一种储层流体类型的识别方法及装置制造方法及图纸

本申请提供一种储层流体类型的识别方法及装置，其中，所述方法包括：获取储层流体训练集，所述储层流体训练集中包括已确定类型的多个储层流体以及与各个所述储层流体分别关联的训练特征值；根据所述储层流体训练集训练得到储层流体类型预测模型，其中，对于所述储层流体训练集中的每个储层流体，所述储层流体类型预测模型均满足：根据所述储层流体的训练特征值预测得到的储层流体类型与已确定的所述储层流体的类型一致；获取待识别储层流体的目标特征值；利用所述储层流体类型预测模型对所述目标特征值进行预测，得到所述待识别储层流体的类型。本申请提供的一种储层流体类型的识别方法及装置，能够提高储层流体类型的识别精度。

【技术实现步骤摘要】

本申请涉及油气藏勘探开发
，特别涉及一种储层流体类型的识别方法及装置。
技术介绍
目前，储层流体类型识别方法较多，主要分为三类：利用常规曲线进行识别、利用数学方法进行识别和利用测井新技术进行识别。然而由于泥质含量高或孔隙结构复杂等原因，会导致识别精度不高。支持向量机分类预测方法是九十年代发展起来的一种机器学习方法，其操作简便，在解决小样本、非线性及高维模式识别中表现出许多特有的优势。目前在对储层流体类型进行识别时，可以读取储层各种流体类型样本的测井曲线特征值进行支持向量机研究，但现有方法没有考虑储层地质特征对支持向量机流体类型判别的影响，这一影响无法用常规的自然伽马曲线、自然电位曲线、声波时差曲线、密度曲线等表征，因此目前方法与实际地质情况存在差距。此外，现有方法在支持向量机判别时大多选用自然电位这一参数。但受测量过程控制，自然电位曲线受泥浆滤液和地层水矿化度影响，其绝对值的地质意义不大，从而无法精确地识别储层流体类型。应该注意，上面对技术背景的介绍只是为了方便对本申请的技术方案进行清楚、完整的说明，并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本申请的
技术介绍
部分进行了阐述而认为上述技术方案为本领域技术人员所公知。
技术实现思路
本申请实施方式的目的在于提供一种储层流体类型的识别方法及装置，能够提高储层流体类型的识别精度。为实现上述目的，本申请一方面提供一种储层流体类型的识别方法，所述方法包括：获取储层流体训练集，所述储层流体训练集中包括已确定类型的多个储层流体以及与各个所述储层流体分别关联的训练特征值；根据所述储层流体训练集训练得到储层流体类型预测模型，其中，对于所述储层流体训练集中的每个储层流体，所述储层流体类型预测模型均满足：根据所述储层流体的训练特征值预测得到的储层流体类型与已确定的所述储层流体的类型一致；获取待识别储层流体的目标特征值；利用所述储层流体类型预测模型对所述目标特征值进行预测，得到所述待识别储层流体的类型。进一步地，所述训练特征值至少包括储层类型标识、储层自然伽马值、自然电位幅度比、地层深电阻率、声波时差、中子孔隙度和地层密度。进一步地，所述储层类型标识按照以下方式获取：从预设储层分类集合中确定与储层流体的类型相适配的储层类型，并获取与确定的储层类型相关联的储层类型标识。进一步地，在获取储层流体训练集的步骤之后，所述方法还包括：按照下述公式对所述储层流体训练集中的各个训练特征值进行归一化处理：其中，B表示归一化处理后的训练特征值，A表示归一化之前的训练特征值，Amin表示该类训练特征值中的最小值，Amax表示该类训练特征值中的最大值。进一步地，根据所述储层流体训练集训练得到储层流体类型预测模型具体包括：根据初始储层流体类型预测模型，预测得到与所述储层流体训练集中的训练特征值相对应的储层流体训练类型；根据所述储层流体训练类型与已确定的储层流体类型之间的误差对所述初始储层流体类型预测模型中的预设函数进行校正，以使得根据校正后的储层流体类型预测模型预测得到的储层流体训练类型与已确定的储层流体类型之间的误差小于或者等于预设阈值，所述预设函数包括惩罚函数和/或核函数；将所述校正后的储层流体类型预测模型确定为训练得到的储层流体类型预测模型。进一步地，在得到所述待识别储层流体的类型之后，所述方法还包括：当得到的所述待识别储层流体的类型满足预设条件时，对所述待识别储层流体进行校验处理，并根据校验处理的结果再次确定所述待识别储层流体的类型。进一步地，对所述待识别储层流体进行校验处理具体包括：将所述待识别储层流体的海拔高度与预设油水界面的海拔高度和预设气油界面的海拔高度分别进行比较，并根据比较结果确定所述待识别储层流体的实际类型。为实现上述目的，本申请另一方面提供一种储层流体类型的识别装置，所述装置包括：训练集获取单元，用于获取储层流体训练集，所述储层流体训练集中包括已确定类型的多个储层流体以及与各个所述储层流体分别关联的训练特征值；预测模型获取单元，用于根据所述储层流体训练集训练得到储层流体类型预测模型，其中，对于所述储层流体训练集中的每个储层流体，所述储层流体类型预测模型均满足：根据所述储层流体的训练特征值预测得到的储层流体类型与已确定的所述储层流体的类型一致；目标特征值获取单元，用于获取待识别储层流体的目标特征值；类型预测单元，用于利用所述储层流体类型预测模型对所述目标特征值进行预测，得到所述待识别储层流体的类型。进一步地，所述装置还包括归一化处理单元，所述归一化处理单元用于按照下述公式对所述储层流体训练集中的各个训练特征值进行归一化处理：其中，B表示归一化处理后的训练特征值，A表示归一化之前的训练特征值，Amin表示该类训练特征值中的最小值，Amax表示该类训练特征值中的最大值。进一步地，所述预测模型获取单元具体包括：初始预测模块，用于根据初始储层流体类型预测模型，预测得到与所述储层流体训练集中的训练特征值相对应的储层流体训练类型；校正模块，用于根据所述储层流体训练类型与已确定的储层流体类型之间的误差对所述初始储层流体类型预测模型中的预设函数进行校正，以使得根据校正后的储层流体类型预测模型预测得到的储层流体训练类型与已确定的储层流体类型之间的误差小于或者等于预设阈值，所述预设函数包括惩罚函数和/或核函数；模型确定模块，用于将所述校正后的储层流体类型预测模型确定为训练得到的储层流体类型预测模型。由以上本申请实施方式提供的技术方案可见，本申请通过通过定义自然电位幅度比，可以使得判断准确率增加。此外，在识别中充分考虑储层特征对储层流体类型识别的影响，并将储层类型作为训练特征值之一，使结果更符合研究区实际情况。再者，通过训练预测模型，可以减小储层流体类型识别过程中的主观性，从而提高了储层流体类型识别的准确率。参照后文的说明和附图，详细公开了本申请的特定实施方式，指明了本申请的原理可以被采用的方式。应该理解，本申请的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内，本申请的实施方式包括许多改变、修改和等同。针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用，与其它实施方式中的特征相组合，或替代其它实施方式中的特征。应该强调，术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在，但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。附图说明所包括的附图用来提供对本申请实施方式的进一步的理解，其构成了说明书的一部分，用于例示本申请的实施方式，并与文字描述一起来阐释本申请的原理。显而易见地，下面描述中的附图仅仅是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：图1为本申请实施方式提供的一种储层流体类型的识别方法流程图；图2为本申请实施方式提供的一种储层流体类型的识别装置的功能模块图。具体实施方式为了使本
的人员更好地理解本申请中的技术方案，下面将结合本申请实施方式中的附图，对本申请实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本申请一部分实施方式，而不是全部的实施方式。基于本申请中的实施方本文档来自技高网...

【技术保护点】
一种储层流体类型的识别方法，其特征在于，所述方法包括：获取储层流体训练集，所述储层流体训练集中包括已确定类型的多个储层流体以及与各个所述储层流体分别关联的训练特征值；根据所述储层流体训练集训练得到储层流体类型预测模型，其中，对于所述储层流体训练集中的每个储层流体，所述储层流体类型预测模型均满足：根据所述储层流体的训练特征值预测得到的储层流体类型与已确定的所述储层流体的类型一致；获取待识别储层流体的目标特征值；利用所述储层流体类型预测模型对所述目标特征值进行预测，得到所述待识别储层流体的类型。

【技术特征摘要】
1.一种储层流体类型的识别方法，其特征在于，所述方法包括：获取储层流体训练集，所述储层流体训练集中包括已确定类型的多个储层流体以及与各个所述储层流体分别关联的训练特征值；根据所述储层流体训练集训练得到储层流体类型预测模型，其中，对于所述储层流体训练集中的每个储层流体，所述储层流体类型预测模型均满足：根据所述储层流体的训练特征值预测得到的储层流体类型与已确定的所述储层流体的类型一致；获取待识别储层流体的目标特征值；利用所述储层流体类型预测模型对所述目标特征值进行预测，得到所述待识别储层流体的类型。2.根据权利要求1所述的方法，其特征在于，所述训练特征值至少包括储层类型标识、储层自然伽马值、自然电位幅度比、地层深电阻率、声波时差、中子孔隙度和地层密度。3.根据权利要求2所述的方法，其特征在于，所述储层类型标识按照以下方式获取：从预设储层分类集合中确定与储层流体的类型相适配的储层类型，并获取与确定的储层类型相关联的储层类型标识。4.根据权利要求1所述的方法，其特征在于，在获取储层流体训练集的步骤之后，所述方法还包括：按照下述公式对所述储层流体训练集中的各个训练特征值进行归一化处理：B=A-AminAmax-Amin]]>其中，B表示归一化处理后的训练特征值，A表示归一化之前的训练特征值，Amin表示该类训练特征值中的最小值，Amax表示该类训练特征值中的最大值。5.根据权利要求1所述的方法，其特征在于，根据所述储层流体训练集训练得到储层流体类型预测模型具体包括：根据初始储层流体类型预测模型，预测得到与所述储层流体训练集中的训练特征值相对应的储层流体训练类型；根据所述储层流体训练类型与已确定的储层流体类型之间的误差对所述初始储层流体类型预测模型中的预设函数进行校正，以使得根据校正后的储层流体类型预测模型预测得到的储层流体训练类型与已确定的储层流体类型之间的误差小于或者等于预设阈值，所述预设函数包括惩罚函数和/或核函数；将所述校正后的储层流体类型预测模型确定为训练得到的储层流体类型预测模型。6.根据权利要求1所述的方法，其特征在于，在得到所述待识别储层流体的类型之后，所述方法还包括：当得到的所述待识别储...

【专利技术属性】
技术研发人员：韩如冰，田昌炳，李顺明，蔚涛，杜宜静，何辉，
申请(专利权)人：中国石油天然气股份有限公司，
类型：发明
国别省市：北京;11