本文以鄂尔多斯盆地白豹地区为例,在数据挖掘的广义观点的指导下,基于油田多源数据分析与挖掘,将储层特征的数据分析与挖掘过程划分为确定储层数据分析与挖掘目标、建立储层项目数据库、数据预处理、储层分析建模、模型评估5个阶段。论文在大量参阅相关文献和研究成果的同时,综合收集该区原始岩矿数据和物性资料,针对研究区已有的海量数据资料分散,数据量大,闲置严重而信息贫乏的现状,确定储层数据分析与挖掘任务,提取研究区相关储层数据,构建研究区储层项目数据库,实现海量和多源(元)数据的融合与集成,建立了数据的共享,这对于提高储层定量化研究和促进油田的信息化发展有重要的理论与现实意义。以可视化数据挖掘技术为研究手段,对储层数据进行预处理、数据质量审核、数据统计分析与建模,对研究区进行系统全面的储层研究,并实现储层数据分析与挖掘过程和结果的可视化,最终通过这些参数的统计特征,空间分布规律来描述和预测储层,深化研究储层地质相关问题,指导油气田进一步的勘探开发。鄂尔多斯盆地上三叠统延长组第6段在白豹地区是最重要的勘探目的层之一,本文以长6储层为研究对象,从建立的研究区储层项目数据库出发,运用沉积学、石油地质学、地球物理学等知识,根据储层数据分析与挖掘的过程,进行物源分析与聚类分区、岩石类型识别与分布、孔渗建模、储层空间(二维、三维)展布研究及储层综合评价等方面的研究。主要研究内容和进展归纳如下:1.在对研究区物源定性分析的基础上,提取长6层位的655块薄片样品,将碎屑组分及填隙物成分等考虑在内,进行空间聚类分析,定量划分为3个物源区。从研究区长6储层空间聚类结果平面展布规律来看,以东北物源为主,西南物源为次,在元城—白马—五蛟一带受到两个物源方向的叠加影响,为混源区。物源区的划分为定量研究各个物源区的岩石学特征及储集性能等奠定了基础;2.岩石类型研究中,建立砂岩分类自动识别模型,使得对大数据量砂岩骨架组分的定量研究变得简单易行。岩石类型分析结果为:长6油层组以岩屑长石砂岩为主,次为长石砂岩,少量的长石岩屑砂岩。分别对不同物源分区的岩石类型进行进一步的分析,东北物源区以岩屑长石砂岩为主,其次为长石砂岩。混源区以岩屑长石砂岩为主,次为长石岩屑砂岩。西南物源区以长石岩屑砂岩为主,次为岩屑长石砂岩;3.基于岩芯分析资料和多种测井信息,应用神经网络技术对研究区长6储层参数进行预测,以期实现储层参数的精确解释。用神经网络的方法预测孔隙度和渗透率,得到的孔隙度、渗透率变化趋势与取芯井中孔、渗变化规律相符,预测精度比传统的回归方法有所提高。利用该方法建立测井响应与岩芯分析数据之间的对应关系,弥补了取芯井数量的不足,有助于我们更准确翔实地进行孔隙度和渗透率相关性与非均质性分析以及定量参数在空间上的分布规律等研究;4.在对储层储集性能的分析中,对孔隙度和渗透率相关性进行了分析,并分小层对长6油层组的非均质性进行研究。长6储层各个小层的孔隙度非均质性远小于渗透率非均质性,孔隙度非均质性不太明显,渗透率非均质性比较强,其中长6~3小层的非均质性(突进系数、级差和变异系数)明显高于长6~2和长6~1,长6~1的非均质性最弱。利用孔隙度和渗透率两个重要的物性参数,通过聚类分析对储层进行初级分类。为了研究岩石学特征与储层物性间的关系,将薄片样品与物性样品配对,通过相关图分析影响储集性能的多种因素,粒间孔、面孔率及绿泥石含量与孔隙度、渗透率成正比,而岩石密度、碳酸盐胶结物、粘土类胶结物含量与孔隙度、渗透率成反比;5.利用研究区井位信息和分层数据,通过数据处理流程,采用Rockworks建模软件进行三维地质建模。三维地层模型展示了地下真实面貌,使我们直观了解地下储层的几何形态与空间展布特征,地层模型所反映的信息与区域上的沉积—构造演化特征相一致。在建立地层模型的基础上,对研究区长6油层组分小层长6~3、长6~2、长6~1,利用Suffer软件建立储层三维构造模型及储层参数模型。三维构造模型表明,在区域西倾单斜背景上,发育有三排东西向展布的低幅度的鼻状隆起构造,隆起部位的部分井区属于工业油流井,说明鼻状隆起构造在一定程度上控制了油气的富集以及油藏的油水分异;6.本文最后进行储层综合定量评价,首先利用特征选择算法对评价参数进行筛选,然后根据灰关联分析来确定各影响因素的权重,进而运用最大值标准化法确定各项参数的评价分数,最后计算各项参数综合得分,在此基础上,运用聚类分析进行储层分类评价。对储层评价结果进行统计分析,所划分的各类储层特征明显,与研究区储层实际特征具有很好的一致性。研究区长6储层大部分为Ⅱ类和Ⅲ类,少数为Ⅳ类和Ⅰ类,长6~3小层的储层质量明显好于长6~1和长6~2小层。Ⅰ类储层和Ⅱ类储层作为研究区的最好和较好储层,是寻找油气的有利区带。