排序方式： 共有9条查询结果，搜索用时 15 毫秒
1
1.
鄂尔多斯盆地苏里格气田盒8气藏为弹性驱动的河流相低效气藏,储层非均质性强,在开发中普遍见水。根据试采情况将气藏储层分为气层、水层、气水层三类,开展气、水层的测井识别研究。以区内26口井50个射孔层段各层的试油结果作为依据,选出了700个样本点作为判识建模的标本,以声波时差和中子孔隙度等8个原始测井值作为判识变量组合,采用模糊判别分析,建立了各层的判识模型。回判结果表明,模型对气层精度达到97％,水层为89％,气水层为94％。利用未参加建模的出水井射孔段对模型进行验证,判识结果基本符合实际情况,模型具有较高精度。 相似文献
2.
四川盆地元坝地区上三叠统须家河组的潮控河口湾与潮控三角洲沉积 总被引：2，自引：0，他引：2
通过盆地边缘地表剖面,以及元坝区岩芯的研究,发现须家河组并非长期以来人们普遍认定的陆相沉积,而是海岸系统产物。须二段属潮控河口湾环境,包括冲积河道、潮汐—河流水道、UFR沙坪、潮汐沙坝、泥坪和盐沼等相。须四段属潮控三角洲环境,包括三角洲平原河道、分流河口潮汐沙坝、三角洲前缘与前三角洲、泥坪与盐沼等相。这两种环境（沉积）,都是海侵的产物,都是地史上的暂时现象。当其被充满时（海退）,就变为潮坪—海岸平原环境,分别对应于须三段、须五段的细粒含煤序列。基于储层质量与原始沉积环境密切相关,划分了5类储层相。根据我们研究安岳地区须家河组的成功经验,提出了勘探建议。 相似文献
3.
准噶尔盆地西北缘风城油砂分布特征及成矿条件 总被引：1，自引：0，他引：1
准噶尔盆地西北缘风城地区蕴含着丰富的油砂资源,地表出露油砂形成多座规模不等的油砂山丘,面积约8km2,油砂主要存在于白垩系吐谷鲁组,连片集中、厚度大。风城下伏地层油砂分布面积大,层位稳定,产状缓,也主要分布在白垩统吐谷鲁组、上侏罗统齐古组中,含油率高、油质较好。该区油砂资源主要来源于玛纳斯湖凹陷二叠系烃源岩,这套烃源岩中生成的油气沿着该地区发育的断裂和不整合面向上运聚。断裂、不整合面及砂体的分布叠置构成了运移系统,有效的砂体既是运移通道又是储集体,最后建立了该区远源次生的油砂成矿模式。 相似文献
4.
苏里格气田西区低阻气层成因分析 总被引：1，自引：0，他引：1
苏里格气田西区上古生界二叠系的主要含气目的层为盒8段及山1段,而此区域高阻气层与低阻气层共存,运用电阻率难以区分气层与水层,这给测井评价带来很大难度。因此正确认识低阻气层的成因,对准确识别储层中流体类型十分重要。本次研究从沉积背景、储层岩性、储层物性和钻井工程的角度出发,对低阻气层的成因和特点进行了分析,认为粘土矿物分布,泥浆滤液侵入是造成气层低阻的主要因素,而高不动水饱和度是引起该区气层低阻的最主要原因。另外高地层水矿化度,也是造成该区低阻的成因。通过此次研究,其成果可为该区低阻气层的正确识别和评价提供重要依据。 相似文献
5.
利用径向基函数(RadialBasisFunction,RBF)神经网络的原理对储层参数(孔隙度、渗透率)进行了预测,运用有效测井数据和岩心测试资料作为网络模型的学习样本,通过网络的学习、训练,建立了测井解释的RBF神经网络模型。应用此模型定量计算了鄂尔多斯盆地杭锦旗地区多口井的碎屑岩层的孔隙度和渗透率。与用传统的统计方法比较,神经网络的方法显示出了更好的精度和更强的实用性。 相似文献
6.
在岩性气藏开发过程中,气井产水存在多种类型,气水分布在纵向和横向上都相对复杂。根据试气、测井和生产动态资料,将苏西盒8气藏气井产水划分为纯水层、致密水层和气层产水三种类型,分析认为主要受构造条件,砂体分布,成藏环境,储层岩性与物性方面控制。除局部边底水类型的纯水层外,在盒8气藏部份井区中,孔隙中残留了大量地层水的主要原因是由于储层条件变差,气体驱替能量不足以使水大规模排驱而造成的,进而形成致密产水层和气层产少量水。 相似文献
7.
川西龙门山前上三叠统小塘子组沉积环境、构造含意与含气远景 总被引：1，自引：0，他引：1
在实测绵竹汉旺和广元何家湾小塘子组(T_3t)地层剖面的基础上,详细研究了它们的沉积相。何家湾T_3t属浅水环境:滨面砂坝、陆架泥、潮坪和浪控三角洲。汉旺T_3t则以显著的深水相为特征:滨面砂坝,海湾泥、中缓坡水道与滑塌席、三角洲前缘沉积。对汉旺剖面所含黄铁矿结核作了初步研究。T_3t总的说符合富砂泥缓坡的沉积模式。指出汉旺剖面中部的半深水泥岩标志着龙门山活跃的逆冲构造运动,而以上的HST以至须二段下部厚砂体才是构造活动平静期的产物。认为小塘子组底部滨面砂体极具天然气勘探远景。 相似文献
8.
基于粒子群算法的模糊优选神经网络储层识别模型 总被引：1，自引：1，他引：0
针对致密储层中气水干层识别准确率较低这一难题,提出基于粒子群算法(particle swarm optimization,PSO)的模糊优选神经网络识别模型.其基本思路:首先对所有的变量进行分析,提取反映储层本质的主要属性,消除重叠信息的输入,然后将粒子群算法与模糊优选神经网络相结合,构建基于粒子群算法的模糊优选神经网络识别模型.以陕甘宁盆地中部气田马五1储层气水干层识别问题为例,选用十九口井分层测试的92个已知样本(其中八十个用于模型构建,十二个用于精度检验),对物性、测井和储渗特征等方面的十个特征参数进行分析,从中提炼出电阻率、自然伽玛、产能系数、储渗因子、介质类型因子等五个主成份控制特征参数,消除重叠信息的影响.并以此作为神经网络输入层的输入,以样本储层的产能赋值作为输出,构建基于粒子群算法的模糊优选神经网络模型.模型的识别正确率达到100%,标准误差比传统模糊神经网络降低了60%.这表明该模型具有更高的识别精度,为致密储层的准确识别探索了又一种新方法,对同类地区的研究在一定程度上具有指导作用. 相似文献
9.
鄂尔多斯盆地高桥构造平缓地区奥陶系碳酸盐岩岩溶古地貌特征与储层分布 总被引：1，自引：0，他引：1
鄂尔多斯盆地高桥地区构造平缓,奥陶系顶部碳酸盐岩岩溶古地貌以岩溶潜台发育,而岩溶高地和岩溶斜坡发育局限为特征,岩溶斜坡区和岩溶潜台的东部沟槽区为储层发育区。本文综合利用大量岩心、薄片资料观察、物性实验数据和钻井、测井、地震等资料对高桥地区马家沟组顶的古岩溶识别标志进行了分析,恢复了岩溶古地貌,对岩溶古地貌类型(单元)进行了划分并分析其与储层的关系。高桥地区地层学标志,岩石学标志,矿物学标志,古岩溶发育的形迹说明奥陶系马家沟顶存在沉积间断、古岩溶作用已经是不容置疑的事实;按古风化壳出露层位,结合地震相追踪成果,落实沟槽分布,编制该区前石炭纪古地质图,运用古地质图法、印模法和残厚法恢复高桥岩溶古地貌,编制出岩溶古地貌图。根据岩溶古地貌,按岩溶单元划分为岩溶高地、岩溶斜坡和岩溶潜台三个二级地貌(类型)单元,岩溶高地可进一步分为岩溶台地、溶洼(洼地)2种三级微地貌类型。岩溶潜台进一步可划分为岩溶台地、溶洼、溶丘(残丘)、沟槽4种三级微地貌类型。高桥处于构造平缓地区,岩溶高地、岩溶斜坡区发育局限,大范围为岩溶潜台区且潜台区东侧沟槽(主沟槽、次沟槽)比较发育。岩溶高地整体储集性较东部岩溶斜坡区及岩溶潜台区差。岩溶斜坡区发育两套岩溶系统,储层条件相对较好,成藏要素配套较好,是下一步勘探开发的有利区域之一。岩溶潜台区总体岩溶作用减弱,储层发育程度变弱,东部沟槽区,因沟槽的存在,加强了垂向岩溶作用深度,间接增加侧向溶蚀作用,岩溶作用变好,储层发育程度增加,加上裂缝的影响,可以形成相对较好的储层。 相似文献
1