[發(fā)明專(zhuān)利]一種儲(chǔ)層相滲曲線仿真方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010552061.4
• 申請(qǐng)日: 2020-06-16
• 公開(kāi)（公告）號(hào): CN113806998A
• 公開(kāi)（公告）日: 2021-12-17
• 發(fā)明（設(shè)計(jì)）人: 張世明;張林鳳;李春雷;劉建濤;靳彩霞;姜興興;趙蕾;馬青;孫業(yè)恒;楊河山
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)石油化工股份有限公司;中國(guó)石油化工股份有限公司勝利油田分公司勘探開(kāi)發(fā)研究院
• 主分類(lèi)號(hào): G06F30/27
• 分類(lèi)號(hào): G06F30/27;E21B49/00;G06Q10/04;G06Q50/02;G06F111/10
• 代理公司: 濟(jì)南日新專(zhuān)利代理事務(wù)所(普通合伙) 37224
• 代理人: 劉亞寧

本發(fā)明涉及儲(chǔ)層相滲曲線仿真方法，具體涉及一種基于機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)相滲曲線仿真預(yù)測(cè)的新方法。所述方法包括：儲(chǔ)層相滲影響因素初步確定；原始數(shù)據(jù)的融合預(yù)處理；篩選、組合儲(chǔ)層相滲仿真主要影響因素，確定特征集合；基于預(yù)處理數(shù)據(jù)集，建立獨(dú)立的訓(xùn)練集和驗(yàn)證集；確定預(yù)測(cè)算法；生成每一個(gè)含水飽和度條件下儲(chǔ)層相滲曲線預(yù)測(cè)模型，校驗(yàn)，匯總，即得。本發(fā)明實(shí)現(xiàn)油田每口井目標(biāo)井段滲曲線的實(shí)時(shí)生成，使其成為獲取儲(chǔ)層相滲這一物性數(shù)據(jù)的必備路徑。實(shí)現(xiàn)儲(chǔ)層滲透性變化預(yù)測(cè)，準(zhǔn)確反映儲(chǔ)層現(xiàn)狀。推廣應(yīng)用于油藏工程和油藏?cái)?shù)值模擬的研究中，有效提升地質(zhì)研究精度和效率。

技術(shù)領(lǐng)域

本發(fā)明涉及儲(chǔ)層相滲曲線仿真方法，具體涉及一種基于機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)相滲曲線仿真預(yù)測(cè)的新方法。

背景技術(shù)

傳統(tǒng)的儲(chǔ)層相滲數(shù)據(jù)的獲取目前主要有三種方法：室內(nèi)實(shí)驗(yàn)法、經(jīng)驗(yàn)公式法和測(cè)井資料解釋方法。室內(nèi)實(shí)驗(yàn)法能獲得完整的相滲曲線，但過(guò)程比較精細(xì)、昂貴，并且耗時(shí)，數(shù)據(jù)量只占總井?dāng)?shù)的六十分之一；經(jīng)驗(yàn)公式法是在缺乏實(shí)驗(yàn)數(shù)據(jù)的情況下進(jìn)行相關(guān)估計(jì)，準(zhǔn)確度差；測(cè)井資料解釋方法只是得出在某一含水飽和度下的滲透率值，無(wú)法反映出油藏的滲透變化情況。已有的基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的滲透率也都是某一狀態(tài)下的值，無(wú)法預(yù)測(cè)針對(duì)一套物性完整的相滲曲線。在油田開(kāi)發(fā)整體處于高含水階段，油藏物性與原始狀態(tài)會(huì)有很大變化，需要新的方法來(lái)動(dòng)態(tài)反映當(dāng)前的儲(chǔ)層相對(duì)滲透率變化狀況。

發(fā)明內(nèi)容

本發(fā)明提供一種儲(chǔ)層相滲曲線仿真方法。充分利用現(xiàn)有的油田物性數(shù)據(jù)，優(yōu)化應(yīng)用人工智能算法，實(shí)現(xiàn)多屬性條件約束，建立儲(chǔ)層相滲曲線預(yù)測(cè)模型，形成油田井、層相滲曲線全集。實(shí)現(xiàn)油田每口井目標(biāo)井段滲曲線的實(shí)時(shí)生成，使其成為獲取儲(chǔ)層相滲這一物性數(shù)據(jù)的必備路徑。實(shí)現(xiàn)儲(chǔ)層滲透性變化預(yù)測(cè)，準(zhǔn)確反映儲(chǔ)層現(xiàn)狀。推廣應(yīng)用于油藏工程和油藏?cái)?shù)值模擬的研究中，有效提升地質(zhì)研究精度和效率。

本發(fā)明采用以下技術(shù)方案實(shí)現(xiàn)：

本發(fā)明提供一種儲(chǔ)層相滲曲線仿真方法，所述方法包括：

(1)儲(chǔ)層相滲影響因素初步確定；

(2)原始數(shù)據(jù)的融合預(yù)處理；

(3)篩選、組合儲(chǔ)層相滲仿真主要影響因素，確定特征集合；

(4)基于預(yù)處理數(shù)據(jù)集，建立獨(dú)立的訓(xùn)練集和驗(yàn)證集；

(5)確定預(yù)測(cè)算法；

(6)生成每一個(gè)含水飽和度條件下儲(chǔ)層相滲曲線預(yù)測(cè)模型，校驗(yàn)，匯總，即得。

優(yōu)選地，步驟(1)中，進(jìn)行圍繞巖心的各類(lèi)物性實(shí)驗(yàn)，統(tǒng)計(jì)各項(xiàng)試驗(yàn)結(jié)果，形成儲(chǔ)層相滲影響因素樹(shù)目錄。

進(jìn)一步優(yōu)選地，所述物性實(shí)驗(yàn)包括：孔、滲、飽、碳常規(guī)實(shí)驗(yàn)、油水相滲實(shí)驗(yàn)、潤(rùn)濕性實(shí)驗(yàn)、五敏實(shí)驗(yàn)、壓汞實(shí)驗(yàn)、巖電實(shí)驗(yàn)。

優(yōu)選地，在步驟(2)中，包括空間和時(shí)間上相關(guān)數(shù)據(jù)融合處理；

空間上按照井層級(jí)別的地質(zhì)尺度進(jìn)行測(cè)井曲線數(shù)據(jù)、室內(nèi)試驗(yàn)數(shù)據(jù)與地質(zhì)解釋數(shù)據(jù)多類(lèi)型數(shù)據(jù)融合及一致性數(shù)據(jù)處理；時(shí)間上按照同一實(shí)驗(yàn)項(xiàng)目的樣品編號(hào)進(jìn)行多來(lái)源數(shù)據(jù)的橫向融合，并對(duì)融合后的數(shù)據(jù)進(jìn)行預(yù)處理，形成預(yù)處理數(shù)據(jù)集。

進(jìn)一步優(yōu)選地，所述一致性數(shù)據(jù)處理，采用實(shí)驗(yàn)樣品深度值與測(cè)井曲線深度值進(jìn)行關(guān)聯(lián)。

優(yōu)選地，在步驟(3)中，采用算法篩選特征值，所述算法包括遺傳算法、正向逐步回歸算法和反向逐步回歸算法；優(yōu)選地，采用反回歸算法。

優(yōu)選地，用于篩選的影響因素包括孔隙度、空氣滲透率、粒度中值、潤(rùn)濕性，束縛水飽和度、油相最大滲透率、殘余油飽和度、殘余油飽和度對(duì)應(yīng)的最大水相滲透率及油水兩相等滲點(diǎn)。

優(yōu)選地，在步驟4中，含水飽和度以0.1％為間隔，建立每一個(gè)含水飽和度條件下人工智能算法訓(xùn)練集與驗(yàn)證集，其中采用30％的數(shù)據(jù)條數(shù)做驗(yàn)證集。