融合随钻核磁共振与机器学习的疏松砂岩储层孔隙结构评价新方法

作     者：孙康 张冲 崔云江 时新磊 SUN Kang;ZHANG Chong;CUI Yunjiang;SHI Xinlei

作者机构：长江大学油气资源与勘探技术教育部重点实验室湖北武汉430100 长江大学地球物理与石油资源学院湖北武汉430100 中海石油(中国)有限公司天津分公司天津300459 

出 版 物：《西安石油大学学报（自然科学版）》 (Journal of Xi’an Shiyou University（Natural Science Edition）)

年 卷 期：2023年第38卷第5期

页      面：20-28页

学科分类：0820[工学-石油与天然气工程] 08[工学] 082002[工学-油气田开发工程] 

基　　金：中海石油(中国)有限公司重大科技专项“渤海油田稳产3000万吨 上产4000万吨关键技术研究”(CNOOC-KJ135ZDXM36TJ01TJ-GD2020-02) 

主　　题：孔隙结构评价 随钻核磁共振 高斯混合模型 主成分分析 疏松砂岩 

摘      要：针对疏松砂岩常规物性、压汞实验难度大,岩心标定测井评价孔隙结构精度低的特点,通过随钻核磁共振测井T_(2)谱、铸体薄片分析资料,采用特征参数提取、主成分分析、高斯混合聚类算法,对研究区储层孔隙结构进行分类。研究结果表明:随钻核磁共振T_(2)谱中能够提取表征孔隙连通性、大小及分布的13个特征参数,经主成分分析、高斯混合聚类算法处理解释后,研究区储层孔隙结构分为Ⅰ—Ⅴ共五类,T_(2)谱逐渐向左偏移,小孔隙占比逐渐增大,岩性从粗砂岩过渡至细-中砂岩,孔隙类型从粒间孔过渡至粒间溶孔,孔隙结构逐渐变差。