【技术实现步骤摘要】
缺失测井曲线预测方法及装置
[0001]本专利技术涉及碳酸盐岩、火山岩、泥页岩等复杂岩性储层的测井曲线预测
,尤其涉及缺失测井曲线预测方法及装置。
技术介绍
[0002]本部分旨在为权利要求书中陈述的本专利技术实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]测井是油气勘探开发的重要技术手段,通过对测量获得的井下声学、放射性、电学等岩石地球物理特性曲线数据进行处理分析,可以实现对油气层的定性识别和参数定量计算,并为油气藏综合评价提供关键数据支持。然而由于地下情况复杂,且在测量过程中存在井径扩大、仪器故障等各种难以预料且不可避免的问题,以及测井实施操作不当和考虑经济性因素等人为原因,实际应用中经常出现部分井段测井数据失真或缺失的情况,这些缺失的部分甚至整条测井曲线会给储层测井评价工作带来极大挑战,而曲线预测是解决这类问题的常用技术方法。
[0004]传统缺失测井曲线预测主要依赖各种测井数据间的内在联系直接进行,比如通过交会图、多元回归等方法确定待预测的曲线与一条或几条已知曲线的经验关系,但是由于地下情况复杂和非均质性较强,测井数据之间经常呈现极强的非线性关系,数据间的映射关系也极为复杂,实际应用效果较差。近年来随着机器学习方法在科学和工程领域的广泛应用,很多研究者也建议使用数据驱动方法来解决地质问题,例如利用支持向量机(SVM)、模糊逻辑模型(FLM)和人工神经网络(ANN)等方法来进行测井曲线预测,但这些方法本质上构造的是一种点到点或深度序列之间的映射关系,没 ...
【技术保护点】
【技术特征摘要】
1.一种缺失测井曲线预测方法,其特征在于,包括:获取研究区的测井曲线、层位数据、井位数据和地质信息,所述地质信息包括地质构造或沉积相或岩相古地理;根据研究区的测井曲线齐全井段的预设待预测曲线与其它测井曲线之间的相关性,优选用于建立机器学习网络模型的测井曲线组合;根据研究区的测井曲线、层位数据、井位数据和地质信息,确定用于机器学习模型训练的样本井数据的权重,所述样本井为研究区的测井曲线齐全井,样本井数据为样本井中不同深度位置的测井曲线值;构建机器学习网络模型;利用样本井数据对构建的机器学习网络模型进行训练和验证;根据研究区中的待处理井的已知测井曲线,利用训练和验证后的机器机器学习网络模型进行缺失测井曲线预测,获得待处理井的缺失测井曲线。2.如权利要求1所述的缺失测井曲线预测方法,其特征在于,根据研究区的测井曲线齐全井段的预设待预测曲线与其它测井曲线之间的相关性,优选用于建立机器学习网络模型的测井曲线组合,包括:计算研究区的测井曲线齐全井段的预设待预测曲线与其它测井曲线之间的相关性;将所述相关性与预设相关系数阈值进行比较,当所述相关性超过预设相关系数阈值时,选择相应的测井曲线组成测井曲线组合。3.如权利要求1所述的缺失测井曲线预测方法,其特征在于,根据研究区的测井曲线、层位数据、井位数据和地质信息,确定用于机器学习模型训练的样本井数据的权重,包括:利用以下一种或多种组合确定用于机器学习模型训练的样本井数据的权重:根据井位数据确定用于机器学习模型训练的样本井数据的权重;或,根据研究区的地质信息、测井曲线和层位数据,确定用于机器学习模型训练的样本井数据的权重;或,根据研究区的测井曲线和层位数据,确定用于机器学习模型训练的样本井数据的权重。4.如权利要求3所述的缺失测井曲线预测方法,其特征在于,根据井位数据确定用于机器学习模型训练的样本井数据的权重,包括:根据待处理井的井位数据和样本井的井位数据,计算待处理井与样本井之间的距离,根据所述距离确定用于机器学习模型训练的样本井数据的权重。5.如权利要求4所述的缺失测井曲线预测方法,其特征在于,按照如下公式确定根据所述距离确定用于机器学习模型训练的样本井数据的权重:其中,w
db
是样本井数据的权重系数,0≤w
db
≤1;a、b为工区的权重值计算系数,一般设置a=1、b=0;L
m
为工区最大井距;(x0,y0)为待处理井的井位坐标,(x
b
,y
b
)为样本井的井位坐标。6.如权利要求3所述的缺失测井曲线预测方法,其特征在于,根据研究区的地质信息、
测井曲线和层位数据确定用于机器学习模型训练的样本井数据的权重,包括:基于研究区的地质信息划分多个区块;在每个区块选择多个典型井;将待处理井所在区块作为参考区,确定参考区典型井和其它区块典型井的平均相似性;将所述平均相似性作为用于机器学习模型训练的样本井数据的权重。7.如权利要求6所述的缺失测井曲线预测方法,其特征在于,按照如下方式将待处理井所在区块作为参考区,确定参考区典型井和其它区块典型井的平均相似性:其中,num
refer
表示参考区中典型井数量;num
i
表示第i沉积相带中典型井的数量;s
lk
表示参考区中第l口井与第i沉积相带中第k口井之间的相似性;表示第i沉积相带与参考区的平均相似性;i表示沉积相带的编号;l、k为井编号。8.如权利要求3所述的缺失测井曲线预测方法,其特征在于,根据研究区的测井曲线和层位数据确定用于机器学习模型训练的样本井数据的权重,包括:确定样本井的优选测井曲线组合和待处理井的优选测井曲线组合;基于样本井的优选测井曲线组合和待处理井的优选测井曲线组合,确定每一层位对应测井曲线的相似性;基于所述相似性确定用于机器学习模型训练的样本井数据的权重。9.如权利要求8所述的缺失测井曲线预测方法,其特征在于,按照如下公式基于所述相似性确定用于机器学习模型训练的样本井数据的权重:其中,ρ
i
′
表示第i
′
条曲线的指定权重;s
i
′
为样本井某层位第i
′
条曲线与待处理井对应曲线的相似性;w
As
为样本井在相应层位的权重系数;N为测井曲线组合中曲线的总数目。10.一种缺失测井曲线预测装置,其特征在于,包括:信息获取模块,用于获取研究区的测井曲线、层位数据、井位数据和地质信息,所述地质信息包括地质构造或沉积相或岩相古地理;曲线组合优选模块,用于根据研究区的测井曲线齐全井...
【专利技术属性】
技术研发人员:冯周,武宏亮,徐彬森,王克文,刘鹏,李雨生,
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:
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。