神经网络储层参数测井解释在五百梯气田的应用
模糊优选神经网络储层识别技术在长庆中部气田马五1段的应用
气 田储层 的定 性识别 或定量评 价一直是 油气勘 探 与开发领域 的一项 基本 任 务 ， 其结 果 的正 确 性是
今构 造 为一西 倾大单 斜 ， 坡降 为 ７～ｌ ｍ ｋ Ｏ ／ ｍ。在 该 背 景上发育 多排低缓 的鼻状 隆起构造 。气 田内位于 鼻 隆部位 的井 试气 多 获高 产 ， 明局部 构 造对 天 然 表 气储 渗具有一 定 的控 制作用 。 长庆 中部 气 田奥 陶系马家 沟组为一 套碳酸盐 岩
以样本储层的产能赋值作为输出， 构建 了基于粒子群算法 的模 糊优选神经 网络 的储 层识别模型。通过试算 ， 优选
了 ２个 模 型 ， 判 正确 率 分 别 达 到 ９ ．％ 和 ９ ． ％ ， 层 识 别 正确 率达 到 １０ 。 回 ６２ ２３ 储 ０％
关键 词 ： 层 识 别 ； 子 群 算 法 ； 糊优 选 神 经 网络 ； 庆 中部 气 田 ； 尔 多斯 盆地 储 粒 模 长 鄂 中 图分 类 号 ：Ｅ １．３ Ｔ ｌ２ ２ 文献 标 识 码 ： Ａ 文章 编 号 ：０９— ６３ ２０ ）５— ０ ５— ３ １０ ９ ０ （０ ８ ０ ０ ０ ０
维普资讯
第１ ５卷
第 ５期
油
气
地
质
与
采
收
率
Ｖｏ ． ５．Ｎｏ ５ １１ ． Ｓ ｐ．２ ８ ｅ ００
２０ ０ ８年 ９月
Ｐｅｒ ｌｕ Ｇｅ ｌｇ ｎ ｃ ｖ ｒ ｆｃｅ ｃ ｔｏｅ ｍ ｏｏ ｙ ａ ｄ Ｒｅ ｏ ｅｙ Ｅｆ ｉ ｎ ｙ ｉ
模 糊优 选 神经 网络 储层 识 别技 术在 长庆 中部气 田马五。 的应 用 段
匡建超，曾剑毅， 王 众
（ 都 理工 大 学 商 学 院 ， 成 四川 成都 ６０ ５ ） １０ ９
人工智能在石油工程领域应用及影响
人工智能在石油工程领域应用及影响刘伟;闫娜【摘要】人工智能在石油工程领域的研究应用已有几十年历史,应用范围渗透到从管理到勘探开发施工现场的各个环节.SPE专业数据库调查显示,从2000年开始,石油工程领域对AI保持了较高的研究热情,2010年之后公开发表的研究文章数量大幅增长.在管理领域,基于AI的智能工作流,形成了多学科、多环节协作的工作平台;基于AI的专项管理工具已替代部分人类员工;基于AI的资产管理工具提供了更高效准确的预测性维护.多种AI分析方法在地震资料分析中的应用,为更精确钻井提供了坚实基础;在钻井设计和施工中的应用,促进了钻井自动化和更安全、更高效;在油藏开发中的应用,促进油田在整个生命周期的产出最大化.通过剖析油公司、油服公司的成功应用案例,分析AI对石油工程领域的工作效率、投资效益、公司组织结构及流程、行业竞争态势的潜在影响,并针对AI大规模商业化应用所面临的可信任程度、数据保密性等主要障碍,提出了及早谋划相关技术研发和储备、攻关可解释型人工智能技术、推动行业数据标准化管理等应对措施.【期刊名称】《石油科技论坛》【年(卷),期】2018(037)004【总页数】9页(P32-40)【关键词】人工智能;石油工程;大数据;自动化;黑箱【作者】刘伟;闫娜【作者单位】中国石油集团工程技术研究院有限公司;中国石化石油工程技术研究院【正文语种】中文【中图分类】F273.1;F416.2Gartner公司在界定及分析颠覆性技术方面具有丰富经验，在其2017年发布的报告中显示，人工智能(Artificial Intelligence，简称AI)类新兴技术在成熟度曲线上快速移动，正处于曲线的巅峰位置，与之相适应的数字化平台类技术在曲线上处于上升期，与之相匹配的商业生态扩展类技术区块链等技术有望在未来5～10年产生变革性影响。
美国国会下属的政府问责局(GAO，前身是美国总审计局)对AI的发展前景进行专题调研，认为即使人工智能技术停止前进，由今天的人工智能引发的变革仍将产生广泛而深远的影响[1]。
基于智能算法的油气勘探中的储层预测研究
基于智能算法的油气勘探中的储层预测研究近年来，基于智能算法的储层预测研究已经成为了油气勘探领域的热门话题。
智能算法作为一种先进的预测方法，已经在储层预测中取得了许多成果。
本文将从智能算法的概念定义入手，探讨其在油气勘探中的应用和发展现状，并探讨智能算法在油气勘探中的发展趋势。
一、智能算法的概念及定义智能算法是一种可以模拟人类智能行为的算法，它主要应用于数据挖掘、机器学习、模式识别等领域。
所谓智能算法，主要包括遗传算法、神经网络、模糊逻辑、支持向量机、贝叶斯网络、模拟退火等一系列算法。
这些算法通常都会以自适应、数据驱动为基础，通过对大量数据处理和模型优化，达到提高预测精度的目的。
二、智能算法在储层预测中的应用智能算法因其自适应、数据驱动和高精度等特点，越来越受到油气勘探领域的关注，并在储层预测、组合预测、地质建模等方面得到广泛应用。
（一）智能算法在储层预测中的应用储层预测是油气勘探领域一项重要的任务，其难点在于预测精度和预测速度的提升。
智能算法可以通过大量的数据处理和模型优化，实现高水平的预测精度。
其中，神经网络算法适用于储层纵向预测，而支持向量机和模糊逻辑适用于储层横向预测。
（二）智能算法在组合预测中的应用组合预测是目前油气勘探领域普遍采用的一种预测方法，其基本原理是将多个模型输出结果进行加权平均，从而提高预测准确率。
智能算法可以用于组合预测的组合模型的优化，从而提高组合预测的精度和可靠性。
（三）智能算法在地质建模中的应用地质建模是油气勘探中非常重要的环节，其目的是通过对各种地质数据的整合、分析和处理，开发出合理的井位和油气储量分布模型。
智能算法可以通过大量的数据处理和地质建模优化，实现高水平的预测精度。
三、智能算法在储层预测中的发展现状近年来，智能算法在油气勘探领域中的应用得到了广泛的关注和研究。
在储层预测中，神经网络、支持向量机和模糊逻辑等算法已经取得了很大的进展。
而组合预测和地质建模等领域也开始得到越来越多的研究和应用。
第4章4 储层参数测井解释模型讲解
5.4 储层参数测井解释模型
储集层物性相互之间的关系：
储集层的孔隙度与渗透率是密切相关的，但又不是简单的关系，它受颗粒 大小、分选程度、胶结程度等因素的制约。一般中粗颗粒的砂岩孔隙度大，渗 透率也大，而微细颗粒砂岩孔隙度低，渗透率也小。在孔隙度与渗透率的关系 图上，资料点的分布与粒度大小有关，粒度中值Md≤0.2mm，资料点分布在左 下方，也就是孔隙度低，渗透率也小；MD≥0.4mm的资料点分布在右上方，也 就是孔隙度大渗透率也高；0.2<Md<0.4mm的资料点基本上分布在上述两者之间。
5.4 储层参数测井解释模型
自然伽马确定泥质含量
在沉积岩石中，除钾盐层外，其放射性的强弱与岩石中含泥 质的多少有密切的关系。岩石含泥质越多，自然放射性就越强。 这是因为构成泥质的粘土颗粒较细，有较大的比表面积，在沉 积过程中能够吸附较多的溶液中放射性元素的离子。另外，泥 质颗粒沉积时间较长（特别是深海沉积），有充分的时间同放 射性元素接触和离子交换，所以，泥质岩石就具有较强的自然 放射性。这就是我们利用自然伽马测井曲线定量计算地层泥质 含量的地质依据。
三种不同的角度上提供了地层的孔隙度信息。 经验表明，如果形成三孔隙度的测井系列，无论对于高-中
-低孔隙度的地层剖面，以及不同的储层类型，一般都具有较强 的求解能力，并能较好地提供满足于地质分析要求的地层孔隙 度数据。
5.4 储层参数测井解释模型
从前面的分析可知，残余油气特别是气层对声波、 密度以及中子测井计算的孔隙度影响是不同的。
1
Shr
Nhr Nmf
bp
3 人工神经网络在测井解释中的应用与优点[ 3 “在测井解释中应用B P模型，以取芯资料作为导师信号，实现由测井参数求取储层物性参数，或自动识别地层类型的高度非线性映射或划分的统一处理，其从理论上讲，是可行和可靠的。
通过对多个油区的实验应用表明，人工神经网计算，和传统方法类似，是建立测井信息与地层参数，或地层类型间的函数映射关系或模式对应关系，但其具有传统方法所不能及的优点。
首先是其高度的非线性映射能力，能更准确地描述实际测井解释中的复杂地质情况。
其次它对输入测井参数在理论上是无限制的，可充分利用测井信息，克服传统相关方法中的单一测井曲线相关弱点：输出参数是以取芯资料为刻度的，可充分利用岩芯资料，克服传统的基于建立模型的计算解释方法不能直接利用取芯资料的弱点。
第三，它具有自动学习的特点，不需事先建立任何理论模型，仅根据对提供的标准取芯参数的学习，自适应地建立测井响应与物性参数间的映射关系，克服传统测井解释方法中的非线性数学建模困难。
还有对于定量地层参数求取和定性地层类型划分，在B P网络模型中可得到高度的统一，仅根据提供的标准学习样本而定。
小结：人工神经网络的引人，将克服传统测井解释方法许多不能逾越的障碍，对发展、丰富和完善测井解释理论及方法具有很大的理论和实际意义。
4 应用人工神经网络模型进行油层孔隙度、渗透率预测嘲为建立孔隙度与渗透率预测模型，选用某地区两口相邻的取心检查井A井和B井资料进行研究，以A井获得的资料进行训练和学习，然后用建立的模型对B井进行孔隙度和渗透率的预测，检验实用效果。
首先对取心资料进行归位，读取相对均质段的孔隙度、渗透率平均值，做为期望输出结果，然后由测井曲线上读取各均质段的曲线值，选用的6条测井曲线分别为自然电位、微电极、0 ．25 m和0 ．4 5 m视电阻率、深三侧向、声波时差。
在此基础上建立一2 建立进化神经网络识别模型在测井解释中，学习样本的真实性、代表性和泛化性是决定识别效果的关键。
井温测井资料在测井解释中的分析应用
井温测井资料在测井解释中的分析应用摘要：井温测井是一种传统的测井方法，反映的是井筒钻井液的温度及钻井液的电阻率，在油气田勘探开发中应用较广，具有重要意义。
在测井过程中进行井温测井，并对其曲线特征进行分析研究，以多年来的井温测井经验作为出发点，可以辅助判断油气水的分析及储层解释评价。
该技术在研究区测井解释工作中取得了良好的效果。
关键词：井温；天然气；地温梯度；储层评价引言处于相对稳定状态下的一口井，当井筒内外出现流体变化时，井自身的温度场就会因干扰而引起相应变化。
利用井温测井曲线，可以获得真实反应上述变化的准确数据。
当储层段有流体进入井筒时，此处井温要高于同条件下的非产液层的井温。
当储层流体性质为天然气时，气体从高压状态储层进入较低压力状态井筒时，会在出气口附近形成局部低温负异常。
储层岩性变化也会引起井温异常。
因此利用井温测井可以辅助判断油气水的分析及储层评价。
1、井温测井的应用原理井温测井可以进行地温梯度的测量，又称为热测井，是一种传统的测井方法。
井温测井是根据钻孔内温度随深度变化的规律来研究地质构造、岩层性质、寻找有用矿产以及检查钻孔技术状况的测井方法。
它的应用非常广泛，可以在注入井中寻找注入井段，在产液井中寻找产液井段；可以评价压裂酸化施工的效果；可以通过邻井的井温测量检查热力采油井注蒸汽的效果[1]。
通过研究地温梯度，在裸眼井中，根据含气储层被钻穿时气体膨胀的吸热效应寻找天然气层，利用热水层的温度异常寻找热水层；在套管井中，可根据水泥胶结时的散热效应检查石油钻孔的固井质量、确定漏水层位置等[2]。
储层流体对井温具有一定影响。
当地层有液体产出时，该处井温要高于相同条件下非产液层的井温。
流进井筒的产液温度虽然可能会有差异，但产层上方的井温曲线最终都位于井温梯度线的上方。
当自由气从高压储层进入较低压力井筒时，会在出气口附近形成局部负异常，产气量越大，低温异常越大，而水层情况则恰恰相反。
因此利用井温测井可以辅助判断油气水的分析[3]。
神经网络在石油勘探中的应用研究
神经网络在石油勘探中的应用研究随着现代科技的飞速发展，各行各业都在尝试将人工智能技术应用到实际生产中去。
而石油勘探这个领域也不例外，神经网络技术的发展给石油勘探带来了新的机遇和挑战。
本文将从石油勘探的实际需求出发，探讨神经网络在石油勘探中的应用研究。
石油勘探是一项高风险、高技术含量、高投入的工作。
传统的勘探方式通常依赖于人工解释地震数据，这种方式效率低下、易受主观因素干扰。
而神经网络技术的出现，提供了一种新的思路：通过对地震数据进行大规模的数字处理，用机器学习的方式获取区域地质构造的分布情况，从而提高勘探效率和准确性。
神经网络是一种模拟人类神经系统的计算模型，其特点是具有自我适应和自我学习的能力。
在石油勘探领域中，神经网络可应用于地震波形、储层建模、实时数据处理等多个方面，可为勘探领域提供更先进的解决方案。
首先，神经网络可应用于地震波形的分析。
地震勘探作为常用的勘探方式，其数据量庞大、处理复杂，旧数据的挖掘和分析一直是石油勘探领域的主要挑战之一。
而神经网络在处理地震数据中有着独特的优势，可对数据进行快速、准确、自适应的分析，有效提高了数据的应用价值。
同时，基于神经网络的地震波形处理技术也可以帮助地震学家更全面、更客观地识别地震图像中的异常反射，进而研究地下构造的形态。
其次，神经网络可应用于储层建模。
在石油勘探领域中，准确刻画油气储层的空间分布是勘探决策的关键，而神经网络技术在储层建模中的应用已成为热门研究领域之一。
通过神经网络算法对地震数据进行分析，可有效描绘地下构造展布，并且提高预测精度，从而为勘探实践提供更精确、更可靠的技术手段。
最后，神经网络可应用于实时数据处理。
石油勘探的过程中需要不断采集地震数据、岩层属性等信息，这些信息随时间而变化。
对于这些数据，常用的处理手段是利用时间序列模型对数据进行拟合，然而时间序列模型的优点在于高拟合精度，但不适用于变量间相互影响的情况。
而基于神经网络的实时数据处理技术，既能有效处理数据的非线性关系，又可充分利用历史数据来预测未来值，实现对数据的快速、高效拟合。
神经网络预测油气储层产能的方法研究
目前 ， 国 内外 有 许 多地球 物 理 测井 工 作 者 已经 开始注 意 到测井 产 能预 测 这一 课 题 ， 并 着 手 进行 了 某 些研 究 工 作 ， 但 迄 今 为 止 尚 未 见 到 明 显 的效 果 。
由此 可 见 ， 储层 产 能 是 由储层 的 自身条 件 与外 部 环境 以及油 气 性 能 等共 同 决定 的 。然 而 ， 在 固定 的研究 区域 内 ， 外 部环 境 条 件 和油 气 性 能等 是 相 对 固定不 变 的 ， 进行产 能预 测 时可以不予 ｐ￣ ｈ
（ １ ）
式 中： Ｑ一 油井 的稳定 日产 量 （ ｍ。 ／ ｄ ） ； Ｋ一 原油
的有 效 渗 透 率 （ ｕ ｍ ×１ ０ ＿ ” ） ； ｈ 一油 层 厚 度 （ ｍ） ；
△Ｐ 一 压 差（ ＝ ＝ ＝ Ｐ— Ｐ ｗ， ＭＰ ａ ） ， Ｐ 一地 层 压 力 ， Ｐ ｗ一
要将储 层 的有 效孔 隙度 、 渗 透 率 和有 效 厚度 作 为 储
层产能 预测 的评价 参数 。
１ 油 气 储 层 产 能预 测方 法
…
２ 影 响储 层 产 能 的主 控 因素
压 差 符 合 径 向 竺 流 公 式 程 中 ， 油 井 投 产 后 稳 定 生 产 和 ２ １ 有 效 孔 隙 度
综合 指标 ， 它是 油气 储 层 生产 潜 力－ 和各 种 影 响 因素 之 间在互 相制 约过 程 中达 到 的某 种动 态平衡 。利 用
地球 物理 测井 储层 评 价手 段 所 获取 的储 层 参 数 ， 主
２
—
，
。 一
要 反映 的是储 层 的静 态 特征 ， 而对 其 动态 特征 极 少 直 接反 映 。利用测 井资料 进行储 层产 能预 测研究 工 作 的 主要 目的 ， 就 是力 图做 到 这 种“ 静态” 到“ 动态 ”
气井新井产能预测的神经网络方法研究
ａ Ｗ
；
：
一
Ｑ
（） ８
、
由神 经 元 组成 的神 经 网络 结 构 有几 十种 之 多 ，
这里 ， 采用最为常用 的 Ｂ 网络结果 ， 如图 ２ 所示 。
（） ６
使用平方型误差 目标 函数 ， 则有
Ｅ＝ ∑ （ 一 ） Ｙ
（ ７ ）
上述 计算 ， 为 正 向过程 。当 由（ ） 称 ７式计 算 的误
差值不满足要求时 ， 就要进行反向过程 ， 正各节 即修 点连线的权重值。反向过程可以用优化中的梯度下 降法来解 （） 的非线性优化问题 ， ７式 即有
Ｋ 井 ＝ｆ（ 测 试 Ｋ 井） （） ３ 但该 函数 关 系式 随 不 同的气 田而 不 同 ， 般 情 一
原理及其应用。通过实际气 田的应用表明， 在有一 定测 试资料 情 况下 ， 方 法 预 测 的结 果 有 一 定 的可 该
信度。
学 理 论 日知 ， 果 用 二 项 式 Ｊ 如
摘要
利用 探 井资料 ， 采用 神经 网络 方法 ， 究 了新 井产 能 的预 测神 经 网络方 法。 实际 气 田的 研
应用表明， 该方法具有需要资料少、 精度高等特点。
关键 词 新井 产能 神经 网络 方 法 原 理
系 数 及天然气物性互 、 井壁污染系数 Ｓ 系 ， ；
如果用测井资料 ， 函数关系的具体表达式难 以给 该
出。为此 ， 本文采用神经 网络 的方法来建立气井产 能与各因素之 间的函数关系式 。
Ｂ ＝
－
Ｅ前 ， ｔ 一般 以无 阻流 量 作 为描 述气 井 产 能 的一
个重要指标 ， 根据气井无阻流量的定义 ， 则有
长岭1号气田火山岩储层物性参数常规测井解释模型
紧锣密鼓 的勘探 与 开发研 究 ， ２ ０ 至 ０ ８年 已编 制 了初
步的开发 方案 。利用 核磁 共振测 井解 释储层 物性 和
含 气性效 果较 好［ ， 了加快 产 能建设 ， 藏后 期 ２ 为 ］ 气 的开发 以水平 井和 大 斜 度井 为 主 ， 井 资 料 以常 规 测 测井 为主 ， 就需要 利用 现有 的资料 ， 这 建立 常规 测井 资料对储 层 物性参 数 的解 释模 型 。
ｆ 硼
．％
删 ｔ ．％
删 １ ．％
Ｃ －Ｏ ，负相关 ． ＰＲ Ｒ
Ａ －Ｏ ，正相关 Ｇ４ Ｒ Ｐ
硼 瑚 。负框关
Ｄ ＮＰ Ｒ Ｅ － Ｏ ，负相关
图 １ 测 井 曲线 与孔 隙 度 的关 系
经元 间形成 完全连 接 关 系 ， 同一 层 内各种 神经 元 而 之 间没 有任何 连接 关 系。Ｔ ｎ个输入 信号从 输入 层进
石 ２１ ０ ０年 １月
油
地
质
与
工
程
Ｐ Ｔ Ｏ Ｅ Ｍ Ｅ Ｌ Ｇ Ｎ Ｎ Ｉ Ｅ Ｉ Ｇ Ｅ Ｒ Ｌ Ｕ Ｇ Ｏ Ｏ Ｙ Ａ Ｄ Ｅ ＧＮＥ Ｒ Ｎ Βιβλιοθήκη 第２ ４卷第 １期
文章 编号 ：６ ３ ２ ７ ２ １ ） １ ０ ６ ３ １ ７ —８ １ （ ０ ０ ０ —０ ５ —０
有 现 成 的 公 式 。利 用 Ｂ Ｐ神 经 网络 模 型 ， 立 了火 山 岩储 层 物 性 参 数 与 常 规 测 井 曲 线 的 非 线 性 关 系。 应 用 该 方 法 建 解 释 长 岭 １号 气 田 营城 组 火 山岩 储 层 单 井 物 性 参 数 ， 型检 测 验 证 表 明 ， 确 率 高 、 果 好 。 模 准 效 关键词 ： 长岭 １号 ； 山岩 ； 性 参 数 ； 规 测 井 ； 经 网络 火 物 常 神
人工神经网络在储层地质建模中的应用研究
教授。博 士。Ｅ ｍ ｉ ｘｓ６ ＠１３ ｔｍ。 — ａｌ ｕｈ ２ ６ ．ｏ ：
过程。１８ 年 ６ ， ９７ 月 在美国加州成立 了国际神经网
络学会 。
通信作者简介 ： 彬 。 单
神经网络模型可以从以下几个方面来描述＿ ： ２ ］
油 的分布。
关键 词 人工神经 网络
储层参数
地 质建模 Ａ
剩余 油预 测
中图法分类号 Ｔ ｌ２ ３ ； Ｅ ２ ．５
文献标 志码
随着 我 国大多 数油 田的长 期 开发 ， 阶段 已进 现
测的精度并解释储集层参数。
入中、 后期开发阶段 ， 由于流体的流动 ， 使得油气 田
⑥
２ １ Ｓ ｉ ｅｈ Ｅ ｇ ． ０ １ ｃ Ｔ ｃ ． ｎ ｒ ． ｇ
人工神 经网络在储 层地质建模中的应 用研究
许 少华 单 彬
（ 东北石油大学计算机与信息技术学 院， 大庆 １３ １ ） ６ ３ ８
摘
要
在油 田注水开发过 程 中， 储层物性、 微观孔 隙结构和 非均 质性都会 发生动 态变化。通过 综合 应用 多学科 的理 论 方
产生的数据 ， 研究用神 经网络预测储层岩性 参数 ， 如孔隙度、 渗透率 、 饱和度 的分 布， 建立储层模 型，
反 映 出油 气 的分 布 和 开采 规 律 。运 用 人 工 神 经 网
络方法建模克服了线性方法 的不足 ， 而且还呈现高
维性 、 自组 织 性 及 模 糊 性 等 优 良特 性 ， 高储 层 预 提
３ 期 ｌ
许少华 ， ： 等 人工神经 网络在储层 地质建模中的应用研究
（ ）处理 单 元 （ 经 元 ） （ ）神 经 网络 的 状 １ 神 ；２
神经网络技术在储层分类评价中的应用
一
储 层 分类 评 价 是储 层 研 究 的重 要 环 节 ， 是对 储 层 整体 储集 能力 优劣 的客 观 、 概 括性 的表 达 ， 是 以重
点勘探区块和层段为主要研究对象 ， 在详细研究储 层的成因类型 ， 分析储层的成 岩作用和微观结构及 其影响因素的基础上 ， 应用多井测井解释与评价结 果， 结合储层渗流特征以及含油性等 因素 ， 预测有利 于 油气 聚集 的储 集 体 ， 为 油气 勘探 开 发 提 供 有效 的 钻 探 目标 引。在 国 内 ， 储 层 分 类 评 价研 究 早 在 ２ Ｏ 世纪 ６ ０年代末 ７ ０年代初就已经出现 ， 经过 ６ ０多年 的不断发展和完善 已将地质、 开发、 测井、 生产测试 以及计算机技术等融为一体 ， 对储层 的地质、 开发等 进行综合研究和评价 ， 结合储层评价软件的使用 ， 最
第 ２期
郑
璇
赵 军龙
许建 涛 等 神经 网络 技术 在储 层分类评价 中的应用
６ ３
神 经 网络 技 术 在 储 层 分 类 评 价 中 的应 用 水
郑 璇 ， 赵 军龙 ， 许 建涛 ， 张 伟。 ， 李 婷 ， 曹俊涛
７ ２ ７ ０ ０ ０ ； ３ ０ ０ ２ ８ ０ ） （ １ ． 西安石油大学 地球科学与工程学 院， 陕西 西安 ７ １ ０ ０ ６ ５； ２ ． 陕西省煤 田地质局一九 四队， 陕西 铜川 ３ ． 东方地球 物理公司海上勘探事业部仪器服务 中心 ， 天津 大港
１ ． ２ 储 层分 类评 价 的常用 方法及 存在 的问题
储 层分 类 评 价 的方 法 有很 多种 ， 不 同油 区储 层
神经网络在钻井动态预测中的应用
神经网络在钻井动态预测中的应用周蕾编译周开吉审校摘要井底钻具组合（BHA）及钻头动态行为的实时监控，是提高钻井效率的重要因素。
这样可使司钻避免有害的钻柱振动，通过周期性地调整各种地面控制参数（例如大钩荷载，转速，流速及泥浆性能）而保持最优的钻进状态。
本文论述了采用神经网络来建立非线性,多输入/输出钻井系统模型。
这个模型为司钻提供量化的适当修正措施以使系统处于优化钻井状态。
神经网络模型的建立,采用油田测试的钻井动态资料。
油井测试包括了在不同岩层钻进时的各种测试。
基础模型的训练和调谐使用了钻进时实时记录的地面及井下动态数据。
BHA的动态测量数据由井下振动传感器获取。
这些数据，代表修正地面控制参数产生的影响,记录在井下工具的内存里。
这个测试数据集合中具有代表性的部分，连同相应的输入/输出数据集合，用来建立和训练这个模型。
测试的结果是肯定的：神经网络所预测的BHA动态行为和实际测量相当符合。
此外，测试确立了准则以选取最重要的输入/输出参数，并选取建立训练这一模型的代表性数据。
这个分析演示了一种模拟、预测复杂多参数钻井系统动态行为的可靠方法。
这种方法可能成为传统的分析或直接数值模型的替代者。
它的应用可以扩展到钻井动力学以外，而应用到钻井控制和优化这些领域。
关键词：神经网络井下钻具组合（BHA）动态预测控制参数钻井系统模型优化译自 SPE 56442引言钻井力学革命性的一步是智能井下振动“随钻测量”工具的发展和引入。
这些先进的工具实时地测量井下钻柱振动并传送主要的信息给司钻。
通过使用MW D工具而形成闭环钻井系统，这一革新性概念最初是由Hut chi nso n等人提出的。
Hesig 等人以油田现场的成果,发展和支持了这一概念。
这个方法的基本想法是实时地提供给司钻井底钻头和BHA的行为信息。
带有多个传感器的随钻测量工具获取并处理测量的数据,产生可以量化振动是否导致钻井故障的诊断参数。
这些参数通过自动测量记录立即传送到地面。
地震资料属性分析技术在渤海复杂油气田储层预测中的应用
地震资料属性分析技术在渤海复杂油气田储层预测中的应用【摘要】随着勘探开发程度的深入，面对的大多数是断层发育、构造复杂、储层类型多样、储层横向变化快的油气藏，给储量预测带来了很大的难度。
为了加快新油气田的评价步伐、确保成果质量，物探人员要充分利用现有的地震资料全方位的信息，运用多种地震属性手段来预测储层。
本文所运用的地震属性包括振幅属性、波阻抗反演、频率属性、地震相等。
【关键词】振幅波阻抗反演频率地震相1 概述随着渤海湾盆地油气勘探开发程度的深入，勘探开发的难度逐步变大。
油田范围内断层发育、构造复杂、储层类型多样、储层横向变化快且难以利用地震资料精细描述，储层预测难度加大。
地震属性，就是指地层中储层物性和充填在其中的流体性质的空间变化，造成地震反射速度、振幅、频率等的相应变化，这些变化的各种数学表现就是地震属性。
地震属性分析的目的就是以地震属性为载体从地震资料中提取隐藏的信息，并把这些信息和钻井、测井信息紧密结合转换成与岩性、物性或油藏参数相关的、可以为地质解释或油藏工程直接服务的信息，从而达到充分发挥地震资料在储层预测方面的潜力。
就是针对渤海复杂油气田的特点与难点，充分利用现有的地震资料全方位的信息，针对每个油田的具体难点，针对影响储层的几个关键点，以振幅属性、频率属性、波阻抗反演、地震相等地震属性分析技术为手段，分析地震属性的地质意义，保证地震资料储层预测的正确性和可靠性。
2 波阻抗反演和砂体描述地震反演是指利用地震资料对地下岩层空间结构和物理性质进行成像的过程，通常意义上的地震反演常指波阻抗反演。
波阻抗反演是指利用地震资料反演地层波阻抗的地震特殊处理和解释技术，是储集层岩性预测、油藏特征描述的确定性方法。
反演而成的波阻抗剖面不仅便于解释人员将地震资料与测井资料进行对比，而且能有效地对地层物性参数的变化进行研究，从而得到物性参数在空间的分布规律，指导油气的勘探开发。
b油田主要目的层段明下段属于河流相沉积地层，储层横向变化大。
神经网络技术在测井曲线重构中的应用
于 神 经 网络 技 术 的 测 井 曲线 重 构 技 术 改 善 了合 成 地 震 记 录 质 量 ，得 到 了不 错 的效 果 。
【 Ｈ ｌ）一 （ 下） （ 下） Ａ（ Ｆ Ｈ ＩＨ Ｄ
（） １
式 中 ， Ｈ。 为井 眼垮 塌处 地 层 单 元 的速 度 ， ｓｐ Ｈ。 （ ） ｍ／ ；（ ）为 井 眼垮 塌 处 地 层 单 元 的密 度 ，／ ｍ。 Ｈ ） ｇｃ ； （ 为井 眼垮 塌处 上部 相 邻 地 层 单 元 的 速 度 ， ｓｐ Ｈ上）为井 眼垮 塌 处 上 部 相 邻 地 层 单 元 的 密 度 ， ／ｍ。 ｍ／ ；（ ｇｃ ； （ ）为井 眼垮 塌处下 部 相 邻地 层 单 元 的 速度 ， ｓ１ Ｈ下 Ｈ下 ｍ／ ； （ ）为井 眼 垮 塌 处下 部 相 邻 地 层 单元 的 密度 ， ０
・
９ ・ Ｏ
石 油 天 然 气学 报 （ 汉 石 油 学 院 学 报 ） 江
２ １ 年 ３月 ０１
当用 雷克 子波对 反射 系数做 褶积 正演形 成合成 地震记 录 时 ， 必有 ：
ｆ
Ｔ｜ ２
ｌ （上）＝ ｌ Ｇ（） Ｆ ｒＲ上ｄ ＜ ０ ｒ
（ 波谷 ）
（ ４）
ｇｃ 。 ／ ｍ。
由于 井眼垮 塌 的影响 ， 密度 测井 仪器测 得 的 ｌ Ｈｏ 、（ ） ｌ Ｈ下）满足 ： ０ （ ） １ Ｈ上 、（ ０ ０
ｆ Ｈ。）＜ ｆ（ Ｐ） ｐ（ Ｄ Ｈ
｛Ｈ） Ｈ ） ‘ ＜ Ｆ ｐ ｏ （＿ （
测井技术在油气田勘探开发中的应用
测井技术在油气田勘探开发中的应用[摘要] 测井技术是石油勘探、开发的“眼睛”。
它在油气田勘探、开发的不同阶段有着不同的目的和任务。
油气田勘探开发的长期实践证明，测井是发现与评价油气层的最重要、最有效的必不可少的技术手段。
[关键词] 测井技术评价应用1.测井的概念及发展概况1.1测井的概念测井，有时也叫地球物理测井或石油测井，简称测井。
它是指在油气田勘探、开发阶段，用专门的测井仪器测量钻井剖面的各种参数并对这些参数进行分析和处理，用于对地层特征、储层状况进行分析，从而确定油气层及井内工程各种参数的一门应用技术。
石油钻井时，在钻到设计井深深度后都必须进行测井，以获得各种石油地质及工程技术资料，作为完井和开发油田的原始资料。
测井资料是测井评价、地质研究和油气藏开发的科学依据，被称为地质学家和油气藏开发工程师的“眼睛”。
1.2测井技术的发展测井技术可以分为测井仪器研制、测井数据处理技术及测井资料的综合解释与应用三大部分。
它的发展可以划分为五个阶段：第一阶段（20世纪20～40年代），半自动测井；第二阶段（20世纪40～60年代），全自动测井；第三阶段（20世纪60～70年代），数字测井；第四阶段（20世纪70～80年代），数控测井；第五阶段（20世纪90年代以来），成像测井。
世界上第一条测井曲线是电测井曲线，是1927年法国人斯伦贝谢（Schlumberger）兄弟在Pechelbronn油田的一口井中通过“点测”方式，由人工绘制而成的，这是现代测井技术的开端。
我国的测井工作相对晚了十多年，1939年12月20日，我国著名的地球物理勘探专家翁文波首次在四川石油沟1号井测出一条电阻率曲线和一条自然电位曲线，并划分出了气层的位置。
随着油气田勘探的不断进行及电子技术、计算机技术的进步，石油测井得到了迅速发展。
20世纪50年代，将普通电阻率测井技术与相关的各种地质资料作参考，定性地判断地层的岩性、孔隙度、渗透率和含油性，划分油、气、水层。
测井技术在油气田勘探开发中的应用
测井技术在油气田勘探开发中的应用【摘要】测井是发现油气的一种重要方法，目前也涌现的很多新型技术，测井技术在油气田开发中应用很广泛，由测井所得的信息资料是测井评价、地质研究和油气藏开发的重要科学依据。
【关键词】测井技术；油气田；勘探开发；应用引言测井是记录钻井中岩石与孔隙流体混合物的不同的物理、化学性质的一种过程，又称为地球物理测井技术，是一种井下油气勘探的重要手段。
国内测井技术的发展在始于1939年，但发展迅速，70多年来即历经了五次更新，即：半自动模拟测井仪、全自动模拟测井仪、数字测井仪、数控测井仪和成像测井仪。
现代测井技术是石油工业中科技含量最多的技术之一，在石油工业中地位举足轻重。
通过测井仪器进行测井，可以得到地层的很多物理信息，如岩石的自然放射性、电子密度、声波传播时间、含氢量、电阻率、自然电位等。
通过处理这些信息数据，可以辨别地下岩石的孔隙性、渗透性和流体性质及其分布，对于发现油气藏，评估油气储量及其产量至关主要。
1、测井技术简介油田勘探与开发过程中，测井是确定和评价油、气层的重要手段，随着石油科技的迅速发展，除了常规测井方法，像电测井、声测井、核测井等，还出现了很多新的测井技术，如介电测井、地球化学测井，成像测井、核磁共振测井等。
这些测井技术在在油气田勘探开发中的应用已逐渐成熟。
1.1常规方法测井常规方法测井主要有电法测井，声波测井，核测井，密度测井、中子测井，普通电阻率测井等。
典型方法如下。
(1)电法测井是通过测井仪器向地层发射一定频率的电流测量地层电位，从而得到地层电阻率的测井方法，还包括不向地层发射电流测量地层自然电位的测井方法。
(2)声波测井是通过测量环井眼地层的声学性质来判断地层的特性、井眼工程状况的测井方法，包括声速测井、声幅测井、声波全波列测井等多种测井方法。
(3)核测井又称为放射性测井，它是根据地层岩石及其孔隙流体的核物理性质，研究地层性质、探测石油、天然气等的一类测井方法。
根据测井资料估算储层渗透率的新神经网络方法
明该 方 法的数 据取 自韩 国海上 油 田。与 常规 神 经 网络 的对 比研 究表 明 ， 虽然 Ｐ ＮＮ 模 型
的 预 测 精 度 会 受 到 测 量 数 据 误 差 的影 响 ，但
有 理论 和先验 指导 。这些 方法对 网络 结构 参数 （ 隐 层 大小 以及每层 神经 元激励 函数 的类 型 ）的选 择 比
很 强 ，但 仍 然 暴 露 出一 些 技 术 问题 。 本 文提
但是 ，用 扩 展 数 据 训 练 神 经 网 络 仍 然 相 当 耗 时 。包括梯度 下降 方法 的 向后 传播 算法 ，会因局 部
小问题 的影 响而产生 不稳 定 的非收 敛解 。为 了克 服 常规 ＡＮＮ模 型的 局限性 ，本 文提 出了根 据 测 井 数
用 ＡＮＮ映 射复 杂的非 线性 关 系 时遇 到 了许 多
技术 问题 ，主要 问题之一 是 设计 空间 的复 杂性 。网 络拓 扑和设 计参数 的确 定通 常是一 个试 误过 程 ，没
自动显 示数据 间的 内在 关 系，增 强 了最终数 据 学 习模 型 的数据 逼近 能 力和解释 能 力。证
测 井数据 预测 非 均质地 层储 层渗透 率的 一种
非常 实用、有 效 的工具 。
主题词 储 层渗 透率 遗 传算 法 测井 资料
多 项式神 经 网络
综合 应 用
可能导致 的能力 ；而 训练不 足则 不 能掌握 输
维普资讯
３ Ｏ
国外 油 田 工程 第 ２ ３卷 第 ４期 （ ０ ７ ４ ２０． ）
根据测井资料估算储层渗透率的新神经网络方法
编译 ：袁爽 （ 大庆油田测试技术服务分公司） 审校 ：张 晓波 （ 大庆油田工程有限公司） 摘 要 渗透 率是 确定 油气 田储 层 特性 的
最新测井技术—MAXIS500系统
最新测井技术—MAXIS500系统
谢忠联
【期刊名称】《国外科技》
【年(卷),期】1991(000)009
【总页数】1页(P5)
【作者】谢忠联
【作者单位】无
【正文语种】中文
【中图分类】TE15
【相关文献】
1.核磁共振测井技术的最新若干进展 [J], 毕林锐
2.国外随钻测井技术的最新进展及发展趋势 [J], 朱桂清;章兆淇
3.MAXIS500测井系统在二连盆地储层评价中的应用 [J], 孙玉红;王建功;母学平;剡慧君
4.地层元素测井技术最新进展及其应用 [J], 张锋;刘军涛;冀秀文;袁超
5.地层元素测井技术最新进展及其应用 [J], 张锋;刘军涛;冀秀文;袁超
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
复杂 岩性 分析 Ｃ ＲＡ、 多矿 物解 释模 型） 难 以满 足 此类 复 杂储 层 下 的测 井解 释要 求 ， 因此本 文主要 使用 非线 性人
工神经网络技术进行测井储层参数 （ 孔隙度 、 渗 透率和 含水 饱 和度 ） 的建模 、 解 释 和评 价研 究 。 １ 孔 隙度计 算模型 的 建立
用 神经 网络技 术预 测储层 参数 ， 网络 的输 入就 是各 项测 井属 性值 （ 已经标 准 化 、 归 一化 处 理 ） ， 而 网 络 的输 出为岩 芯分 析 的物性 参 数 或预 测 的物 性参 数 。对 于非 线性 神 经 网络 模型 而言 ， 输入 （ 特征 ） 信息 选择 的恰 当与 否， 对所 建立 的模 型 的性能有 较大 的影 响 。 本 次研究 中提 取 了五百梯 气 田的 ｌ ０口取 芯井 的岩 芯分 析样 本点 所对 应 的各测井 值 ， 绘制孔 隙度 与测 井值
作 为 网络 的输入 曲线 ， 神 经 网络 的 目标输 出为 （ 归一 化
的各种交会图（ 见图 １ ） ， 以分析孔隙度与各测井值之 间 的相 关性 。由 图 １可 见 ， 声 波时差 Ａ Ｃ、 深 侧 向 电阻 率 Ｒ Ｉ Ｉ Ｄ 、 中子孔隙度 Ｃ Ｎ Ｉ 与孔隙度都有一定 的相关关 系， 而 自然伽 马 的相关 性 虽然 较 低 ， 但 是 泥 质含 量 的增 加势 必会 导致 Ａ Ｃ的增 大 ， 此 时孑 Ｌ 隙度 与 ＡＣ 的关 系就 不再 是 正 相 关 关 系 ， 因此 有 必 要 加 人 Ｇ Ｒ， 最 终 选 择 Ｒ Ｉ Ｉ Ｄ （ Ｒ Ｔ ） 、 Ｃ Ｎ Ｉ Ａ Ｃ 、 Ｇ Ｒ等 ４条测井 曲线作为孔 隙 度神 经 网络计 算模 型 的输 入 曲线 。 在 网络结 构 、 网络 输 人 曲线 、 输 出单 元及 训 练算 法 确定之后 ， 余下 的任务就是准备训练样本和对训练样本 进行 学 习 、 检验 、 学 习 的 反复 过 程 。将 选 定 的学 习样 本
送 人孑 Ｌ 隙 度神经 网络 进行训 练学 习 ， 自适 应 确定 的最佳 网络结 构 为 ４ —７ —１ （ 即隐层 单 元 数 为 ７ ） ， 根 据 最终 的 孔隙度神经网络学习精度图所示 ， 神经网络输出的孔隙 度与 岩芯 实测孔 隙度 间 的相关 系数 为 Ｒ＝０ ． ８ ９ １ ２ 。 ２ 渗 透 率计算模 型 的建立 般认为 ， 孔 隙度 是 渗 透 率 的 主要 影 因素 ， Ｒ Ｉ Ｉ Ｄ （ Ｒ Ｔ ） 、 Ｒ Ｌ Ｉ Ｓ （ Ｒ Ｘ Ｏ ） 、 Ｃ Ｎ Ｉ 、 Ｇ Ｒ等曲线也可反映出渗透 率的变化 。电阻率值高 ， 那 么渗透 率相对来说可能 变 低 。中子孔隙度低 ， 渗透率也可能相应会降低 ， 而泥质
摘 要： 建立神经网络储层参数解释模型和进行解释处理的工作流程 中， 首先是进行各种储层参数的 测 井响应特 征分 析 ， 确定输 入 曲线 、 网络模 型 结构 ， 细致 准备训 练样 本数 据集 ； 第二 步是 基 于训 练样本 集的 Ｂ Ｐ神 经 网络模 型 学 习， 统计误 差 ， 评 价 不 同 网络 结构 的 神 经 网络模 型 的 学 习精 度 ， 然后 挑 选 出 最合适的 Ｂ Ｐ神经网络模型对研 究区各井 目的层段的储层参数解释、 预测。 关键词 ： 神经网络； 储层参数解释模型； 网络模型结构 中图分类 号 ： ＴＥ ２ ７ 文献标 识码 ： Ｂ 文章 编号 ： １ Ｏ Ｏ ４ —５ ７ １ ６ （ ２ ０ １ ３ ） ０ ４ －０ ０ ４ ９ －０ ３
＊ 收 稿 日期 ： ２ ０ １ ２ — ０ ９ — １ １ 修 回 日期 ： ２ ０ １ ２ 一 １ ０ — ０ ８
值） 渗透率 。反复删选 、 调整学习样本点 ， 形成渗透率学 习样本集 。使用 自适应学 习算法确定 出的最优网络模 型结构 为 ５ ～９ —１ （ 即 隐层 单元 数为 ９ ） 。对 该渗透 率神
经 网络 进行 反复 学 习 、 检验 ， 最后得 出模 型学 习结果 ， 神 经 网络 模 型输 出的渗 透 率 与岩 芯 实测 渗 透 率 之 间 的相 关 系数 达到 Ｒ－ －０ ． ９ ３ ７ 。
３ 含水 饱 和度计 算模 型 的建立
选取五百梯气 田二叠系长兴组储层段岩芯分析 的 含水饱和度 样本点， 绘制 与各测井值 、 与岩芯分
２ ０ １ ３年第 ４期
西 部探矿 工程
４ ９
神 经 网络储 层 参数 测 井解 释 在 五 百 梯气 田的应 用
刘 露 ， 许 新
（ １ ． 成都理 工 大学 能源 学院油 气 田开发工 程 ， 四川 成都 ６ １ ０ ０ ５ ９ ； ２ ． 西 南油 气 田公 司重庆 气矿 ， 重庆 ４ ００ ０ ２ １ ）
含量的增加 ， 势必会使渗透率降低 。 通 过绘 制岩 芯分 析渗 透率与 岩芯分 析孔 隙度 、 各测 井数值 的交会图， 可知在本研究区的二叠系长兴组渗透 率 与孔 隙度 、 各测 井 曲线 均 具 有 一定 程 度 的 相关 关 系 ， 因此在 建立 渗透 率神 经 网络计算 模型 时 ， 模 型 的输 入 曲 线 使用 Ｒｕ Ｄ （ Ｒ Ｔ） 、 ＲＬ Ｉ Ｓ （ ＲＸ Ｏ） 、 Ｃ ＮＩ 、 ＧＲ 以及 孔 隙 度Ｐ ＯＲ等 ５条 曲线 。 将 ＲＩ Ｌ Ｄ、 Ｒ Ｉ Ｌ Ｓ 、 Ｃ ＮＩ 、 ＧＲ 以及 Ｐ Ｏ Ｒ 的归 一化 值
运 用常 规测井 数据 进行测 井储 层参 数解 释之前 ， 首 先要 进行 数 据 整 理 、 岩 芯 深 度 归 位 和 测井 数 据 的标 准 化、 归一 化处 理 。 由于 本研究 区二 叠系长 兴组 生物 礁储
层具 有 较强 的非均 质性 ， 已有 的常 规 测井 解 释 技 术 （ 如