一种基于机器学习的基岩潜山油藏岩石类型识别方法技术

针对现有油藏岩石类型识别方法存在成本和准确性两者不能兼顾的问题，本发明专利技术公开一种基于机器学习的基岩潜山油藏岩石类型识别方法，包括如下步骤：对目的区块关键井进行岩心地质描述；分析主要含油岩石的氧化物和造岩矿物的种类和含量；通过KNN算法建立主要氧化物含量与岩石类型的三维岩性判别图版；应用氧化物闭合模型解释技术获取关键井目的层内沿井筒连续分布的元素含量曲线；建立目的区块关键井常规测井、矿物含量及岩石类型的综合柱状图；建立元素氧化物含量预测模型，并用于预测未取心、未进行ECS俘获测井的开发井元素含量；代入所建立的岩石类型的三维岩性判别图版中，实现对岩石类型的自动识别与划分。本发明专利技术的识别方法成本低廉，准确率高。

【技术实现步骤摘要】
一种基于机器学习的基岩潜山油藏岩石类型识别方法
本专利技术属于油藏岩石类型识别方法领域，具体涉及一种基于机器学习的基岩潜山油藏岩石类型识别方法。
技术介绍
近年来，随着人们对石油的需求量的不断增加，常规油藏早已不能满足人们生活以及工业生产的需要，隐蔽性油藏已成为油气勘探的重要方向之一，潜山油藏正是一种重要的隐蔽性油藏。受沉积间断，地层抬升、剥蚀等影响，基岩潜山油藏岩石具有岩石类型多、岩性复杂、分布规律变化大等特点。而基岩潜山油藏岩性控制着储层裂缝、孔洞的发育程度，进而控制着储层分布、渗流特征及含油饱和度。因此，基岩潜山油藏岩石类型的识别在储层地质研究中至关重要，它是岩相划分的依据，也是储层评价的前提。由于成岩方式不同、矿物成分复杂及碎屑粒级多样性等原因，使得基岩潜山油藏岩石类型识别难度较大。在勘探开发过程中考虑勘探开发成本，获得的岩心资料较少，元素俘获测井成本昂贵，一般只对少数探井、评价井进行该类测井，使得利用少量的地质资料，对储层进行完整系统地评价难度很大。同时，含油气储集层预测及分类为典型的复杂非线性系统，现有的解释及判别方法主要依据线性数学方法建立经验公式，对于岩性多样、储渗介质复杂的基岩储层难以用显式的数学公式进行预测。因此在基岩潜山油藏岩石类型识别方面仍需进一步研究，才能进行岩性的准确判断。目前，油藏岩石类型识别的方法主要有以下几种。①岩心观察法。根据岩心的岩性特征、含油气特征、韵律变化特征等将岩心分段，进行仔细观察描述，判断岩性。该方法具有准确率高的特点，但取心成本高，岩心资料少，难以判断整个储层岩性。②标准矿物法计算法。标准矿物计算是指根据岩石的化学成分计算出岩石的矿物组成的计算方法。根据岩石的标准矿物进行岩石的化学分类。该方法具有应用简单，无人为因素干扰的特点，但准确率相对较低。③重磁技术法。通过对重力和磁力异常图进行直接的对比，进行平面上的定性分析，解释不同重磁异常组合可能对应的地质单元实现“地表地质填图”。重磁技术具有重磁数据覆盖面积广，采样密度高，三维反演算法较成熟，易获得大范围的岩性识别结果。但是准确度较低，如果如不加约束条件垂向分辨率较差，多解释性强；④地震技术法。地震反演是进行岩性圈闭识别和解释常用的有效手段，该方法采用纵横波速度和密度参数进行岩性识别，来区分具体的岩性型或用预先规定的精度估计具休的岩性参数。该方法作用深度范围大，精度高，但成本太高；⑤遥感技术法。岩石的吸收光谱主要是由杂质、包体、蚀变及替代成分产生的，不同类型的岩石放射性元素的合量和分布特征不同。通过遥感技术法提取光谱图像中的光谱信息和空间纹理信息，利用航空放射性信息作为岩性识别能谱标志。该方法覆盖面积大，数据更新速度快，但探测深度小，受植被大气等影响大，在植被覆盖区域难于获取有效信息。因此，目前有必要研究一种成本低并且准确性高的基岩潜山油藏岩石类型识别方法。
技术实现思路
针对现有的油藏岩石类型识别的方法存在成本和准确性两者不能兼顾的上述问题，本专利技术提供一种基于机器学习的基岩潜山油藏岩石类型识别方法，该方法具有成本低、适用范围广、准确率高，识别速度快的优点。本专利技术是通过以下技术方案实现的：一种基于机器学习的基岩潜山油藏岩石类型识别方法，包括以下步骤：S01：针对目的区块关键井进行岩心地质描述；S02：应用岩矿化验技术，分析主要含油岩石的氧化物和造岩矿物的种类和含量；S03：利用KNN算法建立主要氧化物含量与岩石类型的三维岩性判别图版；S04:在对岩心归位基础上，针对关键井ECS测井资料进行解释，应用氧化物闭合模型解释技术获取关键井目的层内沿井筒连续分布的元素含量曲线，结合岩心样品室内岩矿鉴定所得到的元素、矿物类型及百分含量，校验ECS解释结果；S05:综合S01、S02、S04步骤数据，结合关键井常规测井资料，建立目的区块关键井常规测井、元素含量、矿物含量及岩石类型的综合柱状图；S06:根据S05步骤的基础上，利用支持向量回归算法确定常规测井与氧化物含量之间的响应关系，建立元素氧化物含量预测模型；S07:将S06步骤建立的氧化物含量预测模型用于预测未取心、未进行ECS俘获测井的开发井元素含量；S08:将S07的预测数据代入S03步骤所建立的岩石类型的三维岩性判别图版中，实现对岩石类型的自动识别与划分。进一步地，所述关键井为取心井、ECS特殊测井的探井、评价井。进一步地，所述步骤S01具体做法为：检查取心井取心次数、井段、进尺、岩心长度及岩心顺序是否正确，在确定岩心符合描述要求的基础上，详细描述并素包括描岩心颜色、含油级别、岩石类型及裂缝产状在内的特殊构造。进一步地，所述步骤6：将数据集随机抽取80％作为训练数据，20％作为测试数据，所述预测模型为score为预测性能得分值越大算法效果越好，TEST为测试集，yi为真实值，为真实值的平均值，为预测值。本专利技术初步对目的区块关键井进行岩心地质描述，应用矿物电子探针、能谱等岩矿化验技术，分析主要含油岩石的氧化物和造岩矿物的种类和含量，利用KNN算法建立主要氧化物含量与岩石类型的三维岩性判别图版。之后对关键井ECS测井资料进行解释，并获取关键井目的层内沿井筒连续分布的元素含量曲线，结合先前岩矿化验技术校验ECS解释结果。之后建立目的区块关键井常规测井、元素含量、矿物含量及岩石类型的综合柱状图，并利用支持向量回归算法确定常规测井与氧化物含量之间的响应关系，建立元素氧化物含量预测模型。用于预测未取心、未进行ECS俘获测井的开发井元素含量。将预测出的氧化物含量代入岩石类型的三维岩性判别图版，从而实现对岩石类型的自动识别与划分。有益效果：本文采用定性分析与定量分析相结合的方法。基于岩矿鉴定及元素俘获测井资料等定性分析，建立精确的氧化物含量与岩性类别的数据库，通过K-NN算法建立岩性识别图版。保障了图版的准确性。利用支持向量回归算法寻找常规测井与氧化物含量之间的响应关系，建立元素氧化物含量预测模型，提高了定量分析的精度。通过使用氧化物含量预测模型可以大规模预测未取心、未进行ECS俘获测井的开发井元素含量，有效地节约了成本。在保障成本和准确性的同时，可以大规模的进行基岩潜山油藏岩性识别。附图说明图1基于机器学习的基岩潜山油藏岩石类型识别方法流程图；图2为实施例能谱图；图3为实施例KNN分类图版；图4为实施例元素含量曲线；图5为实施例综合柱状图。具体实施方式下面结合具体实施例及附图对本专利技术做进一步详细说明。实施例以某基岩潜山油藏为例，参照附图1，具体步骤如下：S01：针对某潜山油藏关键井(所述关键井为取心井、ECS特殊测井的探井、评价井，下同)取心资料判断关键井的孔隙类型主要为破碎粒间孔、矿物溶孔、晶间孔；裂缝主要为构造裂缝、溶解缝和矿物解理缝。岩石构造裂缝及破碎粒间孔部分被原岩细碎屑、泥质、碳酸盐、石英、铁质和绿泥石等充填，岩性为花岗岩、正长岩、石英二长岩。S02：根据岩心地质描述及含油级别，钻取关键井含油段岩心样品，通过矿物电子探针产生的电子束作用岩样，产生特征X射线进行成分分析，以及利用能谱(如图2所示)岩矿化验技术，分析主要含油岩石的氧化物和造岩矿物的种类和含量。S03：利用分析好的岩样数据通过KNN算法建立主要氧化物含量与岩石类型的三维岩性判别图版，如图3所示星形本文档来自技高网...

【技术保护点】
1.一种基于机器学习的基岩潜山油藏岩石类型识别方法，其特征在于，包括以下步骤：S01：针对目的区块关键井进行岩心地质描述；S02：应用岩矿化验技术，分析主要含油岩石的氧化物和造岩矿物的种类和含量；S03：利用KNN算法建立主要氧化物含量与岩石类型的三维岩性判别图版；S04:在对岩心归位基础上，针对关键井ECS测井资料进行解释，应用氧化物闭合模型解释技术获取关键井目的层内沿井筒连续分布的元素含量曲线，结合岩心样品室内岩矿鉴定所得到的元素、矿物类型及百分含量，校验ECS解释结果；S05:综合S01、S02、S04步骤数据，结合关键井常规测井资料，建立目的区块关键井常规测井、元素含量、矿物含量及岩石类型的综合柱状图；S06:根据S05步骤的基础上，利用支持向量回归算法确定常规测井与氧化物含量之间的响应关系，建立元素氧化物含量预测模型；S07:将S06步骤建立的氧化物含量预测模型用于预测未取心、未进行ECS俘获测井的开发井元素含量；S08:将S07的预测数据代入S03步骤所建立的岩石类型的三维岩性判别图版中，实现对岩石类型的自动识别与划分。

【技术特征摘要】
1.一种基于机器学习的基岩潜山油藏岩石类型识别方法，其特征在于，包括以下步骤：S01：针对目的区块关键井进行岩心地质描述；S02：应用岩矿化验技术，分析主要含油岩石的氧化物和造岩矿物的种类和含量；S03：利用KNN算法建立主要氧化物含量与岩石类型的三维岩性判别图版；S04:在对岩心归位基础上，针对关键井ECS测井资料进行解释，应用氧化物闭合模型解释技术获取关键井目的层内沿井筒连续分布的元素含量曲线，结合岩心样品室内岩矿鉴定所得到的元素、矿物类型及百分含量，校验ECS解释结果；S05:综合S01、S02、S04步骤数据，结合关键井常规测井资料，建立目的区块关键井常规测井、元素含量、矿物含量及岩石类型的综合柱状图；S06:根据S05步骤的基础上，利用支持向量回归算法确定常规测井与氧化物含量之间的响应关系，建立元素氧化物含量预测模型；S07:将S06步...

【专利技术属性】
技术研发人员：孙致学，姜宝胜，葛成红，都巾文，何楚翘，姜传胤，刘垒，杨旭刚，朱旭晨，许业鹏，秦浩，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：山东,37