量化评估生产预测不确定性的系统和方法技术方案

一种更新后验地质模型的系统和方法，其通过整合各种储层数据来支持动态量化数据反演、随机不确定性管理和智能储层管理。

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术大体涉及各种储层生产情况下的油气采收估计。更具体的说，本专利技术涉及用于量化估计油气储层生产预测不确定性的新的储层数据整合和反演技木。
技术介绍
在大規模油气勘探和开采中，不同开采情况下的采收性能的统计分布构成了投资决策过程的量化基础。精确的储层预测主要取决于精确估计动态性能统计数据以及通过储层模拟评估采收性能。通过储层模拟评估采收性能是动态数据整合和反演的一部分，其通常被称为“历史拟合”，最終被称为储层生产预测。_7] 历史拟合历史拟合表示调整储层模型直到其近似地再现油田观测数据的行为。历史的生产和压力尽可能匹配。历史拟合的精确度取决于储层模型的质量以及压カ和生产数据的质量和数量。当对模型进行历史拟合后，尤其在根据储层内已知的地质特性而对调整进行限制时，该模型可被用于对未来储层走向(趋势)进行模拟，并且具有高可信度。通常，历史拟合由人工执行，且仍在广泛使用二十世纪八十年代的方法。该方法的过程耗时且有人为偏误的倾向。例如，一次计算ー个參数这种类型的灵敏度研究通常缺少量化精确性，难以核查，且通常必定会产生单匹配储层模型。对于地质复杂的储层，对于储层模拟来说，地层和结构的不确定性对动态性能统计数据的影响的量化是必需的。为了充分考虑这类不确定性，选择覆盖了足够大的范围的不同地质实现(geologicalrealization)来接近预测统计数据，后者成为量化储层管理(QRM)的相关基础。近来，计算上的发展产生了新的技术学科，其通常被称为计算机辅助历史拟合，其可被分为三种主要方法确定型、随机型和混合型。历史拟合是ー种可逆的反演问题，具有高度非线性和不适定性。对该问题的解决方案不可避免地求助于递归算法，递归算法依赖于先验信息，其可以掲示整组模型(即实现)来拟合动态数据。过去十年中，随机型方法在油气产业中被广泛熟知，其在领域内的主要发展在于i)演化算法(例如，遗传算法或演化策略)；ii)使用集合卡尔曼滤波的数据同化；以及Iii)基于贝叶斯理论的序列蒙特卡洛或马尔可夫链蒙特卡洛(MCMC)方法。在贝叶斯抽样时，使用贝叶斯公式来构造目标函数P ギ(m\d) =」~——PAd)此公式将观测数据与先验地质信息结合，其中Pm|d(m|d)，Pd|m(d|m)和Pm(m)分别表示后验、似然度和先验概率分布。归一化因子Pd(d)表示与数据相关的概率，它与模型参数无关且通常被视为常数。基于贝叶斯理论的序列蒙特卡洛或马尔可夫链蒙特卡洛(MCMC)方法为后验概率密度函数(Pdf)抽样提供了在统计上最严谨且最精确的方式，但在直接(模拟)模拟中应用该方法时，由于高判退率以及必须对提出的每个实现模型运行完整的模拟流程，会产生令人望而却步的高计算成本。该方法对于线性问题有效，但对于非线性的计算机辅助历史拟合应用不佳。这一问题已经通过一种两阶方法的提出得到解决，其具有M-H算法的高接受概率。该方法在线性问题下运行良好，但在非线性计算机辅助历史拟合的应用下运行不佳。为了改进上述问题，提出了一种严谨的两阶MCMC方法，该方法使用借助于流线追踪技术计算得到的灵敏度(即广义行程时间相对于给定储层性质的导数)来增加可接受率，并减少计算量。暈化和储层生产不确定性预测不确定性表示主要由于数据噪声、系统建模误差、以及反演问题求解过程的非唯一性而存在于动态储层建模中的固有分量。通常，分析静态数据(例如钻井记录、地核和地震道)和动态数据(例如，生产历史，瞬变压力测试等)。近来在静态建模技术上的改进使得能够快速构造大量的地质实现，但是与全物理储层模拟相关的计算成本仍是惊人的。由 于所使用的数据在异质性的长度、标度上都存在差异，且通常具有不同的精密度，整合不同数据源的数据是很繁琐的工作。历史拟合中实施的数据整合是数据同化过程的一部分，该过程涉及基于测量数据来估计模型的参数和动态变量。所述模型指的是“油储层模型”，并根据基于性能准则来建立生产公式。在地表下建模中整合附加数据可能会降低不确定性，并被视为是智能储层管理的重要部分之一。现有技术中不确定性管理和生产预测的工艺应用组合使用了实验设计、最大熵估计、集合卡尔曼滤波或邻域算法。邻域算法是已知的用于解决非线性地球物理反演问题的算法，通常包括两个阶段i)搜索阶段一一在多维参数空间内进行搜索的方法，其目标是在提供给用户的目标函数的可接受数值内寻找模型，以及ii)评价阶段一一其中搜索阶段中生成的整个模型集合被用于导出一些贝叶斯测量形式(例如协方差或临界roF)。因此需要整合各种储层数据以支持动态量化数据反演、随机不确定性管理以及智能储层管理。
技术实现思路
本专利技术提供了更新后验地质模型的系统和方法，该系统和方法通过整合各种储层数据以支持动态量化数据反演、随机不确定性管理以及智能储层管理，满足了上述需求并克服了现有技术中一个或多个缺陷。一个实施例中，本专利技术包括一种更新后验地质模型的方法，其包括i)为先验地质模型计算新的地质实现；ii)使用先验地质模型的新的地质实现或者使用先验地质模型的可接受数量的新的地质实现来计算目标函数的精确似然性；iii)基于目标函数的精确似然性来定义连续的蒙特卡洛链的初始状态；iv)基于序列蒙特卡洛的初始状态和先验地质模型的随机样本，定义新样本；v)使用新样本来计算目标函数的近似似然性；vi)如果目标函数的近似似然性不满足接受准则，则仅基于先验地质模型的另一随机样本重复上述定义新样本的步骤；vii)如果新样本满足所述接受准则，则使用新样本来计算目标函数的另一精确似然性如果目标函数的另ー个精确似然性不满足另ー接受准则，则仅基于先验地质模型的另ー随机样本重复上述定义新样本的步骤；ix)仅基于先验地质模型的另一随机样本重复上述定义新样本的步骤，直到满足收敛准则；以及，X)存储满足接受准则和另ー接受准则的每个新样本，每个新样本表示各个更新的后验地质模型。 另一个实施例中，本专利技术包括ー种程序携载设备，其携载有用于更新后验地质模型的计算机可执行指令，所述指令可被执行以实现i)为先验地质模型计算新的地质实现；ii)使用先验地质模型的新的地质实现或者使用先验地质模型的可接受数量的新的地质实现来计算目标函数的精确似然性；iii)基于目标函数的精确似然性来定义序列蒙特卡洛链的初始状态；iv)基于序列蒙特卡洛的初始状态和先验地质模型的随机样本，定义新样本；v)使用新样本来计算目标函数的近似似然性；vi)如果目标函数的近似似然性不满足接受准则，则仅基于先验地质模型的另ー随机样本重复上述定义新样本的步骤；vii)如果新样本满足接受准则，则使用新样本来计算目标函数的另一精确似然性如果目标函数的另一精确似然性不满足另ー接受准则，则仅基于先验地质模型的另ー随机样本重复上述定义新样本的步骤；ix)仅基于先验地质模型的另ー随机样本重复上述定义新样本的步骤，直到满足收敛准则；x)存储满足接受准则和另一接受准则的每个新样本，每个新样本表示各个更新的后验地质模型。根据下文中对各个实施例和相关附图的说明，本专利技术的其他方面、优点和实施例对本领域技术人员来说将显而易见。附图说明下面參照附图来具体描述本专利技术，其中相同的元件标示有相同的參考标记，其中图I是执行本专利技术的方法的一个实施例的流程图。图2是执行本专利技术的方法的另ー个实施例的流程图。图本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种更新后验地质模型的方法，其包括 为先验地质模型计算新的地质实现； 使用为先验地质模型的所述新的地质实现或者为先验地质模型的可接受数量的新的地质实现，来计算目标函数的精确似然性； 根据目标函数的所述精确似然性来定义序列蒙特卡洛链的初始状态； 根据用于序列蒙特卡洛链的所述初始状态和来自先验地质模型的随机样本，定义新样本； 使用所述新样本来计算目标函数的近似似然性； 如果目标函数的近似似然性不满足接受准则，则仅根据来自先验地质模型的另一随机样本重复所述定义新样本的步骤； 如果新样本满足所述接受准则，则使用所述新样本来计算目标函数的另一精确似然性； 如果目标函数的所述另一精确似然性不满足另一接受准则，则仅根据来自先验地质模型的另一随机样本重复所述定义新样本的步骤； 仅根据来自先验地质模型的另一随机样本重复所述定义新样本的步骤，直到满足收敛准则； 存储满足所述接受准则和所述另一接受准则的每个新样本，每个新样本表示先验地质模型的各个更新后的后验地质模型。2.如权利要求I所述的方法，还包括定义多(N)个新的地质实现，以用于先验地质模型计算。3.如权利要求I所述的方法，其中使用用于先验地质模型的参数来计算所述新的地质实现。4.如权利要求I所述的方法，还包括对每个更新后的后验地质模型进行动态排序。5.如权利要求4所述的方法，还包括 对经排序更新后的后验地质模型进行评估；以及 根据所述评估执行商业决策。6.如权利要求I所述方法，还包括 对新的地质实现进行动态排序；以及 根据新的地质实现的动态排序后，选择可接受数量的新的地质实现。7.如权利要求I所述的方法，还包括 对每个更新后的后验地质I吴型进行动态排序； 选择最佳排位、更新后的后验地质模型； 用所述最佳排位、更新后的后验地质模型来替换先验地质模型； 将所述最佳排位、更新后的后验地质模型重命名为先验地质模型； 定义多(N)个新的地质实现，以用于先验地质模型计算；以及 重复权利要求I的步骤。8.如权利要求I所述的方法，还包括根据每个更新后的后验地质模型来执行商业决策。9.如权利要求7所述的方法，其中所述最佳排位、更新后的后验地质模型表示最高排位、更新后的后验地质模型。10.如权利要求4所述的方法，其中通过对应于每个更新后的后验地质模型的最终恢复因子来对每个更新后的后验地质模型进行排序。11.一种程序携载设备，其携载有用于更新后验地质模型的计算机可执行指令，所述指令可被...

【专利技术属性】
技术研发人员：马克·马奥斯，阿尔文·斯坦利·卡里克，
申请(专利权)人：兰德马克绘图国际公司，
类型：
国别省市：