油田沉积相研究(石油地质学).docVIP

第1章油田沉积相研究（石油地质学） 1. 1目的与意义 该课题原属于大庆油田采油三厂沉积相模式识别与绘图系统的一部分， 是大庆油田近几年地质研究的重要内容之一，也是油田建设进一步发展所提 出的重要课题，运用计算机进行油田沉积相的自动识别具有开创性的实际意 义。 沉积相是指在一定沉积环境中岩性与物性的综合反映。油田沉积相研究 的主要目的是为了提高油田开发效率，同时也是正确认识油层的一种途径， 即:分析储油的有利环境，进而指导寻找生、储油的有利地区;分析沉积环 境的细微变化对沉积岩体的影响。通过对沉积相的研究，获得储层沉积环境 的确切概念，并揭示其宏观的分布规律，从而确定最佳的勘探部署与开发方 案，使油田的动态分析与开发方案更加切合油田的实际情况。因此，对沉积 相的识别是进行储层评价的基础工作，也是开发方案制订和调整的重要依据。 对于油层的沉积原理、沉积状况等，地质部门已做了大量工作，但遗憾 的是，到目前为止，对储层沉积相的判别工作仍由人工来完成，其判别精度 取决于沉积学家和专业人员长期积累的工作经验，而具有丰富经验的专家在 地质部门却也为数不多。此外，人工判别沉积相速度慢、效率低，无法适应 当前油田开发的迅速发展，以至于影响采油的进度和质量。目前，大庆油田 的井网密度已经很大，人工识别的工作量也变得越来越大，发展各类油藏的 建模技术、计算机处理和显示技术，己成为目前油藏描述的主要攻关内容之 一。因此，运用计算机的高效的特点进行自动化的沉积相模式识别，在提高 劳动生产率、确保油田的稳产与高产等方面，将具有重大的实际意义。 目前，大庆油田的开采已进入高含水的后期阶段，储有相当数量的剩余 油，但是其分布状况十分复杂，难以寻找。这就需要对油层的沉积相做比以 前更加细致和准确的划分，更近一步地描述储层轮廓。这也为人工判相带来 了困难。采用沉积相模式的自动识别将会极大的降低完全使用人工进行识别 的难度，同时也减少了由于识别角度和经验的不同而带来的识别结果上的歧 义性。 此外，油田沉积相模式自动识别的研究也将为沉积相带图、厚度和渗透 率等值图的绘制提供可靠的数据来源和依据。 1. 2研究与发展 我们通过文献资料的查阅以及向客户方的咨询，了解到目前国内外在油 田沉积相模式识别上的研究均处于初始和探索阶段。而且由于油层沉积的复 杂性和不同地区沉积特点的不同，使得研究成果具有地域性，通用性差，识别精度较低。此外，因为沉积相划分标准和研究对象的不同，其识别方法也 相应不同，这更增加了课题研究的难度。在油田沉积相模式识别上，主要有 人工识别、神经网络识别、模式匹配等方法。 当前使用的判别沉积相的方法是人工判相，但是由于其效率低、速度慢、 歧义性大等缺点已无法适应快速发展的油田开发要求。而沉积相的自动识别 研究成果大多采用模式匹配等统计模式识别方法或者人工神经网络、模糊技 术来进行识别。虽然方法简单，但是始终没能把人工判相的经验与计算机的 能动性很好的结合起来，识别精度较低，智能化程度低。 单纯运用人工神经网络方法进行识别往往要求提取大量的特征，有的甚 至直接把测井曲线作为网络的输入，造成资源消耗严重，计算量大，极大的 影响了识别效率，也影响了网络的泛化能力。 在基于统计模式识别的模式匹配方法中，也同样存在着先验知识结合能 力差以及识别过程难以控制的问题，寻找一种便于过程控制、知识结合的方 法是进行岩相识别中一个pR待解决的难题。下面就对几种常用的沉积相识别 方法进行一下简要介绍。 1. 2. 1最近邻法 假设有n个模板，则对任意未知类别的样本，其所属类别由与该样本在 特征空间上距离最近的点决定。最近邻法方法简单、直观，并且在理论上其 错误率很小，但该方法也存在许多问题。 (1)需要存储大量模板，每次匹配决策分类，都要计算待识样本与全部 模板之间的距离并进行比较，因此存储量、计算量很大。 (2)由于不管什么情况，最终都会有分类结果，但当分类结果错误带来 的代价很大(如分类错误导致相带图绘制错误，进而导致决策失误，造成经 济损失)时，会产生较大的风险。 (3)该方法最小错误率的获得是依赖于大量模板建立，只有当模板数趋 于无穷大时，才能达到最佳识别效果，这在实际中是无法达到的(建立模板 困难，并且判定的类别因人而异)。 (4)该方法对特征的使用不好控制，只有那些对区分各类别均有贡献的 特征才可使用。否则，会影响识别精度，起到干扰作用。这样就局限了特征 选择的范围，增加了特征选择的难度。 1.2.2人工神经网络方法 人工神经网络是一个信号或信息处理系统，它包含大量的简单处理单元 (称为节点或神经元)，由“连接”相互链接起来，相互作用以实现并行