Petrophysics 2024年第1期论文摘要翻译
版权及使用说明：本翻译的版权归SPWLA西南分会所有，仅供学术交流使用。若有翻译不到之处，请联系：E-mail:support@spwla-swchina.org.cn
本期摘要【译者：唐慧、王心童、陈沐遥，校稿：肖文联，单位：西南石油大学】
Waxman - Smits和双水模型的根本缺陷，尝试的补救措施，以及从历史实验室复杂电导率测量中得到的新启示
Jonh Rasmus; David Kennedy; Dean Homan
Waxman - Smits公式于1968年作为平行传导模型被引入，旨在改进之前的模型。通过对Waxman和Smits模型的仔细研究后发现，它不符合传统定义下的平行传导模型。
第一，Waxman-Smits假设“与粘土相关的反离子传输的电流与孔隙水中离子传输的电流沿着相同的曲折路径传播”(Waxman和Smits, 1968年)。这一假设消除了平行传导模型中存在两个独立导体的基本特征。基于这一假设，他们将电流路径的几何因子赋予相同数值。几何因子定义为地层电阻率因子的倒数(1/F或σm)。Waxman-Smits通过实验发现，页岩砂的F值似乎比干净的砂大，于是引入F*来解释这一现象。因此，穿过粘土和孔隙水的电流路径迂回度是相等的，两者的迂回度均随粘土含量的增加而增加。
第二，平行模型要求体积的总体电导率需由单独的粘土和间隙水流路径的体积分数加权。Clavier等人(1977年)在对新型1.1GHz电磁传播工具进行现场测试时发现，页岩中存在大量盐度接近恒定的粘土水。这两个概念在Waxman-Smits模型中没有得到考虑。Clavier等人(1977,1984)对Waxman-Smits数据库的重新评估表明，F*上升的主要原因是Waxman-Smits模型没有考虑到粘土水体积的物理存在。在双重水模型中加入粘土水体积可产生真正的平行传导模型。然而，与Waxman-Smits模型一样，该模型也为粘土和孔隙水流路径分配了相同的迂回度。
基于扫描电子显微镜( SEM )照片显示的实际粘土形态的观察，这种假设似乎是可疑的。对纯黏土和玻璃珠的实验室测量将使人们能够量化由于在另一个纯玻璃珠环境中引入黏土而导致的迂曲度变化。
理论和实验研究表明，室温下粘土水电导率(Ccw)为6.8 S/m。因此，当孔隙水电导率(Cw)小于6.8时，相对于Archie岩石，粘土会增加岩石的电导率，如Waxman-Smits模型所示。然而，当Cw大于6.8时，相对于Archie岩石，粘土水会降低岩石的电导率，这无法被Waxman-Smits模型解释。为了纠正模型的这一缺陷，我们将B设为盐度和温度的函数，而理论上它只是温度的函数。
这两个模型均不能准确预测孔隙水矿化度低于约0.5 ~ 1S/m的岩石电导率。对于地热评估、注水储层和天然淡水储层，在这些较低盐度条件下建立一个合适的模型非常重要。我们根据对岩心正交电导率测量的研究和最近的实验室测量结果，提出了一种校正方法。
流体污染瞬态分析
Camilo Gelvez; Carlos Torres-Verdín
成功的现场流体清理和取样作业通常是由快速可靠的压力、速率和流体污染测量数据驱动的。压力瞬态分析(PTA)等技术为量化储层复杂性提供了重要信息，而流体污染测量通常在储层描述中被忽视。我们引入了一种新的解释技术，通过识别流体污染的早期和晚期流动机制及其导数函数，将流体污染测量与近井筒流体传输特性联系起来。PTA中使用的导数方法为开发新的流体污染解释方法提供了灵感。污染瞬态分析(CTA)对清理泥浆-滤饼入侵过程中获得的瞬态测量进行评估，以推断重要的储层流动条件。中心点导数法适用于流体抽出量和流体污染的时间演化，以确定水基泥浆侵入含水或含烃地层时的流动状态。
本文对7个油藏实例进行了综合解释，并进行了数值模拟，获得了均质各向同性油藏、径向边界、垂向边界、薄层地层、泥滤液侵入半径、岩石物性和渗透率各向异性等污染数据。同时，我们还进行了单相流和多相流情况的比较分析。通过对流体污染导数(FCD)和污染变换的对数-对数图的综合解释，我们确定了流动体系中的储层边界和特征。这7个油藏案例假设储层和作业参数固定不变，如储层几何形状、岩石性质、流体性质、入侵半径、入侵时间、最大泵出速率和最大压降，以便进行可控的敏感性分析，从而确定清理趋势。需要强调的是，实时现场条件可能会导致本工作中开发的瞬态技术受到某些限制，例如井下地层测试测量噪音、活跃的泥浆-滤液侵入或工具失效。为了验证数值模拟的假设、观察和结果，研究了一个现场案例：(a) 强调CTA在实时流体采样操作中的价值； (b) 进一步研究其局限性。该方法的另一种验证方法是在流体清理期间将导数直接应用于地层测试测量，从而减少了污染估计和瞬态趋势解释的不确定性。
FCD的新方法是一种提高流体清理效率和在实时井下流体采样过程中检测储层空间复杂性的替代方法。通过使用流体污染的对数-对数图和FCD方法，我们观察到了定义后期流动状态的特征斜率。球形流态导致斜率为-2/3，这在以前的均匀各向同性解析模型中得到了证明。当达到垂直极限时，可以检测到径向流的斜率更陡，为-3。当FCD的后期斜率为-1/3时，边界效应非常明显。本文开发的CTA技术除了可以检测储层边界外，还可以识别储层流体类型和页岩层理，并为入侵半径和渗透率各向异性的量化奠定基础。研究发现，在污染瞬态分析的基础上，可以通过识别滤液清理过程中储层内的流动状态来提高清理效率，从而改进对获取未污染流体样本所需时间的预测。
CO2捕获和封存的岩石物理学思考
Munish Kumar; Gabriel Lauderdale-Smith
碳捕集、利用和封存（CCUS）是将二氧化碳（CO₂）排放进行捕获并储存在地质构造中的过程。CCUS的挑战涉及多个学科，本文将讨论CCUS项目中值得注意的关键岩石物理因素。由于储层的封存能力和效果取决于用于封存的地质构造的物理和化学性质，因此从事CCUS项目的岩石物理学家必须充分了解地下情况及其局限性。任何CCUS项目都可以通过应用和遵守CO2封存资源管理系统（SRMS）来更好地管理，该系统旨在开发一种一致的方法来估算地下CO2的可储存量和评估开发项目。在本文中，我们还将讨论我们为项目石油物理学家设计的风险矩阵，作为他们记录不确定性并根据重要程度进行排序，以此来增强与团队成员沟通的工具。最后，我们分享了一份岩石物理检查表，以强调在评估潜在的、偶然的和（商业储存）容量规模的CCUS项目时需要考虑的问题，并以澳大利亚西北大陆架的一口井为例，展示了如何分析储层对CO₂储存的适用性。
评价最小二乘法回归在岩石物理解释中的实用性
Lee M.Etnyre
本文旨在更新作者以前关于评估最小二乘法结果不确定性的论文中提供的信息。新的信息表明，任何最小二乘法结果的有用性都不能通过传统的统计方法(如R平方、F统计或回归的标准误差σ)来保证。一种基于矩阵奇异值分解(SVD)的新方法，在对估计参数进行相对误差约束(REB)的同时，为用户提供了一种可以更好地评估任何最小二乘法结果有用性的工具。REB的另一个重要方面是，它为SVD方法的用户提供了一个强大的工具，用于判断多个候选解决方案中哪个是最佳方案。此外，由于无需对ATA矩阵进行特征向量-特征值分析，它还为用户提供了一种数值上稳定的方法来计算由主成分回归提供的数据。这一点尤为重要，因为形成ATA矩阵往往会导致数据丢失。此外，新方法还改进了在给定问题中应选择保留哪些主成分的方法。
不同温度循环下花岗岩渗透性试验研究
Li Yu; Haonan Li; Yue Wu; Weihao Wang; Xinyuan Zhang; Yongchuan Zhao
本文通过对花岗岩进行不同温度循环下的渗透率试验，研究了岩石样品在不同温度循环后孔隙度和渗透率的变化规律，并通过回归分析建立了纵波速度与孔隙度和渗透率之间的关系。结果表明，花岗岩样品的孔隙度和渗透率在1 ~ 3个高温循环中显著降低并呈对数变化；随着循环次数的增加，5 ~ 10个热循环后降低速率逐渐减小，这对深部地热资源长期开发具有积极意义。在不同温度的热循环作用下，花岗岩的纵波速度与渗透率和孔隙度呈对数相关关系。随着循环次数的增加，渗透率、孔隙度和P波速度从一至三个周期之间的对数关系变化到五至十个周期之间的线性关系。在不同温度下进行热循环处理后，纵波速度与孔隙度、渗透率之间存在良好的对数关系，具有很高的相关性，因此可以通过测量岩石的波速无损地估计岩石的孔隙度和渗透率。同时，用扫描电子显微镜（SEM）在450℃下观察花岗岩时发现，在孔隙结构之间出现了细小颗粒，在热循环作用下岩样内部结构遭到破坏。该研究揭示了深部地热能开采过程中物性劣化的变化机理，对深部地热能开采具有指导意义。
基于测井数据的机器学习储层属性评价：一次竞赛的总结
Lei Fu; Yanxiang Yu; Chicheng Xu; Michael Ashby; Andrew McDonald; Wen Pan; Tianqi Deng; István Szabó; Pál P.Hanzelik; Csilla Kalmár; Saleh Alatwah; Jaehyuk Lee
对测井曲线进行处理和解释，以估计原位储层性质，这对储层建模、储量估算和产量预测至关重要。传统方法大多基于多矿物物理学或经验公式，而机器学习提供了另一种数据驱动方法，对地质或岩石物理信息的要求大大降低。从2021年10月到2022年3月，美国岩石物理学家和测井分析师协会(SPWLA)的岩石物理数据驱动分析特别兴趣小组(PDDA SIG)举办了一场机器学习竞赛，旨在开发基于伽马射线、体积密度、中子孔隙度、电阻率和声波等通用测井数据的数据驱动模型，用于估算页岩体积、孔隙度和流体饱和度等储层性质。来自同一油田的9口井的测井数据以及岩石物理学家解释的储层性质作为训练数据，另外5口井作为盲测数据。比赛期间，参赛者开发了各种数据驱动模型，利用提供的训练数据集预测三种储层的属性。比赛中表现最好的五个模型，在均方根误差(RMSE)分数上平均比基准随机森林模型高出45%。在本文中，我们将回顾这些表现最佳的解决方案，包括它们的预处理技术、特征工程和机器学习模型，并总结它们的优势和条件。
基于DTW相似度和机器学习算法的岩石力学参数预测方法研究
Wenjun Cai; Jianqi Ding; Zhong Li; Zhiming Yin; Yongcun Feng
岩石力学参数是预测油气藏岩石行为、优化开采策略、保障钻井安全的关键因素。本文提出一种基于动态时间规整(DTW)算法的随机森林(RF)-卷积神经网络(CNN)-长短期记忆网络(LSTM)融合模型，利用实时钻井工程数据构建弹性模量、泊松比和抗压强度的智能预测模型。采用带滑动窗口的自动编码器，自动识别从钻井中获得的弹性模量、泊松比和抗压强度计算值中的异常点或异常段，然后使用反向传播(BP)神经网络对这些异常值进行校正。与单一的CNN-LSTM或单一的RF模型相比，RF-CNN-LSTM融合模型具有更好的性能，可以通过有效地结合不同算法在预测结果方面的优势来实现这一点。与实际值相比，RF-CNN-LSTM融合模型的准确率达到94%以上。此外，输入参数的相对重要性分析表明，钻压(WOB)、温度、排量、当量循环密度(ECD)和泥浆密度是预测弹性模量的主要输入特征。而预测泊松比的主要输入特征，主要包括钻压、泥浆密度、ECD、温度、泵压、排量和机械钻速(ROP)。同样，对于预测抗压强度，主要输入特征包括钻压、温度、排量、ECD和泥浆密度。研究结果表明，基于DTW的RF-CNN-LSTM岩石力学参数预测模型在中国B油田具有较高的计算精度。这些结果对于深入认识岩石力学参数的变化规律和优化钻井决策具有重要意义。