复杂岩性储层流体识别方法研究

海拉尔盆地南屯组(k1n)地质成因复杂、储层岩石类型多样、孔隙结构复杂,导致应用常规方法识别流体精度较低。以岩心分析、压汞、试油及测井资料为基础,分析认为影响储层流体识别的主控因素主要为岩性和孔隙结构。针对2个主控因素,在响应机理分析基础上分别提取并构建了2个敏感参数,结合常规的自然电位相对值及孔隙度,通过主成分分析法建立主成分因子模型后,采用交会图技术进行流体识别。该方法经36口井试油验证,流体识别精度由75%提高到87.3%,应用效果较好。     

含钙储层流体识别方法研究

A油田P油层含钙现象比较普遍,导致孔隙结构复杂、非均质性强,使得电阻率的测井响应特征难以完全反映储层流体性质的变化,导致流体识别精度低。以岩电试验数据为基础,详细分析了钙质成份对储层电阻率的影响;以试油资料为基础,分流体性质开展了钙质含量与储层电阻率的关系研究,并求取了钙质含量与电阻率关系函数的导数,以此量化钙质含量对电阻率的影响。采用上述方法对电阻率进行钙质含量校正后,建立了电阻率与自然电位的交会图版。应用该图版对新完钻的15口井进行解释,经试油验证,解释精度达到了88.5%,效果较好。     

A地区低孔低渗储层物性下限确定方法研究

A地区砂岩储层具有典型的低孔、低渗特征。分析了该地区储层岩性、物性特征,并统计了A地区岩心孔隙度、渗透率的分布情况,确定了低孔、低渗储层的物性分布范围。采用孔渗关系法、经验统计法、最大曲率半径法、最小流动孔喉半径法等4种方法确定了A地区的物性下限;综合分析不同方法的结果并结合实际情况,确定孔隙度下限为7.31%,渗透率下限为0.29mD,并利用试油资料验证了该储层物性下限的合理性。综合多种方法确定的物性下限能较好地应用于低孔、低渗地区测井资料解释处理中,为油气藏的储量计算提供可靠依据。     

基于低渗透储层品质评价的产能预测方法

X区块是南堡油田典型的深层低渗透储层,具有孔隙结构复杂、非均质性强的特点,从而造成储层品质以及产能定量预测评价难以确定。利用物性和压汞试验数据,提取出能表征储层孔隙结构进而有效反映储层渗透性的储层品质指数和压汞系数,再结合常规测井资料以及试油生产数据建立储层品质评价方法,总结出研究区的储层品质评价标准。在储层品质评价的基础上,结合开发需求,对低渗透储层提出建立综合评价指数与米产液指数关系的产能预测方法,预测结果与生产测试结果较为相符,取得了良好的效果。     

基于恒速压汞技术的特低-超低渗砂岩储层微观孔喉特征研究

应用恒速压汞技术对苏里格气田西区盒8段特低、超低渗砂岩储层的微观孔喉特征进行了研究.该类储层孔隙半径分布范围变化不大,对储层渗透率影响不明显,储层渗透率主要受控于喉道半径的大小以及孔隙与喉道的配置关系;毛细管压力曲线揭示出在不同的开发阶段,孔隙和喉道对开发效果的影响程度不同,处于开发中后期的特低、超低渗砂岩储层,注重对于喉道的开发至关重要.     

基于特征数据的水稻种子分类识别方法

针对水稻种子相似度高、识别困难等问题,提出一种线性判别分析(Linear discriminant analysis,LDA)和贝叶斯分类(Bayes)相结合的分类识别方法,以提高水稻种子分类识别速度和识别准确率.通过对4类水稻种子(楚粳7号、马坝油粘、玉杨糯、玉针香)的图像进行裁剪和分割等预处理操作,提取出水稻种子图像的颜色特征、几何特征和纹理特征.利用线性判别分析、主成分分析、因子分析和局部线性嵌入对特征数据进行分析降维,并分别选择Bayes、K-邻近、支持向量机、多层感知机分类器对原始特征数据和降维数据进行分类识别研究.为提高模型泛化能力,通过图像增强技术对稻种原始数据集进行样本扩充,利用图像增强技术模拟多种环境对水稻种子图片数据集进行增强处理,结果显示,基于数据增强后的LDA Bayes模型运行时间为0.019 s,识别准确率为99.4％.与其他模型比较,该模型具有更强的鲁棒性和适用性,能高效地分类识别不同环境下的水稻种子,可为水稻种子分类识别提供一种新方法.     

基于多图版识别可靠性分析的复杂流体性质识别方法

珠江口盆地储层流体性质十分复杂,既有油层、气层,还有凝析气层,且存在大量低对比度储层,利用单一图版难以准确识别储层流体性质,其识别结果存在多解性。为解决上述问题,在优选出流体性质区分效果好的图版的基础上,引入图版中储层样本点到分界线的距离这一参数,计算可以反映图版识别可靠性的流体识别概率;然后再将储层在单一图版的流体识别概率引入到多图版综合识别概率计算中,建立基于多图版识别可靠性的复杂流体性质识别方法,即多图版综合识别方法。该方法可充分利用优选的测井和气测录井信息,同时降低可靠性较低的图版对最终识别结果的影响,避免结果出现多解性时无法准确识别储层流体性质的情况。利用多图版综合识别方法对珠江口盆地22个测试层位进行储层流体性质识别,储层流体识别符合率达到90.9%,高于单一图版储层流体识别符合率,可有效提高珠江口盆地储层复杂流体性质的识别精度。     

库车前陆冲断带盐下超深低孔砂岩储层特征及其形成机理

库车前陆冲断带盐下深层发育一套厚200～300m的辫状河(扇)三角洲前缘低孔砂岩储层,平均孔隙度为5%,平均渗透率为0.05mD。该套储层主要储集空间为残余原生粒间孔—粒间溶蚀扩大孔及晚期沿缝网溶蚀微孔—溶蚀扩大孔,具有孔隙结构好、连通性强的特点。储层演化分析表明,表生溶蚀期的溶蚀改造作用形成大孔隙,快速深埋期非均质强胶结保留部分大孔隙,晚期强挤压期造缝、沿缝网溶蚀沟通大孔隙。膏盐岩顶篷构造减压效应,低地温梯度快速深埋,晚期强挤压造缝、沿缝网溶蚀改造是盐下超深低孔砂岩储层形成的主要机理。     

致密储层岩心静态渗吸规律研究

渗吸采油是鄂尔多斯盆地延长组致密油藏高效开发的重要手段,为了明确延长组致密油藏的渗吸驱油规律,选取长7组岩心进行静态渗吸规律的研究。首先对静态渗吸过程进行分析;然后采用核磁共振分析法进行岩心孔喉分布测试,研究在不同渗透率下孔喉分布对渗吸采收率的影响;最后进行岩心润湿性及渗吸液界面张力对采收率的影响分析。研究结果表明,静态渗吸过程可以划分为发生阶段、增长阶段和稳定阶段;致密砂岩岩心孔喉分布在0.001～0.1μm和0.1～10μm范围内;随着渗透率的增加,采收率呈现上升趋势,渗吸达到平衡的时间也不断减小,但是在渗透率接近的情况下,小孔喉数量的增加会导致采收率的略微下降;岩心表面的亲水性越强(中间润湿-亲水-强亲水),渗吸采收率越高;随着渗吸液界面张力的降低,采收率先增加后减小,且岩心在含有驱油剂的渗吸液中的采收率明显高于清水。     

基于储层分类的渗透率测井计算方法

海拉尔盆地贝301区块南屯组储层岩石类型多样化,以砂岩、砂砾岩为主,且砂砾岩储层非均质性强、渗透率变化大,通过常规的数理统计解释模型计算的渗透率精度低。在划分岩性的基础上,利用岩石物理微观孔隙结构对内部差异相对较大的砂砾岩储层进一步分类,分别建立渗透率模型。该方法经检查井实际资料处理验证,计算渗透率平均相对误差从分类前的180.6%降低到分类后的48.2%,精度明显提高,效果较好。     

基岩气藏孔缝储层预测及主控因素分析

东坪地区位于柴达木盆地西北部阿尔金山前带,东坪气藏是国内近年来新发现的首个大型基岩气藏。岩心、薄片资料分析表明,东坪地区基岩岩性复杂,主要发育花岗岩和片麻岩,局部发育片岩。储集空间类型丰富,构造缝、溶蚀缝和溶蚀孔并存。研究表明,溶蚀作用形成大量基质孔,改善了储层物性,成为有效储层,而裂缝是关键因素,具有储集空间和渗流通道的双重作用,对于改善基岩储层的储渗条件起着重要的作用。针对研究区岩性和储层复杂的地质特征,充分利用高品质的宽方位地震资料,首先应用先进的流体活动性属性刻画溶蚀孔储层分布,精细描述储层空间形态分布特征;再利用曲率属性识别微小断裂的优势,准确描述基岩内幕裂缝发育的强度和方向;最后应用属性比例融合技术成果综合评价孔缝储层,明确储层的主控因素。     

基于机器视觉的玉米种子分类识别方法

随着图像处理技术和机器视觉技术的应用越来越广泛,利用计算机视觉技术来识别玉米种子已经成为可能。基于此,利用主成分分析法（PCA）与支持向量机（SVM）对3种玉米种子进行分类识别,以提高玉米种子的纯度。采用高斯滤波、图像裁剪、图像分割及区域二值化对采集的3个种类（甜糯黄玉米、甜妃、昌甜）的玉米种子图像进行预处理,采用数据增强方法提高样本容量和普适性。对经过处理后的图像从颜色、几何、纹理3个方面进行特征提取,总共提取15种特征。采用主成分分析（PCA）、线性判别分析（LDA）、等距特征映射（ISOMAP）、T分布随机近邻嵌入（T-SNE）、多维尺度变换（MDS）等方法对特征数据进行降维处理,并将处理后的数据放入Bayes分类器与支持向量机（SVM）中进行玉米种子的分类识别。将两种分类器分别与五种降维算法相结合,对比其对玉米种类识别的准确度。结果表明,经过主成分分析降维后的数据结合支持向量机对玉米种子的品种识别具有较高精度,可以提高分类识别的准确率。     

基于测录井资料的J油田储层分类研究

测录井资料既有独立性,也有互补性,正确分析测录井资料及其储层响应特征,对于储层的研究显得十分重要。以J 油田为例,利用岩性分析资料和测井资料进行分析,结合岩心、岩屑含油显示特征进行储层分类判别,并利用该油田的累积产油量来验证储层分类的可靠性。研究表明,利用测井与录井资料相结合的方法对低、中孔低渗透储集层分类可以提供更为真实的储层参数;建立更有可操作性和简便的分类标准,这样可以使储层分类更加直观和快速,这对解决储层评价问题、提高油田后期开发调整水平具有重要作用。     

基于电成像测井的视地层水电阻率谱方法在低对比度储层评价中的应用

从含不同流体的储层地层水矿化度及地层水电阻率特征入手,基于电成像测井能够反映储层电性及含油性特征,结合阿尔奇公式推导出视地层水电阻率谱计算方法,定性描述含不同流体的储层视地层水电阻率谱分布特征,并进行特征变量的量化及优选,通过地层水电阻率谱形态及特征参数交会图分析,较为直观地对研究区进行储层有效性及流体判别。该方法在F油田进行了多口井的应用,取得了良好效果,拓展了成像测井的处理方法及解释评价思路。     

川东北YB地区长兴组-飞仙关组储层流体识别方法评价

川东北YB气田长兴组-飞仙关组井段岩性横向变化大且储层非均质性强。根据不同流体在测井响应上的差别,采用孔隙度-含水饱和度交会图法、正态分布法(P1/2法)、电阻率测井识别法等方法综合识别气水层。实际应用表明,其识别结果与实际生产情况基本一致,说明上述方法是可行的。     

基于测井曲线特征和矿物组分的油页岩储层岩性识别方法

某凹陷沙河街组四段下亚段是一套以油页岩为主的致密油储层,勘探实践证明其具有广阔的前景。在岩石矿物试验基础上,将岩性归为6类,并分别进行了重新命名。结合测井曲线资料,总结出不同岩性典型曲线特征及其响应值范围;同时建立了全体积模型,应用最优化手段对岩石的矿物组分进行计算。应用上述2种方法对单井岩性进行识别,并与X衍射试验岩性结果进行对比。结果表明,该方法可以准确、有效地对研究区目的层岩性进行识别,为研究区油页岩储层测井综合评价奠定了坚实的基础。     

基于储层流体替换的低渗透油藏水淹级别评价技术

油田老区二次开发中,由于岩心试验分析资料的匮乏,常用的一些基于岩心试验数据建立的定量评价水淹层水淹级别的测井方法已不适应。通过WY油田测井响应特征的对比分析,结合实际生产测试数据,依据含水率的划分界限,优选水淹前、后岩性和物性无明显变化的自然伽马和声波时差测井曲线,采用模糊综合评价法建立储层孔隙中所含原始流体的电阻率与自然伽马和声波时差的函数关系。基于流体替换思路,实测电阻率与反演储层孔隙中所含原始流体的电阻率的差异是由储层流体性质变化引起的,以两者之差即电阻率变化值和含水率为依据制定定量识别水淹级别的划分标准。经120口实际井资料的处理,解释符合率达到83％,具有较好的应用效果,能够及时服务油田和满足实际生产的需要。     

神木气田太原组储层分类评价研究

鄂尔多斯盆地神木气田太原组储层具有特低孔-低孔、特低渗-低渗以及非均质性强的特征,因而对储层的分类评价和预测有较大难度。结合该研究区的地质特征,以鄂尔多斯盆地神木气田太原组储层为研究对象,选择了资料丰富的30口井的参数数据,运用Q型聚类分析的方法对该区域进行了分类,得到了分类评价指标;应用判别分析法对Q型聚类分析的分类指标进行验证,给出了储层分类评价的定量描述模型。试验结果表明,所给出的评价方法与其他评价方法具有高度的吻合度。     

致密气压裂液与储层全过程渗吸伤害规律研究

致密砂岩气是我国重要的非常规天然气资源,目前主要采用水力压裂的方式开采.压裂过程中,由于毛细管压力的作用,压裂液与储层接触后发生渗吸作用进入储层孔喉造成储层伤害.为研究致密气储层从压裂-关井-返排全过程中压裂液对储层的渗吸伤害,定量描述不同时刻的渗吸伤害程度,选用临兴致密气区块储层岩心,通过室内试验模拟压裂液进入储层到返排生产的过程,采用低场核磁共振的手段表征了整个渗吸过程.研究结果表明,压裂液的渗吸伤害从压裂液与储层接触就开始发生,进入岩心的深度随着渗吸时间的增加而增加;从不同时刻的核磁共振的τ2(弛豫时间)谱来看,由于毛细管压力的作用,压裂液先进入小孔隙,然后进入大孔隙,岩心孔喉越小其毛细管压力的作用越强,渗透率较小的岩心由于具有较强的滞留压裂液能力而受到压裂液的损害程度更高;通过核磁共振信号的一维编码处理可以得到不同时刻压裂液渗吸前缘的位置,定量描述渗吸伤害的程度.该研究可为致密砂岩气压后返排渗吸伤害的解除工艺提供定量的分析支持.     

基于颜色和纹理特征的异常玉米种穗分类识别方法

针对玉米选种过程中异常种穗的外观缺陷难以准确识别的问题,以玉米种穗为研究对象,通过计算机视觉技术快速识别杂色、缺粒、虫蛀、籽粒杂乱4种异常种穗。选择单目视觉采集装置,采集任意姿态玉米种穗图像,利用凹点匹配算法分割粘连玉米种穗;采用HSV和CLBP(完全局部二值模式)方法提取玉米种穗的颜色和纹理特征,利用匹配得分融合算法融合玉米种穗的颜色和纹理特征,建立玉米种穗分类模型,利用SVM实现4种异常玉米种穗的快速分类。试验结果表明,该方法相对于传统玉米种穗检测技术能快速有效识别出4种异常玉米种穗,对杂色、缺粒、虫蛀、籽粒杂乱玉米种穗的识别正确率分别达到了96.0%、94.7%、93.6%和95.3%,玉米种穗在有粘连和无粘连情况下平均识别速度分别为每穗1.180 s和0.985 s,能够满足异常种穗分类识别的需求。