摘要:
岩性密度测井由于探测深度浅,探头紧贴井壁,在井眼扩径段由于探头不能紧贴井壁导致所测密度曲线值往往与地层真实的密度值相差很大。失真的密度曲线会导致误判岩性,得不到准确的储层参数、岩石力学参数,对地震方面波阻抗的计算影响也较大,因此有必要对扩径段的密度曲线进行校正。然而对于含有三种以及三种以上矿物的复杂岩性储层,采用简单的线性回归方法精度较低,不能满足精度的要求。因此本文阐述了三种针对复杂岩性储层的密度校正方法,其中一、元素测井方法可以较准确的测量地层元素的产额,通过氧闭合算法,可以将元素比重转化为地层矿物比重。在得到骨架比重的情况下利用威利公式计算孔隙体积,通过体积加权可以准确的计算地层密度;二、最优化解释方法是采用体积模型的最优化计算方法,在取得最优解的情况下,非扩径段计算的密度与实测的岩性密度接近,扩径段计算的密度接近实际的地层密度,从而实现了对扩径段密度曲线校正。三、K.mod神经网络方法,采用了神经网络多层感知技术,基于训练数据建立曲线预测模型,输入相关非扩径段测井参数,通过交互学习和误差分析来检查模型质量,利用非扩径井、非扩径井段来验证模型精度,得到精度较高的扩径段密度曲线,从而实现密度校正。