基于测井资料的含水层富水性预测方法技术

本发明专利技术公开了一种基于测井资料的含水层富水性预测方法，具体步骤为：选择测井样本；测得测井样本的双收时差数据和岩心孔隙度数据；建立岩心孔隙度和双收时差数据的相关关系，根据含水层厚度和岩心孔隙度构建富水性预测模型，确定富水性预测模型中含水层厚度和岩心孔隙度分别对富水性影响的贡献率；将选取测井样本的含水层厚度和岩心孔隙度的数值归一，根据富水性预测模型计算富水性指数的数值；通过直方统计得到富水性分区阈值，根据富水性分区阈值绘制富水性分区图，选择含水层厚度和岩心孔隙度两个主控影响因子，建立富水性预测模型，降低单因素或多因素评价砂岩含水层富水性的局限性，提高预测的准确度。

Aquifer Water Richness Prediction Method Based on Logging Data

The invention discloses an aquifer water-rich prediction method based on logging data, which comprises the following steps: selecting logging samples; measuring dual time difference data of logging samples and core porosity data; establishing correlation between core porosity and dual time difference data; constructing water-rich prediction model according to aquifer thickness and core porosity, and determining water content in water-rich prediction model. Contribution ratio of aquifer thickness and core porosity to water-enrichment respectively; normalize the values of aquifer thickness and core porosity of selected logging samples, calculate the value of water-enrichment index according to the water-enrichment prediction model; get the water-enrichment zoning threshold through historic statistics, draw water-enrichment zoning map according to the water-enrichment zoning threshold, and select two aquifer thickness and core porosity. In order to reduce the limitation of evaluating water-rich of sandstone aquifer by single or multiple factors and improve the accuracy of prediction, a water-rich prediction model is established by controlling the main influencing factors.

【技术实现步骤摘要】
基于测井资料的含水层富水性预测方法
本专利技术涉及一种含水层富水性预测方法，尤其涉及一种基于测井资料的含水层富水性预测方法。
技术介绍
砂岩含水层的富水性对该类水害防治具有重要意义，砂岩含水层的预测是搞好水害防治的基础，对含水层富水性的认识主要依据水文地质勘查，但各种探查手段的受制因素较多，且随着距离的增大精度会降低，为此已有研究人员将三维地震资料、测井曲线等方法反演砂岩孔隙度，并将其作为影响因素考量到富水性的预测中；砂岩中赋存的水为孔隙水和裂隙水。目前大多数研究都是通过岩性结构，砂泥比等因素间接的来反应含水层的孔隙度对含水层的富水性进行预测,预测结果误差稍大，操作复杂。
技术实现思路
本专利技术的目的就是为了解决上述问题，提供一种基于测井资料的含水层富水性预测方法，它具有预测结果误差较小，方便操作优点。为了实现上述目的，本专利技术采用如下技术方案：一种基于测井资料的含水层富水性预测方法，具体步骤为：选择测井样本；测得测井样本的双收时差数据和岩心孔隙度数据；根据测得的双收时差数据和岩心孔隙度数据，建立岩心孔隙度和双收时差数据的相关关系：POR＝C1A+C2(1)其中POR为岩心孔隙度，A为双收时差数据，C1、C2分别为实数；根据含水层厚度和岩心孔隙度对富水性的影响，构建富水性预测模型：W＝k1H+k2POR(2)其中k1、k2分别为含水层厚度和岩心孔隙度对W的贡献率，即权重，H为含水层厚度，POR为含水层的计算孔隙度；确定富水性预测模型中含水层厚度和岩心孔隙度分别对富水性影响的贡献率；将选取测井样本的含水层厚度和岩心孔隙度的数值归一，根据富水性预测模型计算富水性指数的数值；通过直方统计得到富水性分区阈值，根据富水性分区阈值绘制富水性分区图。所述富水性预测模型中含水层厚度和岩心孔隙度分别对富水性影响的贡献率，计算方法为：使用熵权法对H和POR进行权重确定：式中，m为因子的数量，pij为第j个因子的第i个样本值的标准化值，xij为第j个因子的第i个样本值，针对第j个因子，利用该因子下的数据列，使用公式(4)，计算该因子的熵值ej，即：式中，取则0≤ej≤1，将各因子的标准化值pij带入公式(4)，得出各因子的熵值ej，根据熵值ej的大小，确定第j个因子的偏差度，其计算公式为：gj＝1-ej(5)将第j个因子的偏差度进行标准化，得到的标准化值即为第j个因子的权重，第j个因子的权重计算公式为：本专利技术的有益效果：砂岩的富水性存在多个因素的影响，若仅以单一因素来进行富水性分区，则预测结果必然存在局限性；若采用较多因素复合的分析评价方法来预测含水层的富水性，各种因素的种类繁多，工作量大且如果不能精确的分析各个因素之间的影响关系，会影响到最后结果的准确性，本专利技术选择含水层厚度和岩心孔隙度两个主控影响因子，建立富水性预测模型，降低了单因素或多因素评价砂岩含水层富水性的局限性，提高预测的准确度。附图说明图1为本专利技术岩心孔隙度预测模型图；图2为本专利技术岩心孔隙度分布预测等值线图；图3为本专利技术富水性直方统计图；图4为富水性分区图；图5为本专利技术的方法流程图。具体实施方式下面结合附图与实施例对本专利技术作进一步说明。如图5所示，一种基于测井资料的含水层富水性预测方法，具体步骤为：本实施例所用测井岩心样本取自营盘壕井田勘探钻孔岩心直罗组下段层位，实验仪器为高温高压覆压孔渗测定仪；测得该层为的双收时差数据和岩心孔隙度数据，如表1所示，钻井号为测井样本编号；表1岩心孔隙度实验数据表由表1数据，根据双收时差数据和岩心孔隙度数据进行对比，绘制双收时差数据与岩心孔隙度数据关系图，如图1所示，构建岩心孔隙度预测模型：POR＝-0.2834A+54.4499(1)R2＝0.8286其中POR为岩心孔隙度，A为双收时差数据，R2为相关系数，相关系数R2＝0.8286，相关系数R2越大，说明双收时差数据与岩心孔隙度越相关，说明岩心孔隙度预测模型越合理，由岩心孔隙度预测模型计算该层在各个测井位置的平均岩心孔隙度，采用克里金插值法得到该层位在平面上的岩心孔隙度分布预测等值线图，如图2所示；砂岩的富水性存在多个因素的影响，若仅以单一因素来进行富水性分区，则预测结果必然存在局限性；若采用较多因素复合的分析评价方法来预测含水层的富水性，各种因素的种类繁多，工作量大且如果不能精确的分析各个因素之间的影响关系，会影响到最后结果的准确性，本实施例选择的研究区区内未发现断层，小于3°的单斜构造，地层起伏很小，地质构造为简单，故选择含水层厚度与孔隙度两个因素作为影响富水性的控制因素来构建富水性预测模型：W＝k1H+k2POR(2)其中k1、k2分别为含水层厚度和岩心孔隙度对W的贡献率，即权重，H为含水层厚度，POR为含水层的计算孔隙度；使用熵权法对H和POR进行权重确定：式中，m为因子的数量，pij为第j个因子的第i个样本值的标准化值，xij为第j个因子的第i个样本值，针对第j个因子，利用该因子下的数据列，使用公式(4)，计算该因子的熵值ej，即：式中，取则0≤ej≤1，将各因子的标准化值pij带入公式(4)，得出各因子的熵值ej，根据熵值ej的大小，确定第j个因子的偏差度，其计算式为：gj＝1-ej(5)j＝1,2，根据公式(5)计算得到偏差度向量：g＝(0.224，0.176)；将得到的偏差度进行标准化，得到的标准化值即为第j个因子的权重，它反映了含水层厚度和岩心孔隙度对富水性指数W的贡献率,第j个因子的权重计算公式为：代入计算的偏差度gj，得到因子j＝1,2的权重向量：S＝(0.56,0.44),故表达式(2)中的含水层厚度和岩心孔隙度的权重为k1＝0.56,k2＝0.44；将表1中含水层厚度和岩心孔隙度的数据根据公式(7)对富水性指数W进行耦合时，出现同一级别富水性的含水层厚度和岩心孔隙度的数值级数差别大的情况，耦合时会有大数吃小数的情况，影响结果的准确性，为解决这种问题，将选取测井样本的含水层厚度和岩心孔隙度的数值归一，根据公式(7)计算富水性指数的数值；绘制富水性指数的直方统计图，如图3所示，通过直方统计富水性指数的数值得到的富水性指数分区阈值为0.6、0.8，根据富水性指数的直方统计绘制出富水性分区图，如图4所示。验证富水性预测模型的准确性：表2抽水试验验证K1-6、K2-4、K4-7、K6-4、K7-5、K7-7钻孔依据《煤矿防治水细则》规定的富水性分级与图4所示的富水性分区图一致，因此富水性预测模型可靠。研究区直罗组下段含水层在东部、西南部有大范围弱富水区，东北部、西北部和中部富水性中等，在东北部k1-6附近、西北部k2-1附近、南部k6-3和k9-2附近富水性较强。上述虽然结合附图对本专利技术的具体实施方式进行了描述，但并非对本专利技术保护范围的限制，所属领域技术人员应该明白，在本专利技术的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本专利技术的保护范围以内。本文档来自技高网...

【技术保护点】
1.一种基于测井资料的含水层富水性预测方法，其特征在于，具体步骤为：选择测井样本；测得测井样本的双收时差数据和岩心孔隙度数据；根据测得的双收时差数据和岩心孔隙度数据，建立岩心孔隙度和双收时差数据的相关关系：POR＝C1A+C2   (1)其中POR为岩心孔隙度，A为双收时差数据，C1、C2分别为实数；根据含水层厚度和岩心孔隙度对富水性的影响，构建富水性预测模型：W＝k1H+k2POR   (2)其中k1、k2分别为含水层厚度和岩心孔隙度对W的贡献率，即权重，H为含水层厚度，POR为含水层的计算孔隙度；确定富水性预测模型中含水层厚度和岩心孔隙度分别对富水性影响的贡献率；将选取测井样本的含水层厚度和岩心孔隙度的数值归一，根据富水性预测模型计算富水性指数的数值；通过直方统计得到富水性分区阈值，根据富水性分区阈值绘制富水性分区图。

【技术特征摘要】
1.一种基于测井资料的含水层富水性预测方法，其特征在于，具体步骤为：选择测井样本；测得测井样本的双收时差数据和岩心孔隙度数据；根据测得的双收时差数据和岩心孔隙度数据，建立岩心孔隙度和双收时差数据的相关关系：POR＝C1A+C2(1)其中POR为岩心孔隙度，A为双收时差数据，C1、C2分别为实数；根据含水层厚度和岩心孔隙度对富水性的影响，构建富水性预测模型：W＝k1H+k2POR(2)其中k1、k2分别为含水层厚度和岩心孔隙度对W的贡献率，即权重，H为含水层厚度，POR为含水层的计算孔隙度；确定富水性预测模型中含水层厚度和岩心孔隙度分别对富水性影响的贡献率；将选取测井样本的含水层厚度和岩心孔隙度的数值归一，根据富水性预测模型计算富水性指数的数值；通过直方统计得到富水性...

【专利技术属性】
技术研发人员：魏久传，李梁宁，李立尧，尹会永，张伟杰，牛会功，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：山东,37