基于深度学习的低阻储层流体识别.pdfVIP

摘要

低阻储层在我国含油气盆地广泛发育，是一类重要的非常规油气类型，其识

别和评价对油气勘探开发意义重大。低阻储层因其含油气显示不明显，油层电阻

率与水层电阻率差异极小，导致测井响应特征复杂难解，单纯依赖测井资料难以

识别，深度学习等人工智能算法的应用为从录井资料中挖掘更多信息提供了可能。

论文以珠江口盆地恩平凹陷韩江组与珠江组的低阻储层流体为研究目标，以气测

录井、定量荧光和地化录井等资料为基础，将地质理论与深度学习算法相结合建

立并训练低阻储层流体解释模型，以实现对低阻储层流体性质的识别，提高现场

识别精度和效率。鉴于此，本文开展了如下工作：

（1）基于工区地质资料对低阻储层的成因机理进行分析，针对X油田的气

测录井资料中存在深度错位、数据缺失、量纲不统一等问题，进行曲线约束和数

据预处理，包括通过相关性分析优选气测录井参数特征、用皮尔逊相关系数校正

深度、克里金插值补全缺失数据、min-max归一化和对数函数归一化等统一参数

量纲标准的数据处理操作。

（2）针对测录井数据的空间序列特性，提出了一种基于时序分析的融合

CNN-LSTM多分类神经网络模型。首先将气测录井参数作为输入，统计32