鄂尔多斯盆地金庄地区长6油层组储层特征研究

为了确定鄂尔多斯盆地铜川地区延长组油页岩的勘探前景, 开展了野外露头观察、取样, 工业指标测试分析。油页岩工业指标统计分析表明, 烈桥、何家坊、霸王庄、淌泥河等地区的油页岩综合品质较好, 可作为勘探开发的重点。

通过对鄂尔多斯盆地东南缘 26 口煤层气井水压致裂地应力测试数据分析，揭示了该区二叠系山西组2号煤层现今地应力分布规律、储层压力特征及其耦合关系，并探讨了其主控因素。 研究结果表明： 鄂尔多斯盆地东南缘二叠系山西组 2 号煤层破裂压力梯度、闭合压力梯度和煤储层压力梯度的平均值分别为 1.96 MPa/100 m、1.69 MPa/100 m 和 0.71 MPa/100 m。 煤储层最大水平主应力、最小水平主应力和垂直主应力以及储层压力均随煤层埋藏深度增大呈线性规律增高。 在埋深小于 1000 m 的煤储层，地应力状态主要表现为 σv > σhmax > σhmin，最小水平主应力小于 16 MPa，现今地应力处于拉伸应力状态，煤储层有效应力系数 K0 为 0.48，低于油气盆地页岩层中的有效应力系数（K0 = 0.80）。 在埋深大于 1000 m 的煤储层，地应力状态转化为 σhmax ≥ σv ≥ σhmin，最小水平主应力大于 16 MPa，现今地应力转化为挤压应力状态。 鄂尔多斯盆地东南缘现今地应力受华北区域构造应力场控制，最大水平主应力方向主要以 NEE-SWW 方向为特征。 与沁水盆地南部相比，鄂尔多斯盆地东南缘煤储层压力偏低，在相同深度条件下，其煤储层压力要比沁水盆地南部偏低 0.73～0.93 MPa。

为了提升盆地内常规油气资源的地质储量，本研究对鄂尔多斯盆地各区域的400多口油气井的测井数据和岩心资料进行了详细的统计分析。结合前人研究成果，运用岩心观察、岩电对比、泥页岩电性取值范围统计以及电测曲线形态对比分析等方法，深入探讨了长7泥页岩层的展布特征和岩电关系，以及泥、页岩电性的差异。研究表明，长7泥页岩层的分布范围超过6×104km2，厚度0～120m，整体呈现出西、南深且厚、东、北浅且薄的分布特征。声波时差和自然伽马在泥页岩层有明显响应，受沉积相带控制。在深―半深湖区，泥页岩层呈现出大幅高值的箱型或钟形，而在浅湖区则主要表现为单峰。本研究为深化对鄂尔多斯盆地长7泥页岩岩电关系的理解提供了重要的地质学数据支持。

为了揭示华北北部晚侏罗世沉积盆地性质，研究了赤城―宣化盆地中土城子组的沉积特征及盆缘构造。研究表明，土城子组的中―下部是由河湖相沉积组成，上部为冲积扇的粗碎屑沉积。砾岩成分统计分析显示，赤城盆地与宣化―下花园盆地的岩屑岩性相似，反映出相近的岩石来源及蚀变过程。晚侏罗世时期，赤城―宣化盆地受盆缘逆冲断层控制，形成于挤压构造背景下。

为了更好地评估太行山东麓地区的页岩气储层，地球化学参数的研究变得至关重要。本研究选取石炭系上统太原组泥页岩作为研究对象，利用常规测井资料和地球化学参数测试数据，对页岩储层的测井响应特征进行了统计分析。通过分析页岩储层总有机碳含量、镜质体反射率和生烃潜力与测井参数的关系，优选敏感参数并建立相应的测井计算模型。利用所建模型对太行山东麓地区页岩储层的地球化学参数进行了计算，揭示了它们的平面展布特征。研究结果显示，该页岩储层的测井响应特征表现为“三高、一低、一中”的总体特征。总有机碳含量与自然伽马、密度和声波时差相关性良好，而镜质体反射率则与常规测井响应相关性较差，但与深度呈现良好的正相关关系。生烃潜力与镜质体反射率、声波时差及自然电位相关性较好。最后，本研究采用多元回归分析方法建立了太行山东麓A区块页岩储层地球化学参数的计算模型，并与实测结果进行了验证，结果显示计算误差较小，表明该计算方法在该区域具有较高的可靠性。

利用孔隙结构刻度流动带指标FZI，结合储层物性和孔隙结构特征，建立FZI分类标准划分储层类型。通过统计分析，提取测井响应特征中的敏感参数密度和自然伽马，使用Fisher判别模型识别储层类型，符合率达76%。

本研究通过实验和统计分析结合的方法，探讨了大牛地气田上古生界山1段至盒3段低孔低渗储层物性差异的主控因素——沉积相。综合分析岩石矿物成分、泥质质量分数、岩石粒度、砂岩厚度等方面，揭示了不同沉积相对储层的控制特征。研究发现，曲流河分流河道相和辫状河分流河道相是最为有利的沉积相，三角洲分流河道相次之，泛滥平原相等则最不利。其中，盒3段表现出最好的物性，其次为盒2段和盒1段，而山1段和山2段物性较差。本研究成果对于大牛地气田的天然气勘探开发具有重要的参考价值。

一、研究背景与目的 乌里雅斯太凹陷内的砂砾岩油藏具有诸多特殊性，包括储层敏感性强、微裂缝发育、隔层应力低等特点。这导致了射孔投产后的产能较低，且不同井层在压裂后的效果差异显著。为了提高压裂效率并优化资源分配，研究团队致力于开发一套能够准确、定量优选压裂井层的方法。这一问题已成为制约该地区油藏开发的关键瓶颈。 二、研究方法与数据处理 1. 数据收集与处理 通过对之前压裂井的数据进行统计分析，研究者选择了若干关键参数作为评估压裂效果的重要指标。这些参数包括但不限于：地层系数、孔隙度、含油饱和度等地质参数，以及施工排量、前置液百分数、加砂强度等工程参数。通过这些数据，构建了一个专门用于分析压裂井的专家数据库。 2. 分析工具的选择 为了建立影响因素与压裂效果之间的数学模型，研究采用了两种方法：回归分析和BP神经网络。- 回归分析：这是一种传统的统计学方法，用于探索变量间的关系。研究者首先尝试了线性回归，但由于影响因素与压裂效果之间存在着复杂的非线性关系，线性回归无法提供准确的预测结果。因此，进一步探讨了非线性回归模型（如二次回归）的应用。- BP神经网络：这是一种机器学习方法，特别适合于解决非线性问题。通过构建神经网络模型，研究人员能够模拟各影响因素与压裂效果之间的复杂关系，从而实现更准确的预测。 三、具体实施步骤 数据预处理：为了确保模型的有效性和稳定性，研究团队对原始数据进行了标准化处理，使得所有输入变量都在同一数量级上，避免了某些变量因数值过大而主导模型预测结果的问题。 模型建立与验证：首先采用回归分析方法（包括线性回归和非线性回归），但发现线性回归无法满足准确预测的需求。

针对储层建模方法的复杂度大、主观性强、处理速度慢等问题，提出了一种基于多agent的分布式储层地质统计分析系统。系统进行了多agent规划，设计了分层系统模型，并详细阐述了各个agent的功能，最终实现了面向agent的设计。