一种基于大数据分析的储层厚度划分方法技术

一种基于大数据分析的储层厚度划分方法。主要解决现有的储层厚度解释方法扩展性不强、更新周期长、符合率不能满足生产需求的问题。其特征在于：测井曲线无效值清洗；将测井数据按统一采样间距重采样；将各种数据解析并存储到同一个关系型数据文件中；按训练样本点构建标签数据集；训练样本均衡化处理；测井曲线多维特征提取；构建厚度划分模型；把需要预测的新井数据的特征值输入到已建立的模型中；对上述预测结果进行处理，得到最终的预测输出结果。该方法可以指导单井纵向到层、多井横向对比自动解释，为新井厚度划分、老井复查降低劳动强度，并进一步提升每年新钻井处理解释质量，为油藏地质精细描述、剩余油精准挖潜等提供技术支持。供技术支持。供技术支持。

【技术实现步骤摘要】
一种基于大数据分析的储层厚度划分方法


[0001]本专利技术涉及油田领域，具体说是一种基于大数据分析的储层厚度划分方法。

技术介绍

[0002]大庆长垣作为油田稳产的“压舱石”，是油田实现产量目标的主要组成部分。随着油田开发的不断深入，喇萨杏油田目前已进入水驱、聚驱(包括三元复合驱)并存阶段，地下流体性质越来越复杂，对测井曲线影响也越来越复杂，给有效厚度、表外厚度测井解释和评价造成很大困难。从喇萨杏油田储层特征上看，渗透率变化范围从上千毫达西变化到0.1毫达西，厚层、薄层间互，表外层以镶边搭桥形式出现，使得岩心对应测井曲线提取难。如何将物性差、含油级别低、含泥量高的表外储层与不含油的干层区分开，并将0.2～0.3m厚度划准率达到80％以上，这在技术上要求是非常高的。
[0003]现有的喇萨杏油田的各类厚度解释技术主要是以储层岩性、物性、含油性和电性“四性”关系为基础，通过多参数组合，主要采用“交会图版法”研究油层有效厚度电性标准。
[0004]目前的解释方法主要是一维或二维线性模型，没有充分挖掘出曲线本身及曲线间的多维潜在信息，且解释方法符合率不能满足生产需求、效率低，解释方法扩展性不强，方法模式固化，实时性不强，更新周期长。因此，需重新建立评价方法，借助大数据分析技术发现数据隐藏的价值，提高油田生产过程中各项数据的利用率，实现以数据找油，数字化识别、预测与优化，提高解释符合率，为剩余油精细挖潜提供支持。

技术实现思路

[0005]为了克服现有的储层厚度解释方法扩展性不强、更新周期长、符合率不能满足生产需求、效率低的不足，本专利技术提供一种基于大数据分析的储层厚度划分方法，该基于大数据分析的储层厚度划分方法可以指导单井纵向到层、多井横向对比自动解释，为新井厚度划分、老井复查降低劳动强度，并进一步提升每年新钻井处理解释质量、减少人工交互解释工作量，提高工作效率，为油藏地质精细描述、剩余油精准挖潜等提供技术支持。
[0006]本专利技术的技术方案是：一种基于大数据分析的储层厚度划分方法，包括以下步骤：
[0007](1)测井曲线无效值清洗；
[0008](2)将测井数据按统一采样间距重采样；
[0009](3)将测井曲线数据、厚度数据、油层组信息解析并存储到同一个关系型数据文件中；
[0010](4)按训练样本点构建标签数据集，对于每一个深度采样点，根据当前深度是否划在层内或层外，将样本点打上层内或层外的标签；
[0011](5)训练样本均衡化处理，采用欠采样方式，与样本量少的标签对齐；
[0012](6)测井曲线多维特征提取，提取原始曲线数值特征、部分原始原始曲线数值相加减、曲线标准化、一定步长窗口内每一条原始测井曲线的最大值、最小值和平均值、曲线差分特征值；
[0013](7)有监督聚类大数据算法架构厚度划分模型；
[0014](8)把需要预测的新井数据的特征值输入到步骤(7)中得到的分类模型，分别对被预测井的每一个深度点进行表外层、有效层层内和层外的预测，得到初步的预测结果；
[0015](9)对步骤(8)中的预测结果进行去掉孤立点、薄层增厚及分合层处理，得到最终的预测输出结果。
[0016]进一步，步骤(2)中，将不是0.05m采样间距的测井数据按照0.05m重采样。
[0017]进一步，步骤(7)中，采用随机森林大数据算法，将测井领域中实体、关系、属性表达成向量形式，然后建立模型。
[0018]本专利技术具有如下有益效果：由于采取上述方案，该方法完全可以替代现有通过多参数组合，主要采用“交会图版法”研究油层有效厚度电性标准的方法，解决了目前的解释方法主要是一维或二维线性模型，没有充分挖掘出曲线本身及曲线间的多维潜在信息，且解释方法符合率不能满足生产需求、效率低，解释方法扩展性不强，方法模式固化，实时性不强，更新周期长等问题。该专利技术可以应用到大庆长垣加密调整井解释中，指导单井纵向到层、多井横向对比自动解释，为新井解释、老井复查降低劳动强度；并进一步提升每年新钻井处理解释质量、减少人工交互解释工作量，提高工作效率，为油藏地质精细描述、剩余油精准挖潜等提供技术支持。
附图说明
[0019]图1是实施例1的B1
‑
201
‑
540井解释成果图；
[0020]图2是实施例1的B1
‑
201
‑
540井分合层处理图；
[0021]图3是实施例2的X4
‑
30
‑
S610井解释成果图；
[0022]图4是实施例3的B2
‑3‑
S458井解释成果图。
具体实施方式
[0023]下面结合附图对本专利技术作进一步说明：
[0024]一种基于大数据分析的储层厚度划分方法，包括以下步骤：
[0025](1)测井曲线无效值清洗。主要是清洗掉整列或整行数值为0或
‑
9999的无效值。无效值会作为噪声数据直接影响机器学习的效果，首先进行无效值的处理，策略是先删除所有值都是无效值的列，然后将所有列都是无效值的行去除，为了保证数据的准确性和对模型的无干扰性，我们采取的策略是只要有一个值是无效值，则将此行的数据删掉。
[0026](2)测井数据重采样。由于不同时期的井采样间隔是不一样的，为了使不同井采样间距一致，确保划分厚度顶底界限的准确性，需要对测井曲线按统一标准进行重采样，将不是0.05米采样间距的测井数据按照0.05米重采样。
[0027](3)数据整合。测井曲线数据主要以txt、las、716格式存储、厚度数据主要以dbf、EXCELL格式存储、油层组信息主要以dbf、EXCELL格式存储，这些数据分别以不同的数据格式存储在不同的文件中，为了便于后期的数据处理与分析，将测井曲线数据、厚度数据、油层组信息解析并存储到同一个关系型数据文件中。
[0028](4)按训练样本点构建标签数据集。对于每一个深度采样点，根据当前深度是否划在层内或层外，将样本点打上层内或层外的标签，进行分类。划上表外厚度的地方打上数值
为1的标签，表示为层内，划不上表外厚度的地方打上数值为0的标签，表示为层外；划上有效厚度的地方打上数值为2的标签，表示为层内，划不上有效厚度的地方打上数值为0的标签，表示为层外，有效厚度内夹层打上数值为1的标签，表示非储层。
[0029](5)训练样本均衡化处理。如果训练集90％的样本是属于同一个类的，而我们的分类器会将所有的样本都分类为该类，在这种情况下，该分类器是无效的，尽管最后的分类准确度为90％。所以在数据不均衡时，准确度这个评价指标参考意义就不大了。实际上，如果不均衡比例超过4:1，分类器就会偏向于大的类别。因此需要做样本均衡化处理。具体做法是采用欠采样方式，与样本量最少的标签对齐，由于层外数据比层内数据多，因此采用向层内样本数据量对齐的方式。在构建表外厚度训练样本时，选取第四步中标签是1的表外本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据分析的储层厚度划分方法，其特征在于包括以下步骤：(1)测井曲线无效值清洗；(2)将测井数据按统一采样间距重采样；(3)将测井曲线数据、厚度数据、油层组信息解析并存储到同一个关系型数据文件中；(4)按训练样本点构建标签数据集，对于每一个深度采样点，根据当前深度是否划在层内或层外，将样本点打上层内或层外的标签；(5)训练样本均衡化处理，采用欠采样方式，与样本量少的标签对齐；(6)测井曲线多维特征提取，提取原始曲线数值特征、部分原始原始曲线数值相加减、曲线标准化、一定步长窗口内每一条原始测井曲线的最大值、最小值和平均值、曲线差分特征值；(7)有监督聚类大数据算法...

【专利技术属性】
技术研发人员：卢艳，杨清山，温琴，齐云峰，马宏宇，王雪萍，李闯，丁继伟，程梦薇，李金奉，
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：