论文部分内容阅读
井下流体组分是揭示油藏流体特征必不可少的重要性质参数。传统的组分分析方法是将地层原油取到地面来进行色谱分析,取样过程往往会导致原油性质改变,以致实验结果与原状地层原油性质差异较大。基于原油中不同的碳素成分(C1,C2,C3,C4,C5,C6+)在近红外谱段有明显的光谱特征差异,因此利用该差异性可实现井下实时计算流体组分含量。首先通过井下近红外光谱仪建立一个原油光谱数据库,然后采用机器学习方法建立模型,最后将训练好的模型嵌入到测井系统中,从而实现对未知原油样品组分的实时测量。该方法在南海油田区块的验证结果表