碳酸盐岩储层评价技术介绍.pptVIP

采用序贯高斯协模拟方法，以孔洞孔隙度作为第二变量 模拟前后孔洞渗透率频率分布对比图 某小层孔洞渗透率平面图 某孔洞渗透率横剖面图 D. 孔洞渗透率模拟 E. 裂缝孔隙度模拟 采用序贯高斯协模拟方法，以应变量作为第二变量 采用序贯高斯协模拟方法，以裂缝孔隙度作为第二变量 应 变 量 平 面 图 裂缝孔隙度横剖面图 某小层裂缝渗透率平面图 某裂缝渗透率横剖面图 F. 裂缝渗透率模拟 * 碳酸盐岩储层评价技术介绍 主 要 内 容 1、研究意义及现状 2、碳酸盐岩储层基本特征 3、碳酸盐岩储层的主控因素 4、碳酸盐岩储层综合评价技术 （1）意义 从全球范围看，碳酸盐岩储层占沉积岩的20%，却占油气探明储量的50%以上； 在我国，近年来随着对海相碳酸盐岩油气勘探的不断深入，在渤海湾、塔里木、鄂尔多斯、四川盆地相继发现了多个大、中型油气田，展示了碳酸盐岩勘探的巨大潜力； 在四川盆地，中石油和中石化分别于上世纪末和本世纪初发现了渡口河、铁山坡、罗家寨和普光等多个大中型气田，成为我国油气勘探的重点和热点地区之一； 随着我国“西气东输”工程的逐部实施，迫切需要寻找更多的天然气资源，四川盆地就是其重要战略接替区之一。因此进行碳酸岩盐储层研究具有重要的意义。 （2）研究现状 由于碳酸盐岩沉积时代久远，经历了多次构造运动，遭受强烈的风化、剥蚀和淋滤作用，地层非均质性强，导致碳酸盐岩储层的定量评价成为碳酸岩盐油藏研究的主要技术难题之一。 目前碳酸盐岩储层的研究已从碳酸盐岩沉积环境、成岩环境、成岩作用等方面的研究发展到定量评价与预测的研究阶段。伴随着计算机的广泛应用，其研究内容和研究手段在上世纪末获得了迅速发展。除了象采用CT层析技术等新手段外，碳酸盐岩储层研究以将石油地质、测井、物探、试井、油层保护等学科领域紧密地联系在一起，单纯的沉积学手段研究碳酸盐岩储层已经落后于时代的步伐，碳酸盐岩储层评价工作已逐渐从原来的储层描述向储层定量化预测方向发展。 1、研究意义 2、碳酸盐岩储层基本特征 3、碳酸盐岩储层的主控因素 4、碳酸盐岩储层综合评价技术 主 要 内 容 主 要 内 容 1、研究意义 2、碳酸盐岩储层基本特征 3、碳酸盐岩储层的主控因素 4、碳酸盐岩储层综合评价技术 （1）人工神经网络裂缝评价技术 成像测井资料虽然能够准确地识别裂缝，但由于很难每口井进行成像测井，因此如何对没有成像测井的井段进行裂缝的识别和评价，是目前单井裂缝评价的一个难点 。人工神经网络裂缝评价技术以岩心资料为基础，以成像测井资料的响应特征为约束条件，充分应用神经网络的高度容错能力和联想能力，利用模式识别的方法进行裂缝发育层段及裂缝发育程度进行预测和评价。 ① 原理 ②人工神经网络简介 人工神经网络技术是最近三、四十年发展起来的一个新的研究领域。从数理角度来看，它是一个非线性系统，具有一般非线性系统全部特性的同时,并呈现高维性、自组织性及模糊性等优良特征。由于其强大的数理功能及方法优势,并随着计算机技术的发展，近年来得到广泛应用。 　　在神经网络学习算法中,使用最广泛、最直观、也最为成熟的算法是有监督学习算法中带隐含层的误差反向传播学习算法，简称ＢＰ算法。典型的ＢＰ网络是三层前馈阶层网络,即输入层、隐含层(也称中间层)和输出层。 神经网络结构示意图 ③人工神经网络的特点 A.人工神经网络具有很强的分类能力 B.人工神经网络为非线性映射 C.人工神经网络具有很强的容错性 D.人工神经网络是一种隐式模式识别方法 ④人工神经网络的改进 　　在实际应用中，我们发现常用的BP学习算法（基于最大梯度下降法）存在有一些不足：①易收敛于局部极小点；②学习算法的收敛速度慢；③学习速率不易控制，易出现震荡现象。 改进的混合算法神经网络训练 目标函数曲线图 常规BP神经网络训练目标函数曲线图 　　通过研究，将具有全局寻优特性的模拟退火算法（SA）和快速收敛的局部寻优变尺度算法（BFGS）有效地结合，提出了一种快速、高效的前向网络混合学习策略，即SA- BFGS混合算法来训练网络。该法能极大地改进前向网络的收敛速度与收敛性能。 ⑤应用实例 　　用神经网络技术对裂缝发育程度进行分级评价,不需要建立任何测井响应方程,也不需要提供任何经验公式,只需要利用一定的网络模型,用一定的计算方法,用研究地区有代表性的已知样本,对网络进行训练,然后就可用学习好的网络对未知井段进行裂缝评价和预测。 A. BP网络设计 选择对裂缝反映比较灵敏的测井曲线，如深浅双侧向电阻率、密度、中子孔隙度及声波时差、自然伽玛等作为输入向量 ，输出层为裂缝综合评价指数。 裂缝预测网络模型图 B. 参数的归一化 同时由于各种测井方法的地质、物理响应机制不同，各种测井曲线的量纲、数量级以及测井仪测量状态也存