[發明專利]一種基于深度學習和巖石力學參數的氣層識別方法

有效

• 申請號: 202010183702.3
• 申請日: 2020-03-16
• 公開（公告）號: CN111474585B
• 公開（公告）日: 2023-04-25
• 發明（設計）人: 曹先軍;周軍;李國軍;馬修剛;路濤;孫佩;張娟;陳小磊;余長江;李楠;王樹聲;史超;冀昆;樊云峰;劉家雄
• 申請（專利權）人: 中國石油天然氣集團有限公司;中國石油集團測井有限公司
• 主分類號: G01V1/50
• 分類號: G01V1/50
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 王艾華

本發明公開了一種基于深度學習和巖石力學參數的氣層識別方法，包括，計算巖石力學參數及測出4條測井曲線值，然后將巖石力學參數重新組合計算的結果及4條測井曲線值分別進行歸一化處理；利用深度學習神經網絡對歸一化處理后的數據進行訓練學習，將學習結果用于新井數據的計算；本發明氣層識別方法很好的解決了碳酸鹽巖地層和砂泥巖地層中的氣層識別難題，識別精準度高，且方法簡便；將地層實際的含氣量進行階段性的劃分，并根據神經網絡的訓練結果進行預測，相對于綜合含氣指數法，具有更高的識別精度，而且可以半定量地計算含氣量的多少。

技術領域

本發明屬于石油天然氣勘探開發技術領域，具體涉及一種基于深度學習和巖石力學參數的氣層識別方法。

背景技術

由于碳酸鹽巖地層孔隙類型變化大，孔洞縫復合儲層多，孔隙非均質性強，三孔隙度曲線對巖石孔隙度響應誤差大，電阻率對儲層流體性質響應弱，所以基于常規測井資料，難以準確判識儲層流體性質。

應用MPAL、XAMC等陣列聲波測井儀的單極和偶極模式可以在硬地層和軟地層中都能夠測量到地層的縱橫波速度等特征參數，當地層中含氣時，縱波速度下降明顯，而對橫波速度基本無影響，此時縱橫波速度比將下降，故可以通過這些參數的變化來判斷氣層，常用的方法多為交會圖、差比值等，需要制作圖版，使用不方便，且每個參數對氣層的反應靈敏度不同，增加了氣層識別的不確定性。

發明內容

本發明的目的在于提供一種基于深度學習和巖石力學參數的氣層識別方法，以解決現有技術中的問題。

為實現上述目的，本發明采用如下技術方案：

一種基于深度學習和巖石力學參數的氣層識別方法，包括4條測井曲線及巖石力學參數，然后將巖石力學參數重新組合計算的結果及4條測井曲線值分別進行歸一化處理；利用深度學習神經網絡算法對歸一化處理后的數據進行訓練學習，將學習結果用于新井數據的計算；所述巖石力學參數包括體積模量XKB和壓縮系數CB、拉梅常數LAME、巖石骨架體積模量XKMX、水的體積模量XKW和壓縮系數WCB及流體壓縮系數FCB；所述神經網絡訓練學習包括數據標簽化、數據的預處理以及樣本訓練數據集和測試數據集的計算。

進一步的，體積模量XKB和壓縮系數CB的計算公式如下：

YME＝2·SM·(1+POIS)???????????????????????(2)

其中，SM為切變模量，A為常數，DEN為密度，DTS為橫波時差，YME為楊氏模量，POIS為泊松比；

進一步的，拉梅常數LAME的計算公式如下：

其中，YME為楊氏模量，POIS為泊松比；

進一步的，巖石骨架體積模量XKMX的計算公式如下：

式中，POR為孔隙度，VSH為泥質含量，LIME為石灰巖含量，DOLO為白云巖含量，XKMA為砂巖骨架體積模量，XKSH為泥巖體積模量，XKLM為石灰巖骨架體積模量，XKDO為白云巖骨架體積模量；

進一步的，水的體積模量XKW和壓縮系數WCB計算公式如下：

式中，A為常數，DENW為水的密度，DTCW為水的聲波時差；

進一步的，流體壓縮系數FCB的計算公式如下：