單井構(gòu)型劃分是儲層構(gòu)型研究的基礎(chǔ),傳統(tǒng)的人工單井構(gòu)型劃分效率低、主觀性強(qiáng)、劃分標(biāo)準(zhǔn)不統(tǒng)一。為此,以滄東凹陷沖積扇為例,以巖心及測井資料為基礎(chǔ),通過巖心描述、K-均值聚類、貝葉斯判別等方法,形成了基于K-均值聚類和貝葉斯判別的沖積扇單井儲層構(gòu)型識別方法。將該方法應(yīng)用于非取心井,計算構(gòu)型識別準(zhǔn)確率,明確了造成構(gòu)型識別準(zhǔn)確率低的主要原因。研究表明:基于K-均值聚類和貝葉斯判別的沖積扇單井儲層構(gòu)型識別主要包括取心井構(gòu)型劃分、構(gòu)型劃分標(biāo)準(zhǔn)建立、構(gòu)型判別公式建立及非取心井構(gòu)型識別四個步驟,通過巖心觀察劃分準(zhǔn)確的單井構(gòu)型、建立適用于非取心井的構(gòu)型劃分標(biāo)準(zhǔn)和判別公式最為關(guān)鍵;由于測井曲線的分辨率所限及構(gòu)型單元過渡帶的巖性變化等原因,非取心井構(gòu)型識別準(zhǔn)確率與構(gòu)型單元厚度呈正相關(guān)關(guān)系,7級、8級、9級構(gòu)型單元識別準(zhǔn)確率依次降低。 

【文章頁數(shù)】：12 頁

【文章目錄】：
0 引言
1 研究區(qū)概況
2 研究方法
    2.1 取心井儲層構(gòu)型劃分
    2.2 構(gòu)型劃分標(biāo)準(zhǔn)建立
    2.3 構(gòu)型判別公式建立
    2.4 非取心井儲層構(gòu)型識別
3 研究實(shí)例
    3.1 取心井單井儲層構(gòu)型單元劃分
        3.1.1 巖心描述及測井曲線特征
            (1)7級構(gòu)型劃分。
            (2)8級構(gòu)型劃分。
            (3) 9級構(gòu)型劃分。
        3.1.2 測井類型優(yōu)選
        3.1.3 劃分標(biāo)準(zhǔn)建立及效果
        3.1.4 判別公式建立
        3.1.5 后驗(yàn)概率驗(yàn)證
    3.2 非取心井儲層構(gòu)型單元劃分與驗(yàn)證
4 結(jié)束語


【參考文獻(xiàn)】：
期刊論文
[1]應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)識別測井相[J]. 何旭,李忠偉,劉昕,張濤.  石油地球物理勘探. 2019(05)
[2]尕斯庫勒油田N2~1油藏砂質(zhì)辮狀河儲層構(gòu)型研究[J]. 吳千然,牟中海,丁曉軍,汪顯栩,王帥,陳有鋒.  地質(zhì)科技情報. 2019(02)
[3]碎屑-牽引流控沖積扇儲層構(gòu)型特征及模式——以滄東凹陷小集油田為例[J]. 張陽,蔡明俊,蘆鳳明,孟慶龍,朱紅云,衡亮,王晶晶,馬文華.  中國礦業(yè)大學(xué)學(xué)報. 2019(03)
[4]基于機(jī)器學(xué)習(xí)的多地震屬性沉積相分析[J]. 張艷,張春雷,成育紅,高世臣,黃文輝.  特種油氣藏. 2018(03)
[5]基于相控神經(jīng)網(wǎng)絡(luò)的地震多屬性儲層厚度預(yù)測[J]. 劉洋.  成都理工大學(xué)學(xué)報(自然科學(xué)版). 2018(02)
[6]基于馬爾科夫-貝葉斯模擬算法的多地震屬性沉積相建模方法——以蘇里格氣田蘇10區(qū)塊為例[J]. 袁照威,陳龍,高世臣,段正軍.  油氣地質(zhì)與采收率. 2017(03)
[7]基于圖論多分辨率聚類分析的測井巖相識別研究——以阿姆河盆地臺內(nèi)灘氣田為例（英文）[J]. 田雨,徐洪,張興陽,王紅軍,郭同翠,張良杰,龔幸林.  Applied Geophysics. 2016(04)
[8]基于核貝葉斯判別法的儲層物性參數(shù)預(yù)測[J]. 劉興業(yè),陳小宏,李景葉,周林,郭康康.  石油學(xué)報. 2016(07)
[9]基于模糊C均值地震屬性聚類的沉積相分析[J]. 張陽,邱隆偉,李際,馮磊,顏文遠(yuǎn),趙文睿.  中國石油大學(xué)學(xué)報(自然科學(xué)版). 2015(04)
[10]扇三角洲前緣儲層構(gòu)型界面劃分與識別——以遼河盆地歡喜嶺油田錦99區(qū)塊杜家臺油層為例[J]. 宋璠,楊少春,蘇妮娜,張瑞雪,溫靜.  西安石油大學(xué)學(xué)報(自然科學(xué)版). 2015(01)

博士論文
[1]黃驊坳陷古近紀(jì)構(gòu)造—沉積演化過程研究[D]. 顏照坤.成都理工大學(xué) 2014



本文編號：3690594