一种地层孔隙压力预测方法技术

本发明专利技术属于油气勘探技术领域，更具体地，涉及一种地层孔隙压力预测方法，包括采用机器学习方法建立测井岩性参数与地震属性的统计回归模型，并根据此模型预测出井间地震每道的纵波、密度、电阻率以及伽马岩性参数；之后采用机器学习方法建立井上测井岩性参数与测井孔隙压力统计回归模型，然后根据此模型预测得到地层孔隙压力体。本发明专利技术避免了复杂的数学推导和计算过程，提高了预测效率及预测精度。提高了预测效率及预测精度。提高了预测效率及预测精度。

【技术实现步骤摘要】
一种地层孔隙压力预测方法


[0001]本专利技术属于油气勘探
，更具体地，涉及一种地层孔隙压力预测方法。

技术介绍

[0002]地层压力指在岩石孔隙中所含流体的压力，也被称为地层孔隙流体压力。在正常的地层压力条件下，地层孔隙流体压力等于相对应的静水压力，当地层孔隙流体压力趋势线偏离静水压力趋势线时，被称为孔隙压力。在油气勘探开发过程中，由于地层的孔隙压力预测不准，时常会造成井眼垮塌、破裂，这不但影响了工程的进行，而且带来了巨大的经济损失。因此，准确预测地层孔隙压力，对钻井设计十分重要。
[0003]地层孔隙压力预测方法的理论是压实理论、均衡理论以及有效压力理论，常用的孔隙压力的预测方法有等效深度法、Eaton(伊顿)法、有效应力法等。其中等效深度法的基本原理是不考虑地层温度的情况下，对于不含气的纯岩石地层，声波时差的大小取决于岩性、压实程度、孔隙度及孔隙中的流体的含量，故在正常压实情况下，泥页岩孔隙度随着深度H的增加而减小，呈现指数衰减规律，根据该规律进行孔隙压力预测；Eaton法的原理是地层上覆压力梯度的变化决定了压实观测参数的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种地层孔隙压力预测方法，其特征至于，包括以下步骤：根据井旁地震数据提取井旁瞬时相位，以及对井旁地震数据进行分解得到井旁瞬态分解波形；分别以时间域井的纵波、密度、电阻率及伽马岩性参数作为训练标签数据，以所述井旁瞬时相位以及井旁瞬态分解波形作为训练样本数据，采用机器学习方法建立测井岩性参数与地震属性的统计回归模型，记为第一统计回归模型；逐道提取井间地震瞬时相位和井间地震瞬态分解波形作为预测样本数据，利用所述第一统计回归模型分别预测得到井间地震每道的纵波、密度、电阻率以及伽马岩性参数；以时间域井的孔隙压力为标签数据，以时间域井的纵波、密度、电阻率及伽马岩性曲线作为训练样本数据，采用机器学习方法建立井上测井岩性参数与测井孔隙压力统计回归模型，记为第二统计回归模型；以所述预测得到井间地震每道的纵波、密度、电阻率以及伽马岩性参数为预测样本数据，利用所述第二统计回归模型预测得到地层孔隙压力体。2.根据权利要求1所述的一种地层孔隙压力预测方法，其特征在于，所述对井旁地震数据进行分解得到井旁瞬态分解波形具体为采用经验模态分解方法对井旁地震数据进行分解得到井旁瞬态分解波形。3.根据权利要求2所述的一种地层孔隙压力预测方法，其特征在于，所述采用机器学习方法建立测井岩性参数与地震属性的统计回归模型具体为采用支持向量机统计学习方法建立测井岩性参数与地震属性的统计回归模型。4.根据权利要求1至3任一项所述的一种地层孔隙压力预测方法，其特征在于，所述采用支持向量机统计学习方法建立测井岩性参数与地震属性的统计回归模型具体包括以下步骤：创建样本训练集x＝{SWave
ij
,Sphase
j
}(i＝1,2,
…
,num,j＝1,2,
…
,n)，样本标签为y，其中，SWave为井旁瞬态分解波形，其波形维度为num，Sphase为井旁瞬时相位；根据样本训练集和样本标签建立支持向量机回归映射目标函数：引入松弛因子对所述支持向量机回归映射目标函数进行改进；利用拉格朗日优化对改进后的支持向量机回归映射目标函数求解...

【专利技术属性】
技术研发人员：范彩伟，李辉，侯静娴，刘维军，
申请(专利权)人：中海石油中国有限公司湛江分公司，
类型：发明
国别省市：