【作者】 宋翔；

【导师】 周春光；

【作者基本信息】 吉林大学 ， 软件工程， 2004， 硕士

【摘要】 天津大港港东油田的“精细油藏描述”技术提供了全新的地质模型，规范了地质研究工作的程序和方法。从根本上解决了这个老油田“措施难有成效、递减难以控制、新井难定井位、滚动难有突破”的尴尬境地。沉积微相模式识别是研究地层结构、构造和分析描述储层的基础工作，也是“精细油藏描述”技术的核心组成部分之一。但是，到目前为止，大港油田的绝大部分沉积微相识别工作都是手工进行的，对“精细油藏描述”技术的描述成果的质量造成了很大影响。测井沉积学是近些年来发展起来的一门新的边缘学科，它是以测井资料为主，在油区沉积学研究覆盖下，并且与其它学科和技术紧密结合的一种专门的多井测井评价技术。其核心是把测井资料用于油区沉积学研究，以获取进一步描述油气储集层的基础信息。随着测井沉积学和计算机科学的发展，利用计算机处理测井资料来自动识别沉积微相已被人们所关注。经过对多种沉积微相识别方法的分析研究，本文采用一种基于神经网络技术与图像处理技术相结合的沉积微相自动识别方法。经最终用户的使用，证明该系统具有较高的识别效率，并且在辅助地质研究人员进行单井精细解释和多井分析方面有一定的突破。该系统主要在三个方面具有优势：使用将数字化测井曲线和地层参数预处理转化为二值点阵图像模式的方式处理测井数据，避免提取曲线图像特征的困难。同时也提高了原始测井数据信息的利用和识别的准确性。实现通用ANN模型，使用可定制的神经网络，这使得系统具有潜在的通用性，经过简单的升级，即可推广到港东油田以外的其他油田使用。自动生成沉积微相图，提供较强的图像编辑功能，可综合利用已有地质图像数据，对单井精细解释和多井分析提供较好的参考信息。识别模型对于模式识别系统，提取代识别模式的特征是决定系统成败的核心问题。完整、客观地提取测井曲线形态模式特征是利用测井资料识别沉积微相的关键。 <WP=68>本文在测井曲线特征提取上，将数字化测井曲线和地层参数预处理转化为二值点阵图像模式，经过点阵数据编码压缩，直接输入网络。该方法突破了以往利用神经网络识别沉积微相必须先提取曲线特征的做法，简化了传统预处理的过程，提高了原始资料信息的利用和识别的准确性。沉积微相模式识别的对象是一个区域和深度相结合的立体区域，其结构如图1所示。图1.识别对象立体结构图测井数据的采集是将油井从上至下，每个0.125米取一个采样点，得到包括自然电位、2.5米电阻率、微电极、微电位和声波时差在内的多种测井数据。为了根据测井数据生成网络输入，以及进行数字测井曲线的绘制，需对单砂体范围内的测井数据进行转换，算法如下：输入：井号W、油层组OG、小层编号SL、单砂体编号S对于由W、OG、SL、S确定的单砂体，从数据库中取出砂层顶深STOP、砂层底深SBOTTOM、砂层厚度SHEIGHT。根据如下公式计算取数顶深CTOP和取数底深CBOTTOM： <WP=69>根据W、CTOP和CBOTTOM从数据库中获取测井数据，即取出W的从CTOP到CBOTTOM的五种类型的全部测井数据：自然电位SP、2.5米电阻率RA25、微电极MNO