基于泥页岩非均质性特征的总有机碳测井解释方法及系统技术方案

本发明专利技术实施例提供一种基于泥页岩非均质性特征的总有机碳测井解释方法及系统，包括：获取泥页岩层段相关数据；根据建模数据内的岩心描述结果和岩心样本测试数据，得到各单井取心段均质单元类型随深度的分布；针对每个均质单元类型，采用机器学习算法建立均质单元测井识别模型；采用机器学习算法为每个均质单元类型分别建立各自的TOC测井解释模型；利用待预测钻井数据集，利用均质单元测井识别模型识别单井不同深度段的均质单元类型，依据各均质单元TOC测井解释模型开展页岩层段的TOC测井解释。通过构建除TOC外其他岩石组分相对均质的岩石相类型，对不同岩石类型分别建立TOC测井解释模型，使TOC解释更加准确。使TOC解释更加准确。使TOC解释更加准确。

Total organic carbon logging interpretation method and system based on shale heterogeneity

【技术实现步骤摘要】
基于泥页岩非均质性特征的总有机碳测井解释方法及系统


[0001]本专利技术涉及泥页岩储层关键参数的测井评价，具体涉及一种基于泥页岩非均质性特征的总有机碳测井解释方法及系统。

技术介绍

[0002]有机质含量是烃源岩评价、页岩油气资源评价和甜点预测等工作不可或缺的基础数据。目前，实验室岩心测试分析技术是获取泥页岩有机质含量的最直接和最准确手段，其中总有机碳(TOC)是最常用的有机质含量表征指标。受多数钻井无岩心资料或取心不完整的限制，通过高分辨率和高覆盖率测井数据开展TOC解释，是评估泥页岩段整体有机质含量的重要手段。
[0003]随着页岩油气藏勘探开发的深入，大量TOC测井解释方法、技术或模型已被提出。这些方法可以被划分为模型驱动型和数据驱动型两大类。在TOC测井解释技术发展早期，模型驱动型解释方法得到了重点发展，包括地层密度曲线法、GR曲线法、ΔlogR等经典解释方法。近二十年来，随着人工智能技术的发展，数据驱动型方法逐渐成为了研究热点，基于BP神经网络、SVM、朴素贝叶斯等算法的TOC测井解释技术相继被提出并得到了广泛应用。
...

【技术保护点】

【技术特征摘要】
1.一种基于泥页岩非均质性特征的总有机碳测井解释方法，其特征在于，包括：获取泥页岩层段相关数据，所述泥页岩层段相关数据包含两类：建模数据集和待预测钻井数据集；其中，所述建模数据集包含取心段的岩心描述结果、岩心样本测试数据和测井数据，所述待预测钻井数据集包含测井数据；在建模数据集内，岩心样本测试数据包括对矿物岩石学、有机岩相学总有机碳含量TOC测试分析后的特征参数，所述特征参数为定量化数据和类型化的定性数据；总有机碳含量是泥页岩内有机质含量表征指标；根据建模数据内的岩心描述结果和岩心样本测试数据，建立均质单元类型的划分基准，利用该均质单元类型的划分基准对取心段均质单元类型进行划分，得到各单井取心段均质单元类型随深度的分布；针对每个均质单元类型，采用机器学习算法建立均质单元测井识别模型,实现利用页岩层段测井响应预测均质单元类型；采用机器学习算法为每个均质单元类型分别建立各自的TOC测井解释模型；利用待预测钻井数据集，利用均质单元测井识别模型识别单井不同深度段的均质单元类型，依据各均质单元TOC测井解释模型开展页岩层段的TOC测井解释。2.根据权利要求1所述的基于泥页岩非均质性特征的总有机碳测井解释方法，其特征在于，所述泥页岩的岩心描述结果包括:岩性、沉积结构和沉积构造；所述根据建模数据内的岩心描述结果和岩心样本测试数据，建立均质单元类型的划分基准；利用该均质单元类型的划分基准对岩心样本均质单元类型进行划分，各单井均质单元类型随深度的分布，具体包括：将泥页岩的岩性、沉积结构和沉积构造作为均质单元划分的基本依据，利用岩心样本测试数据作为判断，使得所要划分得到的任一均质单元同时具有如下特性：除TOC以外，具有地层特征参数的相对均质性，即其他地层特征参数具有相对较小的分布空间；均质单元厚度应至少为第一厚度，该第一厚度大于常规测井的最小垂向分辨率；将所述任一均质单元用于作为均质单元类型的划分基准；根据任一均质单元所具有的特性，将建模数据集所对应的测井划分为多个不同的均质单元。3.根据权利要求2所述的基于泥页岩非均质性特征的总有机碳测井解释方法，其特征在于，所述针对每个均质单元类型，采用机器学习算法建立均质单元测井识别模型，实现利用页岩层段测井响应预测均质单元类型，具体包括：在具有均质单元类型标定的取心段内，自建模数据集内获取每一个测井响应点的均质单元类型；针对每个均质单元类型，分别建立各自的测井响应
‑
均质单元类型数据集A；将测井响应
‑
均质单元数据集A中的所有测井响应、均质单元类型数据作为监督数据集，利用数据挖掘算法在该监督数据集的基础上构建均质单元类型的测井识别方法F
litho
，在保证对所有测井响应、均质单元类型数据识别精度达到预设精度后，得到均质单元测井识别模型F
litho
。4.根据权利要求3所述的基于泥页岩非均质性特征的总有机碳测井解释方法，其特征在于，所述采用机器学习算法为每个均质单元类型分别建立各自的TOC测井解释模型，具体
包括：获取取心段的TOC数据，利用每个TOC测试样品的深度信息获得其对应的均值单元类型，采集每个TOC测井样品所对应的测井响应值，形成TOC
‑
均质单元类型
‑
测井响应数据集B；其中，取心段的TOC数据来自多个TOC测试样品，其取心段的TOC数据是岩心样本测试数据，测井响应值是指测井数据；按照所有TOC测井样品具有的所有均值单元类型数量m，将TOC
‑
均质单元类型
‑
测井响应数据集B划分为m个TOC
‑
测井响应数据集B
i
；其中，每个TOC
‑
测井响应数据集B
i
内的样本均来自于同一个均质单元类型，其中i∈[1,m]，将非泥页岩油气的目标岩性的TOC
‑
测井响应数据集B
i
设为空集；利用数据挖掘算法，将每个TOC
‑
测井响应数据集B
i
内的数据做为监督数据集，构建每个均质单元类型各自的TOC测井解释方法F
TOC，i
，在保证识别精度达到预设精度后，得到各均质单元类型相应的TOC测井解释模型F
TOC，i
。5.根据权利要求1所述的基于泥页岩非均质性特征的总有机碳测井解释方法，其特征在于，所述利用待预测钻井数据集，利用均质单元测井识别模型识别单井不同深度段的均质单元类型，依据各均质单元TOC测井解释模型开展页岩层段的TOC测井解释，具体包括：利用均质单元测井识别模型对待预测钻井数据集进行均质单元类型的识别，得到待预测钻井的均质单元类型随深度的分布；针对待预测钻井的每种均质单元类型，分别采用各自的TOC测井解释模...

【专利技术属性】
技术研发人员：程明，罗晓容，雷裕红，张立宽，李超，刘乃贵，
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：