一种油气藏内基于组合参数的储层流体综合判别方法技术

本发明专利技术提供了一种油气藏内基于组合参数的储层流体综合判别方法，组合参数较单一的测井参数更能体现不同储层流体间的差异性，有助于降低储层流体性质参数间的信息互扰。通过多元线性回归和BP神经网络法准确解释的孔隙度、阿尔奇公式法解释的含水饱和度和相对应的测井数据对组合参数数据进行计算，采用组合参数判别法、支持向量机法和BP神经网络法对储层流体进行识别。将三种方法的识别结果与其测试结果进行对比，分别计算与测试结果相符的识别结果的比例，选择比例最大的方法作为相对应的单井最优的储层流体识别方法，并建立基于组合参数的储层流体综合判别模型，从而提高油气藏内储层流体识别的准确性。储层流体识别的准确性。储层流体识别的准确性。

【技术实现步骤摘要】
一种油气藏内基于组合参数的储层流体综合判别方法


[0001]本专利技术属于石油勘探开发中储层流体识别
，尤其涉及一种基于组合参数的储层流体综合判别法。

技术介绍

[0002]由于地质、钻井技术及工艺方面的种种原因，并非每次取心收获率都能到达100％，往往是不连续的。因此需要在放大测井曲线之后，通过对岩心数据和测井数据之间关系进行一一对应分析，使所用的取样岩心的深度与测井真实深度能够对应起来，接着参照测井曲线恢复岩心的原来位置，这项工作被称为“岩心归位”。针对油气藏而言，一般情况下纵向上产气层位都是较多的，在测井研究领域也没有特定和有效的流体判别方法。

技术实现思路

[0003]本专利技术提供了一种基于组合参数的储层流体综合判别方法，组合参数较单一的测井参数更能体现不同储层流体间的差异性，有助于降低储层流体性质参数间的信息互扰。通过多元线性回归和BP神经网络法准确解释的孔隙度、阿尔奇公式法解释的含水饱和度和相对应的测井数据对组合参数数据进行计算，采用组合参数判别法、支持向量机法和BP神经网络法对储层流体进行识别。将三种方法的识别结果与相应单井的测试结果进行对比，选择与测试结果最相符的方法作为单井最优的识别方法，并建立基于组合参数的储层流体综合判别模型，从而提高油气藏内储层流体识别的准确性。
[0004]为实现上述目标，本专利技术采用以下技术方案：
[0005]一种油气藏内基于组合参数的储层流体综合判别方法，包括以下步骤：
[0006]步骤一：针对研究工区内选取具备岩心资料、测井资料和测试资料的单井，并针对单井进行岩心归位，使得岩心资料、测井资料和测试资料具有地质条件下的匹配关系；
[0007]岩心归位结合了物性资料，使得岩心资料、测井资料、物性资料和测试资料在地层条件下具有很好的匹配关系。
[0008]步骤二：通过岩心归位后的单井综合柱状图，利用目标层位的物性资料提取深度相对应的测井曲线值；
[0009]测井参数主要包括自然伽马(GR)、声波时差(AC)、补偿中子(CNL)、补偿密度(DEN)、深侧向电阻率(RD)和浅侧向电阻率(RS)。
[0010]步骤三：通过提取的与物性资料深度相对应的测井曲线值，利用多元线性回归和BP神经网络对单井目的层位孔隙度进行解释，利用阿尔奇公式法对单井目的层位含水饱和度进行解释；
[0011]步骤四：通过由前得到的单井物性综合解释柱状图，利用目标层位的测试资料提取相应的测井曲线值、孔隙度测井解释值和含水饱和度测井解释值；
[0012]步骤五：通过提取的测井曲线值、孔隙度测井解释值和含水饱和度测井解释值，计算与储层流体关系密切的组合参数；
[0013]需要计算的与储层流体关系密切的组合参数主要为视孔道弯曲度指数(TS2)、电阻率侵入校正差比(X I)、视地层电阻率指数(Rwa)和含气饱和度指标(Sg)。
[0014]步骤六：根据测试资料的测试结果得到储层流体类型；
[0015]储层流体类型主要为气层、差气层、含气层和水层。
[0016]步骤七：利用组合参数交会图法对储层流体进行定性识别；
[0017]步骤八：利用组合参数多元判别法对储层流体进行识别；
[0018]步骤九：利用支持向量机法对储层流体进行识别；
[0019]步骤十：利用BP神经网络法对储层流体进行识别；
[0020]步骤七、八、九和十中所述的对储层流体进行识别的方法所利用的组合参数主要包括：自然伽马(GR)、声波时差(AC)、视孔道弯曲度指数(TS2)、电阻率侵入校正差比(X I)、视地层电阻率指数(Rwa)、孔隙度(Φ)和含气饱和度指标(Sg)。
[0021]步骤十一：在组合参数交会图法的基础上，对单井组合参数多元判别法、支持向量机法和BP神经网络法的储层流体识别结果进行对比分析，选择最优的储层流体识别方法；
[0022]步骤十二：建立基于组合参数的储层流体综合判别模型。
[0023]有益效果：
[0024]本专利技术为了解决单一的学科和测井方法下的储层流体识别方法的可靠性问题，提供了一种基于组合参数的储层流体综合判别方法，所述方法中使用的组合参数较于单一的测井参数更能体现不同储层流体间的差异性，有助于降低储层流体性质参数间的信息互扰。基于计算得到的组合参数，采用组合参数判别法、支持向量机法和BP神经网络法对储层流体进行综合识别，有助于提高油气藏内储层流体识别的准确性。不同的单井都会得到与其自身相适合的方法，而且也可以在与邻井进行对比后，选择最优的方法对未知测试结果的单井进行组合参数储层流体综合识别，为其今后的勘探开发提供指导。总而言之，本专利技术较于单一的测井储层流体识别具有更加准确的识别效果，能够提供给不同的单井以最优的储层流体识别方法，能够对未知测试结果的单井进行较为准确的储层流体识别。
[0025]图1是本专利技术所述的对单井物性进行测井解释得到的单井物性综合柱状图；
[0026]图2是本专利技术所述的单参数交会图法识别储层流体Ⅰ；
[0027]图3是本专利技术所述的单参数交会图法识别储层流体Ⅱ；
[0028]图4是本专利技术所述的单参数交会图法识别储层流体Ⅲ；
[0029]图5是本专利技术所述的单参数交会图法识别储层流体Ⅳ；
[0030]图6是本专利技术所述的组合参数交会图法识别储层流体Ⅰ；
[0031]图7是本专利技术所述的组合参数交会图法识别储层流体Ⅱ；
[0032]图8是本专利技术所述的组合参数交会图法识别储层流体Ⅲ；
[0033]图9是本专利技术所述的组合参数交会图法识别储层流体Ⅳ；
[0034]图10是本专利技术所述的组合参数多元判别法识别储层流体结果分区图；
[0035]图11是本专利技术所述的支持向量机法识别储层流体程序界面图；
[0036]图12是本专利技术所述的BP神经网络法识别储层流体的拓扑结构图；
[0037]图13是本专利技术所述的组合参数判别法、支持向量机法和BP神经网络法识别储层流体的解释结果综合柱状图；
[0038]图14是基于组合参数的储层流体综合判别模型；
[0039]图15是本专利技术流程图。
具体实施方式
[0040]为使本专利技术的目的、技术方案和优点更加清楚，下面对本专利技术中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0041]地球物理测井是运用物理学的原理和方法，使用专门的仪器设备，沿钻井(钻孔)剖面测量岩石参数。测量得到的参数主要包括自然伽马、自然电位、声波时差、补偿密度、补偿中子及深浅双侧向电阻率等，利用这些数据可以采用多元线性回归法和BP神经网络法解释孔隙度和渗透率，采用阿尔奇公式法解释含水饱和度。基于测井参数的储层流体识别方法，在测井研究领域并不是很有效，单一的测井流体判别方法和单一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种油气藏内基于组合参数的储层流体综合判别方法，其特征在于，包括以下步骤：步骤一：针对研究工区内选取具备岩心资料、测井资料和测试资料的单井，并针对单井进行岩心归位，使得岩心资料、测井资料和测试资料具有地质条件下的匹配关系；岩心归位结合了物性资料，使得岩心资料、测井资料、物性资料和测试资料在地层条件下具有很好的匹配关系；步骤二：通过岩心归位后的单井综合柱状图，利用目标层位的物性资料提取深度相对应的测井曲线值；测井参数主要包括自然伽马、声波时差、补偿中子、补偿密度、深侧向电阻率和浅侧向电阻率；步骤三：通过提取的与物性资料深度相对应的测井曲线值，利用多元线性回归和BP神经网络对单井目的层位孔隙度进行解释，利用阿尔奇公式法对单井目的层位含水饱和度进行解释；步骤四：通过由前得到的单井物性综合解释柱状图，利用目标层位的测试资料提取相应的测井曲线值、孔隙度测井解释值和含水饱和度测井解释值；步骤五：通过提取的测井曲线值、孔隙度测井解释值和含水饱和度测井解释值，计算与储层流体关系密切的组合参数；需要计算的与储层流体关系密切的组合参数主要为视...

【专利技术属性】
技术研发人员：谢润成，周文，冯少柯，李思远，马婷婷，白皓瀚，
申请(专利权)人：成都理工大学，
类型：发明
国别省市：