基于无监督学习的测井岩相分析技术及其应用

• 作者: 王宗俊 董洪超 范廷恩 胡光义 高云峰
• 来源期刊: 石油物探
• 关键词: 主成分分析 贝叶斯概率模型 无监督学习 油砂储层 岩相分析
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 人工智能|Artificial Intelligence
• 页码范围: 403-413
• 页数: 11页
• 分类号: P631
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1441.2021.03.006

摘要

加拿大阿萨巴斯卡地区油砂储层内的侧积砂层和泥岩隔夹层发育,井间非均质性强,储层内岩性的空间精确刻画对蒸汽辅助重力泄油(SAGD)开发井部署至关重要,而井孔储层段的岩性识别是进行空间岩性研究的基础.目前该地区井孔岩性划分主要依据钻井取心数据,成本很高,如果使用常规测井曲线就能准确识别岩性,则可以降低生产成本.以该地区Kinosis工区为研究对象,采用了基于贝叶斯概率模型无监督学习的测井岩相分析方法,选用常规测井曲线数据,在主成分分析(PCA)基础上进行聚类分析,得到井位处的垂向岩相分布.综合测井曲线、测井解释结果、岩心照片等地质资料,对岩相结果进行统计分析和标定,确定储层内每个岩相的岩性特征和地质特征.应用结果表明,无监督学习测井岩相分析技术充分利用数据之间的内在关系,无需提供先验的岩性模型,结果更为客观;通过标定,岩相识别结果与取心数据吻合率高,展示了一种利用常规测井曲线预测油砂储层井孔岩性的较为经济的研究方法.