Application of Artificial Intelligence in Lithology Recognition of Petroleum Logging in Low Permeability Reservoirs

Aplicación de la inteligencia artificial en reconocimiento litológico de extracción de petróleo en yacimientos de baja permeabilidad

In low permeability reservoirs, the conversion accuracy of the existing petroleum logging lithology identification method to small pore capillary pressure curve is not high, resulting in a low rock mass identification accuracy. Therefore, artificial intelligence technology is considered in this study to enhance the accuracy of lithology identification in low permeability reservoirs. Firstly, the radar mapping program is used to predict the position of reservoir oil logging, and then the small pore capillary pressure curve is converted by using the conversion method of piecewise power function scale to obtain the pore characteristics of low-permeability reservoir rocks. On this basis, the crossplot method is used to gather the pore characteristic data in well logging and form a plan, and the response parameters of well logging rock mass are obtained to realize the identification and analysis of lithology. The experimental results show that, compared with the existing identification methods, the accuracy of lithology identification in low-permeability reservoir logging is significantly increased after the application of artificial intelligence technology, and the identification process takes less time, which fully proves that the application of artificial intelligence technology is conducive to improving the performance of lithology identification.

En los yacimientos de baja permeabilidad, la precisión de conversión del método de identificación de litología de extracción de petróleo existente a la curva de presión capilar de poros pequeños no es alta, lo que da como resultado una baja precisión de identificación del macizo rocoso. Por lo tanto, en este estudio se considera la tecnología de inteligencia artificial para mejorar la precisión de la identificación litológica en yacimientos de baja permeabilidad. En primer lugar, el programa de mapeo de radar se usa para predecir la posición del registro de petróleo del yacimiento, y luego la curva de presión capilar de poros pequeños se convierte utilizando el método de conversión de la escala de función de potencia por partes para obtener las características de los poros de las rocas del yacimiento de baja permeabilidad. Sobre esta base, se utiliza el método de parcelas cruzadas para recopilar los datos característicos de los poros en el registro de pozos y formar un plan, y se obtienen los parámetros de respuesta del macizo rocoso del registro de pozos para realizar la identificación y análisis de la litología. Los resultados experimentales muestran que, en comparación con los métodos de identificación existentes, la precisión de la identificación litológica en el registro de yacimientos de baja permeabilidad aumenta significativamente después de la aplicación de tecnología de inteligencia artificial, y el proceso de identificación lleva menos tiempo, lo que demuestra plenamente que la aplicación de la tecnología de inteligencia artificial es propicia para mejorar el rendimiento de la identificación litológica.