火山岩岩石孔隙结构分类与储层分类评价-吉林大学.pptVIP

火山岩岩石孔隙结构分类与储层分类评价 潘保芝 李宁 张晓峰 张冰 吉 林 大 学 提 纲 一、 绪论 二、压汞毛管压力曲线研究孔隙结构 三、应用毛管压力曲线储层分类 四、神经网络识别孔隙结构 五、核磁T2谱转换伪毛管压力曲线 六、分类效果验证和分类储层参数评价 一、绪论 1、 孔隙结构特征： 岩石的孔隙系统由孔隙和喉道两部分组成。 储集层的孔隙结构是指岩石所具有的孔隙和喉道的几何形状、大小、分布及其连通关系。 孔隙结构直接影响到油气的储集量和油气的产能，孔隙结构是研究岩石的孔隙度和渗透率的基础，也是导电机理研究的基础。 火山岩岩石孔隙度-渗透率交会图 岩性、孔隙度与渗透率关系 一、绪论 2、储层分类的意义 不同储集空间及孔隙结构类型组合，形成了不同性质、不同产能的储集体。 即使同一岩性、同一成因类型的储集体，也由好、中、差之分。 火山岩储集性、渗透性、储集有效性以及孔隙结构的差异客观存在。 对于火山岩储集层，其孔隙结构复杂，非均质性强烈，对火成岩储集层进行先分类再评价是有必要的。 常规整体评价方法难以准确进行储层评价。因此储层分类评价十分必要。 提 纲 一、绪论 二、压汞毛管压力曲线研究孔隙结构 三、应用毛管压力曲线储层分类 四、神经网络识别孔隙结构 五、核磁T2谱转换伪毛管压力曲线 六、分类效果验证和分类储层参数评价 二、压汞毛管压力曲线研究孔隙结构 毛管压力曲线是湿相流体饱和度与毛管力之间的关系曲线。 不仅是孔喉半径分布和孔隙体积的函数，也是孔喉连接方式的函数。 是研究岩石孔隙结构特征最重要的资料。 二、压汞毛管压力曲线研究孔隙结构 排驱压力是指非湿相进入多孔介质孔道驱替润湿相，使润湿相离开孔道产生流动所需要的最小压力。即非润湿相开始进入岩样最大喉道的压力。 将毛管压力曲线中间的平缓段延长至零非润湿相饱和度，与纵坐标轴相交，其交点所对应的压力即为PT。 与PT相对应的喉道半径是连通岩样表面孔隙的最大喉道半径rmax 。 二、压汞毛管压力曲线研究孔隙结构 饱和度中值压力Pc50 排驱毛管压力曲线上50%饱和度对应的毛管压力，反应饱和度中值喉道半径r50，简称中值半径。 最小湿相饱和度Smin（束缚水饱和度） 当驱替压力达到最高时，未被非湿相浸入的孔隙体积百分数。 束缚湿相饱和度反应了润湿相在多孔介质中不可驱替的最小饱和度。 岩石孔隙结构研究方法-毛管压力曲线 提 纲 一、绪论 二、压汞毛管压力曲线研究孔隙结构 三、应用毛管压力曲线储层分类 四、神经网络识别孔隙结构 五、核磁T2谱转换伪毛管压力曲线 六、分类效果验证和分类储层参数评价 三、应用毛管压力曲线储层分类 本文的研究目的层为松辽盆地深层营城组火成岩储层， 火成岩岩样的孔隙结构相当复杂，毛管压力曲线形态各异，而且大部分都表现出强烈的非均质性。 排驱压力最低为0.035Mpa，最高为34.500Mpa；孔隙半径峰值最高为20.837μm，最低为0.021μm；平均孔隙半径最大为6.038μm，最小为0.009μm。 三、应用毛管压力曲线储层分类 三、应用毛管压力曲线储层分类 三、应用毛管压力曲线储层分类 三、应用毛管压力曲线储层分类 三、应用毛管压力曲线储层分类 三、应用毛管压力曲线储层分类 三、应用毛管压力曲线储层分类 三、应用毛管压力曲线储层分类 应用毛管曲线结构分类 结构 一、绪论 二、压汞毛管压力曲线研究孔隙结构 三、应用毛管压力曲线储层分类 四、神经网络识别孔隙结构 五、核磁T2谱转换伪毛管压力曲线 六、分类效果验证和分类储层参数评价 四、神经网络识别孔隙结构 人工神经网络（Artificial Neural Network，简称神经网络，ANN）是在模拟人脑处理问题的过程中发展起来的一种智能信息处理理论。 自组织神经网络是一种无监督学习的神经网络模型，这种模型大都采用了竞争学习机制。 四、神经网络识别孔隙结构 神经网络参数选取为：竞争层为30×30；迭代次数1800次，学习速率0.9。 对样本进行回判，以证明自组织神经网络对孔隙结构分类识别的可靠性。 效果验证 四、神经网络识别孔隙结构 应用自组织神经网络处理测井曲线 提 纲 一、绪论 二、压汞毛管压力曲线研究孔隙结构 三、应用毛管压力曲线储层分类 四、神经网络识别孔隙结构 五、核磁T2谱转换伪毛管压力曲线 六、分类效果验证和分类储层参数评价 五、核磁T2谱转换伪毛管压力曲线 核磁T2谱和毛管压力曲线转换的基础 岩石孔隙中氢核的横向弛豫时间公式为： 五、核磁T2谱转换伪毛管压力曲线 S/V为孔隙的表面积和孔隙体积之比。 这个值与孔隙半径有关。所以孔隙内流体的横向弛豫时间与孔隙空间的大小及形状有关, 孔隙尺寸越小, 表面作用越强烈，横向