文摘

这项工作提出了一种新颖的算法,达到提高分辨率的测井信号,例如,从1英尺的脉冲中子矿物学工具0.04英尺的成像工具。表示的算法,为“数字核心”,结合矿物学、沉积学的信息来生成一个高分辨率的记录形成矿物学可以因此应用于薄层状环境。这个算法的哲学的基石是矿物学记录的光谱信息的工具是一个加权平均矿物学分析每个岩性组件的体积。因此,通过使用一个高分辨率图像日志确定每个岩性成分的比例,他们的作文可以确定从矿物学日志数据。领域案例从井位于南澳大利亚提出了这项工作,并且结果验证的可行性集成的核心级岩石物性分析以节省成本且及时的方式比传统的核心测量。

1。介绍

石油测井已经知道多年,提供了一个石油和天然气井钻机与特定的地球形成被钻的信息。准确和详细的了解地球的形成,可能包含水库的碳氢化合物勘探和生产所需的碳氢化合物(1- - - - - -3]。通常情况下,岩石物理性质的记录(日志)是唯一可用的信息在一个钻孔。这些包括地层的电阻率(4)、声学特性(4),孔隙度(实际上形成中子之间的交互和氢)(4),形成的电子密度(4)、天然放射性和γ发射中子引起的刺激。这些数据解释的矿物学的形成、基质密度、有效孔隙度、总分数的碳氢化合物液体,等。例如,重要的是要知道地球的岩性地层深度的函数,尤其是在薄层状结构。岩性特征的形成可能使用一个或多个确定的几个技巧。常见的技术是核心样本检索一个地球形成和执行密集的分析核心样品的表面。通常情况下,这是在专门机构进行非现场的远程站点。虽然核心样品可以提供的详细知识petroanalysts和地球物理学家的欲望,获得样品从地球深处形成和执行的分析是相当费时(2]。

一个中子测井仪可用于获得岩性参数通过测量地球的辐射产生的中子辐照的形成。测量辐射是指示性的中子与选民的反应,从而形成包含有关地球的信息。举个例子,中子和地层之间的相互作用可能导致发射的伽马射线能量特性的材料的中子相互作用[2]。重复测量在几个钻孔深度沿纵轴钻孔。每个测量与钻孔的深度。然而,不幸的是,中子测井通常提供了一个粗糙的垂直分辨率,即。沿井轴,大约一到两英尺。这项决议不足以找到薄床的边界(例如,床上不到一英尺厚)。因此,在现有的技术水平,直接测量是不可能的,因为这些对象通常远低于垂直分辨率的日志工具。例如,砂岩以20%的粘土可以对应于一个“脏”砂与分散的粘土矿物或“干净”的沙子和一些泥质层。砂岩的属性的水流动力条件、垂直连接,孔隙度,含水量会非常不同的根据实际地质结构的形成3]。这可能导致加分路的支付和/或误解的层属性。因此在高垂直分辨率是至关重要的在复杂环境中。

在这个工作中,提出了一种方法将沉积学的信息从井眼图像和光谱矿物学日志中的信息来改善矿物学日志的垂直分辨率。图片日志提供了分层信息:根据工具用来获取数据,由对比标志层电阻率或声学特性。层通常关联到沉积床,但是他们可以偶尔与结节的形成或成岩胶结物的发展4]。订单的记录的垂直分辨率的半英寸。光谱日志提供的大部分化学信息形成的矿物学。它的垂直分辨率是一只脚的顺序。第一阶段涉及比较图像和光谱日志在同一区间的复杂程度来确定记录的形成:如果显示一个分层形成薄比光谱的分辨率矿物学日志,形成被认为是“薄层状”[4]。该算法提出了适用于这些情况下工作。钻孔分为间隔从一到几英尺的长度由集群类似地区基于矿物学和钻孔的测井响应的形象。在每个时间间隔内,煤岩类型相,确定为层相似的属性,确定基于图像记录。在这项工作的范围中,术语“煤岩类型”是指一个地质单元的一组参数,例如,例如,特定的岩性、矿物组成、孔隙度、渗透率、粒径分布、沉积结构、沉积学的结构。“相”一词是指一个特定范围的这些特性的值描述的岩石和允许歧视它从它的环境测量,观察,或两者兼而有之。例如,自然伽马辐射日志和中子诱发辐射日志可以提供准确的识别煤岩类型相,但粗垂直分辨率大约两英尺的一些工具。高分辨率井眼图像日志可以提供准确的垂直分辨率电阻率和电阻率的变化尽可能小几毫米,但确定煤岩类型相或矿物的能力有限。

利用高分辨率图像记录,每个岩性成分的体积考虑间隔可以确定。几类高分辨率图像的日志可用于这一目的:高分辨率电磁成像(如电阻率成像)、声成像和光学图像日志。从光谱日志,我们知道的整体组成区间,但不是每一层的具体成分。矿物成分与每个煤岩类型关联是由解决约束优化问题(3],最大化的可能性决定层组成。求解优化问题,专门为这个目的是利用生成的抽样算法约束,提出了工作。

这项工作提出了详细发达的数学算法和方法相结合的信息从一个高分辨率的日志和低分辨率光谱工具。该方法的针对性应用薄层的形成。提供一个例子从一个在澳大利亚,光谱矿物学、电阻率钻孔图像和核心。这种方法允许增加的发展解决矿物学日志日志级别的图像:什么可以记录在钻孔图像可以歧视在矿物学日志。该方法将加强我们对复杂的环境的理解,例如有机质的分布或泥质储层形成的床上的分布。它允许一个更好的理解的储层属性及其垂直分布,更含烃时间间隔的精确位置,可以用来扩展核心信息更准确地在记录的时间间隔。高分辨率的信息也可以大大受益的情况下完井需要刺激或优化完井设计。更具体的体现也可能提供矿物学日志,矩阵密度日志,日志和总孔隙度与高垂直分辨率,以及允许计算net-to-gross和净用薄层的形成。

2。数学理论和算法实现

本节概述的数学理论基础上的算法。

岩性,如砂岩、石灰岩或页岩,特点是一组可测量的参数,如粒度分布和组成(4]。成分可以被认为是特征的不同岩性中包含的矿物的相对数量。作为一个例子,石英砂岩中含有超过煤炭但煤含有更多的有机物质(4]。然而,即使在岩性分为同一组,可以组成有所不同。因此,方便描述的内容中的某些矿物类岩性由概率密度函数。这些概率密度函数描述的可能性找到某种矿物与给定浓度在感兴趣的岩性。

在这个工作中,我们感兴趣的是推断地质层的矿物成分中包含日志记录的时间间隔从两个不同的数据来源:(1)从矿物学测井仪粗分辨率;即。,it gives the average mineralogy over all lithotypes; (2) an image tool that does not provide mineralogical information but has a much finer resolution and can be used to delineate layer boundaries within the interval. For accomplishing this task, a novel mathematical optimization algorithm is developed to find the most likely combination of lithotypes assigned to the identified layers along with the mineralogical composition of each layer. The solution to the optimization problem must obey several constraints that will be detailed within this section.

算法的基本思想是把信息从一个相分析和矿物矿物学日志中的信息来源于光谱数据。为每个矿物索引 ,矿物学日志数据提供了矿物体积分数表示集成在整个井眼间隔。相分析提供了不同层之间的界限的深度测量的表面,可用于计算体积分数层 。为每一个可能的煤岩类型 , pdf文件用可用,每个矿物描述一个找到的可能性在这个岩性矿物体积分数如下:

从矿物学和图像日志数据,它是未知的煤岩类型出现在一个时间间隔。煤岩类型的命题是定义为一个煤岩类型分配给每一层的间隔,即。,地图 为 。有总 组合所有这些都必须进行分析。以后会证明,绝大多数的这些组合是不可行的,因为他们不能满足约束。然而,一个聪明的预选有关煤岩类型由经验丰富的用户可能是必要的很大。

节2。1概率密度函数尤其着重于讨论可以获得相关的数据。使用密度的方法(5找到最可能的对所有和 ,我们需要能够创建均匀分布样本空间的所有允许的 。为此,约束和有效的抽样算法中描述的部分2。2和2。3,分别。

2.1。概率密度函数

算法的目标是找到最可能的组合矿物体积分数满足所有约束的详细部分2。2。结合的可能性是由联合概率密度函数 ,为了方便的符号,我们收集向量中 。在这个工作中,联合概率函数仅仅是产品单一矿物概率密度函数:

概率密度函数算法的输入,必须由用户指定。这似乎是一个同样或者更艰巨的任务来推断手动使用地球物理学家的经验和知识。让发达方法实用,有必要创建一个数据库可重用于后续分析。我们决定实现一个bootstrapped-learning算法。起初,地球科学家分析数据集创建概率密度函数后地质洞察力和确保结果符合预期。一次足够可靠的概率密度函数数据库获得,中描述的算法部分2可以使用。随着越来越多的日志数据分析,过程是双向的:现有的概率密度函数可以用来分析结果,与实际结果可以用来提高概率密度函数。丢失的概率密度函数是先后补充道。

创建有用的概率密度函数库,我们组集概率密度函数的相似性对一般地质指标,例如,煤岩类型。这些地质指标记录生效前在一个特定的位置。一套合适的概率密度函数从数据库检索使用的指标集日志的位置。请注意,根据位置的一般地质特征,矿物或岩性可能出现在一个数据集,但在另一个没有。重要的是要指出,pdf文档的集合与特定的扩展和增强指标分析进展通过添加丢失的概率密度函数和修复不一致的分析结果与观察到的矿物成分。

2.2。约束的设置

等式和不等式约束都适用于优化问题的解决方案。存在着明显的不等式约束状态,体积分数在0和1之间需要:

然而,大多数pdf零几乎无处不在,因此,设置适当收紧的界限在体积分数 :

有两种类型的等式约束的优化问题。第一类约束包含间隔的知识集成矿物学优化问题。州矿物含量的总和超过所有层体积分数加权的每一层必须等于矿物矿物学工具确定的内容:

其次,每一层内的所有矿物的体积分数总和必须统一:

此外,岩性分配层可能有一个零概率有矿物的痕迹在这种情况下,严格执行是有意义的 为了避免数值问题解决方案的过程。有总 等式约束的类型由方程(5)和(6),类型的等式约束方程(7)。等式约束的总数

我们想要创造均匀分布的样本满足方程(5)- (7)。为此,我们收集的等式约束矩阵 : 在哪里收集 , 收集方程的系数(5)- (7),收集的右手边方程(5)- (7)。

矩阵名义上是排名缺乏包含列多行(短和宽)和零空间的等级 。通常,矩阵是由广场通过添加行组成的0。因为总是存在一个向量满足方程(8),因此,方程(有无限多的解决方案8)而不是没有如果不是在吗 。

基向量生成的零空间可以使用圣言(由6]。用这些标准正交基向量 ,和收集的矩阵的维度 (它又高又瘦)。方程的成套解决方案(8)可以写成: 在哪里是一个特定的解决方案,它可以,例如,计算通过使用Moore-Penrose逆(7]:

向量少比向量条目吗和代表一个空间的维数降低解决方案的生活。在图1,一个三维空间,有三个 ,是描述一个约束。在这种情况下,零空间维度两个允许样本是位于一个平面。一般设置,允许的空间是一个样品 - - - - - -维超平面的 维空间。

使用方程(9),我们可以使用统一的样本创建统一的样本(8]。然而,这些样品不一定满足不等式约束,因为目前还不清楚在这限制了我们需要样品限制在和(3]。

不等式约束方程(4)定义一个 - - - - - -维hyperbox有效样本居住在n维仿真给出了方程(9)是受限的。图1描述了hyperbox和超平面相交。有效样本位于分数的超平面相交的盒子里,以红色标注。

2.3。限制抽样算法开发

最简单的算法将样本在一个足够大的空间封闭hyperbox,例如,最小的椭球,完全包括盒子,然后用拒绝抽样。然而,随着空间的维数远远大于三个(通常约15 - 20),拒绝抽样将是非常低效的。这是相当典型的高维空间,通常被称为维度的诅咒(3]。

这里描述的算法是一种新型、高效的算法,不需要拒绝,因此很有能力在解决高维问题中典型的矿物学分析描述。

首先,让我们假设我们有一个种子向量满足方程(4)和(9)。引导算法获取这个种子向量在节中有详细描述2。4。然后,我们可以样品另一个随机向量满足等式约束方程(5)通过(7),但不是不等式约束方程(4)。这可以通过第一个随机抽样其次是使用方程(9)。向量的区别 在超平面定义的不等式约束,和所有点位于直线的端点和是由 在哪里是需要确定的步长。限制的步长计算,首先计算和 :

的约束是由

最简单的算法1产生均匀分布的样本是执行随机漫步如下:

然而,在实践中,我们发现以下方法执行更好的考虑到相同的执行时间:

2.4。获得种子向量

在本节中,一个算法获取第一个向量用种子在算法2介绍了。然而,种子向量满足不等式和等式约束并不总是存在。它只存在如果等式约束定义的超平面相交的框定义的不等式约束。因此,我们首先检查是否存在一个解决方案中详细的部分2.4。1。如果存在一个解决方案,获得种子从先前获得的信息向量是微不足道的。然而,为了完整性,我们描述这个过程2.4。2。

2.4.1。检查解决方案存在

为了便于检查存在,我们首先引入坐标变换,这样的限制和分别映射到0和1。量表达这些新坐标用波浪线,以区别于原来的坐标系统。由坐标变换

简洁的符号,我们收集所有第一项的系数矩阵和第二项不同的向量这样我们可以写

所有允许的解决方案,即。,all solutions on the hyperplane, can now be expressed in this new coordinate system:

转换将hyperbox中点附近的单位立方体 。单元数据集对应于距离的点的轨迹小于或等于什么 在最大的规范:

向量超平面上的所有点的轨迹是由方程(9)。因此,通过求解线性规划问题, 条件的超平面相交hyperbox仅仅是:

解决最小化问题的方程(20.)是通过将它转换为相应的线性规划问题(9,10]:

最小化受 在哪里是一个向量的正确长度的。

2.4.2。算法获取种子向量

一旦建立了存在一个解决方案,可以简单地使用超平面上的点与无穷范数最小的距离框的中心并将其转换回原来的基础。为此,我们表示解决方案尽可能的最小化问题 。然后,我们用在方程(16)和应用逆变换:

而是一个有效的种子向量随机游走算法,发现它可以远离最大。可以获得一个更好的初始猜测通过移动它更接近我们预期最大的地方。对于每一个一维的pdf用于形成联合pdf节2。1,我们可以很容易地推断假定它的最大价值。让我们表示这个点并收集所有这些向量的横坐标 。然后,我们估计最大的联合pdf接近 ,但是我们注意,它不满足等式或不等式约束。因此,我们的项目描述的向量到超平面方程(9)和表示的投影 。而保证满足等式约束,它可能违反不等式约束。近似最佳可能的估计接近 ,我们解决以下维最大化问题获得最好的步长 : 然后更新初始种子随机游走过程如下:

图2显示了数学规划求解流程图的概述。

2.5。数字核心解释模型

这个算法,提出了以上,因此实现解释模型为核心的数字来表示,因为该算法有可能取代传统的,昂贵的取心过程中测井,从而提供了一个全面的表征形成的核心。

这个解释模型执行算法基于多步工作流程如下:(1)确定区域一致的矿物学和电阻率响应(2)确定每个岩性从图片日志使用相的体积(3)执行中描述的算法部分2。2(4)获得相对应的岩石学和矿物学成分(5)进行质量控制:移动平均线的分辨率脉冲中子测井。应该符合平均脉冲中子测量(6)产生一组可交付成果,通常包括:(我)岩性对应的每个体积分数分析部分(2)高分辨率矿物学对应于每个岩性层

3所示。生产测试用例

在本节中,数字核心模型应用于生产的测试用例,因此验证如下讨论。

3.1。制造业的参考解决方案,准备输入数据

我们选择了一个三层的测试用例和使用三个岩性、砂岩、页岩、煤(注:通常,层数和测试岩性不相同)的总数。这些岩性的pdf文档。三层的体积分数和列在表进行选择1。伴随着这些体积分数,我们选择第一层砂岩,第二层是页岩,第三层是煤炭。

从pdf文档,最可能的选择为每个岩性成分。然后,我们使用体积分数计算平均矿物学,典型的脉冲中子地球化学工具的措施。这些数据在表中有详细描述2。

3.2。数值结果

模拟噪声,我们扰乱矿物学数据层体积分数(即。,the image log data), and both the pdfs’ abscissa and ordinate values using Gaussian noise with noise levels chosen as the Gaussian’s standard deviation being中值的扰动量。我们选择是0、1、2.5、5、10。

使用3岩性和3层,总共有6种方式分别分配到不同的层。该算法总是发现正确的排列,即。,1:>砂岩,2:>页岩,和3:>煤 。此外,其他排列被否决。为 ,中的5个试验,VC返回:(我)它拒绝了所有排列一次(2)它发现排列(1:>砂岩,2:>页岩,和3:>煤)和(1:>砂岩,2:>煤,和3:>页岩)是可行的,但是更有可能发现正确的排列是50%(3)它接受正确的排列和拒绝所有其他2次(iv)它接受了错误(1:>砂岩,2:>煤,和3:>页岩)和拒绝所有其他组合

注意,标准偏差10%意味着可以使体积分数的第二层和第三层“开关的地方”在这种情况下,算法无法区分(1:>砂岩,2:>煤,和3:>页岩)会正确的答案!

为 ,1、2.5和5,选择预测和参考矿物学是描绘在图3。

4所示。现场数据的案例研究

代表字段数据相比,本节中给出的例子是,核心数据展示数字核心解释模型的可行性。这个案例研究证明了引入方法很容易能产生形成的矿物记录高垂直分辨率与脉冲中子地球化学记录工具和高分辨率井眼成像。

4.1。现场数据收集

来自澳大利亚,所有日志信息和收集10英尺的核心部分。这部分是用来测试方法与结果呈现在图4。矿物学是记录脉冲中子工具和x射线衍射测量校准。钻孔图像记录电阻率成像工具,处理,和夷为平地,生成高分辨率电阻率曲线。在其传统的决议,光谱矿物学显示相对恒重分数伊利石(37.5%)、高岭石(10.5%)、菱铁矿(约7%)、石英(44%)、有机碳(大约1%),符合价值观通常遇到这形成盆地的一部分。

电阻率图像日志是用来确定空心间隔相。它显示了一系列的薄床不同电阻率在三个相歧视:少于140欧姆·m,认为是更多的泥质淤积标识为“页岩,”140年至180年欧姆·m,将含有更多的石英和贴上“淤泥”,和超过180欧姆·m,将siderite-cemented淤积标识为“烧结页岩。“这些标签显示哪种类型的形成会有一个类似的矿物成分:例如,“页岩气”意味着形成有页岩的矿物成分相似。表明形成的核心由沙泥岩的矿物组分的变化。

4.2。现场数据处理和解释分析

基于x射线衍射数据好,为每种岩性组件生成pdf文档,因此使用的算法。算法确定两种可能的解决方案,每一个特征的概率(最可能的),这个解决方案可能发生:只有概率较高的解决方案提出了沟通。

表3显示每个解决方案的平均矿物成分是一致的平均矿物组分决定从光谱学日志区间,表明两种解决方案都是在数学上可以接受的。概率是最高的解决方案呈现在图1随着核心。除了深度匹配问题,高电阻层观察到的图像和相关siderite-cemented间隔对应于褐色条纹标志菱铁矿巩固核心的发生。“页岩气”相的分布(泥质沉积物)也通常对应于深色的间隔在核心。后,高分辨率的矿物学应用移动平均滤波器1英尺,显示了一个很好的协议日志记录的光谱矿物学的工具(图5)。

一些差异在“淤泥”相的分布在日志的上部与泥质成分对应于浅色的水平间隔的核心(86 - 87英尺)(图6)。发生的“页岩气”可以解释为暗条纹图像,可能与数据采集相关的决心相的影响。在87英尺,siderite-cemented间隔不能位于核心与信心。这可能是由于淤泥的浅颜色,旁边的siderite-cemented页岩。然而,矿物学的复杂变化在87.5和88.5英尺之间,以及90英尺以下,显示一个好对应的颜色变化观察到的核心。

在复杂环境中作为一个在这个例子中,在粒度分布和层压变化不明显主要对应于矿物学变化,结果表明,该方法在全球工作:高分辨率矿物学显示相当代表账户变化观察到的核心。水平在86 - 87年英国《金融时报》表明,该方法是敏感阈值而定义相。良好的记录的矿物学知识形成和该地区的地质自然会成为重要的横向变化可能发生:这样可以确保PDF可以考虑相的地区差异。过程本身,包括工作流程和算法,似乎是健壮的和多才多艺的占粉砂岩等复杂地层,薄层状砂岩,最有可能薄层状灰岩或部分白云石化石灰岩。

进一步的其他井的数据也一直在探索,和类似的性能实现算法。由于敏感性问题,这项工作只提出了一个字段数据正如上面所讨论的在这一节中。

5。结论

矿物学方法使直接量化的纹理在薄层状地层的规模,从而允许确定有机质含量,密度矩阵,以高分辨率和总孔隙度,导致更准确的计算的净工资和net-to-gross比率。传统矿物学测井解释方法提供了巨大的优势,揭示形成的完整的垂直变化,否则显得非常均匀,揭示加分路的潜在目标。解释方法,一旦完全实现和验证的矿物学日志,也可以应用于其他核日志密度和孔隙度等日志,以及核磁共振和声学日志。此外,未来的工作将结合机器学习数字核心的各个方面,例如,相识别和测井预测。

数据可用性

基础数据是可用的。

信息披露

最初的工作在2016年提出了赛格与一个抽象的提交给会议2016赛格技术项目。

的利益冲突

作者声明没有潜在的利益冲突,经济利益等关系,个人利益或信仰,可以认为影响客观性或中立的手稿。

确认

作者感谢Alberto Mezzatesta和莉娜Thrane对这项工作的支持和投入。这项工作是由研究资金来自中国电子科技大学的。