[發明專利]一種油氣儲層滲透率預測模型的構建方法及其應用

有效

• 申請號: 202010280776.9
• 申請日: 2020-04-10
• 公開（公告）號: CN111489034B
• 公開（公告）日: 2022-04-22
• 發明（設計）人: 周凱波;胡洋翔;劉頡
• 申請（專利權）人: 華中科技大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/02
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 尹麗媛;李智

本發明屬于油井儲層參數預測領域，具體涉及一種油氣儲層滲透率預測模型的構建方法及其應用，方法包括獲取待測油井目標樣本集和輔助油井輔助樣本集；從輔助樣本集選出多個樣本構成分類訓練樣本集，結合目標樣本集二類訓練分類器；采用訓練的分類器生成輔助樣本集中各樣本與待測油井相關性大小以作為該樣本初始權重，從輔助樣本集中確定初始權重大于過濾閾值的多個樣本構成輔助訓練樣本集；調整該多個樣本初始權重使得各樣本權重加和不大于目標樣本集中各樣本權重加和；基于目標樣本集、輔助訓練樣本集以及各樣本權重訓練滲透率預測模型。本發明適用于新井訓練樣本不足下的儲層滲透率預測，提高在低比例訓練樣本數據集下油氣儲層滲透率預測準確性。

技術領域

本發明屬于石油工程儲層參數預測領域，更具體地，涉及一種油氣儲層滲透率預測模型的構建方法及其應用。

背景技術

滲透性是一種描述流體通過巖石的特征，也是評估石油工程中油藏質量的關鍵參數，在提高采收率，油氣開發、儲層評估管理與油氣開發等方面起著重要作用。如果能準確估算儲層滲透率，將有利于儲層評價和生產優化，從而降低生產成本。然而，由于油氣儲層的非均質性和復雜的地層結構，準確預測儲層滲透率是一個挑戰。

儲層滲透率預測方法可以分為三種類型：直接測量、經驗模型和機器學習方法。直接測量方法是根據滲透率的定義(達西定律)直接測量各項物理參數，并計算出巖心滲透率，目前是獲取儲層滲透率較為準確的方法之一。經驗模型方法是基于一些物理模型使用巖心數據建立的一系列非線性方程組。它可以根據巖石物理理論合理地解釋地層參數對儲層滲透率的影響，其主要思想是通過統計回歸研究地層參數與滲透率之間的關系，最終建立滲透率與地層參數之間的物理模型。不同于復雜的物理模型方法，機器學習方法直接利用樣本數據建立輸入與輸出之間的非線性關系。這三種方法雖然在儲層滲透率預測領域有了廣泛的應用，但是在滲透率預測方面仍有一些局限性：(1)直接測量方法耗時長，成本高；(2)由于地層非常復雜且難以描述，因此，經驗模型方法無法建立較為準確的滲透率預測模型；(3)機器學習方法輸入樣本的部分地質參數需要間接測量或計算獲取，此外還需要大量的訓練樣本進行模型訓練，當訓練樣本不足時預測效果不佳。

發明內容

本發明提供一種油氣儲層滲透率預測模型的構建方法及其應用，用以解決現有油氣儲層滲透率預測模型構建中新訓練樣本不足導致預測精度不高的技術問題。

本發明解決上述技術問題的技術方案如下：一種油氣儲層滲透率預測模型的構建方法，包括：

獲取待測油井的測井數據樣本集并作為目標樣本集，同時獲取輔助油井的測井數據樣本集并作為輔助樣本集；

從所述輔助樣本集中選出多個測井數據樣本構成分類訓練樣本集，并將所述分類訓練樣本集和所述目標樣本集作為兩類，訓練分類器；

采用訓練后的分類器，生成所述輔助樣本集中每個測井數據樣本與所述待測油井的相關性大小以作為該樣本的初始權重，并從所述輔助樣本集中確定初始權重大于過濾閾值的多個測井數據樣本，構成輔助訓練樣本集；

對所述輔助訓練樣本集中每個測井數據樣本的初始權重進行調整，使得所述輔助訓練樣本集中各測井數據樣本的權重加和不大于所述目標樣本集中各樣本的預設權重加和；

基于所述目標樣本集、所述輔助訓練樣本集以及各樣本的權重，訓練并得到油氣儲層滲透率預測模型，造成油氣儲層滲透率預測模型的構建。

本發明的有益效果是：本發明首次將遷移學習思想應用于儲層滲透率預測，首先通過過濾閾值對輔助樣本進行初篩，得到輔助訓練樣本集。進一步提出樣本集權重概念，綜合考慮輔助訓練樣本集與目標樣本集的貢獻，對輔助訓練樣本集中各樣本權重進行調整，保證目標樣本集的總權重不小于輔助訓練樣本集的總權重。本方法適用于新井訓練樣本不足情況下的儲層滲透率快速預測，提高了在低比例訓練樣本數據集下的油氣儲層滲透率預測準確性，通過遷移相關性高的輔助樣本有效地解決了跨井儲層滲透率預測問題。