中子壽命測井影響因素研究

《中子壽命測井影響因素研究》由會員上傳分享，免費在線閱讀，更多相關內容在教育資源-天天文庫。

1、1整體研究思路1.1本研究必要性分析中子壽命測井可以對剩余油分布特征及儲層物性變化規(guī)律等進行監(jiān)測。然而中子壽命測井受客觀干擾因素較多，不同地區(qū)甚至同一地區(qū)不同井次的解釋參數都不盡相同，因此有必要對不同因素對中子壽命測量結果的影響規(guī)律進行探索。中子壽命測井既可在裸眼井，也可在套管井中進行測量。由于它的探測范圍較淺，僅為30～50cm，所以在裸眼井中探測的是沖洗帶電阻率Sxo。套管井中，在固井后經過足夠長的時間，泥漿侵入影響已經消失后，可認為中子壽命測井探測的Sw而不是Sxo。目前，中子壽命測井常用于套管井中判斷地層的含油性，計

2、算Sw和Sor以及分析油田開發(fā)動態(tài)。對于泥質含量不高，中高孔隙度，地層水礦化度大于50000mg/L的儲集層，可取得較好的效果。雖然中子壽命測井探測產層的剩余油飽和度具有牢固的物理基礎和地質基礎，但是這種測井服務要求取得好的效果，必須有良好的測井質量和精細的資料處理解釋工作做保證。在研究環(huán)境因素對中子壽命測量結果的影響之前，必須先對原始資料進行校深和標準化處理工作。中子壽命測井資料深度校正一般選用裸眼GR為參考曲線。對于一些生產時間較長的井，中子壽命GR與裸眼GR曲線的相關性往往很差，這時可以使用地層宏觀俘獲截面曲線FSIG

3、與GR或電阻率相關對比完成校深；對于缺乏裸眼測井資料的井，可以通過套管工程值與中子壽命測井的磁定位曲線CCL相關對比完成校深。標準化處理主要是為了為減小影響測井數據橫向對比性的來自儀器刻度及操作方式等非地層因素的誤差。下面將經過校深、標準化處理的中子壽命測井資料用于以下分析。1.2選擇標志層油藏開采層段或注入水波及層段孔隙度、飽和度、泥質含量、地層水礦化度等可能已經發(fā)生了一些變化，特別是孔隙度的變化對于剩余油監(jiān)測的準確性而言至關重要。而在計算中子壽命含油飽和度時，巖性成分的不確定性及地層水礦化度的變化都為俘獲截面參數的確定帶

4、來了困難。因此本次采用標志層研究方法。在單井次處理時，首先結合地質、測井、27生產相關資料，選擇出研究層段的標志層，該標志層必須是遠離目的層且未經開采及注入水未波及的相對封閉段，并最好有完井巖心資料。1.3研究流程選擇一批測井質量較好的關鍵井次、關鍵層段用于研究利用裸眼井資料計算原始孔隙度、滲透率、飽和度、巖性成分巖性成分、儲層物性對中子壽命測井的影響因素研究地層水礦化度對中子壽命測井的影響因素研究井筒介質對中子壽命測井的影響因素研究管柱結構、泥漿侵入對中子壽命測井的影響因素研究中子壽命測井資料計算孔隙度、飽和度2利用裸眼井

5、測井資料計算儲層參數和巖性成分2.1較純砂泥巖剖面原始泥質含量計算泥質含量是區(qū)分儲層與非儲層的重要參數之一。通常主要利用完井自然伽馬資料計算泥質含量。地層中不含放射性礦物時，地層的自然放射性主要是由泥質吸附的放射性元素決定。用自然伽馬曲線資料采用如下經驗公式:（2-1）其中為地層的完井自然伽馬測井值，、分別為泥巖段和致密地層骨架的自然伽瑪測井值。為希爾奇指數，也可根據巖心資料擬合確定。272.2復雜巖性儲層原始巖性組分計算思路對砂泥巖剖面來說，可能會出現鈣質、石膏質含量明顯增加的地層，導致巖性復雜，因此，泥質砂巖體積模型中的

6、砂巖骨架不能作為一種定值出現，儲層參數及多種測井資料都能從不同方面反映儲層的巖性成分。當巖性成分較為復雜的時候，利用單一資料進行分析判斷則無法全面捕捉到儲層參數或測井資料中蘊含的信息。在這種情況下，可以利用孔、滲、飽儲層參數計算結果和裸眼井測井資料對儲層原始巖性組分進行綜合分析。將多種資料聯合考慮所遇到的難點主要是分析數據維數過高，無論使用何種數據處理方案，高維數據將使處理過程繁瑣，影響關鍵特征的提取。因此可以考慮主成分分析法進行數據降維處理。主成分分析就是研究矩陣的內部結構，利用矩陣坐標變換從原有特征中得到一批個數相同的新

7、特征，最終利用前幾個可能包含了原特征主要信息的新特征來解決問題，即用較少的指標來代替和綜合反映原來較多的信息。2.2.1主成分分析法原理主成分分析的目的在于利用降維的思想，把多維變量轉化為少數幾個綜合指標。這種降維的統計方法借助了一個正交變換，將各分量相關的原始維變量轉換為各分量不相關的低維變量，在代數上表現為將原高維變量的協方差矩陣變換成對角矩陣，在幾何上表現為將原坐標系變換為新的正交坐標系，使之指向樣本點散布最開的個正交方向，進而對高維變量系統進行降維處理，使之能以一個較高的精度轉換為低維變量系統。應用主成分分析可使用原

8、始數據矩陣的協方差矩陣或相關系數矩陣。若在研究中單個變量的方差對研究目的起關鍵作用時,既需要優(yōu)先考慮各變量的變異性時，則利用協方差矩陣進行主成分分析比較恰當。反之如果需要優(yōu)先考慮變量之間的相互關系時，則最好避免單個指標方差對主成分分析產生的影響,應該使用相關系數矩陣進行分析。相關系數矩陣可