基于Kohonen 神经网络的页岩油岩相测井识别方法 ——以吉木萨尔凹陷二叠系芦草沟组为例

查看详情 浏览次数:1
单位1中国石油大学(北京)地球科学学院;2中国石油大学(北京)油气资源与探测国家重点实验室;3中国石油新疆油田公司勘探开发研究院
来源沉积学报
出版年2022
期号第3期
摘要
准噶尔盆地吉木萨尔凹陷二叠系芦草沟组岩性复杂,岩相多样,亟需建立配套的岩相测井识别方法。综合利用岩心薄片、常规测井与成像测井等资料对芦草沟组的岩性、沉积构造等特征进行研究,在此基础上进行岩相类型划分,并分析不同岩相的测井响应特征,建立岩相测井评价模型。结果表明,研究区主要由云质泥岩、泥质粉砂岩、粉砂质泥岩等岩性组成;根据岩心的矿物组成,考虑在岩心尺度上的可区分性、测井中的可识别性,划分出块状白云质泥岩相、平行/波状层理泥质粉砂岩相、块状泥岩相、块状泥晶白云岩相、平行层理粉砂岩相和波状/水平层理粉砂质泥岩相6种主要岩相类型。在此基础上通过岩心刻度测井资料建立岩相判别准则,并利用Kohonen神经网络方法实现单井岩相测井自动判别,划分结果与薄片匹配较好。研究成果可提高未取心井的岩相识别效率与精度,为该地区页岩油勘探提供一定的理论依据与方法支撑。

@ 2023 版权所有 中国地质图书馆 (中国地质调查局地学文献中心)

京ICP备 05064591号 京公网安备11010802017129号

建议浏览器: 火狐、谷歌、微软 Edge、不支持 IE