[發(fā)明專利]一種石油儲(chǔ)層孔隙度測(cè)算方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410784616.2
• 申請(qǐng)日: 2014-12-16
• 公開（公告）號(hào): CN105781536B
• 公開（公告）日: 2019-01-18
• 發(fā)明（設(shè)計(jì)）人: 韓學(xué)鋒;劉建敏;徐歡
• 申請(qǐng)（專利權(quán)）人: 中國(guó)石油天然氣股份有限公司
• 主分類號(hào): E21B49/00
• 分類號(hào): E21B49/00;G06F17/50
• 代理公司: 北京三高永信知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11138
• 代理人: 劉映東

本發(fā)明公開了一種石油儲(chǔ)層孔隙度測(cè)算方法。該方法包括以下步驟：步驟(1)，獲取某測(cè)區(qū)巖芯樣本的巖芯孔隙度及與其對(duì)應(yīng)的測(cè)井曲線數(shù)據(jù)，建立樣本數(shù)據(jù)庫(kù)；步驟(2)，執(zhí)行自適應(yīng)差分基因表達(dá)式編程算法，得到以所述測(cè)井曲線數(shù)據(jù)為輸入變量，以孔隙度為輸出變量的石油儲(chǔ)層孔隙度測(cè)算模型；步驟(3)，測(cè)量步驟(1)中所述測(cè)區(qū)內(nèi)的未知孔隙度的石油儲(chǔ)層的測(cè)井曲線數(shù)據(jù)，輸入步驟(2)所得的孔隙度測(cè)算模型中，得到該石油儲(chǔ)層的孔隙度。該方法利用自適應(yīng)差分進(jìn)化基因表達(dá)式編程算法，挖掘出測(cè)井曲線數(shù)據(jù)與儲(chǔ)層孔隙度之間的函數(shù)關(guān)系，自動(dòng)建立測(cè)算模型，不需要大量訓(xùn)練樣本和建模經(jīng)驗(yàn)，工作量小，精確度高。

技術(shù)領(lǐng)域

本發(fā)明涉及一種石油儲(chǔ)層孔隙度測(cè)算方法，尤其涉及一種利用測(cè)井?dāng)?shù)據(jù)自適應(yīng)差分進(jìn)化基因表達(dá)式編程算法測(cè)算石油儲(chǔ)層孔隙度的方法。

背景技術(shù)

目前，儲(chǔ)層孔隙度測(cè)算是精確建立油氣藏地質(zhì)模型，準(zhǔn)確估算油氣儲(chǔ)量，確定合理開發(fā)方案的基礎(chǔ)工作，不僅可用于油氣勘探，而且對(duì)于指導(dǎo)油氣藏特別是復(fù)雜隱蔽油氣藏或巖性油氣藏的開發(fā)具有重要意義。通過數(shù)學(xué)統(tǒng)計(jì)的方法進(jìn)行孔隙度計(jì)算無疑是一個(gè)正確的方向。多元逐步回歸、灰色預(yù)測(cè)和人工神經(jīng)網(wǎng)絡(luò)法是目前典型的預(yù)測(cè)方法。傳統(tǒng)的資料解釋經(jīng)常采用多元逐步回歸的人工擬合法，需要測(cè)井區(qū)塊豐富的經(jīng)驗(yàn)及大量嘗試性實(shí)驗(yàn)，不僅工作量大，而且與解釋者熟練程度有關(guān)，大大影響結(jié)果的正確性。灰色預(yù)測(cè)和人工神經(jīng)網(wǎng)絡(luò)法都需要大量的精選的訓(xùn)練樣本，僅憑少量樣本數(shù)據(jù)對(duì)石油儲(chǔ)層孔隙度測(cè)算精度低；神經(jīng)網(wǎng)絡(luò)法的網(wǎng)絡(luò)結(jié)構(gòu)是固定的，在實(shí)際應(yīng)用中容易造成冗余連接和高計(jì)算成本。因此一種利用智能算法和有限的測(cè)井?dāng)?shù)據(jù)進(jìn)行自動(dòng)建模，進(jìn)而對(duì)儲(chǔ)層孔隙度進(jìn)行測(cè)算具有重要的價(jià)值。

在實(shí)現(xiàn)本發(fā)明的過程中，本發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)中至少存在以下問題：現(xiàn)有技術(shù)中的測(cè)算方法需要豐富的經(jīng)驗(yàn)及大量嘗試性實(shí)驗(yàn)，不能快速精確地得出油田特別是新區(qū)塊的石油儲(chǔ)層孔隙度。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題在于，本發(fā)明提供一種利用測(cè)井曲線數(shù)據(jù)自適應(yīng)差分進(jìn)化基因表達(dá)式編程算法自動(dòng)建模測(cè)算石油儲(chǔ)層孔隙度的測(cè)算方法。

具體而言，包括以下的技術(shù)方案：

本發(fā)明提供了一種石油儲(chǔ)層孔隙度測(cè)算方法，該方法包括以下步驟：

步驟(1)，采集樣本數(shù)據(jù)，建立樣本數(shù)據(jù)庫(kù)；

獲取某一測(cè)區(qū)內(nèi)的N個(gè)巖芯樣本的芯孔隙度及與其對(duì)應(yīng)的測(cè)井曲線數(shù)據(jù)，其中N為大于50的整數(shù)；所述測(cè)井曲線數(shù)據(jù)包括聲波時(shí)差、密度、中子、自然伽馬中的至少一種；

步驟(2)，執(zhí)行自適應(yīng)差分進(jìn)化基因表達(dá)式編程算法，挖掘隱含在樣本數(shù)據(jù)中上述測(cè)井曲線數(shù)據(jù)與巖芯孔隙度之間的函數(shù)關(guān)系，得到以所述測(cè)井曲線數(shù)據(jù)為輸入變量，以孔隙度為輸出變量的石油儲(chǔ)層孔隙度測(cè)算模型；

步驟(3)，測(cè)量步驟(1)中所述測(cè)區(qū)內(nèi)的未知孔隙度的石油儲(chǔ)層的測(cè)井曲線數(shù)據(jù)，然后將所述未知孔隙度的石油儲(chǔ)層的測(cè)井曲線數(shù)據(jù)代入步驟(2)所得的孔隙度測(cè)算模型中，得到該石油儲(chǔ)層的孔隙度；

所述步驟(1)的具體步驟為：

步驟(11)，測(cè)定某一測(cè)區(qū)內(nèi)的測(cè)井曲線，所述測(cè)井曲線包括聲波時(shí)差、密度、中子、自然伽馬中的至少一種；所述測(cè)井曲線是聲波時(shí)差、密度、中子及自然伽馬等；

步驟(12)，采集步驟(11)中所述的測(cè)區(qū)內(nèi)的N個(gè)巖芯樣本，其中N為大于50的整數(shù)；通過巖芯分析得到所述N個(gè)巖芯樣本的孔隙度；

步驟(13)，進(jìn)行巖芯深度歸位，使巖芯深度與測(cè)井曲線深度對(duì)應(yīng)，將所述N個(gè)巖芯樣本的測(cè)井曲線數(shù)據(jù)記為矩陣A，對(duì)應(yīng)的孔隙度記為矩陣T；

所述步驟(2)的具體步驟為：

步驟(21)，定義初始化參數(shù)；

所述參數(shù)包括：