中子寿命测井影响因素研究

《中子寿命测井影响因素研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、1整体研究思路1.1本研究必要性分析中子寿命测井可以对剩余油分布特征及储层物性变化规律等进行监测。然而中子寿命测井受客观干扰因素较多，不同地区甚至同一地区不同井次的解释参数都不尽相同，因此有必要对不同因素对中子寿命测量结果的影响规律进行探索。中子寿命测井既可在裸眼井，也可在套管井中进行测量。由于它的探测范围较浅，仅为30～50cm，所以在裸眼井中探测的是冲洗带电阻率Sxo。套管井中，在固井后经过足够长的时间，泥浆侵入影响已经消失后，可认为中子寿命测井探测的Sw而不是Sxo。目前，中子寿命测井常用于套管井中判断地层的含油性，计

2、算Sw和Sor以及分析油田开发动态。对于泥质含量不高，中高孔隙度，地层水矿化度大于50000mg/L的储集层，可取得较好的效果。虽然中子寿命测井探测产层的剩余油饱和度具有牢固的物理基础和地质基础，但是这种测井服务要求取得好的效果，必须有良好的测井质量和精细的资料处理解释工作做保证。在研究环境因素对中子寿命测量结果的影响之前，必须先对原始资料进行校深和标准化处理工作。中子寿命测井资料深度校正一般选用裸眼GR为参考曲线。对于一些生产时间较长的井，中子寿命GR与裸眼GR曲线的相关性往往很差，这时可以使用地层宏观俘获截面曲线FSIG

3、与GR或电阻率相关对比完成校深；对于缺乏裸眼测井资料的井，可以通过套管工程值与中子寿命测井的磁定位曲线CCL相关对比完成校深。标准化处理主要是为了为减小影响测井数据横向对比性的来自仪器刻度及操作方式等非地层因素的误差。下面将经过校深、标准化处理的中子寿命测井资料用于以下分析。1.2选择标志层油藏开采层段或注入水波及层段孔隙度、饱和度、泥质含量、地层水矿化度等可能已经发生了一些变化，特别是孔隙度的变化对于剩余油监测的准确性而言至关重要。而在计算中子寿命含油饱和度时，岩性成分的不确定性及地层水矿化度的变化都为俘获截面参数的确定带

4、来了困难。因此本次采用标志层研究方法。在单井次处理时，首先结合地质、测井、27生产相关资料，选择出研究层段的标志层，该标志层必须是远离目的层且未经开采及注入水未波及的相对封闭段，并最好有完井岩心资料。1.3研究流程选择一批测井质量较好的关键井次、关键层段用于研究利用裸眼井资料计算原始孔隙度、渗透率、饱和度、岩性成分岩性成分、储层物性对中子寿命测井的影响因素研究地层水矿化度对中子寿命测井的影响因素研究井筒介质对中子寿命测井的影响因素研究管柱结构、泥浆侵入对中子寿命测井的影响因素研究中子寿命测井资料计算孔隙度、饱和度2利用裸眼井

5、测井资料计算储层参数和岩性成分2.1较纯砂泥岩剖面原始泥质含量计算泥质含量是区分储层与非储层的重要参数之一。通常主要利用完井自然伽马资料计算泥质含量。地层中不含放射性矿物时，地层的自然放射性主要是由泥质吸附的放射性元素决定。用自然伽马曲线资料采用如下经验公式:（2-1）其中为地层的完井自然伽马测井值，、分别为泥岩段和致密地层骨架的自然伽玛测井值。为希尔奇指数，也可根据岩心资料拟合确定。272.2复杂岩性储层原始岩性组分计算思路对砂泥岩剖面来说，可能会出现钙质、石膏质含量明显增加的地层，导致岩性复杂，因此，泥质砂岩体积模型中的

6、砂岩骨架不能作为一种定值出现，储层参数及多种测井资料都能从不同方面反映储层的岩性成分。当岩性成分较为复杂的时候，利用单一资料进行分析判断则无法全面捕捉到储层参数或测井资料中蕴含的信息。在这种情况下，可以利用孔、渗、饱储层参数计算结果和裸眼井测井资料对储层原始岩性组分进行综合分析。将多种资料联合考虑所遇到的难点主要是分析数据维数过高，无论使用何种数据处理方案，高维数据将使处理过程繁琐，影响关键特征的提取。因此可以考虑主成分分析法进行数据降维处理。主成分分析就是研究矩阵的内部结构，利用矩阵坐标变换从原有特征中得到一批个数相同的新

7、特征，最终利用前几个可能包含了原特征主要信息的新特征来解决问题，即用较少的指标来代替和综合反映原来较多的信息。2.2.1主成分分析法原理主成分分析的目的在于利用降维的思想，把多维变量转化为少数几个综合指标。这种降维的统计方法借助了一个正交变换，将各分量相关的原始维变量转换为各分量不相关的低维变量，在代数上表现为将原高维变量的协方差矩阵变换成对角矩阵，在几何上表现为将原坐标系变换为新的正交坐标系，使之指向样本点散布最开的个正交方向，进而对高维变量系统进行降维处理，使之能以一个较高的精度转换为低维变量系统。应用主成分分析可使用原

8、始数据矩阵的协方差矩阵或相关系数矩阵。若在研究中单个变量的方差对研究目的起关键作用时,既需要优先考虑各变量的变异性时，则利用协方差矩阵进行主成分分析比较恰当。反之如果需要优先考虑变量之间的相互关系时，则最好避免单个指标方差对主成分分析产生的影响,应该使用相关系数矩阵进行分析。相关系数矩阵可