文摘

三叠纪彭阳县地区三叠系鄂尔多斯Tianhuan抑郁症是一个重要的石油和天然气的形成。然而,大多数的石油支付研究中形成低电阻或低对比度与低渗透储层,使测井储层识别和评价的挑战。在本文中,我们首先测量了核磁共振(NMR)、相渗透率,阳离子交换量(CEC), x射线衍射,核心样本。然后,有利的成因类型进行了分析实验结果的基础上,水分析和测井数据收集。发现大的地层水矿化度的变化,高束缚水饱和度和粘土电导率的主要成因类型。此外,随机森林(RF)算法与敏感参数输入是用来识别油、油和水,水层。自发电位的异常(∆SP)描述水盐度、自然伽马测井的相对价值(∆GR)描述了束缚水含量、电阻率、密度、和声学日志被视为敏感的日志根据基因分析。最后,通过比较验证了该识别方法与传统的交会图法和石油测试结果。射频的识别精度为90%,远高于通过交会图方法。

1。介绍

中国的油气勘探已进入复杂的阶段和非常规油气储层。勘探对象的地质条件复杂,勘探越来越困难。南部的中生代鄂尔多斯的西部的天环坳凹陷是一个重要的石油和天然气储层带。然而,孔隙结构复杂,水属性的石油和天然气储层是多变的1- - - - - -3),导致大量的低对比度或低电阻油藏开发。油水层的解释不同的测井响应特征尚不清楚,导致挑战石油储层的识别和评估基于测井。

在上个世纪中叶,Tixier et al。4斯伦贝谢的第一个提出了有利储层的概念,然后开始调查有利储层的定义。从含油饱和度与电阻率指数的角度,Zemanek [5]认为有利储层的电阻率指数应小于3,含油饱和度应小于50%。然而,许多学者更多关注油水层的电阻率比率来衡量是否含油层是一个有利的储层。欧阳et al。6)认为,可以确定油层低电阻油藏如果石油储层的电阻率小于两倍水的层。低电阻率油藏的主要成因类型是粘土的电导率,高矿化度地层水、高束缚水饱和度、深入侵盐碱地滤液,少量的导电矿物(7- - - - - -12]。张8成员、鄂尔多斯盆地、白et al。13)认为,水盐度和束缚水饱和度是主要的原因导致石油储层的电阻率很低。

许多学者研究了有利储层的流体识别。更多的经典方法包括重叠,交会图,核磁共振日志,和数理统计方法14- - - - - -17)在这些方法中,最常用的方法是重叠和交会图方法(18,19]。虽然核磁共振(NMR)测井流体识别中起着至关重要的作用[20.),几乎没有核磁共振测井资料在一些老油田。任等。21)定义了一个基于双重孔隙流体指示因子重叠的方法。通过构造流体识别因子与孔隙度交会图,他们预测低孔、低渗透性储层的流体性质在苏北盆地高精度。太阳et al。22]建立了双重孔隙致密砂岩模型基于Voigt-Reuss-Hill模型,并进一步运用建立的弹性参数预测的模型来构建一个适用于低孔、低渗透性储层流体识别图表。基于相关系数的上古生代Linxing-Shenfu地区致密砂岩储层的鄂尔多斯盆地,侯et al。23)提出了一种液体歧视方法通过使用密度孔隙度和电阻率测井资料。

随着大数据的时代,学者们试图通过各种机器学习过程和测井资料解释方法来提高生产效率和准确性24- - - - - -26]。机器学习的过程是通过训练数据来发现目标函数。常用的算法包括决策树、随机森林算法、逻辑回归、支持向量机、神经网络和聚类分析。这些方法我通过复杂的转换数据之间的复杂非线性关系,这是更有效的问题,不能有效地解决了传统物理或经验模型。将日志与生产数据相结合,Zhang et al。27)准确识别油、气、水和层共存地区低电阻油层和高电阻率水层用支持向量机方法。基于电气和物理特性、声学参数,或天然气测井参数、刘等人。28)石油和天然气中提取敏感参数和应用四个数学算法的决策树,径向基函数神经网络和聚类分析的综合评价流体性质。碳酸盐岩储层的识别方法在冀东勘探面积比单身更准确的信息。陈等人。29日)应用机器学习演算法M2的流体识别算法桑迪集团。的k multifluid类型分解成二元分类问题,决策树是称为弱学习算法自动获取流体歧视的分类器。谭et al。30.]委员会机器使用方法来识别流体类型为致密砂岩GR、电阻率和孔隙度日志。罗等。31日]使用长期和短期记忆网络(LSTM)和卷积神经网络(CNN)描述日志的时间特性曲线和多个日志之间的关系曲线,分别。含油储层的识别精度显著提高了使用加权crossentropy损失函数。多层流体识别方法提高了识别精度的油,油和水,水层。

随机森林(RF)是一个回归预测和分类算法预测基于多个决策树(32]。许多决策树建立了随机重复抽样技术和节点随机分割技术。许多决策树结合的预测结果和输出作为一个整体。随机森林算法具有高度并行训练,训练速度快大的大样本数据,方差小的训练模型,泛化能力强,和缺乏一些功能的不敏感(33,34]。

在这篇文章中,我们收集了大量的岩心孔隙度、渗透率、水分析、测井数据。我们测量了NMR,相渗透率阳离子交换量(CEC), x射线衍射和核心样本。基于测井和岩心分析数据,引起石油支付的可能原因进行了分析和讨论。此外,RF算法与敏感参数输入指示的成因分析是用来确定油,油和水,和水。最后,验证了该识别方法与交会图和石油相比测试结果。

2。地质特征的张8彭阳县地区的成员

鄂尔多斯盆地是我国第二大沉积盆地。盆地的特征是其大面积的约330000公里²和广泛的资源分布,与巨大的潜力和经济储备(35]。这是一个多旋回叠合含油气盆地。盆地可分为6个二级结构单元,包括沂蒙隆起,Weibei隆起,伊陕斜坡,西方Fold-Thrust带,Tianhuan萧条,锦溪断层褶皱带(36]。彭阳县目标区域,区域,位于南部Tianhuan萧条,(图1)。三叠纪三叠系是主要勘探视野。

数据来自三叠纪的张8成员彭阳县地区三叠系中国鄂尔多斯盆地。目标层的特点是低孔、低渗透性储层。的核心孔隙度和渗透率张如图8个成员2。孔隙度是主要分布在6%和21%之间,平均为15.59%,渗透率是主要分布在0.1到30 mD,平均为1.45。

3所示。实验

调查的遗传机制引起的石油支付,我们测量了核磁共振、相渗透率,阳离子交换量(CEC),和x射线衍射(XRD)矿物的岩石样本钻探目标水库。NMR T₂20个样本的光谱测量,而CEC和XRD测定十,并在两相渗透率测量。

核磁共振测量采用核磁共振分析和成像系统mesomr23 - 060 h -我由Niumet。磁场强度是21 MHz,等待时间Tw设置为3 s,和一个值的0.1被用于女士interecho间距, 。和回声号码(NECH)被设置为10000,和扫描(NS)的数量是32。

测量的相渗透率曲线,核心样本在110°C干24 h,在干燥盘冷却至室温,称重,用游标卡尺测量。干核心样本被疏散了四个小时在压力和饱和水24小时,之后在大气条件下进行自吸油,直到没有水流动。这时,核心的水被称为束缚水。然后,恒速条件下进行注水试验,记录时间、压力差值,和油/水体积的实验。最后,数据代入计算公式计算油水相对渗透率值和油和水饱和度和相对渗透率曲线。

CEC和大量的阳离子交换(Qv)储集岩是两个重要的物理参数描述岩石的导电性粘土。CEC的粘土矿物指的是总数的阳离子交换pH值下粘土矿物7,也就是说,阳离子的数量可以被粘土矿物吸收和交换。CEC的负电荷的数量是衡量粘土矿物。阳离子交换能力的单位为更易/ 100 g,也就是说,阳离子交换的毫摩尔数每100克干样品。Qv是粘土阳离子交换单位孔隙体积,在毫当量每升。CEC测量实验,根据国家标准SY / T 6352 - 2013,包括使用的试剂1 mol / L醋酸铵溶液pH值(7.0),77.09 g醋酸铵溶液(CH3000NH3,化学纯),乙醇溶液(NH工业使用,必须是免费的₄⁺),0.05 mol / L盐酸标准溶液。

XRD测定,核心样品需要经过分离粘土粒子的步骤,样品制备,甘油治疗和550°C的热处理。仪器用于XRD分析波特飞利浦00186衍射仪。射线管是铜的阳极(铜Ka辐射)波长为1.5406 a。x光管在50 kV和30 mA。

4所示。遗传机制引起的石油

4.1。地层水矿化度的影响

地层水盐度是影响岩石电阻率的主要因素之一。一般来说,相同的水形成相对稳定,和盐度的变化很小。然而,水质分析数据显示,目标形成的地层水矿化度在研究区域不同。图3显示了该地层水矿化度分布直方图从27井。结果表明,地层水矿化度的三叠系主要分布在20 g / L和90 g / L,但有一些井与盐度超过100 g / L。约0.1的地层水电阻率的变化Ω·米至1.8Ω在25°C·m。地层水矿化度的变化导致低对比油水层。地层水矿化度差异削弱,隐匿、甚至取消石油内容电气性能的贡献,导致油和水之间的模糊边界层和测井解释符合率低的。

图4显示日志的M1。在这个图中,伽马射线(GR)和卡尺和自然电位(SP)显示在跟踪1(左)。第二个跟踪显示阵列感应电阻率日志,包括AT90 AT60, AT30, AT20和风暴。AT90的探测深度最深,而台商是最浅的。孔隙度日志,密度(穴),补偿中子(CNL)和声学(AC)日志,跟踪3中给出。跟踪4是测量深度。跟踪5到7的孔隙度、渗透率、分别和页岩体积内容。蓝线深度跟踪表明石油测试层。图5显示日志的另一个好,M2。石油测试层M1是2439 - 2442米的间隔8 ~ 10的电阻率Ω·m, M2是2265 - 2268米的间隔5 ~ 8的电阻率Ω·m。然而,M1是水的流体类型,和M2是石油的石油测试结果。两口井的地层水矿化度,分别约为20.5 g / L和73.8 g / L,很难识别储层流体类型的目标。

地层水性质的影响因素在不同井包括如下:(1)沉积的原因;也就是说,河流沉积相的岩性千差万别。水库用重型泥浆和精细的岩性保留高矿化度水成岩过程。(2)在岩性油藏,自由水在大孔隙喉咙赶走油气运移和积累,而束缚水高盐度是保留在小孔隙的喉咙。(3)构造运动频繁破坏完整和封闭的陷阱,和水从水库底部或岩石和矿物过滤再迁移到水库。地表水可以穿透地下水库主要通过开放的缺点,改变储层流体的性质。是由高矿化度地层水油积累。随着埋深的增加,烃源岩压实。此外,高矿化度地层水和油源岩孔中挤出,超压的作用下,向下迁移形成的孔隙,取代原形成孔隙水或与原始地层水混合。和低矿化度的地层水是受构造背景控制,断裂,断层发展,这使得上部低矿化度的地层水和较低的在一起。 Low salinity of formation water along cracks, or faults to the reservoir pores, displaces the original formation in pore water or mixes the original formation water. Thus, the formation water salinity becomes lower.

4.2。束缚水饱和度的影响

高束缚水饱和度也可能形成有利储层的主要领导人之一,因此它需要进行分析和研究。储层束缚水通常包括三个部分:(1)电影水肿(nonclay)岩石颗粒表面的润湿性,(2)毛细管水滞留在毛孔,和(3)粘土颗粒吸附的水。

20个样本彭阳县地区长8储层在7井为NMR饱和度进行了测试实验。饱和核磁共振T₂每个样本的光谱图所示6。它表明,T₂光谱研究地区长8储层是由小孔和高束缚水含量。表1介绍了束缚水饱和度从核磁共振T₂光谱。从表1可以看到,它的束缚水饱和度储层主要分布在40%到80%之间,平均为73.74%。T₂对数平均(T₂lm)值从0.48到7.79 ms。T的平均值₂lm是2.03毫秒。图7显示了样本的相对渗透率曲线T2和T3。从这个图中,看到的是束缚水饱和度约为40%。高束缚水饱和度可以减少石油层的电阻率。

图8显示了一个示例产生不同的流体类型由不同的束缚水饱和度。在这个图中,不同的数字4和5,MPHITA MSIGTA和MFFI分别总孔隙度、自由流体孔隙度、束缚水孔隙度,从核磁共振获得T₂光谱。最后跟踪提出了T₂光谱和T₂lm日志。上层的电阻率(2370 ~ 2374.5)大约是30Ω·米和油测试表明,它是一个油水层。较低的层(2384.5 ~ 2386.5米)有电阻率值从10到20Ω·米和油测试结果表明,这是一个很好的油层。较低的层的束缚水饱和度接近总含水饱和度;因此,他们是纯粹的石油层。相比之下,上层的含水饱和度大于束缚水饱和度,这可能会导致石油和水同时可生产的。

4.3。电导率的粘土

粘土矿物在砂岩储层一般有额外的导电性。粘土的砂岩的导电率是非常不同于纯砂岩,形成的重要原因之一是低对比度或低电阻油层。粘土的砂岩地层都含有一定量的粘土和粘土表面的粒子通常带负电。在正常情况下,粘土的表面带负电荷的阳离子吸附粒子不能移动,但吸附不是很紧。在电场的作用下,吸附阳离子交换位置与其他岩石水化离子溶液中,导致电导率。这种导电特性产生的阳离子交换的粘土矿物叫做粘土矿物的附加导电性。

粘土类型和内容来自x光衍射分析显示(见图9和表2)研究中的粘土地区以绿泥石为主,其次是混合层的伊利石/蒙脱石,伴随着少量的伊利石,高岭石和绿泥石/蒙脱石混层。没有独立的蒙脱石矿物。扫描电子显微镜照片如图所示10伊利石(伊利石)长8储层孔隙的研究区域是蜂窝或丝状。粒子表面有一个蜂窝伊利石/蒙脱石粘土膜(图10 ())。图11(b)显示了孔隙由丝状伊利石粘土。绿泥石膜附着在岩石表面的粒子吸收地层水,使储层的导电网络,降低了储层的电阻率。

实验表明,全球无序伊利石/蒙脱石层粘土矿物有强烈的阳离子交换容量。阳离子交换量(CEC)和阳离子交换容量Qv的储集岩是两个重要的物理参数描述粘土附加导电率。在这方面,十个核心样本选择CEC实验测量,以及测量结果如表所示3。这表明Qv值小,小于1.0。在常规砂岩油气储层,它不应该有一个伟大的对岩石的导电性的影响。然而,它有一个更重要的影响常8成员水库小孔隙度和复杂的孔隙结构。尤其是在目标油藏的油层,相当于Qv阳离子交换能力( )提高粘土附加导电率。因此,粘土矿物的附加导电性的原因之一的低对比度油层的形成常8三叠系的成员。

5。流体识别基于RF算法

5.1。RF算法

随机森林(RF)是一个集成学习算法的分类、回归,在地质、地球物理和其他任务37]。射频利用多个决策树作为基础学习者构建一个智能系统,将所有的预测结果从基础学习者多数投票或平均方法来提供准确的结果。射频,装袋算法的一个独特的形式,应用随机选择的样本和特征号码生成一系列不同的样本子集(32]。数以百计的独立基础基于样本子集构造决策树。在这项研究中,最终的输出获得选举采用多数是由于流体类型(图的分类任务11)。尽管一个决策树精度差,综合决策的准确性可以很高因为每个决策树是训练有素的特定子集。

相应的算法的基本步骤如下(38):(1)引导与返回用于生成多个样品抽样样本数据的子集。每个子集生成一个决策树通过培训。(2)确定最优特性的样本子集时,决策树分裂节点。最优特征的决策树的分支生长,直到他们无法再生。(3)获得的最终结果是通过为每个预测选举结果的基本决策树。

RF的主要优势是,每一个决策树使用示例数据的一部分,提取一些特性进行建模。多个独立决策树为射频提供更高的精度,更好的一代,优越的稳定性。尤其是对于高维小样本分类问题像流体识别低电阻区,模型的稳定性和代是非常重要的。射频已经成功地应用在许多方面,如岩性识别(39],烃源岩评价[40),和储层参数预测41]。

5.2。数据描述和预处理

为了说明致密砂岩储层的流体识别能力的随机森林,我们收集数据关于张8形成彭阳县三叠纪三叠系的地区,鄂尔多斯盆地,中国。石油六十层的测试数据作为样本数据在这项研究中获得的。考虑上述分析的遗传机制引起的石油支付,复杂的水盐度分布、束缚水饱和度的影响,和粘土附加导电率的主要导致低电阻油藏。不同的油低电阻率的测试层可能有不同的原因。阵列感应电阻率测井的探测深度90英寸可以表明石油和天然气轴承属性在一定程度上。密度测井(穴)和声波时间日志(AC)代表岩石的孔隙度。自发电位的异常(∆SP)等于SP和页岩基线之间的差异可以描述水的盐度。相对价值的自然伽马射线日志(∆GR)描述了束缚水含量和CEC。因此,根据储层的岩石学分析,RT,窝,AC,∆SP,∆GR决心作为输入参数的随机森林。

样本数据包括从流体从测井特征数据和标签数据类型的水库。表4显示了样本的统计数据,包括最大值、最小值、平均值和标准偏差的日志。标签数据包括三种类型的层研究地区基于石油测试结果,即油层(OL),油和水层(OWL)和水层(WL)。相应的标签数据决定使用一个独特的向量。例如,石油层(1,0,0),这表明一个石油层的概率是1,而其他类型的概率是0。油和水层(0,1,0)和水层(0 0 1)。

由于维度的差异和每个参数的数量级,min-max归一化法是利用规模这些敏感数据。数据归一化可以消除单位区别不同的日志和提高预测过程的收敛速度42]。在这项研究中,数据归一化在区间[0,1]基于以下方程: 在哪里是归一化处理结果,是原始数据,是原始数据的最小值,是原始数据的最大值。

5.3。Hyperparameter选择和模型建立

提高泛化能力的随机森林,有必要使用交叉验证方法与网格搜索优化hyperparameters(图12)。样本数据分为的交叉验证方法部分。每个部分称为褶皱。的数据( )褶皱是利用火车模型,将剩余的数据是用来测试模型。上面的步骤实现次直到每个褶皱作为一次测试褶皱。我们安排所有参数的网络参数组合。每个参数组合输入交叉验证方法对绩效评估。确定最优参数精度最高的。

在这项研究中,hyperparameters如随机森林中树木的数量(n_estimators),树的最大深度(max_depth),将所需的最小数量的样品内部节点(min_sample_split),最小数量的样品需要在一个叶节点(min_samples_leaf)的最大数量特性时要考虑寻找最好的分裂(max_features),每个基本和训练样本的数量估计量(max_samples)使用10倍交叉验证方法与网格搜索优化。随机森林算法,这些hyperparameters对预测结果有很大的影响。n_estimators控制随机森林的力量。max_features和max_samples确定基本决策树的多样性。max_depth, min_sample_split, min_samples_leaf代表基本决策树的复杂性。在我们的实践中,最佳值n_estimators 50, 100年,200年,300年和500年,和max_depth可选值的范围从1到10,而min_samples_leaf的可选值是1、2、5、10、15、20、30、40岁和60岁。min_sample_split, max_features, max_samples设置为2 60%,分别和2/3。根据优化结果的10倍交叉验证方法,优化hyperparameter设置表中列出5。

最后,建立了随机森林模型得到预测致密砂岩储层的流体性质。为了分析预测结果,混淆矩阵计算的实际和预测类型的样品。每个样本类型的精度和召回可以基于混淆矩阵,计算及其方程如下: 在哪里是真阳性样品的数量,是假阳性的数量样品,然后呢是假阴性样品的数量。表6介绍了混合矩阵的分类识别。把油和水层表6作为一个例子,水是8层的油和水的层2,油和水的层是4。

从表6,随机森林的总体分类精度约为90.0%,这是一个一般的符合率,即正确的层数比总层数。油水层的回忆价值相对较低,因为一些石油和水层样品预计层由于类似的测井响应。图13提出了一种交会图的 窝,用于标识在研究地区储层的流体类型。红、绿、蓝色符号代表的点油,油和水,和水层,分别。然而,不同类型的液体重叠,使得它难以识别储层流体类型的目标基于交会图。随机森林算法提供了一个更好的预测性能比传统的交会图方法。

直观地表明随机森林算法的有效性在这项研究中,我们展示了日志,石油测试层和预测结果的J(图14)。在这个图中,阵列感应电阻率日志M2R9, M2R6, M2R3,之和,和M2R1在跟踪2。M2R9的探测深度最深,而M2R1是最浅的。RF算法的预测结果显示在跟踪5。跟踪6到9的孔隙度、渗透率、含水饱和度,分别和页岩体积内容。29日和30日预测流体类型的层是石油,和31和32层的水。石油测试层29显示在黄色的盒子里。蓝色椭圆图13表示层的点29。从图13层29位于油层和水混合层,很难区分从水中石油层。然而,这一层的流体RF算法预测的石油,而验证RF算法的有效性与敏感性参数基于低薪酬的遗传机制。

6。结论

(1)Chang的孔隙度8成员彭阳县的鄂尔多斯盆地三叠系延长中国,主要分布在6%到21%之间,平均15.59%。医学博士和渗透率变化从0.1到30医学博士,平均为1.45(2)低的遗传类型支付目标形成一个大的区域地层水矿化度的变化,高束缚水饱和度和粘土电导率。水的盐度主要变化从20 g / L - 90 g / L。束缚水饱和度从核磁共振和相渗透率主要分布在40%和80%之间。Qv值变化从0.27到0.98,这是比较高的致密油储层(3)RF算法与敏感参数输入指示的成因分析是用来确定油,油和水,和水。自发电位的异常(∆SP)描述水盐度、自然伽马测井的相对价值(∆GR)描述了束缚水含量和CEC、电阻率、密度、和声学日志被视为敏感的日志(4)通过射频识别结果比较验证了测试结果。识别的准确性为90%,远高于通过交会图方法

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

本文由中国国家自然科学基金(42004087);中国石油天然气集团公司的战略合作技术项目和中国石油大学,北京(ZLZX2020-03);中国石油大学,北京的科学基金会(2462020 bjrc001);江西省自然科学基金(20202 babl211020)。