一种碳酸盐岩油藏储集体模式自动识别方法技术

本发明专利技术公开了一种碳酸盐岩油藏储集体模式自动识别方法，包括以下步骤：建立典型储集体模式、根据典型储集体模式建立数值模拟概念模型、模拟计算不同概念模型开发过程，提取生产动态信息、采用深度学习算法构建缝洞油藏储集体模式反演模型。本发明专利技术采用上述一种碳酸盐岩油藏储集体模式自动识别方法，通过深度学习算法，快速准确识别缝洞型储集体的模式，解决了地质统计学反演的耗时长、成本高、专业性强的缺点，避免了人为主观性因素的影响，显著提高了经济效益，大大降低了测试的时间成本。大大降低了测试的时间成本。大大降低了测试的时间成本。

【技术实现步骤摘要】
一种碳酸盐岩油藏储集体模式自动识别方法


[0001]本专利技术涉及岩非常规油藏开发
，尤其是涉及一种碳酸盐岩油藏储集体模式自动识别方法。

技术介绍

[0002]目前，对于裂缝/缝洞型油藏储集体模型识别的方法主要包括地震与测井解释相结合的反演和通过生产动态曲线人工识别两种方法。其中地震与测井解释专业性强，流程复杂，成本极高，且识别精度有限。通过生产动态曲线人为识别储集体模式受个人主观性影响大，每个人对于曲线的认识不同，得到的结果亦不同，难以得到统一标准，且实际现场影响因素众多，人为很难判断生产动态曲线的细微变化，此外，人为识别工作量巨大，时间成本较高。
[0003]地震与测井资料相结合的地质统计学反演方法主要包括收集地震解释资料，测井解释资料以及通过地质统计学反演等步骤。其中收集地震资料需要利用如炸药爆炸、可控震源振动等人工方法引起地壳振动，并收集爆炸后各接受点的信息，后期对记录的数据进行加工处理再推断缝洞油藏储集体模式；测井则需要前期打勘探井，并利用岩层的电化学特性、导电特性、声学特性、放射性等地球物理特性来测量地球物理参数；地质统计学反演是先通过地震资料，基于岩性差异建立不同条件的概率分布函数和变差函数，得到储层岩性初始地质模型，利用初始地质模型开展正演分析，反复与原始地震迭代以达到信噪比要求，再使用单井测井结果对反演的结果进行验证，最终得到储集体模式。由此可见通过地震测井资料来确定储集体模式，其只适用于油藏开发前，对于已开发的油井通过确定储集体模式来调整生产工作参数并不适用，并且资料解释专业要求性高，流程复杂，且成本极高，并不能普遍适用于所有油田。
[0004]生产动态曲线的人工识别方法通过人工分析储集体的流压与产量动态曲线，从而得到该地区储集体模式。该方法主要包括收集目标区块生产动态曲线、绘制能量指示曲线、分析对比能量指示曲线。但实际现场的生产动态复杂，不同生产制度、不同地质条件的影响不同导致某些地区的能量指示曲线难以分辨。此外因为现场井数区块众多，绘制所有井的能量指示曲线，并逐一分析对比，人工费时费力，需要耗费大量的时间成本，且准确度也无法得到保障，存在时间成本与准确性的缺陷。

技术实现思路

[0005]本专利技术的目的是提供一种碳酸盐岩油藏储集体模式自动识别方法，通过深度学习算法，快速准确识别缝洞型储集体的模式，解决了地质统计学反演的耗时长、成本高、专业性强的缺点，避免了人为主观性因素的影响，显著提高了经济效益，大大降低了测试的时间成本。
[0006]为实现上述目的，本专利技术提供了一种碳酸盐岩油藏储集体模式自动识别方法，包括以下步骤：
[0007]S1、建立典型储集体模式；
[0008]S2、根据典型储集体模式建立数值模拟概念模型；
[0009]S3、模拟计算不同概念模型开发过程，提取生产动态信息；
[0010]S4、采用深度学习算法构建缝洞油藏储集体模式反演模型。
[0011]优选的，所述步骤S1中建立典型储集体模式具体为根据目前已开发的裂缝/缝洞型碳酸盐岩油藏储集体空间特征，将裂缝/缝洞型碳酸盐岩油藏储集体划分为基础储集体模式。
[0012]优选的，所述基础储集体模式包括裂缝型模式、溶洞型模式、裂缝+溶洞型模式、底水裂缝型模式、底水溶洞型模式、底水裂缝+溶洞型模式。
[0013]优选的，所述步骤S2中根据典型储集体模式建立数值模拟概念模型具体为针对不同基础储集体模式，分类建立大量数值模拟概念模型，概念模型参数设定包括地质参数、流体参数及开发参数，地质参数包括倾角、厚度、渗透率、孔隙度、油水界面深度、边底水强度，流体参数包括流体粘度、密度、溶解气油比PVT性质及相对渗透率曲线，开发参数包括井位、工作制度。
[0014]优选的，所述步骤S3中模拟计算不同概念模型开发过程，提取生产动态信息具体为采用数值模拟器模拟计算不同的概念模型开发动态，得到不同概念模型衰竭式开发过程中的动态信息，动态信息包括累产油、累产水、含水率以及井底流压生产动态。
[0015]优选的，所述数值模拟器包括黑油数值模拟器、组分数值模拟器、热采数值模拟器。
[0016]优选的，所述步骤S4中采用深度学习算法构建缝洞油藏储集体模式反演模型包括以下步骤：
[0017](1)将累产油、累产水、含水率以及井底流压四种特征曲线作为输入量，将该生产特征对应的储集体模式作为输出量，对深度学习模型进行训练；
[0018](2)主流深度学习分类算法有卷积神经网络(CNN)和循环神经网络(RNN)，卷积神经网络由输入层、隐藏层和输出层组成，输入层接收并处理训练数据，传递到隐藏层，隐藏层包括卷积层、池化层以及全连接层，用以训练数据，提取特征，最后输出层用以输出分类标签，循环神经网络(RNN)由循环单元组成，适用于解决序列问题，LSTM(长短期记忆人工神经网络)和GRU(门控循环单元)为两种循环神经网络(RNN)变体，添加Dropout层，以及L1、L2正则化，时间序列分类算法模型包括一维卷积神经网络(1DCNN)、CNN
‑
LSTM、ConvLSTM模型；
[0019](3)随机选取概念模型样本库中80％的样本为训练集，20％的样本为验证集，采用训练集数据训练深度学习模型，训练结束后采用验证集检验模型识别效果，若识别准确率高于90％，则认为模型训练效果较好，即可用于储集体模式快速识别，若识别准确率低于90％，则需对模型超参数进行调整后重新训练，直至识别准确率高于90％，模型可调整的超参数包括批大小、学习率、训练步数、卷积核数、层数、循环神经单元数、优化器种类。
[0020]因此，本专利技术采用上述一种碳酸盐岩油藏储集体模式自动识别方法，通过深度学习算法，快速准确识别缝洞型储集体的模式，解决了地质统计学反演的耗时长、成本高、专业性强的缺点，避免了人为主观性因素的影响，显著提高了经济效益，大大降低了测试的时间成本。
[0021]下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。
附图说明
[0022]图1为本专利技术一种碳酸盐岩油藏储集体模式自动识别方法实施例的流程图；
[0023]图2为本专利技术一种碳酸盐岩油藏储集体模式自动识别方法实施例的概念模型图；
[0024]图3为本专利技术一种碳酸盐岩油藏储集体模式自动识别方法实施例的深度学习算法流程图；
[0025]图4为本专利技术一种碳酸盐岩油藏储集体模式自动识别方法实施例的FCN
‑
GRU算法模型图。
具体实施方式
[0026]本专利技术提供了一种碳酸盐岩油藏储集体模式自动识别方法，包括以下步骤：
[0027]S1、建立典型储集体模式，具体为根据目前已开发的裂缝/缝洞型碳酸盐岩油藏储集体空间特征，将裂缝/缝洞型碳酸盐岩油藏储集体划分为基础储集体模式，基础储集体模式包括裂缝型模式、溶洞型模式、裂缝+溶洞型模式、底水裂缝型模式、底水溶洞型模式、底水裂缝+溶洞型模式。
[0028]S2、根据典型储集体模式建本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种碳酸盐岩油藏储集体模式自动识别方法，其特征在于，包括以下步骤：S1、建立典型储集体模式；S2、根据典型储集体模式建立数值模拟概念模型；S3、模拟计算不同概念模型开发过程，提取生产动态信息；S4、采用深度学习算法构建缝洞油藏储集体模式反演模型。2.根据权利要求1所述的一种碳酸盐岩油藏储集体模式自动识别方法，其特征在于：所述步骤S1中建立典型储集体模式具体为根据目前已开发的裂缝/缝洞型碳酸盐岩油藏储集体空间特征，将裂缝/缝洞型碳酸盐岩油藏储集体划分为基础储集体模式。3.根据权利要求2所述的一种碳酸盐岩油藏储集体模式自动识别方法，其特征在于：所述基础储集体模式包括裂缝型模式、溶洞型模式、裂缝+溶洞型模式、底水裂缝型模式、底水溶洞型模式、底水裂缝+溶洞型模式。4.根据权利要求1所述的一种碳酸盐岩油藏储集体模式自动识别方法，其特征在于：所述步骤S2中根据典型储集体模式建立数值模拟概念模型具体为针对不同基础储集体模式，分类建立大量数值模拟概念模型，概念模型参数设定包括地质参数、流体参数及开发参数，地质参数包括倾角、厚度、渗透率、孔隙度、油水界面深度、边底水强度，流体参数包括流体粘度、密度、溶解气油比PVT性质及相对渗透率曲线，开发参数包括井位、工作制度。5.根据权利要求1所述的一种碳酸盐岩油藏储集体模式自动识别方法，其特征在于：所述步骤S3中模拟计算不同概念模型开发过程，提取生产动态信息具体为采用数值模拟器模拟计算不同的概念模型开发动态，得到不同概念模型衰竭式开发过程中的动态信息，动态信息包括累产油、累产水、含水率以及井底流压生产动态。6.根据权利要求5所述...

【专利技术属性】
技术研发人员：冯其红，杜鹏，张纪远，杜华君，安同武，黄咏梅，钟永林，张永，
申请(专利权)人：山东瑞恒兴域石油技术开发有限公司，
类型：发明
国别省市：