一种基于流动单元指数分类的储层渗透率预测方法技术

本发明专利技术涉及一种基于流动单元指数分类的储层渗透率预测方法，通过对目标井段的进行岩心取样，对样品进行实验，测得岩心样品的流动单元指数，并对流动单元进行分类，优选最佳流动单元数目，构建最佳渗透率解释模型；利用双向长短期记忆网络预测目标井段的流动单元指数；利用孔隙度模型计算目标井段的孔隙度，结合目标井段的最佳渗透率解释模型、流动单元指数、孔隙度，能够更准确地预测目标井段的渗透率，对于提高石油和天然气开采的效率、降低成本、降低钻探风险、保护环境和确保能源安全具有重要意义。

【技术实现步骤摘要】

本专利技术涉及石油测井解释领域，尤其涉及一种基于流动单元指数分类的储层渗透率预测方法。

技术介绍

1、目前，解决储层渗透率计算方法有统计学方法和机器学习方法。统计学方法中，通常是基于岩石物理实验，构建渗透率与孔隙度的回归模型，有的是线性的，有的是非线性的，如timur模型、sdr模型等。此外，渗透率预测也可以采用机器学习方法，例如，采用神经网络等方法可以更好地捕捉储层渗透率与其他测井响应的非线性关系。此外，为较好地描述储集层储集特征、渗流特征和非均质特征，引入流动单元(flow unit，fu)，使用聚类分析和判别分析等统计学方法识别储层流动单元类型，引入流动单元指数(flow zoneindicator，fzi)作为渗透率计算的中间过渡参数，都是提高渗透率准确性的关键步骤。

2、然而，致密砂岩储层孔隙度小，孔隙结构复杂，孔喉微小，其渗透率测井解释与精确预测是一项具有挑战性的研究任务。储层渗透率与孔隙度一般具有相关性，通常采用回归方法建立渗透率解释模型，但这种方法得到渗透率结果通常与实际测试存在显著的偏差，且该类无法充分捕捉到渗流规律与复杂孔喉本文档来自技高网...

【技术保护点】

1.一种基于流动单元指数分类的储层渗透率预测方法，其特征在于，包括：

2.根据权利要求1所述储层渗透率预测方法，其特征在于，所述步骤S1中根据所述流动单元指数对所述流动单元进行分类，得到多组流动单元类型包括：

3.根据权利要求1所述储层渗透率预测方法，其特征在于，所述步骤S1中流动单元指数的表达式如下：

4.根据权利要求1所述储层渗透率预测方法，其特征在于，步骤S2中所述按照筛选标准从所述多组流动单元分类中筛选出最佳流动单元分类，以及所述最佳流动单元分类的渗透率测井解释模型步骤包括：

5.根据权利要求1所述储层渗透率预测方法，其特征在于，所...

【技术特征摘要】

1.一种基于流动单元指数分类的储层渗透率预测方法，其特征在于，包括：

2.根据权利要求1所述储层渗透率预测方法，其特征在于，所述步骤s1中根据所述流动单元指数对所述流动单元进行分类，得到多组流动单元类型包括：

3.根据权利要求1所述储层渗透率预测方法，其特征在于，所述步骤s1中流动单元指数的表达式如下：

4.根据权利要求1所述储层渗透率预测方法，其特征在于，步骤s2中所述按照筛选标准从所述多组流动单元分类中筛选出最佳流动单元分类，以及所述最佳流动单元分类的渗透率测井解释模型步骤包括：

5.根据权利要求1所述储层渗透率预测方法，其特征在于，所述步骤s3中利用测井数据训练双向长短期记忆循环神经网络模型包括：

【专利技术属性】
技术研发人员：冯进，王清辉，管耀，关利军，周开金，王菲，杨清，
申请(专利权)人：中海石油中国有限公司深圳分公司，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人