一种综合GWO-LSSVM算法的水淹层精细解释评价方法技术

本发明专利技术提供一种综合GWO‑LSSVM算法的水淹层精细解释评价方法，涉及石油工程技术领域。该方法依据测井曲线评价和GWO‑LSSVM算法理论基础，可通过分析不同水淹强度评价指标的权值来进行数据收集、优化，再输入预测模块计算输出水淹强度结果。水淹级别结果由至少三种核函数参数优化。能够解决传统水淹层评价方法的一种参数带来的局限性，同时评价该方法测试步骤少，难度低，精度高，可以有效地为实际工程或者实验提供参考数据。

【技术实现步骤摘要】
一种综合GWO-LSSVM算法的水淹层精细解释评价方法
本专利技术属于石油工程
，涉及一种综合GWO-LSSVM算法的水淹层精细解释评价方法。
技术介绍
由于油田的长期开发，油田进入高含水、高采出阶段。但是仍有大量的开采原油存于地下，要在中高含水条件下产出，油田开发矛盾变得日益突出。特别是针对裂缝条件下的低渗透储层，在含水率逐渐增长的情况下，怎么提高采收率、增加油藏最终产量是目前面临的重大问题。因此，应进一步深入认识油藏，分析开发形式，解决生产问题，充分利用测井、测试资料人情开发现状，摸清剩余油分布规律，经济有效地做好油田开发中后期挖潜与调整工作，提高油田整体开发水平和最终效益。准确评价水淹层和剩余油饱和度对油田开发中后期调整挖潜及采油方案的实施至关重要。目前的水淹层评价方法有多种，例如裸眼测井、生产测井等。均仅仅局限于某一种测井资料而且存在一下问题：1、通过测井资料来进行的评价容易受到人为主观因素的影响，准确性容易出现偏差；2、不管应用哪种测井资料来进行评价，解释参数的选择的不当都会造成评价结果的偏差；3、测井资料评价方式在使用中较为耗时，油田应用较为繁琐。1977年，R.P.Murphy认为“测一注一测”方法可以计算含水饱和度，实际效果分析这种方法的计算准确率较高；1996年，孙德明开展了稠油水淹测井评价，引入了淡化系数方程，具有较高的符合率，同时是国内首个稠油水淹测井评价方法；1998年，宋子齐、谭成仟等用将测井资料、岩心分析资料、试油资料以及生产资料结合，利用灰色系统数学模型，给出了高含水期水淹层评价方法；2000年，FredAminzadeh通过降维方法减小人工神经网络模型输入参数的数量，结合新的输入数据，显著地提升了人工神经网络模型分类精度，该方法可以进一步用于储层参数的计算；2002年，中原油田利用碳氧比能谱做水淹层测井评价，碳氧比测井可以克服地层水矿化度变化复杂的情况，在套管中测量储层含油饱和度，基于该测井方法开展的水淹层测井评价具有较好应用效果，但成本高且适用性较为局限；2005年，慈建发、崔继明指出了水淹层测井评价中存在的缺陷和未来水淹层测井评价的发展方向及意见；2008年，周桂祯基于概念模型和数值模拟，分析了油层各向异性对水淹过程的实际影响，提出非均质油层开采过程中的最大水淹程度，并分析了非均质油层随水淹程度改变时储层含水率的变化方式；2010年，施尚明、翟志伟分析油层水淹时的孔渗特征，得到了升平油田葡萄花油层水淹时电阻率曲线与自然电位曲线的变化规律，从而通过储层参数计算建立了该区块水淹层测井评价方法。
技术实现思路
本专利技术旨在提供一种水淹层精细解释评价方法，来实现水淹层测井综合评价。该方法的优点是可以将GWO-LSSVM智能算法与测井方法相结合，优选不同的而参数作为评价指标，不仅提高了评价的速度同时也能够大大的保证水淹层测井评价的准确性。避免了传统单因素评价方法带来的误差问题，可以为实际工程和实验分析提供有效的参考数据。为了实现上述专利技术的目的，本专利技术采取的方案是：获取同一区域下不同井组水淹强度评价指标的样本值，所述的水淹强度评价指标包括电阻率、泥质含量、可动用水饱和度、吸水剖面和产液剖面等影响因子；将不同井组的水淹强度评价指标的样本值进行数据训练，以获取所述水淹强度评价指标的权值；初始灰狼算法参数，分析水淹前后的水淹强度评价指标相应特征，获取评价指标的物性变化规律，并同时根据测井曲线变化、单井试油、投产资料等变化情况对水淹层进行分析计算出合适的水淹强度评价指标的权值；根据灰狼算法计算所得的最优水淹强度评价指标及(最优参数)进行最小二乘支持向量机预测，预测得出的结果即为水淹级别本专利技术具有以下有益效果：本专利技术所述的油田水淹层精细解释评价方法包括水淹层测井综合识别与水淹强度评价指标优选。具体的，根据同一区域不同井组的水淹强度评价指标的样本值进行灰狼算法参数优化，以获取影响水淹强度评价指标的最优权值。再通过最小二乘支持向量机进行最终结果预测。该方法所确定的水淹层的水淹强度值相比于传统测井评价所得水淹强度值具有较高的精确性，因为它综合考虑了除测井数据之外的其他试油试采资料及吸水剖面和产液剖面等因素，避免了单一因素评价方法带来的误差问题。同时该方法采用智能算法来进行，时效性相比于传统测井曲线法大大提高。附图说明附图1为本专利技术GWO-LSSVM的结构示意图附图2为二区储层渗透率与测井曲线关系图附图3为二区储层孔隙度与测井曲线关系图附图4为二区水淹层电阻率与含水率交汇图版附图5为二区水淹层电阻率与4米电阻交汇图版具体实施方式为使本专利技术的上述目的、特征和优点能够更加浅显易懂，下面结合附图对本专利技术作进一步详细的说明。1、对同一区域不同井组的储层岩性、物性、电性及含油气性进行分析以获取水淹强度指标样本值，同时建立该方法的数据集；2、以研究区二区不同井组的相关物性分析资料为基础，我们有幸得到4口取芯井数据,202个点。原始数据中属性包括起始深度、结束深度、深侧向电阻率、潜侧向电阻率、冲洗带电阻率、声波时差、补偿密度等。有4个水淹级别为强水淹、中水淹、弱水淹和未水淹,这个水淹级别对应着4类。以其中160个点作为学习样本,个点作为测试样本分析储层物性与测井曲线的关系，如附图2、3所示3、测井资料预处理：(1)标准化处理在长期的油田勘探与开发过程中,很难保证所有的测井曲线都是用相同的仪器、相同的标准刻度以及相同的操作方式进行测量得,所以不同的测井数据间必然存在误差。因此,除了要对测井数据进行必要的环境影响校正外,还必须对测井曲线进行标准化处理。我们采用归一化法:其中，x(i)是第i条测井曲线，x(i)min是第i条测井曲线的最小值，x(i)max是第i条曲线的最大值。(2)核函数及参数的选择分别采用径向基函数、多项式函数、sigmoid函数作为支持向量机的核函数，调整每种函数的参数，使效果达到最好4、初始化GWO参数，将研究区水淹前后的水淹强度评价指标输入GWO遗传算法中，分析水淹前后的评价指标变化情况，同时将测井曲线值，单井试油、投产资料等分别作为狼群参数进行计算最佳适应度值；5、通过以上水淹强度评价指标变化情况和狼群参数的最佳适应度值进行停机准则的判断，如果达到停机准则，则输出最优水淹强度评价指标值，如果未达到停机准则，则更新狼群参数进行GWO优化重新进行计算；6、将最优水淹强度评价指标值输入进最小二乘支持向量机中进行计算预测。预测出的最终结果为水淹级别。所得水淹级别交汇图如图4、图5所示。本文档来自技高网...

【技术保护点】
1.一种综合GWO-LSSVM算法的水淹层精细解释评价方法，其特征在于：获取同一区域下不同井组水淹强度评价指标的样本值，所述的水淹强度评价指标包括电阻率、泥质含量、可动用水饱和度、吸水剖面和产液剖面等影响因子；将不同井组的水淹强度评价指标的样本值进行数据训练，以获取所述水淹强度评价指标的权值；初始灰狼算法参数，分析水淹前后的水淹强度评价指标相应特征，获取评价指标的物性变化规律，并同时根据测井曲线变化、单井试油、投产资料等变化情况对水淹层进行分析计算出合适的水淹强度评价指标的权值；根据灰狼算法计算所得的最优水淹强度评价指标及(最优参数)进行最小二乘支持向量机预测，预测得出的结果即为水淹级别。/n

【技术特征摘要】
1.一种综合GWO-LSSVM算法的水淹层精细解释评价方法，其特征在于：获取同一区域下不同井组水淹强度评价指标的样本值，所述的水淹强度评价指标包括电阻率、泥质含量、可动用水饱和度、吸水剖面和产液剖面等影响因子；将不同井组的水淹强度评价指标的样本值进行数据训练，以获取所述水淹强度评价指标的权值；初始灰狼算法参数，分析水淹前后的水淹强度评价指标相应特征，获取评价指标的物性变化规律，并同时根据测井曲线变化、单井试油、投产资料等变化情况对水淹层进行分析计算出合适的水淹强度评价指标的权值；根据灰狼算法计算所得的最优水淹强度评价指标及(最优参数)进行最小二乘支持向量机预测，预测得出的结果即为水淹级别。


2.根据权利要求1所述的一种综合GWO-LSSVM算法的水淹层精细解释评价方法，其特征在于：获取同一地区的不同井组储层水淹强度指标样本值时应在同一储层。


3.根据权利要求1所述的一种综合GWO-LSSVM算法的水淹层精细解释评价方法，其特征在于：对岩性、物性、电性及含油气性进行分析时各项资料应符合行业标准要求。


4.根据权利要求1所述的一种综合GWO-LSSVM算法的水淹层精细解释评价方法，其特征在于：GWO-LSSVM算法运行应使用MATLAB编程软件。


5.根据权利要求1所述的一种综合GWO-LSSVM算法的水淹层精细解释评价方法，其特征在于：核函数的选择应采用三种及以上函数作为核函数。


6.根据权利要求1所述的一种综合GWO-LSSVM算法的水淹层精细解释评价方法，其特征在于：
步骤1：对同一区域不同井组的储层岩性、物性、电性及含油气性进行分析以获取水淹强度指标样本值，同时建立该方法的数...

【专利技术属性】
技术研发人员：卞小强，张展睿，
申请(专利权)人：西南石油大学，
类型：发明
国别省市：四川;51