基于机器学习的孔隙型碳酸盐岩油藏相控建模研究

邵冠铭, 乔占峰, 尹楠鑫, 曹鹏, 孙晓伟, 张宇. 基于机器学习的孔隙型碳酸盐岩油藏相控建模研究——以中东H油田白垩系Mishrif组油藏为例[J]. 海洋地质前沿, 2023, 39(11): 76-85. doi: 10.16028/j.1009-2722.2022.221
引用本文: 邵冠铭, 乔占峰, 尹楠鑫, 曹鹏, 孙晓伟, 张宇. 基于机器学习的孔隙型碳酸盐岩油藏相控建模研究——以中东H油田白垩系Mishrif组油藏为例[J]. 海洋地质前沿, 2023, 39(11): 76-85. doi: 10.16028/j.1009-2722.2022.221
SHAO Guanming, QIAO Zhanfeng, YIN Nanxin, CAO Peng, SUN Xiaowei, ZHANG Yu. The phase control modeling of porous carbonate reservoir by machine learning for the Cretaceous Mishrif Formation reservoir of H Oilfield in the Middle East[J]. Marine Geology Frontiers, 2023, 39(11): 76-85. doi: 10.16028/j.1009-2722.2022.221
Citation: SHAO Guanming, QIAO Zhanfeng, YIN Nanxin, CAO Peng, SUN Xiaowei, ZHANG Yu. The phase control modeling of porous carbonate reservoir by machine learning for the Cretaceous Mishrif Formation reservoir of H Oilfield in the Middle East[J]. Marine Geology Frontiers, 2023, 39(11): 76-85. doi: 10.16028/j.1009-2722.2022.221

基于机器学习的孔隙型碳酸盐岩油藏相控建模研究

  • 基金项目: 中国石油天然气股份有限公司科学研究与技术开发项目“ALBION 碳酸盐岩储层联合研究”(2021DQ0407);中国石油天然气股份有限公司科学研究与技术开发项目“巨厚碳酸盐岩油藏注水开发关键技术研究与应用”(2023ZZ19-01)
详细信息
    作者简介: 邵冠铭(1998—),男,硕士,高级工程师,主要从事油田沉积储层及开发地质方面的研究工作. E-mail:shaogm_hz@petrochina.com.cn
  • 中图分类号: P736;P744

The phase control modeling of porous carbonate reservoir by machine learning for the Cretaceous Mishrif Formation reservoir of H Oilfield in the Middle East

  • 孔隙型碳酸盐岩储层的化学及机械沉积作用使得各沉积微相空间上不具备碎屑岩储层沉积微相明确的几何形态和外部结构,且不同成因储层的物性差异明显。依据常规的沉积微相建模方法难以如实地再现不同微相复杂的空间展布规律,进而也降低了相控属性建模的精度。本文以中东H油田白垩系Mishrif组生物碎屑灰岩为研究对象,通过开展波阻抗、孔隙度和渗透率的反演,利用机器学习的方法建立研究区的三维沉积微相模型。在此基础上,通过不同微相的变差函数分析,开展相控属性建模。结果表明,利用机器学习方法建立的沉积微相模型符合海相碳酸盐岩台地相序变化规律,充分体现了微相的空间形态和各微相间的接触关系,以沉积微相为约束条件建立的储层属性模型不仅满足了模拟结果与已知数据的概率一致性问题,又能分相带反映储层的空间变化特征。

  • 加载中
  • 图 1  研究区构造位置、单井柱状图和井位分布

    Figure 1. 

    图 2  沉积微相类型及特征

    Figure 2. 

    图 3  波阻抗、孔隙度和渗透率的反演效果

    Figure 3. 

    图 4  沉积相建模机器学习算法示意图

    Figure 4. 

    图 5  沉积微相各属性权重

    Figure 5. 

    图 6  基于机器学习的沉积微相建模

    Figure 6. 

    图 7  数据综合分析参数

    Figure 7. 

    图 8  沉积微相约束下的属性模型平面和剖面图

    Figure 8. 

    表 1  基于机器学习沉积微相建模训练数据

    Table 1.  Training data of sedimentary microfacies modeling based on machine learning

    I方向J方向K方向沉积微相
    类型
    孔隙度/%渗透率/10−3 μm2波阻抗/(g/cm3)•(m/s)井网格
    19189330潮道0.312 4110.2658 764.25413
    17193330滩翼0.182 612.4561 1234.2659
    94953300.281 446.3259 165.499018
    11498330潮道0.294 798.5679 123.38082
    134101330潮道0.334 589.3657 057.131843
    158107330滩翼0.212 48.36210 476.580046
    216107330潟湖0.144 25.32410 084.697244
    53126330滩翼0.128 210.3629 208.208923
    161127330潟湖0.180 77.4869 904.091719
    2151313300.286 145.3688 664.09667
    2411323300.262 514.2568 959.163049
    188136330滩翼0.171 925.3219 057.479426
    128137330滩翼0.226 413.4259 213.258
    2071553300.275 435.4679 417.197227
    137161330潟湖0.175 08.4569 435.184520
    116166330潟湖0.118 65.3468 504.625910
    68170330潟湖0.147 110.129 982.441434
    100170330滩翼0.242 812.3658 389.260725
    44173330潟湖0.134 03.2519 711.023833
    35137330潮道0.323 9230.5367 435.625825
    下载: 导出CSV
  • [1]

    尹楠鑫,国殿斌,李中超,等. 沉积微相-岩石相随机模拟及其控制下的属性建模:以苏里格气田苏49-01加密试验区为例[J]. 中国海洋大学学报(自然科学版),2015,45(3):92-98.

    [2]

    王大鹏. 全球古生界海相碳酸盐岩油气富集规律研究[D]. 北京: 中国石油大学(北京), 2016.

    [3]

    高建文. 深埋藏阶段碳酸盐岩溶蚀过程及其储层意义[D]. 西安: 西安石油大学, 2016.

    [4]

    孙文举,乔占峰,邵冠铭,等. 中东H油田中白垩统Mishrif组MB1-2亚段沉积与储集层构型[J]. 石油勘探与开发,2020,47(4):713-722.

    [5]

    GRÉLAUD C,RAZIN P,HOMEWOOD P. Channelized systems in an inner carbonate platform setting:differentiation between incisions and tidal channels (Natih Formation,Late Cretaceous,Oman)[J]. Geological Society London Special Publications,2010,329(1):163-186. doi: 10.1144/SP329.8

    [6]

    赵丽敏,周文,钟原,等. 伊拉克H油田Mishrif组储集层含油性差异主控因素分析[J]. 石油勘探与开发,2019,46(2):302-311.

    [7]

    云美厚,李晓斌,冯磊. 地震波速度影响因素剖析[J]. 石油地球物理勘探,2021,56(6):1448-1458,1204.

    [8]

    杨彬. 地震波阻抗反演合成记录测试分析及处理应用[D]. 西安: 长安大学, 2014.

    [9]

    张海翔,李占东,李阳,等. “双控”地质建模技术的实践与认识:以渤海湾盆地SZ36-1油田为例[J]. 石油地球物理勘探,2021,56(3):603-611,415-416.

    [10]

    赵鹏飞,倪军娥,李敬功,等. 渤海MN油田南区相控地质建模[J]. 海洋地质前沿,2019,35(12):33-40.

    [11]

    罗建民,张旗. 大数据开创地学研究新途径:查明相关关系,增强研究可行性[J]. 地学前缘,2019,26(4):6-12.

    [12]

    王有涛. 特低渗砂砾岩储层油水层判别方法研究[D]. 青岛: 中国石油大学, 2010.

    [13]

    李玉君,邓宏文,田文,等. 波阻抗约束下的测井信息在储集层岩相随机建模中的应用[J]. 石油勘探与开发,2006,33(5):569-571.

    [14]

    吴键,曹代勇,邓爱居,等. 三维地质建模技术在油田基础地质研究中的应用[J]. 地球科学与环境学报,2005,27(2):52-55.

    [15]

    张淑娟. 复杂断块油藏相控储层建模研究[D]. 北京: 中国矿业大学(北京), 2009.

  • 加载中

(8)

(1)

计量
  • 文章访问数:  510
  • PDF下载数:  9
  • 施引文献:  0
出版历程
收稿日期:  2022-08-12
刊出日期:  2023-11-28

目录