有機質(zhì)含量通常用總有機碳含量（TOC,Total Organic Carbon）表示,TOC是頁巖儲層生烴能力評價的重要指標之一。如何利用地震數(shù)據(jù)準確地預測TOC是目前頁巖油氣勘探中有待解決重要問題之一。考慮到頁巖儲層本身的復雜性,本文引入機器學習方法,利用人工智能非線性預測,實現(xiàn)了分別利用測井數(shù)據(jù)和地震疊前反演結果的TOC的定量預測。本文完成的主要工作量包括:（1）對于TOC有關的頁巖巖石物理特征進行理論分析,調(diào)研現(xiàn)有的TOC預測方法,并討論了每種方法的優(yōu)缺點。（2）調(diào)研了幾種熱門的機器學習算法,通過對比分析選取并實現(xiàn)了兩種適用于TOC預測的機器學習方法:隨機森林算法和支持向量回歸。對兩種方法進行模型數(shù)據(jù)集試算,結果表明在訓練數(shù)據(jù)有限的情況下支持向量回歸準確度更高,而反之則隨機森林算法準確度更高。（3）利用蜀南五峰-龍馬溪組頁巖測井數(shù)開展TOC敏感的參數(shù)分析。（4）針對測井數(shù)據(jù)和地震反演結果分別開展TOC預測:首先通過計算相關系數(shù)進行參數(shù)優(yōu)選,利用支持向量回歸用來預測在巖心數(shù)據(jù)有限時TOC的測井曲線;將隨機森林算法應用于預測因子種類有限的三維地震疊前反演結果。通過將反演結果與實際測井... 

【文章來源】：中國石油大學(北京)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：58 頁

【學位級別】：碩士

【部分圖文】：

富有機質(zhì)頁巖的組分原理圖[11]

中國石油大學（北京）碩士學位論文-7-圖2.1富有機質(zhì)頁巖的組分原理圖[11]Fig2.1Schematicdiagramofthecompositionoforganic-richshale[11]干酪根大概的體積分數(shù)是總有機質(zhì)的八成到九成，并且經(jīng)學者們討論后提出最低80%的石油烴均根據(jù)干酪根轉(zhuǎn)變得來，所以說對于干酪根的認識是至關重要的。而干酪根在不同成熟度情況下存在機理是有明顯差異的，在未成熟情況下，干酪根是成層分布并且擔任承重角色，其相應的建模方式可以用Backus平均；隨著壓力和溫度的作用，成熟情況下，干酪根將會分解變成更小的顆粒，有的變成油、堆積，氫指數(shù)減小，顆粒結構更有序，干酪根連接著基質(zhì)并承重，出現(xiàn)干酪根的粒間孔隙，相應的建模方式可以用DEM模型獲得多孔干酪根的彈性剛度，將內(nèi)含物質(zhì)一點點迭代加入背景中直到達到預期，再用Backus平均建模；隨著時間繼續(xù)到過成熟情況，通過熱蒸餾，油變成氣，孔隙流體體積增加，經(jīng)常由于極低的滲透率導致過壓，有機物變成海綿質(zhì)地分散在包含空間中，基質(zhì)更多的被無機顆粒支撐，被流體和有機物混合物占據(jù)的地方統(tǒng)稱包含空間，流體填充的空隙叫孔隙空間，相應的建模方式為：用固體替換獲得有機物流體基質(zhì)對整個有機頁巖的彈性參數(shù)的影響，用DEM計算包含孔隙的干燥巖石（框架），Voigt平均近似計算干酪根流體混合物的有效模量。圖2.2不同成熟度情況下的干酪根存在機理[11]Fig2.2Themechanismofkerogenindifferentmaturityconditions[11]

第2章頁巖有機質(zhì)含量預測方法-8-氫指數(shù)（HI，毫克/克）HI=S2/TOC，其中的S2是巖石中可熱解有機物質(zhì)的量。該參數(shù)HI提供了一種定量衡量干酪根成熟度水平的方法。劃分的大致標準是：腐泥型或稱I型干酪根，HI范圍400-950，為未成熟干酪根，于熱演化過程后可以產(chǎn)出可觀數(shù)量的石油或天然氣；混合型或稱II型干酪根，HI范圍250-400，為成熟干酪根，可能存在產(chǎn)出油也可以產(chǎn)出天然氣；腐殖型或稱III型干酪根，HI范圍0-250，為過成熟干酪根，可能會有天然氣的存在；在不同成熟度的干酪根情況下，各參數(shù)的經(jīng)驗數(shù)值：圖2.3不同成熟度情況下的各參數(shù)經(jīng)驗值[11]Fig2.3Empiricalvaluesofvariousparametersunderdifferentmaturityconditions[11]總有機碳含量（TOC）是評估頁巖氣資源潛力的主要參數(shù)之一，TOC含量影響了頁巖氣儲層有機孔隙度。有機質(zhì)的質(zhì)量分數(shù)較高的情況下，頁巖就會更多的吸附氣體（油氣），TOC質(zhì)量分數(shù)可以稱為最能夠左右頁巖吸附能力的參數(shù)，各國學者對于TOC定性、定量預測的研究已經(jīng)持續(xù)了幾十年。接下來我們列舉幾種常用的TOC預測方法，并說明它們的局限性和各自的適用范圍。2.2密度回歸計算法密度對于TOC的響應主要原因是，有機物質(zhì)比基質(zhì)礦物密度低會導致堆積密度值較低。作為與TOC線性相關關系最為明顯的參數(shù)——密度，用密度進行回歸計算TOC是一種簡單的方法，并且在均勻介質(zhì)的情況下產(chǎn)生了一些比較令人滿意的結果，但是在非均勻介質(zhì)中，這種嘗試將導致較差的相關性。而實際情況中的地層基本均為非均勻介質(zhì)。整體來說，密度回歸計算法的準確度低，無法應用于實際數(shù)據(jù)預測。除密度外，另外幾個測井記錄響應與TOC的存在具有一定相關性。高伽馬射線測井可以相關有機質(zhì)中的鈾含量；記錄在聲波測井存在有機物質(zhì)時，通行時間

【參考文獻】：
期刊論文
[1]基于兩種相關系數(shù)分析法的睡眠質(zhì)量診斷[J]. 黃振宸,張響亮,梁燕茹,馮良大,黎警嬋.  科技風. 2018(16)
[2]基于隨機森林回歸分析的PM2.5濃度預測模型[J]. 杜續(xù),馮景瑜,呂少卿,石薇.  電信科學. 2017(07)
[3]隨機森林回歸在地震儲層預測中的應用[J]. 宋建國,高強山,李哲.  石油地球物理勘探. 2016(06)
[4]四川長寧頁巖總有機碳地震定量預測方法[J]. 侯華星,歐陽永林,曾慶才,楊青,陳勝,朱莎.  東北石油大學學報. 2016(05)
[5]基于核貝葉斯判別法的儲層物性參數(shù)預測[J]. 劉興業(yè),陳小宏,李景葉,周林,郭康康.  石油學報. 2016(07)
[6]富有機質(zhì)頁巖TOC含量的地球物理定量化預測[J]. 王健,石萬忠,舒志國,徐清海,張曉明,徐壯.  石油地球物理勘探. 2016(03)
[7]頁巖油巖石物理及地震響應特征分析[J]. 徐燕紅,潘仁芳.  中國科技論文. 2016(03)
[8]基于網(wǎng)格分析法的頁巖儲層等效孔隙縱橫比反演[J]. 錢恪然,張峰,李向陽,章惠,郭詩樂.  石油物探. 2015(06)
[9]應用測井方法計算泥頁巖有機碳質(zhì)量分數(shù)[J]. 陳柯童,劉華,魯雪松,田華,張寶收,蘆慧,喬柱.  斷塊油氣田. 2015(03)
[10]隨機森林回歸模型及其在污水排放量預測中的應用[J]. 崔東文.  供水技術. 2014(01)

博士論文
[1]測井屬性的地震測井智能聯(lián)合反演[D]. 張學慶.成都理工大學 2002

碩士論文
[1]基于支持向量機的儲層參數(shù)預測方法研究[D]. 朱永才.西南石油大學 2012
[2]加權支持向量機若干算法的研究及其應用[D]. 廖明.湖南大學 2011
[3]基于決策樹的數(shù)據(jù)挖掘算法研究與應用[D]. 盧東標.武漢理工大學 2008



本文編號：3516136