论文部分内容阅读
Penberty和Shaughnessy指出,世界上油气资源的70%分布在疏松砂岩地层中,因此有必要对疏松砂岩油气藏进行研究。压缩系数,即体积模量的倒数,理论上流体的压缩系数比岩石的压缩系数大很多,特别是气体的压缩系数,可以基于流体替换方程,去除骨架的影响,反演流体压缩系数,识别气藏。本文采用两种方式研究流体的压缩系数:一种是基于Gassmann方程相关参数的研究,来反演流体的压缩系数,相关参数主要有孔隙度、岩石基质模量、干岩石模量;另一种是基于Sabrina推导的计算混合物的有效弹性模量的准确方程,推导了一种近似方程来估算流体压缩系数。对于孔隙度采用两种方法进行研究:双波法和BP神经网络预测孔隙度,由于有效压力对双波法影响比较大,且浅层疏松砂岩含有大量的泥岩,具有很强的各向异性,限制了双波法的应用,因此可以通过BP神经网络建立孔隙度和测井属性之间的关系,进而结合叠前反演数据预测孔隙度。对于岩石基质模量采用三种方法进行研究:等效介质模型、改进的线性拟合方程、估算基质模量的近似公式,由于岩样数据较少,因此等效介质模型只是一种简单的理想模型,很难应用到实际,同时改进的线性拟合方程会削弱数据之间的差异,因此本文采用近似公式估算岩石基质模量。对于干岩石模量采用两种方法进行研究:改进的疏松砂岩模型和自适应估算干岩石模量,常规疏松砂岩模型是临界孔隙度模型和HS下限的结合,但是研究发现临界孔隙度模型对压力系数的估算有误,对于不同的压力环境,压力系数是变化的,同时,在计算有效压力的时候,临界孔隙度模型只是给出了一个简单的定义形式,本文采用yu方程进行计算,并与HS上限结合改进疏松砂岩模型;估算干岩石模量的自适应方法可以有效的预测横波速度和岩石模量,比Xu-White模型具有更高的预测精度。结合井数据和叠前反演数据,预测孔隙度、基质模量、干岩石模量,计算流体压缩系数,效果不是很好,因为对上述三参数的研究,都存在不同程度的近似,因此会产生误差的积累,可以直接应用计算流体压缩系数的近似方程来估算流体压缩系数,基于井上的计算结果,结合BP神经网络可以有效识别整个工区的流体压缩系数,有效识别气藏。