一种基于人工智能与测井分层建模的页岩油岩相识别方法技术

本发明专利技术涉及油田开发技术领域，特别是涉及到一种基于人工智能与测井分层建模的页岩油岩相识别方法。所述方法包括以下步骤：选取研究区页岩油系统取芯井，确定测井敏感曲线；通过模糊聚类法快速识别页岩油储层中裂缝或富有机质纹层状亮晶灰质泥岩；利用岩心标定测井，分层建立页岩油不同岩性的测井模型，判别页岩油储层中的岩性；识别层理结构；建立计算模型对研究区页岩油井的有机碳含量进行预测，区分有机质类型；进行页岩油岩相综合判别。本发明专利技术方法填补了识别页岩油储层有利岩相即富有机质纹层状亮晶灰质页岩的技术空白以及提出了一种精细划分页岩油岩相的方法。出了一种精细划分页岩油岩相的方法。出了一种精细划分页岩油岩相的方法。

【技术实现步骤摘要】
一种基于人工智能与测井分层建模的页岩油岩相识别方法


[0001]本专利技术涉及油田开发
，特别是涉及到一种基于人工智能与测井分层建模的页岩油岩相识别方法。

技术介绍

[0002]近年来，中国经济快速发展，对油气的需求量逐年大量攀升，在保障常规油气量的同时，寻找非常规油气资源成为必然。页岩油作为重要的资源接替阵地，已经成为勘探开发的新重点。
[0003]页岩油储层具有岩性复杂、非均质性强、特低孔渗、赋存方式多样等特征，导致利用测井信息评价与研究页岩油岩相特征较为困难。但是不同岩相的开发潜力不同，因此寻找有利的页岩油岩相段和清楚有效的划分页岩油岩相是页岩系统寻找主要勘探开发目的层的关键所在，对其开展分析研究具有重要意义。
[0004]研究区东营凹陷属于渤海湾中、新生代裂谷盆地的三级构造单元，位于东营凹陷东部，受一系列北西向或近南北向的断裂控制，在凹陷内部形成多个次级洼陷和突起，东营凹陷内以博兴洼陷、牛庄洼陷、利津洼陷为主，其中沙四上段烃源岩生烃指标好，厚度及分布范围大，油气生成量大，是研究区油气生成的主力层系，具有良好的页岩油气资源潜力。与北美海相页岩油不同，东营凹陷沙四上纯上层段页岩油为陆相断陷湖盆半深湖
‑
深湖沉积，烃源岩较为发育。且东营凹陷烃源岩厚度大、分布广、生烃母质好、埋深适中、生烃效率高，奠定了东营凹陷页岩油大规模勘探的资源基础。
[0005]页岩油岩相中富有机质纹层状亮晶灰质泥岩的储集性、含油性、可动性、可压性是研究区中页岩油岩相中最优的，为有利岩相，因此对富有机质纹层状亮晶灰质泥岩的测井识别十分重要。
[0006]目前，测井技术手段的精度不够和对亮晶方解石脉的测井响应都不明显，因此还未有成熟的技术针对有利岩相富有机质纹层状亮晶灰质泥岩进行测井识别。并且，现有的针对研究区的页岩油岩相的预测方法适用性不够广，精度不够高，主要有以下原因：
[0007]一、研究区页岩油岩相存在测井响应复杂，测井曲线表征不明确。相同的亮晶方解石脉所对应的测井响应特征不同。同时，测井曲线的精度不够，导致亮晶方解石脉的信息无法很好的在测井曲线上体现出来，
[0008]二、储集空间、层理结构复杂多样。层理构造不同，储集空间、能力不同。纹层状亮晶灰质泥岩的储集能力最优，方解石晶间孔发育，荧光显示好；其次是层状暗色灰质泥岩，储集能力为中等，荧光显示呈分散状；最后是致密块状灰岩或者泥岩，储集能力低，灰质泥质微孔，分布石英及有机质。
[0009]三、储层结构复杂，一般的测井岩相模型不适用等问题，研究区东营凹陷面积广，岩相变化快，牛庄洼陷、博兴洼陷以泥灰岩互层为主，利津洼陷泥灰岩中含有大量的砂质，因此无法用统一岩相模型应用整个研究区。

技术实现思路

[0010]本专利技术主要目的在于提供一种基于人工智能+测井分层建模的页岩油岩相识别方法，本专利技术方法可快速识别页岩油储层中有利岩相富有机质纹层状亮晶灰质泥岩，划分页岩油有利岩相层段，并有效的地对页岩油岩相进行测井识别，为页岩油井的岩相预测和甜点开发提供了重要依据，对东营凹陷页岩油井的勘探开发具有重要意义。
[0011]为实现上述目的，本专利技术采用以下技术方案：
[0012]本专利技术提供一种基于人工智能与测井分层建模的页岩油岩相识别方法，其包括以下步骤：选取研究区页岩油系统取芯井，确定测井敏感曲线；通过模糊聚类法快速识别页岩油储层中裂缝或富有机质纹层状亮晶灰质泥岩；利用岩心标定测井，分层建立不同页岩油测井岩性模型，进一步确定页岩油储层中裂缝或富有机质纹层状亮晶灰质泥岩的位置；识别层理结构；建立计算模型对研究区页岩油井的有机碳含量进行预测，区分有机质类型；进行页岩油岩相识别。
[0013]进一步地，选取页岩油系统取芯井，收集相关岩心、薄片、测录井资料以及实验分析化验资料，依据录井资料中取芯段的岩性所对应的测井曲线确定测井敏感曲线。
[0014]进一步地，对测井敏感曲线进行标准化，将标准化测井敏感曲线进行模糊聚类分析，分类得到不同的岩相；将聚类出的岩相与标准页岩油井中岩心观察到的裂缝以及富有机质纹层状亮晶灰质泥岩所在的位置相对匹配，确定富有机质纹层状亮晶灰质泥岩和裂缝所对应的岩相种类，进而确定页岩油储层中裂缝或富有机质纹层状亮晶灰质泥岩的层段和位置。
[0015]页岩油的裂缝以构造微裂缝、成岩微裂缝为主，裂缝对产能具有重要的影响和贡献，裂缝性油气藏的勘探是新增储量的重点目标。
[0016]富有机质纹层状亮晶灰质泥岩纹层状层理构造，发育未充填层理缝和半充填高角度构造缝，孔隙类型以粒间孔、晶间孔为主，亮晶方解石纹层发育断续波状溶蚀晶间缝，缝宽顶多5μm，纹层厚度多＜1mm，是页岩油所有岩相中储集能力最高，荧光扫描显示最好的岩相。
[0017]因为测井曲线的分辨率只有0.125m，分辨率不足以利用常规测井方法来识别页岩油储层中裂缝或富有机质纹层状亮晶灰质泥岩。通过模糊聚类出的同一种类的岩相中的测井曲线数据有很大的相似性，而不同岩相间的测井数据有很大的相异性，模糊聚类分析的目标就是利用在测井曲线数据相似性来分类。采用聚类分析能够定量地确定岩相样本的亲疏关系，从而客观地划分类型。因此利用模糊聚类机器学习的方法来寻找裂缝和最有利的岩相富有机质纹层状亮晶灰质泥岩，可以快速以及准确的确定其层段和位置。
[0018]对测井敏感曲线进行标准化,标准化能确保在岩相推广应用时不存在页岩油井的测井曲线之间的差别，保证结果的准确性。
[0019]进一步地，利用岩心标定测井，分层建立页岩油不同岩性的测井模型，确定研究区页岩油测井的岩性。陆相页岩油储层岩相非均质性强，纵向上岩相变化快，无法采用常规测井方法找到相应的测井响应特征。因此，在此提出通过分层建立不同页岩油测井岩性模型，缩小岩相变化的范围，确保在相同的层位中，相同的岩相所对应的测井响应特征是一致的。利用分层建立不同页岩油测井岩性模型的方法，将岩性有效的识别出来(灰质泥岩、泥质灰岩、泥岩、白云岩、灰岩)。
[0020]进一步地，通过纵横波速度比，识别研究区页岩油层层理结构，将页岩油层层理结构定性的分为纹层状和层状。根据纵横波传播原理，横波质点的位移方向与井轴垂直，在层理和低角度裂缝中，横波的部分能量沿着层理和低角度裂缝传播，从而造成仪器采集到的横波传播速度减小，而纵波的传播方向及质点位移方向与井轴平行，层理和低角度裂缝对其速度影响不大，那么在层理和低角度裂缝发育的地方，纵横波速比Vp/Vs增大。页岩油层理结构基本以页岩为主，很少出现块状，根据纵横波传播原理，将层理结构分为纹层状和层状。
[0021]进一步地，当纵横波速度比Vp/Vs>2μs/ft时，层理结构为纹层状；当Vp/Vs<2μs/ft时，层理结构为层状。
[0022]进一步地，建立计算模型对研究区页岩油井的有机碳含量进行预测的方法，包括以下步骤：对研究区洼陷进行分类；分析每个洼陷有机碳含量与测井参数之间的相关性，选取具有相关性的测井参数，进行多元回归分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于人工智能与测井分层建模的页岩油岩相识别方法，其特征在于，包括以下步骤：选取研究区页岩油系统取芯井，确定测井敏感曲线；通过模糊聚类法快速识别页岩油储层中裂缝或富有机质纹层状亮晶灰质泥岩；利用岩心标定测井，分层建立不同页岩油测井岩性模型，确定研究区页岩油测井的岩性；识别研究区页岩油层层理结构；建立计算模型对研究区页岩油井的有机碳含量进行预测，区分有机质类型；进行页岩油岩相识别。2.根据权利要求1所述基于人工智能与测井分层建模的页岩油岩相识别方法，其特征在于，选取页岩油系统取芯井，收集相关岩心、薄片、测录井资料以及实验分析化验资料，依据录井资料中取芯段的岩性所对应的测井曲线确定测井敏感曲线。3.根据权利要求1所述基于人工智能与测井分层建模的页岩油岩相识别方法，其特征在于，对测井敏感曲线进行标准化，将标准化测井敏感曲线进行模糊聚类分析，分类得到不同的岩相；将聚类出的岩相与标准页岩油井中岩心观察到的裂缝以及富有机质纹层状亮晶灰质泥岩所在的位置相对匹配，确定富有机质纹层状亮晶灰质泥岩和裂缝所对应的岩相种类，进而确定页岩油储层中裂缝或富有机质纹层状亮晶灰质泥岩的层段和位置。4.根据权利要求1所述基于人工智能与测井分层建模的页岩油岩相识别方法，其特征在于，所述岩性包括灰质泥岩、泥质灰岩、泥岩、白云岩、灰岩...

【专利技术属性】
技术研发人员：管倩倩，杜玉山，蒋龙，程紫燕，吕琦，姜官波，张玉亮，王云鹤，李育，李忠新，
申请(专利权)人：中国石油化工股份有限公司胜利油田分公司勘探开发研究院，
类型：发明
国别省市：