基于神经网络的莺歌海盆地DF区块黄流组储层压力预测与成因分析OA北大核心CSTPCD

在油气勘探开发及生产过程中,储层压力对油气聚集、分布及运移的过程起着重要作用,异常高压储层甚至会造成井壁崩落、井涌、井喷等钻井事故。传统的储层压力测井预测主要采用经验公式法、有效应力法等,存在参数确定难、主观性强等问题。为此,以莺歌海盆地DF区块为例,在实测数据基础上,构建基于BP神经网络和卷积神经网络的储层压力预测模型,建立测井曲线与实测储层压力之间的隐式直接关系,对储层压力进行了预测并分析了其超压成因。研究结果表明:(1)构建的卷积神经网络模型预测储层压力精度高,最优模型的均方根误差为0.27 MPa;(2)预测莺歌海盆地DF区块黄流组储层压力为53.26~55.60 MPa,平均压力系数为1.66~1.95,呈现为超压;(3)DF区块黄流组超压成因机制为以流体膨胀作用为主,欠压实作用为辅。