一种裂缝性油藏自动历史拟合模型预测方法、系统及设备技术方案

本发明专利技术公开了一种裂缝性油藏自动历史拟合模型预测方法、系统及设备，建立裂缝性油藏数值模拟模型，将裂缝网络分为大尺度裂缝和小尺度裂缝；分别对大尺度裂缝和小尺度裂缝进行参数化；结合大尺度裂缝和小尺度裂缝参数建立裂缝网络结构；通过裂缝网络结构建立改进的代理辅助协作群体优化算法，将径向基神经网络改为插值形式的径向基函数；使用改进的代理辅助协作群体优化算法和基于数据驱的进化算法对裂缝性油藏进行反演预测，得到的最优解为实际裂缝分布参数。能够根据井的生产历史，预测一般地震难以识别的裂缝的分布形态，进而得到近似真实情况的剩余油分布状态。似真实情况的剩余油分布状态。似真实情况的剩余油分布状态。

【技术实现步骤摘要】
一种裂缝性油藏自动历史拟合模型预测方法、系统及设备


[0001]本专利技术属于油气藏开发领域，涉及一种裂缝性油藏自动历史拟合模型预测方法、系统及设备。

技术介绍

[0002]在全球己探明的油气储量中，碳酸盐岩储层的储量占据规模超过一半，是油气勘探开发的重要油藏类型。碳酸盐岩油气藏在我国的分布非常广泛，具有勘探开发的潜力巨大。但碳酸盐岩储层非均质性强、地质条件复杂，除此之外，裂缝规模往往是多尺度的，极大地影响了油藏的开发效果。目前的物探技术还不能精细地描述碳酸盐岩储层缝洞系统的发育情况，主要由于裂缝的分布形态极其复杂，具有极大的不确定性，因此需要对地震裂缝的预测技术进行研究，从而可以提升对储层渗流规律的认识，进而得到准确的剩余油分布。
[0003]在油藏裂缝预测方法中，历史拟合方法可以根据实现地质模型的反演，历史拟合过程是根据历史生产数据，不断调整模型参数，进而确定实际模型参数的方法。然而人工历史拟合受人为影响大、耗时长，有较多的局限性。采用自动历史拟合是一种结合计算机技术求解反问题的方法，相对于人工历史拟合，更加快速，便于操作。通过自动历史拟合，裂缝网络分布的不确定性可以被减小。
[0004]历史拟合裂缝性油藏首先要建立油藏数值模拟模型，模拟流体在裂缝网络中的流动。传统的模拟裂缝网络模型的方法有双重介质模型、等效连续介质模型、离散裂缝网络模型(DFM)和嵌入式离散裂缝网络模型(EDFM)。在双重介质模型中，裂缝和基质通过定义两种渗透率和孔隙度来实现。等效连续介质模型，基质和裂缝被单独的连续介质所表征，从而定义等效的渗透率孔隙度。双重介质模型和等效连续介质模型不需要将网格分开，因此数值模拟过程简单稳定，然而这两种方法难以明确描述裂缝的对渗流的影响。离散裂缝网络模型(DFM)通常使用非结构结构化，明确描述裂缝的位置，带来了计算的耗费。而嵌入式离散裂缝网络模型(EDFM)使用了结构化网格，计算耗费减少，然而模拟裂缝的准确性相对离散裂缝网络模型较差。
[0005]基于集合的方法，在油藏历史拟合中应用广泛，例如马尔科夫链蒙特卡洛方法(MCMC)通过对历史拟合目标函数的后验概率函数进行采样，来估算模型参数分布特征。另外还有遗传算法(GA)、粒子群优化算法(PSO)等算法，通过求解目标函数来找出最可能的裂缝分布情况。可惜的是裂缝性油藏往往具有大量的参数，因此所引出的高维问题还未得到有效解决。
[0006]综上所述，在求解裂缝性油藏历史拟合的过程，能适应高维问题的优化算法较为缺乏。

技术实现思路

[0007]本专利技术的目的在于克服上述现有技术的缺点，提供一种裂缝性油藏自动历史拟合模型预测方法、系统及设备，能够根据井的生产历史，预测一般地震难以识别的裂缝的分布
形态，进而得到近似真实情况的剩余油分布状态。
[0008]为达到上述目的，本专利技术采用以下技术方案予以实现：
[0009]一种裂缝性油藏自动历史拟合模型预测方法，包括以下步骤：
[0010]步骤一，建立裂缝性油藏数值模拟模型，将裂缝性油藏数值模拟模型内的裂缝网络分为大尺度裂缝和小尺度裂缝；
[0011]步骤二，分别对大尺度裂缝和小尺度裂缝进行参数化；
[0012]步骤三，结合大尺度裂缝和小尺度裂缝参数建立裂缝网络结构；
[0013]步骤四，通过裂缝网络结构建立改进的代理辅助协作群体优化算法，改进的代理辅助协作群体优化算法中，将径向基神经网络改为插值形式的径向基函数；
[0014]步骤五，使用改进的代理辅助协作群体优化算法和基于数据驱的进化算法对裂缝性油藏进行反演预测，得到的最优解为实际裂缝分布参数。
[0015]优选的，裂缝性油藏数值模拟模型中裂缝的表征参数为裂缝长度、方位和中点坐标。
[0016]优选的，大尺度裂缝参数化的过程为：通过裂缝长度、方位和中点坐标的范围，而随机生成大尺度裂缝参数，基于立方定律计算裂缝的开度，随后将大尺度裂缝参数进行组合。
[0017]优选的，小尺度裂缝参数化的过程为：设置裂缝最大最小长度以及分形维数，计算得到所有裂缝的数量，通过裂缝长度和数量的关系生成小尺度裂缝网络，将小尺度裂缝划分为数据集，进而将小尺度裂缝参数进行组合。
[0018]优选的，步骤三中，结合大尺度裂缝和小尺度裂缝参数，组成裂缝网络结构，根据裂缝网络结构的参数，使用嵌入式离散裂缝网络模型进行数值模拟。
[0019]优选的，插值形式的径向基函数表示为：
[0020][0021]式中，f(x)为插值形式的径向基函数；N为隐层节点的数量；ω
k
为权重系数；φ为基函数；x
k
为中心点。
[0022]优选的，步骤五的具体过程为：使用改进的代理辅助协作群体优化算法对裂缝性油藏进行历史拟合，设置历史拟合的目标函数，使用改进的代理辅助协作群体优化算法对此目标函数进行求解，得到的最优解为实际裂缝分布参数。
[0023]一种裂缝性油藏自动历史拟合模型预测系统，包括：
[0024]模拟模型建立模块，用于建立裂缝性油藏数值模拟模型，将裂缝性油藏数值模拟模型内的裂缝网络分为大尺度裂缝和小尺度裂缝；
[0025]参数化模块，用于分别对大尺度裂缝和小尺度裂缝进行参数化；
[0026]裂缝网络结构建立模块，用于结合大尺度裂缝和小尺度裂缝参数建立裂缝网络结构；
[0027]优化算法建立模块，用于通过裂缝网络结构建立改进的代理辅助协作群体优化算法，改进的代理辅助协作群体优化算法中，将径向基神经网络改为插值形式的径向基函数；
[0028]实际裂缝分布参数获取模块，用于使用改进的代理辅助协作群体优化算法和基于
数据驱的进化算法对裂缝性油藏进行反演预测，得到的最优解为实际裂缝分布参数。
[0029]一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任意一项所述裂缝性油藏自动历史拟合模型预测方法的步骤。
[0030]一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述任意一项所述裂缝性油藏自动历史拟合模型预测方法的步骤。
[0031]与现有技术相比，本专利技术具有以下有益效果：
[0032]本专利技术将裂缝网络分为大尺度裂缝和小尺度裂缝，极大的减少了裂缝分布表征使用的参数规模，降低了拟合难度，采用改进的代理辅助协作群体优化算法，将径向基神经网络改为插值形式的径向基函数，能够加快进化算法迭代速度，提升进化算法在优化过程中的进化速度，从而大大降低了自动历史拟合所需的计算时间成本，整体方法能够提高预测裂缝的分布形态的准确度，进而得到近似真实情况的剩余油分布状态。
附图说明
[0033]图1为本专利技术的原始裂缝分布参考模型图；
[0034]图2为本专利技术的初始化的裂缝分布特征图；
[0035]图3为本专利技术的优化后裂缝网络模型示意图；...

【技术保护点】

【技术特征摘要】
1.一种裂缝性油藏自动历史拟合模型预测方法，其特征在于，包括以下步骤：步骤一，建立裂缝性油藏数值模拟模型，将裂缝性油藏数值模拟模型内的裂缝网络分为大尺度裂缝和小尺度裂缝；步骤二，分别对大尺度裂缝和小尺度裂缝进行参数化；步骤三，结合大尺度裂缝和小尺度裂缝参数建立裂缝网络结构；步骤四，通过裂缝网络结构建立改进的代理辅助协作群体优化算法，改进的代理辅助协作群体优化算法中，将径向基神经网络改为插值形式的径向基函数；步骤五，使用改进的代理辅助协作群体优化算法和基于数据驱的进化算法对裂缝性油藏进行反演预测，得到的最优解为实际裂缝分布参数。2.根据权利要求1所述的裂缝性油藏自动历史拟合模型预测方法，其特征在于，裂缝性油藏数值模拟模型中裂缝的表征参数为裂缝长度、方位和中点坐标。3.根据权利要求1所述的裂缝性油藏自动历史拟合模型预测方法，其特征在于，大尺度裂缝参数化的过程为：通过裂缝长度、方位和中点坐标的范围，而随机生成大尺度裂缝参数，基于立方定律计算裂缝的开度，随后将大尺度裂缝参数进行组合。4.根据权利要求1所述的裂缝性油藏自动历史拟合模型预测方法，其特征在于，小尺度裂缝参数化的过程为：设置裂缝最大最小长度以及分形维数，计算得到所有裂缝的数量，通过裂缝长度和数量的关系生成小尺度裂缝网络，将小尺度裂缝划分为数据集，进而将小尺度裂缝参数进行组合。5.根据权利要求1所述的裂缝性油藏自动历史拟合模型预测方法，其特征在于，步骤三中，结合大尺度裂缝和小尺度裂缝参数，组成裂缝网络结构，根据裂缝网络结构的参数，使用嵌入式离散裂缝网络模型进行数值模拟。6.根据权利要求1所述的裂缝性油藏自动历史拟合模型预测方法，其特征在于，插值形式的径向基函数表示为：式...

【专利技术属性】
技术研发人员：姚超，张凯，何新兴，张金鼎，汪如军，姚传进，李世银，孙致学，刘俊锋，杨美纯，曹文，闫婷，
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：