一种基于因素表示的油气层损害智能识别方法与系统技术方案

本发明专利技术公开了一种基于因素表示的油气层损害智能识别方法与系统，所述的方法与系统包括以下步骤：(a)将来自不同储层类别、工况、储层特性损害因素采用因素表示方法进行定性和定量统一表示；(b)利用所述的油气层损害因素结合语义转换方式，建立油气层损害识别前提条件分类树；(c)利用所述的前提条件分类树，建立具有中间结论节点的损害识别数据库；(d)利用所述的通过因素表示的各种敏感数据从所述的损害识别数据库中计算条件分量比重、准确度、阈值，并分析判断中间结论节点采用两层知识树模型推理获得油气层各种损害类型和程度数据。该方法与系统的优点：解决数据表示统一、推理复杂度低、推理效率高、结论准确度高。

【技术实现步骤摘要】

本专利技术涉及油气储层保护领域，更确实地说，是涉及一种应用于油气层损害预测与决策的智能系统和识别方法。
技术介绍
在新老油田的勘探开发过程中，发现有大量的油气井受到了不同形式、不同程度的伤害，从生产实际情况来看，突出表现在完井及作业过程中极易对储层造成伤害，如完井中的敏感性伤害，生产过程中的硫酸钙、碳酸钙结垢等，低压井作业过程中的洗井液进入地层造成不出液等，这些伤害导致了油气井的产量下降甚至没有产量。储层伤害的原因是复杂的，如何迅速、准确地找到伤害的原因，并采取相应的措施，是保护油层的关键。目前油气层损害机理涉及到大量现场和实验室分析数据，包括岩性、物性、流体及地层温度压力储层特性以及射孔、压井、洗井、修井等完井工艺及其入井流体特征等大量海量参数和数据，同时在这些大量数据中筛选、分析、判断和推理出油气层损害类型和程度存在相当大的难度。目前在油气层损害识别系统中集成了油气田勘探开发多方面的知识，这种传统专家系统基于规则以知识库的方式存储知识，通过来自现场和实验室分析数据作为输入，通过规则推理方式得出储层损害结论并为入井配方和工艺推荐提供决策依据。但是在实际应用中储层损害识别率不高，效果不佳，具体表现在：(1)油气层损害推理涉及输入数据量大，种类多，数据来源多，数据值类型多，数据不统一，输入数据不确定因素大；(2)知识量大，规则多，规则的关系多，遍历推理时间过长；(3)推理的准确度不高，同一种储层损害，产生的条件多样，每种条件导致储层损害的结论程度不一样。
技术实现思路
为了解决上述问题，提高油气层损害识别准确率和减少推理时间，本专利技术公开了一种新的基于因素表达的油气层损害智能识别方法及基于该方法的系统，该方法主要利用因素表示形式来表达不同来源不同类型的参数和参数值的类型，并利用两层推理知识树模型实现及时高效准确的推理。为了实现上述专利技术目的，本专利技术采用以下技术方案实现：一种基于因素表示的油气层损害智能识别方法，包括以下步骤：(1)建立基于因素表示的损害因素参数，损害因素参数包括油气层基础数据和特性类数据；损害因素参数由四元组因素表示构成，即(影响因素名称，因素值属性，因素来源基础库，因素对应映射名)，并建立对应的损害因素库；(2)建立前提条件维护：建立前提条件分类树，该树包括储层类别和储层特性两大类，每个节点由损害因素库中的损害因素参数名称、其对应值和相关表达式构成；(3)建立具有中间结论标识的储层损害推理知识树模型；(4)将该具有中间结论标识的两层知识树映射为损害识别数据库；(5)收集通过实验装置采集或分析获取的各种敏感数据，并对这些数据进行按储层类别和特性进行分类，定性和定量识别，并利用因素表示方法进行表示；(6)利用步骤(5)通过因素表示的各种敏感数据从步骤(4)建立的损害识别数据库中计算条件分量比重、准确度、阈值，并分析判断中间结论节点采用两层知识树模型推理获得油气层各种损害类型和程度数据。本专利技术还提供了上述油气层损害智能识别方法的系统，包括：损害因素参数配置模块，用于损害因素参数建立，包括油气层基础参数和特性类参数。前提条件维护模块，用于前提条件分类树的建立。损害识别数据库模块，用于中间结论标识的储层损害推理知识树模型建立和映射到对应损害识别数据库。推理缺省参数维护模块，用于在储层损害识别中，对经常使用的敏感因素参数进行配置。储层数据模板定制模块，用于对经常使用的区块、储层相关敏感参数及值进行定制，生成储层数据模板。储层损害机理诊断模块：用于分析储层敏感数据，通过两层推理知识树快速推理得出油气层损害类型及程度。其中储层损害机理诊断模块包括：微观推理模块，用于根据输入的敏感数据和储层损害类型和程度结论，判断某种储层损害是否存在。模版推理模块，用于根据选定的储层数据模板、储层及敏感数据进行推理。相比本领域的现有技术，本专利技术提出的识别方法具有以下优点:(1)采用四元组的因素表示方法将来自不同储层特性和不同完井类别以及其他类型参数数据综合为标准统一形式，解决了油气层损害推理涉及输入数据量大，种类多，数据来源多，数据值类型多，数据不统一，输入数据不确定因素大的问题；(2)采用基于中间结论节点的两层知识树模型，提高了推理识别效率，解决知识量大，规则多，规则的关系多，遍历推理时间过长问题；(3)利用条件分量比重、准确度、阈值方式，解决推理的准确度不高，同一种储层损害，产生的条件多样，每种条件导致储层损害的结论程度不一样。附图说明图1为本专利技术的基于因素表示的油气层损害智能识别方法工作流程图图2为本专利技术的基于因素表示的油气层损害智能识别方法的系统模块组成图具体实施方式以下结合附图和具体实施例对本专利技术作具体说明。如图1所示的一种基于因素表示的油气层损害智能识别方法，包括以下步骤：(1)建立基于因素表示的损害因素参数，损害因素参数包括油气层基础数据和特性类数据；损害因素参数由四元组因素表示构成，即(影响因素名称，因素值属性，因素参数来源基础库，因素对应映射名)，并建立对应的损害因素库，其中，因素值属性值如果为空格表示数值型数据，如果非空表示字符型数据，并设置可取的多个可选值，因素参数来源基础库是影响因素的来源，比如孔隙度大小影响因素来源于储层特性来源基础库，因素对应映射名映射到来源基础库中对应的名称，完成影响因素表示的统一；(2)建立前提条件维护：建立前提条件分类树，该树包括储层类别和储层特性两大类，每个节点由损害因素库中的损害因素参数名称、其对应值组成；如果对应值为带有表达式的符号值时，采用公式编辑器进行语义映射，如果对应值不确定值符号值采用模糊正态函数进行语义转换，否则采用定性表达式进行语义转换；(3)建立具有中间结论标识的储层损害推理知识树模型；该模型树为两层节点，第一层节点为储层损害结论，即储层损害类型及程度；该模型树第二层节点为储层损害结论的条件，如果第二层节点为其他第一层节点值，说明该第二层节点可以由其他第一层节点及其子节点推导出来，则将该第二层节点设置为中间结论节点，为推理做准备。(4)将该具有中间结论标识的两层知识树映射为损害识别数据库；(5)收集通过实验装置采集或分析获取的各种敏感数据，并对这些数据进行按储层类别和特性进行分类，定性和定量识别，并利用因素表示方法进行表示；步骤如下：所述各种敏感数据从实验装置获取后，从损害因素库查找判断该敏感数据的数据值类型，如果为数值型数据，则通过事先构造的基于正态分布的数学函数，通过贴近度计算，转换为大、中、小或高、中、低等符号值，否则将该敏感数据标记为符号值，并从损害因素库中获取匹配的符号值。(6)利用步骤(5)通过因素表示的各种敏感数据从步骤(4)建立的损害识别数据库中计算条件分量比重、准确度、阈值，并分析判断中间结论节点采用两层知识树模型推理获得油气层各种损害类型和程度数据。步骤如下：从损害识别数据库所表示的知识树的第一个节点的第二层叶子节点开始，依次查找步骤C中获取的各个敏感数据，如果第二层的某个节点与敏感数据转换后的字符值匹配，则记录该节点的比重，若该第二层所有节点都查找完毕，则累加所有匹配的节点比重和准确度乘积之和，如果总和大于第一层节点的阈值，则第一层节点及子节点值为储层损害推理结果，并将推理结果和明细保存，继续第二个节点，依次类推。如图2所示本文档来自技高网...

【技术保护点】
一种基于因素表示的油气层损害智能识别方法，其特征在于，该方法包括以下步骤：A：建立基于因素表示的损害因素参数，所述损害因素参数包括油气层基础数据和特性类数据；B：建立损害识别数据库，该数据库存储有基于中间结论节点各影响因素定量和定性程度值与损害类型及程度的对应关系；C：收集通过实验装置采集或分析获取的各种敏感数据，并对这些数据进行按储层类别和特性进行分类，定性和定量识别，并利用因素表示方法进行表示；D：利用所述的通过因素表示的各种敏感数据从所述的损害识别数据库中计算条件分量比重、准确度、阈值，并分析判断中间结论节点采用两层知识树模型推理获得油气层各种损害类型和程度数据。

【技术特征摘要】
1.一种基于因素表示的油气层损害智能识别方法，其特征在于，该方法包括以下步骤：A：建立基于因素表示的损害因素参数，所述损害因素参数包括油气层基础数据和特性类数据；B：建立损害识别数据库，该数据库存储有基于中间结论节点各影响因素定量和定性程度值与损害类型及程度的对应关系；C：收集通过实验装置采集或分析获取的各种敏感数据，并对这些数据进行按储层类别和特性进行分类，定性和定量识别，并利用因素表示方法进行表示；D：利用所述的通过因素表示的各种敏感数据从所述的损害识别数据库中计算条件分量比重、准确度、阈值，并分析判断中间结论节点采用两层知识树模型推理获得油气层各种损害类型和程度数据。2.根据权利要求1所述的基于因素表示的油气层损害智能识别方法，其特征在于，所述步骤A中，所述的损害因素参数由四元组因素表示构成，即(影响因素名称，因素值属性，因素来源基础库，因素对应映射名)，并建立对应的损害因素库。3.根据权利要求2所述的基于因素表示的油气层损害智能识别方法，其特征在于，因素值属性取值为空格，代表该因素将存储数组型数据，当因素值属性取值为非空格，代表该因素将存储字符型数据。4.根据权利要求1所述的基于因素表示的油气层损害智能识别方法，其特征在于，所述步骤B中建立损害识别数据库包括如下步骤：B1:建立前提条件维护：建立前提条件分类树，该树包括储层类别和储层特性两大类，每个节点由损害因素库中的损害因素参数名称、其对应值和相关表达式构成；B2：建立具有中间结论标识的储层损害推理知识树模型：该模型树为两层节点，第一层节点为储层损害结论，即储层损害类型及程度；该模型树第二层节点为储层损害结论的条件，如果第二层节点为其他第一层节点值，说明该第二层节点可以由其他第一层节点及其子节点推导出来，则将该第二层节点设置为中间结论节点，为推理做准备。B3：将该具有中间结论标识的两层知识树映射为损害识别数据库。5.根据权利要求1所述的基...

【专利技术属性】
技术研发人员：杨力，杨松任，范勇，
申请(专利权)人：西南石油大学，
类型：发明
国别省市：四川;51