Porosity and Permeability Predictions in Sand-conglomerate Reservoir From Conventional Well Logs
【作者中文名】 张丽艳;
【作者英文名】 ZHANG Li-yan~（1; 2） （1.School of Geo-resources & Information; China University of Petroleum; Dongying; Shandong 257061; China; 2.Geo-science Institute of Shengli Oilfield Co. LTD.; Shandong 257015; China）;
【作者单位】 中国石油大学地球资源与信息学院 山东东营257061胜利油田有限公司地质科学研究院; 山东东营;
【文献出处】 测井技术, Well Logging Technology, 编辑部邮箱 2005年 03期
期刊荣誉：ASPT来源刊 中国期刊方阵 CJFD收录刊
【关键词】 砂砾岩储层; 孔隙度; 渗透率; 测井相; 测井解释模型; 垦西地区;
【英文关键词】 sand-conglomerate reservoir; porosity; permeability; log phase; log interpretation model; Kenxi area;
【摘要】 垦西地区沙四段砂砾岩体岩块含量高,矿物多变,孔隙结构复杂,导致测井响应差异大,用传统的统计回归方法和测井解释方法计算储层孔隙度和渗透率精度很低。用基于测井相分析的参数回归法、多矿物模型测井最优化方法和BP神经网络法等方法分别计算砂砾岩孔隙度和渗透率,其目的是提高复杂岩性储层参数的解释精度,满足油藏描述和储量计算对参数精度的要求。通过与岩心分析结果对比,基于测井相分析的参数回归法较一般解释方法的解释精度高,而多矿物模型测井最优化法和BP神经网络法等非参数数学建模方法比前者的效果更好。该方法提高了现有测井信息的利用率,在垦西地区砂砾岩体应用中取得了良好的效果。
【英文摘要】 Estimating rock porosity and permeability from conventional well logs is an important yet difficult task in reservoir description. Low precision is always resulted because of the diversity of minerals, rocks and the complexity of pore structures in sand-conglomerate reservoir of Kenxi area. Several approaches, such as log facies-based parametric regression, optimized multi-mineral log math model and artificial neural network modeling, are proposed to porosity and permeability predictions and compared with e...
【基金】 中石化“十五”重点攻关项目(KZD2200000)深层稠油先导试验配套技术研究成果之一
【DOI】 cnki:ISSN:1004-1338.0.2005-03-008
