基于Kohonen神经网络的页岩油岩相测井识别方法——以吉木萨尔凹陷二叠系芦草沟组为例

• Published in: 沉积学报 Vol. 40; no. 3; pp. 626 - 640
• Main Authors: 李红斌, 王贵文, 王松, 庞小娇, 刘士琛, 包萌, 彭寿昌, 赖锦
• Format: Journal Article
• Language: Chinese
• Published: 中国石油大学(北京)油气资源与探测国家重点实验室,北京 102249%中国石油新疆油田公司勘探开发研究院,新疆克拉玛依 834000 2022; 中国石油大学(北京)地球科学学院,北京 102249%中国石油大学(北京)地球科学学院,北京 102249
• Subjects: 页岩油; 岩相; 芦草沟组; 吉木萨尔凹陷; 测井评价; Kohonen神经网络
• ISSN: 1000-0550
• DOI: 10.14027/j.issn.1000-0550.2021.045

P618.13; 准噶尔盆地吉木萨尔凹陷二叠系芦草沟组岩性复杂,岩相多样,亟需建立配套的岩相测井识别方法.综合利用岩心薄片、常规测井与成像测井等资料对芦草沟组的岩性、沉积构造等特征进行研究,在此基础上进行岩相类型划分,并分析不同岩相的测井响应特征,建立岩相测井评价模型.结果表明,研究区主要由云质泥岩、泥质粉砂岩、粉砂质泥岩等岩性组成;根据岩心的矿物组成,考虑在岩心尺度上的可区分性、测井中的可识别性,划分出块状白云质泥岩相、平行/波状层理泥质粉砂岩相、块状泥岩相、块状泥晶白云岩相、平行层理粉砂岩相和波状/水平层理粉砂质泥岩相6种主要岩相类型.在此基础上通过岩心刻度测井资料建立岩相判别准则,并利用Kohonen神经网络方法实现单井岩相测井自动判别,划分结果与薄片匹配较好.研究成果可提高未取心井的岩相识别效率与精度,为该地区页岩油勘探提供一定的理论依据与方法支撑.