D凹陷沙四段致密油储层岩性识别方法研究.pdf

《D凹陷沙四段致密油储层岩性识别方法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第201454年誊第101月0．期C当代化工Vo1．44．No．10ontemporaryChemicalIndustryOctober，2015D凹陷沙四段致密油储层岩性识别方法研究宋延杰L，任一菱L。，唐晓敏，邓鑫，刘碉(1．东北石油大学地球科学学院，黑龙江大庆163318；2．非常规油气成藏与开发省部共建国家重点实验室培育基地，黑龙江大庆163318；3．中国石油辽河油田分公司勘探开发研究院，辽宁盘锦124010)摘要：首先通过统计方法对D凹陷沙四段致密油储层中的油页岩、粉砂岩和泥质云岩3类岩性测井曲线敏感性进行分析，优选出声波时差、密度和

2、自然伽马。其次基于敏感测井响应，分别建立了测井响应交会图岩性识别方法以及决策树和量子神经网络岩性识别模型。在测井响应交会图法中，首先利用密度一标准化自然伽马交会图区分油页岩与粉砂岩和泥质云岩，然后利用密度一声波时差交会图区分粉砂岩和泥质云岩；在决策树模型中，构建了3层岩性判别树状图，直观映射出4条分类规则；在量子神经网络模型中，构建了三层前馈量子神经网络模型，并优选出精度最高的样本构造方法。通过与实际取心结果对比分析发现，决策树和量子神经网络模型均能很好地识别致密油储层复杂岩性，而测井响应交会图法难以对致密储层复杂岩性进行有效识别。关键词：致密油

3、储层；油页岩、粉砂岩和泥质云岩；岩性识别；量子神经网络；决策树；测井响应交会图中图分类号：P631．84文献标识码：A文章编号：1671—0460(2015)10—2341—04ResearchontheMethodofLithologyIdentificationofTightOilReservoirsinS4FormationofDSagSONGYan-jie，RENIq—ling1,3，TANGXiao—min1,2，DENGXin，LIUYue(1．CollegeofGeoscience，NortheastPetroleumUnivers

4、ity,HeilongjiangDaqing163318，China；2．StateKeyLaboratoryCultivationBaseofAccumulationandDevelopmentofUnconventionalOilandGas，Jointly·constructedbyHeilongjiangProvinceandtheMinistryofScienceandTechnology,HeilongjiangDaqing163318，China；3．ExplorationandDevelopmentResearchInstitut

5、eofLiaoheOilfieldCompany,PetroChina，LiaoningPanjin124010，China)Abstract：ThelithologiesoftightoilreservoirsinS4FormationofDSagcanbedividedintooilshale．siltstoneandshalydolomite．Basedonstatisticalmethods，thesensitivityofloggingcurvesforlitholclgYidentificationwasanalyzed，bywhic

6、hintervaltransittime，densityandgammaraywereoptimized．Logresponsecrossplot，decisiontreemodelandquantumneuralnetworkmodelweredstablishedtodeterminethelithologywithselectedsensitivelogresponses．Intheprocessof1imologyidentificationbythe1ogresponsecrossplot．oilshalewasfirstidentif

7、iedbystandardizedgammarayVS．intervaltransittime。afterthat．siltstoneandshalydolomiteweredistinguishedwithdensityVS．intervaltransittime．Intheprocessoflithologyidentificationbydecisiontreemode1．adendrogramwiththreelevelswasbuilt．Themodelmappedfourrulesintuitively．Intheprocessof1

8、ithologyidentificationbyquantumneuralnetworkmode1．athree．1ayerfeedfo