摘要

葡萄花油层是松辽盆地WX油田重要的含油层系之一,该油层砂体层数多、厚度小(1~2 m);局部井间距较大,井间沉积相变快,砂体展布特征复杂,精细地刻画油层段各小层沉积微相特征难度大,目前砂体叠置模式尚未建立。为此,以测井、录井和三维地震数据为基础,采用优化的随机森林算法和数据挖掘技术建立沉积微相概率预测模型;再通过机器学习和模糊判别方法分别识别WX油田东北部姚家组葡萄花油层各小层的沉积微相类型;最终建立四种砂体叠置模式,即平面连接式、平面分隔式、垂向接触式和垂向分离式。通过钻井验证,该技术具较高的储层预测精度,对于河道沉积微相,样本井的准确率平均值可达88.8%,各小层(除PI11和PI3外)检验井预测准确率均可达80.0%以上。精细刻画的沉积微相和建立的砂体叠置模式可为后期储层综合评价、开发方案优化、调整和井位合理部署等提供依据。