基于遗传神经网络模型的夹层识别方法研究

作者:张庆国;张雷;李丹;葛云龙; 刊名:能源与环保 上传者:唐爱英

【摘要】由于夹层的存在影响剩余油的分布,认清夹层分布对制定开发计划至关重要,故提出了一种夹层识别的新方法。分析了夹层形成原因及其测井曲线特征,从沉积上来说夹层是沉积间歇面,用砂泥比和泥砂比差值来反映沉积环境。采取滤波构造新的曲线,通过新曲线确定每个小层的测井曲线砂岩值和泥岩值;通过各个突变点的测井曲线相对变化值来反映测井曲线特征的变化,应用遗传神经网络对每个突变点的沉积环境以及测井曲线相对变化值进行分类,从而判定夹层以及夹层的类型。

全文阅读

0引言储层夹层研究是揭示油藏非均质性的不可缺少的组成部分,特别是油田开发至高、特高含水期,储层夹层的类型、分布等对剩余油的分布具有重要的控制作用由于夹层是砂体内部相对低渗透层或非渗透性岩层[1],在油田注水开发时,会使水驱开发效果不太理想,并且影响剩余油的分布[2-4]。所以夹层的识别可以为接下来的开采提供帮助。由于夹层形成的环境不同,例如形成时期受到成岩以及沉积等地质作用导致不同类型夹层的成因、测井曲线特点以及空间分布均存在较大的差异,它们对流体的运移控制和剩余油的区块分割作用也有不同。一般情况下,通过对取心井进行扫描电镜、岩心观察和镜下薄片等资料研究,可以近距离的观察到夹层,判断出夹层的类型和岩性组成,结合测井仪器探测到地层中的信息及井资料,较容易的判断出夹层在曲线上的位置,进而识别出隔层和夹层在地层中的深度和厚度,为了解地层中隔层和夹层在横向上的分布奠定基础。但是由于油田打取心井分析岩心资料代价比较昂贵,通常收集到的取心资料较少。然而收集到普通井的测井资料较多,所以通常主要利用测井曲线特征来研究地层中的信息及地层中隔夹层信息。本文通过对夹层细致分析,建立了遗传神经网络模型对夹层进行自动识别的方法。1夹层分类及特征(1)泥质夹层主要是水动力变弱细粒沉积形成的。泥质夹层在测井曲线上主要特征变化表现为:自然伽马升高,自然电位出现回返或稍有回返的现象;深、浅电阻率的差异减小且电阻率降低;声波时差升高。(2)灰质(钙质)夹层的岩性主要为钙质胶结的砂岩或砾岩,是受沉积作用和成岩作用共同控制的一类夹层。在测井曲线上主要特征变化表现为自然伽马降低;深、浅电阻率有明显的升高;声波时差明显降低。(3)物性夹层的岩性主要为细砂、粉砂,其形成主要受沉积环境和沉积作用影响。在测井曲线上特征变化为总体来说在泥质夹层和钙质夹层特征变化之间,自然伽马曲线较高,自然电位曲线出现稍有回返现象;深、浅侧向电阻率减小;声波时差变化升高。2测井曲线预处理为了求取纯砂岩的测井曲线值和纯泥岩的测井曲线值,对测井曲线进行滤波,使测井曲线相对平滑。若小层中砂泥岩共存,则选取平滑后的曲线的最大值和最小值来近似代替纯砂岩的测井曲线值和纯泥岩的测井曲线值;若小层中只存在泥岩并不影响本方法的结果,因为只考虑砂岩中夹层的分布,不过为了合理性,设置泥沙比为1,沙泥比为0。采取11点滤波,并去除窗口内的最大值和最小值,使得到的曲线如图1所示的最大值和最小值近似等于原曲线纯砂岩的测井曲线值和纯泥岩的测井曲线值。图1X井滤波后曲线与原始曲线对比Fig.1XwellFilteringandoriginalcurvecomparisonchart从沉积上来说夹层是沉积间歇面,它是纵向沉积层序中一期连续稳定沉积结束到下一期连续稳定沉积开始之间形成的有别于上下邻层的特征岩性。从夹层的成因可以发现,夹层的形成主要受沉积环境和沉积作用影响。对于测井相分析相标志主要是测井曲线的幅值、形态、顶底接触关系、光滑程度、齿中线、多层组合包络线和形态组合7个要素,这些要素可以定性反映岩层岩性、粒度、泥质含量的变化及垂向演化序列。而河流相和三角洲相主要为砂泥岩沉积,而且自然伽马对不含放射性矿物地层对砂泥岩变化十分敏感,在此构建泥沙比(式(1))和沙泥比(式(2))来反映垂向演化序列[5],对于低能环境下泥沙比大、沙泥比小,对于高能环境下泥沙比小、沙泥比大。VSHSA=VSH/VSA=(GR-GRmin)/(GRmax-GR)(1)VSASH=VSA/VSH=(GRmax-GR)/(GR-GRmin)(2)其中,GRmin为纯砂岩自然

参考文献

引证文献

问答

我要提问