尚福华,张月霞,曹茂俊

(东北石油大学 计算机与信息技术学院,黑龙江 大庆 163318)

0 引 言

随着计算机技术的飞速发展,计算机深度学习辅助石油勘探开发在石油工程中显得愈加重要,而且随着测井技术的进步和仪器探测设备的升级更新,包括岩性、岩相、储集物性参数[1](孔隙度、渗透率、泥质含量、含油气水饱和度[2]等)和地层压力等可用的测井信息类型和数量剧增,精度不断提高,测井数据的处理解释越来越精细,应用范围也越来越广。在这种形势下,利用大量有用测井和地质信息去探索从而推荐测井储层参数的新方法,将是测井解释技术发展的主要趋势[3]。

测井解释模型在油气评价方面无疑是最基础、最有价值的重要技术,但在实际的测井储层特性中仍然存在着不少解释不准、判断不灵的情况,严重地影响这些地区油气勘探的效率与成功率。常规测井解释在确定某种解释模式之前,需首先建立岩石体积模型,进而确定测井响应方程和统计经验公式[4],包括但孔隙度分析处理解释模型、复杂岩性分析处理解释模型、粘土矿物分析解释模型等。目前常规的测井解释分析程序通常都需要提供数十种预置参数,最优化测井解释程序所需预先提供的参数更多。随着测井技术的进步和仪器探测设备的升级更新,包括岩性、岩相、储集物性参数和地层压力等可用的测井信息越来越丰富。使用正确的解释模型,就可用有关的解释方程把测井信息加工成地质信息进而来辅助判断油气状况。……