【技术实现步骤摘要】
一种基于机器学习的相渗曲线预测方法及系统
[0001]本专利技术涉及油田开发数据挖掘
，特别是涉及一种基于机器学习的相渗曲线预测方法及系统。
技术介绍
[0002]随着油田开发进入高含水阶段，油藏动态非均质性显著增强。如何利用油藏相关静态、动态多类型数据，进行油田开发的综合评估，实现油藏精细识别，提供有效的油藏改造方案，是油藏开发中的主要难点问题之一。
[0003]研究流体在油田开采过程中的渗流机理有助于提高原油采收率，油水相对渗透率曲线表征油水两相在多孔介质中的渗流规律，主要用来在油田生产过程中对油井生产规律进行分析、计算开采产量，是评判多相流体在储层岩石中渗流强弱必要的参考标准，相对渗透曲线是研究认识聚合物驱渗流特点的重要信息，对于注水开发油田来说，油水相对渗透率曲线对油层选取增产措施和三次采油都是非常重要的资料。油水相对渗透率是调整井水淹层解释时重要的资料，也是利用生产测井资料评价油层剩余油饱和度必需的资料。如何精准的获取具有代表性的相对渗透率基本数据，是油田开采工作者面临的一项重要工作。
[00...
【技术保护点】
【技术特征摘要】
1.一种基于机器学习的相渗曲线预测方法，其特征在于，包括：采集岩样的相渗曲线数据和所述岩样所在井的测井曲线数据；所述相渗曲线数据包括含水饱和度和不同含水饱和度对应的相对渗透率；选取部分所述相渗曲线数据和所述测井曲线数据分别作为样本相渗曲线数据和样本测井曲线数据；将所述样本测井曲线数据作为输入，将所述样本相渗曲线数据中含水饱和度的起始值作为标签，采用机器学习算法训练相渗曲线起始点模型，得到第一相渗曲线起始点模型；根据所述第一相渗曲线起始点模型得到预测含水饱和度起始值；将所述样本测井曲线数据和所述预测含水饱和度起始值作为输入，将所述样本相渗曲线数据中的相对渗透率作为标签，采用机器学习算法训练相对渗透率模型，得到第一相对渗透率模型；根据所述第一相对渗透率模型得到预测相对渗透率；根据所述预测含水饱和度起始值和所述预测含水饱和度起始值对应的所述预测相对渗透率绘制相渗曲线。2.根据权利要求1所述的一种基于机器学习的相渗曲线预测方法，其特征在于，所述测井曲线数据包括自然伽马、井深、井径、自然电位、时差、中子、声波时差、浅电阻率、梯度电阻率、感应电导率和密度中的一种或多种。3.根据权利要求1所述的一种基于机器学习的相渗曲线预测方法，其特征在于，在采集岩样的相渗曲线数据和所述岩样所在井的测井曲线数据之后，对所述测井曲线数据进行预处理；将所述处理后的测井曲线数据作为新的所述测井曲线数据。4.根据权利要求3所述的一种基于机器学习的相渗曲线预测方法，其特征在于，所述对所述测井曲线数据进行预处理，具体包括：对所述测井曲线数据选取标志层，得到第一测井曲线数据；采用绘图工具对所述第一测井曲线数据进行一致性校正处理，得到第二测井曲线数据；利用经验公式、岩石物理模型和深度学习方法，筛选出所述第二测井曲线数据中最优测井曲线；根据所述最优测井曲线补全其他所述第二测井曲线数据。5.根据权利要求1所述的一种基于机器学习的相渗曲线预测方法，其特征在于，在所述得到第一相渗曲线起始点模型之后，还包括：对所述第一相渗曲线起始点模型进行检验，具体包括：将除样本相渗曲线数据和样本测井曲线数据的其余相渗曲线数据和其余测井曲线数据分别作为测试相渗曲线数据和测试测井曲线数据；将所述测试测井曲线数据输入所述第一相渗曲线起始点模型，得到预测含水饱和度起始值；根据所述预测含水饱和度起始值和所述测试相渗曲线数据中的含水饱和度的起始值，采用均方误差方法建立损失函数；当所述损失函数最小时，所述第一相渗曲线起始点模型训练完成，得到训练好的相渗曲线起始点模型；
将所述训练好的相渗曲线起始点模型作为新的第一相渗曲线起始点模型，返回“根据所述第一相渗曲线起始点模型得到预测含水饱和度起始值”步骤。6.根据权利要求1所述的一种基于机器学习的相渗曲线预测方法，其特征在于，在所述得到第一相对渗透率模型之后，还包括：对所述第一相对渗透率模型进行检验，具体包括：将除样本相渗曲线数据和样本测井曲线数据的其余相渗曲线数据和其余测井曲线数据分别作为测试相渗曲线数据和测试测井曲线数据；将所述测试测井曲线数据和...
【专利技术属性】
技术研发人员：邹佳儒，霍守东，刘恩良，周旭晖，穆盛强，黄亮，
申请(专利权)人：中国科学院地质与地球物理研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。