横向上变化快，所以需要研究深层特低渗砂砾岩储层的非均质性。
储层非均质性研究主要是揭示岩性、物性和含油性的纵横向变化规律，即在三维空间上的非均质特征，这可以为合理划分开发层系、选择注采系统、预测产能与生产动态、改善油田的开发效果及进行二、三次采油提供可靠的地质依据。
针对深层砂砾岩体的地质特征，充分利用核磁、成像测井等一些新技术，成功地描述及评价砂砾岩有效储层，建立一套适合于砂砾岩储集层的油水层判别方法，对砂砾岩等复杂油气藏的勘探开发具有重要指导意义。
