[發明專利]基于自組織競爭神經網絡的頁巖氣儲層識別方法

有效

• 申請號: 201410590152.1
• 申請日: 2014-10-29
• 公開（公告）號: CN104453875B
• 公開（公告）日: 2018-05-01
• 發明（設計）人: 瞿子易;龐江平;吳萍;王瀅;曹玉;吳家杰;李天書
• 申請（專利權）人: 中國石油集團川慶鉆探工程有限公司
• 主分類號: E21B49/00
• 分類號: E21B49/00;G06F17/50
• 代理公司: 成都天嘉專利事務所(普通合伙)51211
• 代理人: 毛光軍

技術領域

本發明涉及一種基于自組織競爭神經網絡(即SOM神經網絡)建立頁巖氣儲層識別模型的方法，屬于石油天然氣勘探開發領域。

背景技術

頁巖氣是儲存在頁巖中以游離態和吸附態存在的天然氣,正逐漸成為油氣勘探的熱點，國內的頁巖氣水平井開發即將大面積開展。對于頁巖氣隨鉆解釋方法，例如， 2012年18期《科技導報 》公開的 頁巖氣儲層測井響應特征及識別方法研究。

但由于頁巖氣儲層具備的特殊性，隨鉆參數中除了綜合錄井參數外，僅有隨鉆伽馬一個隨鉆測井參數，隨鉆參數較少。并且，目前國內頁巖氣研究水平均較低，沒有形成比較行之有效的隨鉆解釋方法，故目前的隨鉆解釋存在以下問題：

1、目前的頁巖氣儲層評價是以分析化驗數據為主，而在隨鉆的過程中沒有分析化驗數據。

2、單一的隨鉆參數對于頁巖氣儲層的表征能力是有限的，需要利用多個隨鉆參數進行綜合考量。但如何利用這些隨鉆參數來反映頁巖氣儲層目前還沒有比較有效的方法。

3、隨鉆參數對于頁巖氣儲層的響應特征是一種多維的非線性關系，簡單的數據對比無法找到有效的識別方法。

4、隨鉆參數數據量巨大，故需要一種能夠對大量數據進行建模的有效方法。

發明內容

本發明的目的在于克服現有技術存在的上述問題，提供一種基于自組織競爭神經網絡的頁巖氣儲層識別方法。本發明根據已知的測井解釋、試油結果，以優選的隨鉆參數作為判別參數，通過SOM神經網絡分析建立一個能有效識別頁巖氣儲層的模型，實現對頁巖氣儲層的隨鉆解釋，解決了頁巖氣儲層錄井解釋方法欠缺、多參數的非線性的問題。

為實現上述目的，本發明采用的技術方案如下：

一種基于自組織競爭神經網絡的頁巖氣儲層識別方法，其特征在于，包括如下步驟：

a、綜合同一個區塊內已鉆頁巖氣水平井資料，并進行分類；

b、利用區域數據，將隨鉆參數作為訓練樣本進行優選；

c、對隨鉆參數進行歸一化處理；

d、建立區域SOM神經網絡模型；

e、利用建立的模型對作為預測樣本的正鉆頁巖氣水平井進行儲層識別。

所述步驟a中，綜合同一個區塊內已鉆頁巖氣水平井的測井、錄井、試油資料，并根據測井解釋及試油資料對頁巖氣水平段數據進行分類。

所述步驟a中，分類過程為：根據已鉆頁巖氣水平井的測井解釋資料、試油資料及生產測井資料，對頁巖氣水平段數據進行綜合評價并分類。

所述步驟b中，以區塊內分類后的頁巖氣水平井資料為基礎，通過最優子集法，優選出最能反映儲層特征的隨鉆參數。

所述步驟c中，由于隨鉆參數間存在級差，為了防止因數據級差過大帶來的額外誤差，需要對優選后的隨鉆參數進行極差歸一化處理。

所述步驟c中，歸一化處理過程為：

設原始數據x_ij(i=1,2,…,n; j=1,2,…,m)，極差變換公式為：

（1）

式中n為樣品個數，m為變量個數，x_j(min)為n個樣品中第j個變量的最小值，x_j(max)為n個樣品中第j個變量的最大值，這樣變化后的新數據在0~1之間。

所述步驟d中，以區塊內的頁巖氣水平段數據為基礎，通過調節神經網絡神經元參數建立SOM神經網絡模型。

所述步驟d中，為了建立更有效的模型，需要對步驟b、c、d進行多次循環，建立到達要求精度的SOM神經網絡模型。

所述步驟e中，根據正鉆井的隨鉆參數，歸一化后代入區域SOM神經網絡模型中對頁巖氣儲層進行識別。

采用本發明的優點在于：

一、本發明根據已知的測井解釋、試油結果，以優選的隨鉆參數作為判別參數，通過SOM神經網絡分析建立一個能有效識別頁巖氣儲層的模型，實現對頁巖氣儲層的隨鉆解釋，解決了頁巖氣儲層錄井解釋方法欠缺、多參數的非線性的問題。

二、本發明利用SOM對頁巖氣儲層識別方法屬于錄井資料應用方法創新，是在目前頁巖氣勘探處于探索方法的時期，該方法具有強大，成熟的數學理論基礎，SOM根據輸入空間中輸入向量的分組進行學習和分類。