水驱开发油藏中优势通道的预测方法、系统及装置制造方法及图纸

本申请公开了一种水驱开发油藏中优势通道的预测方法、系统、装置及计算机可读存储介质，包括：根据水驱开发油藏的目的层的测井数据，将目的层划分为多个单层；利用目的层的测井数据，得到每个单层的测井数据；将每个单层的测井数据输入至预设的优势通道预测模型，得到每个单层的优势通道预测结果。本申请在自然伽马、声波时差、深电阻率和浅电阻率的基础上，额外考虑了孔隙度和含水饱和度两种数据，利用这两种数据携带的储层物性和流体信息，丰富了输入数据，提高了预测结果的准确度，并且输入数据以单层为约束截取，且配合基于卷积神经网络训练而成的优势通道预测模型，能够更为快速准确的预测出水驱开发油藏中的优势通道。

【技术实现步骤摘要】
水驱开发油藏中优势通道的预测方法、系统及装置
本专利技术涉及勘探领域，特别涉及一种水驱开发油藏中优势通道的预测方法、系统、装置及计算机可读存储介质。
技术介绍
注水是补充油藏能量的有效方式，我国大量油藏长期处于注水开发阶段，如塔里木盆地塔中4区块东河砂岩组油藏、渤海湾盆地胜坨区块沙河街组油藏等。油藏经过长期注水开发，由于储层敏感性和微粒迁移作用，储层中会在局部形成水流优势通道，优势通道的渗透率一般是邻层的3-5倍，大量注入水在优势通道中进行无效循环，严重降低油藏开发效率。封堵水驱油藏中已经形成的优势通道对提高油藏注水开发效率十分关键，而有效封堵的前提是准确预测注水井和产油井上发育优势通道的位置。由于优势通道是一种开发现象，故可以直接依据开发动态资料识别优势通道。对于注水井的单注层段，若其吸水强度异常大，则该层段为优势通道；对于产油井的单采层段，若其产液强度和含水率异常高，则该层段为优势通道。虽然对于单注/单采层段能够准确识别优势通道，但由于油藏实际生产中，多数注水井实施多层段合注，多数产油井实施多层段合采，而优势通道往往只出现在邻近层段中的某一较薄的深度段，故直接基于动态资料难以准确预测合注/合采井中优势通道的发育位置。为此，需要一种更为精准的优势通道预测方法。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种水驱开发油藏中优势通道的预测方法、系统、装置及计算机可读存储介质，提高预测精准度。其具体方案如下：一种水驱开发油藏中优势通道的预测方法，包括：根据水驱开发油藏的目的层的测井数据，将所述目的层划分为多个单层；利用所述目的层的测井数据，得到每个单层的测井数据；其中，测井数据包括自然伽马、声波时差、深电阻率、浅电阻率、孔隙度和含水饱和度；将每个单层的测井数据输入至预设的优势通道预测模型，得到每个单层的优势通道预测结果；其中，所述优势通道预测模型为卷积神经网络模型，以单层为约束，利用样本单层的测井数据训练而成。可选的，所述根据水驱开发油藏的目的层的测井数据，将所述目的层划分为多个单层的过程，包括：根据测井数据中的自然伽马、声波时差、深电阻率和浅电阻率反映的沉积物韵律性特征，将所述目的层划分为多个单层，其中，每个单层包括1到2个单砂体。可选的，所述利用所述目的层的测井数据，得到每个单层的测井数据的过程，包括：利用所述目的层的测井数据；利用所述目的层的厚度和单层的数量，得到所述目的层的单层的单层平均厚度；利用所述单层平均厚度与预设的测井数据样点数的对应关系，得到每个单层的测井数据样点数；利用每个单层的测井数据样点数和所述目的层的测井数据，得到每个单层的测井数据。可选的，所述将每个单层的测井数据输入至预设的优势通道预测模型的过程，包括：将每个单层的测井数据归一化，得到归一化后的归一化测井数据；将每个单层的归一化测井数据输入至预设的优势通道预测模型。可选的，所述优势通道预测模型的激活函数为损失函数为式中，x为卷积层的输出值，m为输入数据数量，yi为卷积神经网络模型前向传播计算结果，为对应标签数据。本专利技术还公开了一种水驱开发油藏中优势通道的预测系统，包括：岩层划分模块，用于根据水驱开发油藏的目的层的测井数据，将所述目的层划分为多个单层；测井数据获取模块，用于利用所述目的层的测井数据，得到每个单层的测井数据；其中，测井数据包括自然伽马、声波时差、深电阻率、浅电阻率、孔隙度和含水饱和度；优势通道预测模块，用于将每个单层的测井数据输入至预设的优势通道预测模型，得到每个单层的优势通道预测结果；其中，所述优势通道预测模型为卷积神经网络模型，以单层为约束，利用样本单层的测井数据训练而成。可选的，所述岩层划分模块，具体用于根据测井数据中的自然伽马、声波时差、深电阻率和浅电阻率反映的沉积物韵律性特征，将所述目的层划分为多个单层，其中，每个单层包括1到2个单砂体。可选的，所述测井数据获取模块，包括：目的层数据获取单元，用于利用所述目的层的测井数据；单层平均厚度获取单元，用于利用所述目的层的厚度和单层的数量，得到所述目的层的单层的单层平均厚度；样点数获取单元，用于利用所述单层平均厚度与预设的测井数据样点数的对应关系，得到每个单层的测井数据样点数；单层数据获取单元，用于利用每个单层的测井数据样点数和所述目的层的测井数据，得到每个单层的测井数据。本专利技术还公开了一种水驱开发油藏中优势通道的预测装置，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序以实现如前述的水驱开发油藏中优势通道的预测方法。本专利技术还公开了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如前述的水驱开发油藏中优势通道的预测方法。本专利技术中，水驱开发油藏中优势通道的预测方法，包括：根据水驱开发油藏的目的层的测井数据，将目的层划分为多个单层；利用目的层的测井数据，得到每个单层的测井数据；其中，测井数据包括自然伽马、声波时差、深电阻率、浅电阻率、孔隙度和含水饱和度；将每个单层的测井数据输入至预设的优势通道预测模型，得到每个单层的优势通道预测结果；其中，优势通道预测模型为卷积神经网络模型，以单层为约束，利用样本单层的测井数据训练而成。本专利技术在自然伽马、声波时差、深电阻率和浅电阻率的基础上，额外考虑了孔隙度和含水饱和度两种数据，利用这两种数据携带的储层物性和流体信息，丰富了输入数据，提高了预测结果的准确度，并且输入数据以单层为约束截取，且配合基于卷积神经网络训练而成的优势通道预测模型，能够更为快速准确的预测出水驱开发油藏中的优势通道。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1为本专利技术实施例公开的一种水驱开发油藏中优势通道的预测方法流程示意图；图2为本专利技术实施例公开的一种水驱开发油藏中优势通道的预测结果示意图；图3为本专利技术实施例公开的另一种水驱开发油藏中优势通道的预测方法流程示意图；图4为本专利技术实施例公开的一种水驱开发油藏中优势通道的预测系统结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术实施例公开了一种水驱开发油藏中优势通道的预测方法，参见图1所示，该方法包括：S11：根据水驱开发油藏的目的层的测井数据，将目本文档来自技高网...

【技术保护点】
1.一种水驱开发油藏中优势通道的预测方法，其特征在于，包括：/n根据水驱开发油藏的目的层的测井数据，将所述目的层划分为多个单层；/n利用所述目的层的测井数据，得到每个单层的测井数据；其中，测井数据包括自然伽马、声波时差、深电阻率、浅电阻率、孔隙度和含水饱和度；/n将每个单层的测井数据输入至预设的优势通道预测模型，得到每个单层的优势通道预测结果；/n其中，所述优势通道预测模型为卷积神经网络模型，以单层为约束，利用样本单层的测井数据训练而成。/n

【技术特征摘要】
1.一种水驱开发油藏中优势通道的预测方法，其特征在于，包括：
根据水驱开发油藏的目的层的测井数据，将所述目的层划分为多个单层；
利用所述目的层的测井数据，得到每个单层的测井数据；其中，测井数据包括自然伽马、声波时差、深电阻率、浅电阻率、孔隙度和含水饱和度；
将每个单层的测井数据输入至预设的优势通道预测模型，得到每个单层的优势通道预测结果；
其中，所述优势通道预测模型为卷积神经网络模型，以单层为约束，利用样本单层的测井数据训练而成。


2.根据权利要求1所述的水驱开发油藏中优势通道的预测方法，其特征在于，所述根据水驱开发油藏的目的层的测井数据，将所述目的层划分为多个单层的过程，包括：
根据测井数据中的自然伽马、声波时差、深电阻率和浅电阻率反映的沉积物韵律性特征，将所述目的层划分为多个单层，其中，每个单层包括1到2个单砂体。


3.根据权利要求2所述的水驱开发油藏中优势通道的预测方法，其特征在于，所述利用所述目的层的测井数据，得到每个单层的测井数据的过程，包括：
利用所述目的层的测井数据；
利用所述目的层的厚度和单层的数量，得到所述目的层的单层的单层平均厚度；
利用所述单层平均厚度与预设的测井数据样点数的对应关系，得到每个单层的测井数据样点数；
利用每个单层的测井数据样点数和所述目的层的测井数据，得到每个单层的测井数据。


4.根据权利要求3所述的水驱开发油藏中优势通道的预测方法，其特征在于，所述将每个单层的测井数据输入至预设的优势通道预测模型的过程，包括：
将每个单层的测井数据归一化，得到归一化后的归一化测井数据；
将每个单层的归一化测井数据输入至预设的优势通道预测模型。


5.根据权利要求4所述的水驱开发油藏中优势通道的预测方法，其特征在于，所述优势通道预测模型的激活函数为
损失函数为
式中，x为卷积层的输出值，m为输入数据数量，yi为卷积神经网络模型前向传播计算结果...

【专利技术属性】
技术研发人员：方惠京，徐朝晖，孙盼科，徐怀民，
申请(专利权)人：中国石油大学北京，
类型：发明
国别省市：北京;11