基于人工智能识别储层成岩相的深层致密砂岩储层评价方法技术

本发明专利技术公开了一种基于人工智能识别储层成岩相的深层致密砂岩有利储层评价方法。本方法通过修改QFL图版的端元，建立新的砂岩分类图版划分砂岩的岩石类型，通过将各岩石类型与成岩相相对应，建立基于岩石类型的成岩相划分方法，利用研究区内取心井的测井资料，获取各成岩相的测井响应特征，利用已确定岩石相的测井资料训练BP神经网络识别研究区内各井的成岩相类型，分析深层致密砂岩储层中成岩相的横向分布规律，计算储层内各钻井井点处的储层综合评价指数并绘制储层综合评价指数平面分布图，预测深层致密砂岩储层的有利区。本发明专利技术实现了对深度致密砂岩储层的全井段系统评价，能够准确预测储层内的有利区，为深层油气的勘探开发奠定了基础。开发奠定了基础。开发奠定了基础。

【技术实现步骤摘要】
基于人工智能识别储层成岩相的深层致密砂岩储层评价方法


[0001]本专利技术涉及油气田开发地质领域，具体涉及一种基于人工智能识别储层成岩相的深层致密砂岩储层评价方法。

技术介绍

[0002]近十年，深层油气资源已成为全球探明储量的增长主体，2008
‑
2018年间，全球在4000m以深地层新增油气探明储量234亿吨油当量，超过同期全球新增油气储量的60％。我国第四次油气资源评价(2017)结果显示，中国深层和超深层的石油占石油资源总量的20％，天然气占总天然气资源量的49％。深层、超深层储层具有低孔(平均孔隙度小于10％)、低渗(平均渗透率小于1mD)、裂缝发育、非均质性强等特征，储层评价难度大。针对常规、中浅层储层主要利用沉积相及砂体分布进行储层预测及评价，但预测方法难以适用于深层、超深层储层，因此，亟需基于深层碎屑岩储层沉积和成岩结构的非均质性特征，形成一种基于人工智能识别储层成岩相的深层致密砂岩储层评价方法。

技术实现思路

[0003]本专利技术针对深层致密砂岩储层评价困难的问题，提供了一种基于人工智能识本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能识别储层成岩相的深层致密砂岩储层评价方法，其特征在于，具体包括以下步骤：步骤1，划分深层致密砂岩储层中砂岩的岩石类型；选择深层致密砂岩所在区域作为研究区，根据研究区深层致密砂岩储层中砂岩的基质含量划分砂岩的岩石类型，将基质含量大于15％的砂岩划分为一类，基质含量为15％以下的砂岩划分为另一类；对于基质含量大于15％的砂岩，根据基质类型对其岩石类型进行细分，将杂基含量大于15％的砂岩划分为杂砂岩，将钙质胶结物含量大于15％的砂岩划分为强钙质胶结砂岩；对于基质含量为15％以下的砂岩，基于石英
‑
长石
‑
岩屑图版，根据不同碎屑颗粒的成岩特征对石英
‑
长石
‑
岩屑图版的端元进行修改，建立新的砂岩分类图版，通过在该砂岩分类图版中进行投点，将基质含量为15％以下的砂岩划分为四种类型，其中，将刚性颗粒含量大于85％的砂岩划分为富刚性颗粒砂岩，将刚性颗粒含量为75％～85％的砂岩划分为含塑性颗粒岩屑砂岩，将刚性颗粒含量小于75％的砂岩划分为富塑性颗粒岩屑砂岩，将长石含量大于25％的砂岩划分为长石砂岩；步骤2，基于砂岩的岩石类型及成岩作用划分成岩相类型；根据深层致密砂岩储层中砂岩的岩石类型，结合各岩石类型中矿物组分的成岩特征，通过将各岩石类型与成岩相相对应，建立基于岩石类型的成岩相划分方法，将砂岩的成岩相划分为杂砂岩压实成岩相、富塑性颗粒岩屑砂岩压实成岩相、含塑性颗粒岩屑砂岩裂缝
‑
溶蚀成岩相、富刚性颗粒砂岩裂缝成岩相、长石砂岩溶蚀成岩相和强钙质胶结砂岩胶结成岩相；步骤3，基于BP神经网络法识别深层致密砂岩的成岩相类型；在研究区内选取多个取心井，获取各取心井的岩石相，结合各取心井的测井资料，确定各岩石成岩相的测井响应特征，利用数据分析软件构建BP神经网络，设置训练次数，以已确定岩石相的测井资料作为学习样本训练BP神经网络识别成岩相类型，从学习样本中抽取部分样本作为测试样本，利用训练后的BP神经网络识别测试样本的成岩相类型，采用混淆矩阵显示训练后BP神经网络的成岩相识别结果，并与测试样本的实际成岩相分类结果进行对比，验证训练后BP神经网络分类的准确性，并利用训练后的BP神经网络识别研究区内各井的成岩相类型；步骤4，确定深层致密砂岩储层中成岩相的横向分布规律；根据研究区内各井的成岩相类型，确定各井中成岩相的纵向分布情况，绘制单剖面成岩相识别图或连井剖面成岩相分布图，通过分析深层致密砂岩储层成岩相的分布特征，确定深层致密砂岩储层中成岩相的横向分布规律；步骤5，定量表征深层致密砂岩储层；基于深层致密砂岩储层中成岩相的横向分布规律，结合砂体成岩相的叠置样式及连通效率，以砂...

【专利技术属性】
技术研发人员：张立强，李君健，严一鸣，罗晓容，李政宏，贾彤，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：