【技术实现步骤摘要】
本专利技术涉及人工智能及油气藏勘探开发，具体的，涉及一种地层流动单元精细划分方法、计算机设备和可读存储介质。
技术介绍
1、流动单元是指横向上和垂向上连续的、影响流体流动的岩石特征相近的储集岩体。流动单元分类是深度认识和描述油藏的非均质性的有效方法，对于精细划分储层、提高渗透率计算精度和剩余油挖潜具有重要意义。自1984年流动单元概念提出以来，地质学家根据基础资料和研究实际，提出许多流动单元的划分方法，大致可归纳为以下四类：
2、(1)基于地质理论的流动单元划分方法
3、研究初期，人们基于沉积与成岩作用等地质理论，依据沉积界面和成岩隔挡层在垂向上将地质体粗略划分为若干个成因单元，再根据各单元的物性特征细分出流动单元类型。专利“储层流动单元划分方法”(申请号：cn201610684447.4)公开了一种基于高分辨率层序地层学理论的流动单元划分方法。该方法在等时地层格架内完成沉积微相分析后，建立砂体结构模型，通过分析其连通性和渗流特性划分流动单元。以上这两种方法以定性划分为主要特征，未能实现流动单元的定量表征。此后，一些地质学家根据岩心描述，结合岩性物性变化特征进行分层，在此基础上通过计算岩石的传导系数、储存系数等参数进一步划分为次一级的若干个流动单元。此类方法的优点是实现了定量化，缺点是仍只能在宏观上粗略的划分流动单元，对于强非均质性地层流动单元的划分精度不高，难以达到精细油藏描述的需求，上述方法与本申请的划分方法不同。
4、(2)基于岩心分析资料的流动单元划分方法
5、流动带指标(
6、(3)应用生产动态资料进行流动单元研究
7、canas等人根据la cira油田生产过程中井间流体流动速度及流动能力资料来划分流动单元。该方法是先计算一个生产单元内两口井实际的流率比值，得到表征流动单元的指标参数ifci(interwell flow capacity index)，进而划分流动单元。例如，申请号为“cn201610890913.4”的中国专利公开了一种储层垂向流动单元的划分和装置及井间对比方法和装置。该方法先将储层进行细分层，再统计并绘制细分层的累计产能百分比和累计储能百分比直方图，并结合可流动性指数完成流动单元的精细划分。但该方法与本申请的划分方法不同。此类方法的优点是划分出的流动单元结合了油田的生产实际，可以有效的指导油田开发和剩余油挖潜。缺点在于该类方法需要以丰富的动态资料作为支撑，对于动态资料匮乏的勘探新区，若借用邻区的资料或经验参数进行计算，往往会导致计算结果不符合实际。
8、(4)以简单数学模型为手段的多参数流动单元划分方法
9、该方法目前正广泛应用于各大油田，具体实施方法是先通过单井中密集取样，做各类分析化验，选取体现岩石构造与结构、岩石物性与流体性质的宏观与微观特征参数，如沉积微相、泥质含量、粒度中值、孔隙度和渗透率等，再结合测井曲线通过聚类分析、判别分析或bp神经网络等数学方法划分出流体流动单元类型。例如，申请号为“cn201811580931.8”的专利公开了一种基于流动单元分类计算砂岩型铀矿砂体渗透率的方法。该方法首先计算出岩心样本点的流动单元指数，再应用概率图法实现岩心流动单元分类，最后建立流动单元与自然伽马、密度、视电阻率、声波时差等参数间的定量关系完成流动单元划分的推广应用。但该流动单元分类方法与本申请的划分方法不同。近年来，机器学习在解决复杂分类问题上的优点正逐渐被人们所认识。例如，申请号为“cn201910889252.7”、名称为“一种基于支持向量机算法的流动单元信息分类识别方法”的中国专利公开了一种流动单元信息分类识别方法，该方法包括步骤：样本集合的确定及数据预处理，并采用matlab中的mapminmax函数完成样本数据的归一化处理；采用c-svm分类技术，进行模型构建及参数寻优；利用测试样本对建立的预测模型进行预测与检验。该方法采用的是在非线性问题上处理能力较强的基于支持向量机算法的流动单元信息分类方法，在一定程度上可以解决流动单元类型与多个因素间的非线性问题，也属于一种机器学习方法。但该方法与本申请的划分方法不同。
10、总之，这类方法是上述第二类方法的升华，优点是使用的特征参数更多，当分类样本间的阈值较为清楚时能够在一定程度上解决了第二类方法遇到的非线性问题，从而提高流动单元的划分精度。缺点是现有的这些分类方法均属于单模型或弱分类器，当分类样本阈值不清，类别间非线性问题突出时，这些单分类模型不能得到满意的划分结果，模型泛化能力较差。当前，流体流动单元划分方法正朝着从定性向定量、从线性向非线性、从低维空间向高维空间的方向发展。因此，提供一种基于机器学习集成模型的强非均质性碎屑岩地层流动单元精细划分方法、计算机设备和可读存储介质对提高强非均质性碎岩地层流动单元划分精度具有重要的意义。
技术实现思路
1、针对现有技术中存在的不足，本专利技术的目的在于解决上述现有技术中存在的一个或多个问题。例如，本专利技术的目的之一在于提供一种基于机器学习集成模型、对非均质性强、流动单元类型多的地层流动单元精细划分方法、计算机设备和可读存储介质。
2、为了实现上述目的，本专利技术一方面提供了一种强非均质性碎屑岩地层流动单元精细划分方法，所述精细划分方法包括以下步骤：
<本文档来自技高网...【技术保护点】
1.一种强非均质性碎屑岩地层流动单元精细划分方法，其特征在于，所述精细划分方法包括以下步骤：
2.根据权利要求1所述的强非均质性碎屑岩地层流动单元精细划分方法，其特征在于，所述岩心流动带指数的计算公式如下：
3.根据权利要求1所述的强非均质性碎屑岩地层流动单元精细划分方法，其特征在于，所述主成分分析方法对高维特征参数进行降维处理的计算公式如下：
4.根据权利要求1所述的强非均质性碎屑岩地层流动单元精细划分方法，其特征在于，所述随机梯度提升决策树算法的计算公式如下：
5.根据权利要求1所述的强非均质性碎屑岩地层流动单元精细划分方法，其特征在于，所述机器学习样本数据集的70～80％数据作为训练数据集，其余数据作为验证数据集。
6.根据权利要求5所述的强非均质性碎屑岩地层流动单元精细划分方法，其特征在于，所述准确率和召回率的计算公式如下：
7.根据权利要求1所述的强非均质性碎屑岩地层流动单元精细划分方法，其特征在于，所述高维特征参数包括自然伽马、自然电位、补偿中子、补偿声波、密度曲线、深侧向电阻率、浅侧向电阻率、质
8.根据权利要求1所述的强非均质性碎屑岩地层流动单元精细划分方法，其特征在于，所述流动单元精细划分方法的判识准确度相较于支持向量机分类模型提高10％以上。
9.一种计算机设备，其特征在于，包括：
10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，计算机程序指令被处理器执行时实现权利要求1～8中任意一项所述的方法。
...【技术特征摘要】
1.一种强非均质性碎屑岩地层流动单元精细划分方法，其特征在于，所述精细划分方法包括以下步骤：
2.根据权利要求1所述的强非均质性碎屑岩地层流动单元精细划分方法，其特征在于，所述岩心流动带指数的计算公式如下：
3.根据权利要求1所述的强非均质性碎屑岩地层流动单元精细划分方法，其特征在于，所述主成分分析方法对高维特征参数进行降维处理的计算公式如下：
4.根据权利要求1所述的强非均质性碎屑岩地层流动单元精细划分方法，其特征在于，所述随机梯度提升决策树算法的计算公式如下：
5.根据权利要求1所述的强非均质性碎屑岩地层流动单元精细划分方法，其特征在于，所述机器学习样本数据集的70～80％数据作为训练数据集，其余数据作为验证数据集。
6.根据权利要求5所述的强非均质性碎屑岩地层流动单...
【专利技术属性】
技术研发人员：陈杰，唐建侯，欧阳诚，陈果，程亮，方杰，陆涛，费肇磊，邢会民，
申请(专利权)人：中国石油天然气集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。