2019年第4期Petrophysics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。论文全文版权归SPWLA所有。若翻译有不到之处，烦请指出：E-mail: support@spwla-swchina.org.cn
一种基于机器学习的辅助测井相关性分析方法
测井相关性分析需要大量的时间和解释人员的专业知识，且通常具有主观性，成为了井筒地球物理表征工作流程的瓶颈。从地质和数据质量的角度，井间相关性分析算法受井筒地球物理测量固有非均质性的影响。我们通过使用一种机器学习的模型，将配套的测井解释成果和地层相互对比，证明了一种严格且可重复的相关性分析方法。使用监督——学习方法训练这种新的深度卷积神经网络（CNN）结构，该结构使用超过500万个数据样本。这些样本均来自于数千口测井解释专家的解释结果。为了确保能够训练出一个稳定可靠的匹配模型，构建训练和验证数据集的样本来自美国多个不同构造形态和沉积环境的陆上盆地。其训练结果为一个普适性的电测数据匹配模式，该模式可以将多个地球物理测井信号作为输入数据，并在不重复训练的情况下将该数据加载至模型中。总体而言，该匹配模型能够在独立的验证数据集上达到96.6%的准确度和0.954的曲线下分类面积。该普适性的深度神经卷积网络（CNN）是相关性工具研究的组成部分。深度神经卷积网络基础上的三维搜索算法的逻辑，确保了相关性的最优以及传播路径的标记。基于规则的标准也应用于模型输出，以确保模型符合地层实际情况，即保证地层层序以及现金构造趋势的客观性。我们提供了几个例子来突出这种基于机器学习的测井相关分析方法的优缺点，并且这种方法可用于高效生成高密度数据集，用于区域勘探、开发绘图和储层特征描述练习。
利用神经网络分析X射线荧光数据的有机碳含量表征
页岩中干酪根和非干酪根矿物的共存给页岩的表征带来巨大的挑战；其关键在于，测量尺度与分析仪器的范围是有效表征的前提。传统的页岩表征技术采用无机矿物分析测量非有机质组分、采用有机碳含量表征有机质（干酪根）。然而，尽管现代实验室分析技术能够测定页岩组分中的有机和无机组分，但费用昂贵、不易大规模推广。因此，使用成本较低和效率更高的X射线荧光数据对页岩进行元素表征。然而，常规测井分析中TOC的缺失问题是该方法面临的主要挑战。本研究的目的在于利用神经网络（NN）对富含有机质页岩地层进行地球化学和矿物学成分的定量分析和解释，以优化XRF技术的性能。基于这样的目的，设计了一种机器学习人工神经网络（ANN）方法，将富有机页岩中易测、无损的XRF数据映射到总有机碳。随后，基于现有数据集开发的模型被用于预测损失的TOC含量。在数据驱动的人工神经网络模型中，70%的数据集用于培训，15%用于验证，15%用于测试。以统计参数作为性能指标，建立了神经网络模型的精度和改进方法。此外，在提取神经网络权值和偏差的基础上，建立了将xrf数据映射到TOC的定量标定函数。计算总有机碳的校准函数与实际测量总有机碳含量相交会，相关系数（r2）和平均绝对百分比误差（mape）分别为0.974%和14.54%。该结果验证了校准模型实际应用的可行性，能够在实验室和现场实现页岩总有机碳和各类元素的测量。
岩心尺度页岩气的压缩因子（Z）研究
纳米尺度空间中页岩气压缩因子（Z）取决于通道的尺寸，而尺寸较大孔隙空间对气体的压缩性无影响。纳米流体学专指针对纳米级空间中流体的流动进行研究，可以在简单的拓扑结构中量化气体压缩因子，例如具有圆形横截面的均匀孔隙。但是，在岩心尺度下，上述研究结果与页岩基质中复杂孔隙空间之间的相关性并不明显。该研究通过计算岩心尺度下孔隙空间的有效连通性确定页岩气的压缩因子。我们使用有效的孔喉、孔隙体尺寸，该结果来源于岩心尺度测量不可循环模型，而非高分辨率的图像。11个页岩地层资料（Bakken、Barnett、Eagle Ford、Haynesville、Marcellus、Monterey、New Albany、Niobrara、Utica、Wolfcamp和Woodford）参与研究。研究结果表明，岩心尺度下页岩地层的压缩因子（Z）与气体压力呈函数关系，可用于建立基于岩石物理实验的实际模型。
岩心分析核磁共振实验确定润湿性指数的实用方法
润湿性是影响油藏动态特性的关键因素。早期研究认识到润湿性条件会对开发方案选择以及预期采收率系数产生重大影响。孔隙流体的弛豫时间受润湿表面驰豫的影响，进而其包含有大量关于润湿的有价值信息。本文介绍了一种基于标准核磁测量定量计算润湿指数的易实施、可靠的方法，例如可于岩心SCAL实验相结合。解释方法完全具有可行性，因此可作为标准规范的一部分。
老化过程对相对渗透率原位测量的影响研究
相对渗透率是描述多孔介质中多相流动时要考虑的一阶参数。在许多其它参数中，岩心润湿性控制着孔隙尺度下多孔介质中流体的重新分配，这对流体的置换方式（即它们的相对渗透性）有很大影响。由于储层岩心取样过程难以保护岩心的初始润湿性，特殊的岩心实验测量（如相对渗透率）可能无法反映储层条件下的岩石性质。岩心的地层原位条件下的润湿性可通过“岩心老化”进行恢复。通常通过向岩心注入储层流体（盐水和原油）使得岩心表面油和盐水成分达到平。论文研究了静态和动态两种老化方案对润湿性恢复的影响，并利用老化后岩心测量油/水相对渗透率表征老化。这两种老化方案应运用于一组初始强水湿露头砂岩样品（Bentheimer）。利用稳态法和基于X射线照相的最先进实验装置（Cal-X）测量了相对渗透率。该装置配备有X射线照相设备，能够实时监测二维局部饱和度，进而观测驱替过程中流体流动的路径。老化后样品的相对渗透率曲线与初始强水润湿样品的相对渗透率相比，表现出了明显的差异，表明润湿性在老化后已被有效地改变。然而，这两个老化实验，无法得到相同的相对渗透率测量结果。动态老化导致原始相对渗透率曲线不对称性的反转，暗示润湿性为强油润湿。相比于动态老化，静态老化对润湿性的改变较小。这种差异可以通过分析二维饱和度图加以解释。在动态老化的情况下，我们观察到一个均匀分布的流体饱和度。反之，静态老化导致了不均匀的流动路径，证实了该老化过程并没有均匀的改变样品润湿性，使得样品润湿性为混合润湿。
砂岩储层新型耦合智能水-二氧化碳驱油
二氧化碳驱是一种环境友好、经济高效、可用于油藏剩余油开采的提高采收率技术。所谓智能水，即不考虑最终矿化度，通过调控离子组成而形成的水溶液。二氧化碳驱油的机理之一为改变岩石润湿性，这与智能水驱油的主要作用是一致的。仅使用二氧化碳驱油使突破过早和重力超覆可能性增加的问题已经通过水（常规水）气交替注入技术得以解决。WAG是一种新兴的提高采收率工艺，旨在提高气驱的波及效率。本研究中，我们利用了两种驱替方法各自的相对优势，提出了一种通过二氧化碳气体与智能水协同作用来提高采收率的新方法。我们认为去除水中的氯化钠可以提高采收率，并且水中氯化钠去除后仍有办法提高采收率，即稀释已去除氯化钠水溶液中的二价阳离子/阴离子；在所有的方案里，使用稀释Ca2+和CO2-的智能去氯化钠盐水得到的采收率最高。在WAG工艺的三个循环中使用了上述智能水，基于原始石油地质储量的稠油采收率提升了24.5%，这是一令人惊讶和充满希望的结果。自发渗吸与采收率结果一致。本项研究揭示了WAG工艺中所用智能水显著提高原油采收率的机理。
2019年第4期Petrophysics论文摘要翻译.pdf