本申请涉及岩相识别领域，公开了一种河流相致密砂岩储层复杂岩相智能化识别方法及系统，包括：建立岩相识别标签库；对岩相特征及其测井响应特征进行分析，确定岩相特征初始界限值；构建并训练智能化识别模型；该模型包括界限值模块、径向基神经网络和多层感知器神经网络；界限值模块用于根据岩相特征初始界限值将岩相识别标签库划分为两个样本数据集；第一个数据集输入至径向基神经网络进行训练，第二个数据集输入至多层感知器神经网络进行训练；将待识别岩相测井数据和岩相特征输入至训练好的模型中，得到复杂岩相识别成果图。该方法识别精度高、推广性强，为储层结构及非均质性特征精细解剖研究提供有效途径。征精细解剖研究提供有效途径。征精细解剖研究提供有效途径。
An intelligent recognition method and system for complex lithofacies of fluvial tight sandstone reservoir
【技术实现步骤摘要】
一种河流相致密砂岩储层复杂岩相智能化识别方法及系统
[0001]本专利技术涉及岩相识别领域，特别是涉及一种河流相致密砂岩储层复杂岩相智能化识别方法及系统。
技术介绍
[0002]河流相致密砂岩储层是一类重要的石油、天然气储层，如鄂尔多斯盆地苏里格气田山西组及石盒子组主力含气层、大牛地气田下石盒子组盒1～3段均为河流相致密砂岩储层。然而河流相致密砂岩储层内部结构复杂、非均质性强，不同河流类型之间沉积、储层特征差异大，进而导致发育该类储层的油气田在开发后期面临单井产能逐年降低、甜点储层优选难等关键技术难题，而解决这些问题的关键是开展砂体结构及其非均质性特征精细解剖研究。岩相作为特定水动力条件下的基本沉积单元，是开展砂体结构及非均质性特征研究的基本单元。
[0003]岩相的概念最早由Miall在1978年提出，根据岩石的岩性类型和层理特征对岩相进行了不同的分类。目前，岩相的识别与表征都以单井岩相解释为基础，其主要可归纳为三类方法：其一是常规测井识别方法，包括交会图法、构造特征参数法、曲线重叠法等，但这些方法普遍符合率较低，且对解释人员的经验和知识依赖较多；其二是特殊测井识别方法，包括利用地层倾角测井资料建立不同岩相的倾角成果图模式进行识别，通过成像测井图像资料直接对岩相进行识别，但这两种方法的测井资料费用昂贵、成本较高，无法在密井网区块推广；其三是主成分分析、聚类分析以及决策树等机器学习算法，但这些算法欠缺考虑地质特征、地质特征约束下的测井数据特征与算法原理之间的契合性，进而导致所使用的方法缺乏合理性论证或机理上的认识。综上，复杂岩相的精确识别与解释仍存在识别精度低、难以推广、缺乏机理论证等问题。
[0004]因此，如何建立识别精度高、推广性强且具有机理论证的识别方法用于复杂岩相的单井识别与解释能有效表征河流相致密砂岩储层复杂的结构特征，是本领域技术人员亟待解决的技术问题。
技术实现思路
[0005]有鉴于此，本专利技术的目的在于提供一种河流相致密砂岩储层复杂岩相智能化识别方法及系统，识别精度高、推广性强，为储层结构及非均质性特征精细解剖研究提供有效途径。其具体方案如下：
[0006]一种河流相致密砂岩储层复杂岩相智能化识别方法，包括：
[0007]建立岩相识别标签库；
[0008]基于所述岩相识别标签库对岩相特征及其测井响应特征进行分析，确定岩相特征初始界限值；
[0009]构建智能化识别模型；所述智能化识别模型包括界限值模块、径向基神经网络和多层感知器神经网络；所述界限值模块用于接收所述岩相特征初始界限值，并根据所述岩
相特征初始界限值将所述岩相识别标签库划分为第一样本数据集和第二样本数据集；
[0010]训练所述智能化识别模型，将所述第一样本数据集输入至所述径向基神经网络进行训练，同时将所述第二样本数据集输入至所述多层感知器神经网络进行训练；
[0011]将待识别岩相测井数据和岩相特征输入至训练好的所述智能化识别模型中，得到复杂岩相识别成果图。
[0012]优选地，在本专利技术实施例提供的上述河流相致密砂岩储层复杂岩相智能化识别方法中，建立岩相识别标签库，包括：
[0013]观察描述取心井目的层段岩心，识别岩相类型，并赋予每种岩相类型特定的符号；
[0014]提取目的层段中每种测井曲线的最大值和最小值，按照min
‑
max标准化的方式对各测井曲线进行归一化处理，以将各测井曲线包含的响应数值均映射到0和1之间；
[0015]针对识别出的每种岩相类型，读取所有测井曲线归一化后的测井响应数值，并绘制蛛网图；
[0016]根据所述蛛网图，分析不同测井曲线对不同岩相类型的敏感性，仅建立岩相识别标签库。
[0017]优选地，在本专利技术实施例提供的上述河流相致密砂岩储层复杂岩相智能化识别方法中，绘制蛛网图，包括：
[0018]以一个点为起点向外划出多条直线，每条直线表示一种测井曲线；
[0019]对于任意一个岩相类型，在每条直线上标出该岩相类型相对应测井曲线归一化后的测井响应数值点；
[0020]将该岩相类型在每条直线上的点用直线进行连接，绘制出蛛网图。
[0021]优选地，在本专利技术实施例提供的上述河流相致密砂岩储层复杂岩相智能化识别方法中，根据所述蛛网图，分析不同测井曲线对不同岩相类型的敏感性，包括：
[0022]在所述蛛网图的任意一个直线上，若不同岩相类型在该直线上对应的数值点越接近，则该直线表示的测井曲线对不同岩相类型区分越不敏感；若不同岩相类型在该直线上对应的数值点越远离，则该直线表示的测井曲线对不同岩相类型区分越敏感。
[0023]优选地，在本专利技术实施例提供的上述河流相致密砂岩储层复杂岩相智能化识别方法中，基于所述岩相识别标签库对岩相特征及其测井响应特征进行分析，确定岩相特征初始界限值，包括：
[0024]计算所述岩相识别标签库中岩相单元的岩相密度和岩相频率；
[0025]计算同类岩相密度均值和同类岩相频率均值；
[0026]绘制不同河流相的各类岩相平均岩相密度分布图和平均岩相频率分布图；
[0027]分析不同河流相的各类岩相的不同测井响应特征并绘制不同测井数据频率分布直方图；
[0028]根据各类岩相平均岩相密度分布图、平均岩相频率分布图和不同测井数据频率分布直方图，分析岩相特征分布情况、测井响应受围岩的影响和测井数据分布情况，综合分析结果得到岩相密度界限值和岩相频率界限值来作为岩相特征初始界限值。
[0029]优选地，在本专利技术实施例提供的上述河流相致密砂岩储层复杂岩相智能化识别方法中，所述第一样本数据集包括岩相密度大于所述岩相密度界限值，岩相频率小于所述岩相频率界限值的样本数据；
[0030]所述第二样本数据集包括岩相密度小于所述岩相密度界限值，岩相频率大于所述岩相频率界限值的样本数据。
[0031]优选地，在本专利技术实施例提供的上述河流相致密砂岩储层复杂岩相智能化识别方法中，所述径向基神经网络的隐藏层激活函数为Softmax型函数，输出层激活函数为恒等式，误差函数为平方和；
[0032]所述多层感知器神经网络的隐藏层激活函数为S型函数，输出层激活函数为Softmax型函数，误差函数为交叉熵。
[0033]优选地，在本专利技术实施例提供的上述河流相致密砂岩储层复杂岩相智能化识别方法中，在训练所述智能化识别模型的过程中，包括：
[0034]调整所述径向基神经网络和所述多层感知器神经网络的隐藏层神经元个数及隐藏层层数、循环次数；
[0035]调整所述界限值模块中的所述岩相特征初始界限值。
[0036]优选地，在本专利技术实施例提供的上述河流相致密砂岩储层复杂岩相智能化识别方法中，在将待识别岩相测井数据和岩相特征输入至训练好的所述智能化识别模型中之前，还包括：
[0037]创建待识别岩相层确立模块；
[0038]将待识别岩相层的测井曲线数据输入所述待识别岩相层确本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种河流相致密砂岩储层复杂岩相智能化识别方法，其特征在于，包括：建立岩相识别标签库；基于所述岩相识别标签库对岩相特征及其测井响应特征进行分析，确定岩相特征初始界限值；构建智能化识别模型；所述智能化识别模型包括界限值模块、径向基神经网络和多层感知器神经网络；所述界限值模块用于接收所述岩相特征初始界限值，并根据所述岩相特征初始界限值将所述岩相识别标签库划分为第一样本数据集和第二样本数据集；训练所述智能化识别模型，将所述第一样本数据集输入至所述径向基神经网络进行训练，同时将所述第二样本数据集输入至所述多层感知器神经网络进行训练；将待识别岩相测井数据和岩相特征输入至训练好的所述智能化识别模型中，得到复杂岩相识别成果图。2.根据权利要求1所述的河流相致密砂岩储层复杂岩相智能化识别方法，其特征在于，建立岩相识别标签库，包括：观察描述取心井目的层段岩心，识别岩相类型，并赋予每种岩相类型特定的符号；提取目的层段中每种测井曲线的最大值和最小值，按照min
‑
max标准化的方式对各测井曲线进行归一化处理，以将各测井曲线包含的响应数值均映射到0和1之间；针对识别出的每种岩相类型，读取所有测井曲线归一化后的测井响应数值，并绘制蛛网图；根据所述蛛网图，分析不同测井曲线对不同岩相类型的敏感性，仅建立岩相识别标签库。3.根据权利要求2所述的河流相致密砂岩储层复杂岩相智能化识别方法，其特征在于，绘制蛛网图，包括：以一个点为起点向外划出多条直线，每条直线表示一种测井曲线；对于任意一个岩相类型，在每条直线上标出该岩相类型相对应测井曲线归一化后的测井响应数值点；将该岩相类型在每条直线上的点用直线进行连接，绘制出蛛网图。4.根据权利要求3所述的河流相致密砂岩储层复杂岩相智能化识别方法，其特征在于，根据所述蛛网图，分析不同测井曲线对不同岩相类型的敏感性，包括：在所述蛛网图的任意一个直线上，若不同岩相类型在该直线上对应的数值点越接近，则该直线表示的测井曲线对不同岩相类型区分越不敏感；若不同岩相类型在该直线上对应的数值点越远离，则该直线表示的测井曲线对不同岩相类型区分越敏感。5.根据权利要求4所述的河流相致密砂岩储层复杂岩相智能化识别方法，其特征在于，基于所述岩相识别标签库对岩相特征及其测井响应特征进行分析，确定岩相特征初始界限值，包括：计算所述岩相识别标签库中岩相单元的岩相密度和岩相频率；计算同类岩相密度均值和同类岩相频率均值；绘制不同河流相的各类岩相平均岩相密度分布图和平均岩相频率分布图；分析不同河流相的各类...
【专利技术属性】
技术研发人员：孙盼科，姜世一，徐朝晖，朱思成，
申请(专利权)人：中国石油大学北京，
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。