【技术实现步骤摘要】
一种利用测井相联合叠后地震属性预测储层产能的方法
本专利技术涉及地球物理勘探领域,具体涉及一种利用测井相联合叠后地震属性预测储层产能的方法。
技术介绍
产能预层作为地球物理勘探领域研究的重点和难点问题之一,是油气田勘探开发过程中的关键环节,与资源评价和开发方案的制定密切相关。测井数据中含油丰富的地质信息,测井相是指地下具有相似储层性质的一组测井数据集,通过对测井相分类可以将地层划分为多个具有不同地质意义的纵向条带。国内外学者对于利用测井资料进行储层预测进行了大量的研究,1987年Pierre等利用贝叶斯决策等方法利用测井资料实验了地层岩性的自动识别;雍世和和杜启振利用主成分分析与聚类分析相结合的方法划分关键井中标准样本层的测井相类型,再根据数学算法针对各类测井相建立判别模型,通过建立测井相-岩性数据库进行地层的岩性识别;2007年王小军等将测井相分析应用到岩性油气藏的沉积微相解释中;2010年马小刚等利用曲线形态分析和单井相分析研究沉积特征预测储层的有利区带。地震属性是指由叠前或叠后地震数据经数学变换导出的有关地震波几何形态、运动学、动力学和统计学的特征。地震属性作为地震资料中可直接定量化描述的特征,代表了原始地震资料中总信息的子集。目前地震属性技术广泛应用于地震解释性处理、地震地层解释、地震岩性预测和储层含油气性预测等内容的研究中心。1995年Djoko等将地震AVO属性应用于评估碳酸盐岩地层的天然气与孔隙度;2003年王永刚等利用地震属性对广西百色盆地子寅油田的储层物性参数进行了预测;2010年张 ...
【技术保护点】
1.一种利用测井相联合叠后地震属性预测储层产能的方法,其特征在于,具体包括以下步骤:/n步骤1,对工区内所有井进行测井资料标准化处理,获得工区内所有井的标准化测井曲线,根据标准化测井曲线质量划分测井相建模标准井和非标准井;/n步骤2,对测井相建模标准井的标准化测井曲线进行主成分分析,提取主成分并进行K-means聚类分析,结合肘部法则确定主成分的最佳聚类数,根据主成分的最佳聚类数设置测井相的分类数,划分测井相建模标准井的测井相;/n步骤3,提取非标准井标准测井曲线的主成分,获取各深度对应的主成分值并组成非标准井主成分点集,根据测井相分类数,利用K-means聚类分析对非标准井进行测井相分类;/n步骤4,基于平面径向流模型,结合工区内井的实际生产资料与测井相厚度,通过最小二乘拟合分析确定各类测井相对于储层产能的贡献率,建立测井相品质模型,利用测井相品质表征储层产能;/n步骤5,根据测量得到的工区地震资料,提取叠后地震资料的地震属性,将大地坐标投影至地震平面上确定井点的位置坐标,利用井点处的叠后地震属性值与测井相品质进行Pearson相关性分析,基于与测井相品质间的相关性提取地震属性,再将 ...
【技术特征摘要】
1.一种利用测井相联合叠后地震属性预测储层产能的方法,其特征在于,具体包括以下步骤:
步骤1,对工区内所有井进行测井资料标准化处理,获得工区内所有井的标准化测井曲线,根据标准化测井曲线质量划分测井相建模标准井和非标准井;
步骤2,对测井相建模标准井的标准化测井曲线进行主成分分析,提取主成分并进行K-means聚类分析,结合肘部法则确定主成分的最佳聚类数,根据主成分的最佳聚类数设置测井相的分类数,划分测井相建模标准井的测井相;
步骤3,提取非标准井标准测井曲线的主成分,获取各深度对应的主成分值并组成非标准井主成分点集,根据测井相分类数,利用K-means聚类分析对非标准井进行测井相分类;
步骤4,基于平面径向流模型,结合工区内井的实际生产资料与测井相厚度,通过最小二乘拟合分析确定各类测井相对于储层产能的贡献率,建立测井相品质模型,利用测井相品质表征储层产能;
步骤5,根据测量得到的工区地震资料,提取叠后地震资料的地震属性,将大地坐标投影至地震平面上确定井点的位置坐标,利用井点处的叠后地震属性值与测井相品质进行Pearson相关性分析,基于与测井相品质间的相关性提取地震属性,再将提取的地震属性两两组合进行相关性分析,确定敏感地震属性;
步骤6,基于支持向量机回归算法,建立敏感地震属性与测井相品质间的映射关系,根据敏感地震属性预测非井点位置的测井相品质,绘制测井相品质平面图,利用测井相品质平面图进行产能预测。
2.根据权利要求1所述的一种利用测井相联合叠后地震属性预测储层产能的方法,其特征在于,所述步骤2具体包括以下步骤:
步骤2.1,对测井相建模标准井的L条标准化测井曲线进行主成分分析,确定各成分的特征向量值及贡献率,提取贡献率超过90%的前z个成分作为测井相建模标准井的主成分;
步骤2.2,对测井相建模标准井的主成分进行K-means聚类分析,具体包括以下步骤:
步骤2.2.1,根据测井相建模标准井的标准化测井曲线,计算各深度对应的主成分值组成主成分点集,设置聚类数为K;
步骤2.2.2,在主成分点集中随机选取K个点作为聚类中心,计算主成分点集中各点到K个聚类中心的欧氏距离,欧氏距离计算公式如式(1)所示:
式中,(x1,x2,...,xn)表示主成分点集中点的坐标,(y1,y2,...,yn)表示聚类中心的坐标;
将主成分点集中的点分别划入距离该点最近的聚类中心,形成K个簇,分别计算各簇的质心;
步骤2.2.3,重复步骤2.2.2直至各簇的质心位置不再发生变化,确定各簇的质心位置,此时主成分点集中的点通过K-means聚类分析被划分为K类;
步骤2.3,基于肘部法则确定主成分的最佳聚类数,根据主成分的最佳聚类数确定测井相的分类数,具体包括以下步骤:
步骤2.3.1,根据K类主成分点集的质心位置及各主成分点,计算各类主成分点集的畸变程度以及总畸变程度,各类主成分点集的畸变程度计算公式为:
式中,xi表示第k类主成分点集Ck中第i个主成分点的坐标,uk表示第k类主成分点集Ck的质心位置,Jk表示第k类主成分点集Ck的畸变程度;
总畸变程度计算公式为:
式中,J表示总畸变程度;
步骤2.3.2,依次改变聚类数,重复...
【专利技术属性】
技术研发人员:孙建孟,林磊,王军,王敏,管耀,石磊,
申请(专利权)人:中国石油大学华东,
类型:发明
国别省市:山东;37
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。