基于特征提取的油藏类型及井型判定方法技术

本发明专利技术公开了一种基于特征提取的油藏类型及井型判定方法

【技术实现步骤摘要】
基于特征提取的油藏类型及井型判定方法


[0001]本专利技术涉及深度学习序列分类
，具体涉及一种基于特征提取的油藏类型及井型判定方法
。

技术介绍

[0002]随着油气田不断开发，油气试井曲线的数量和形式得到了极大的丰富，使得油藏类型和井型的快速划分已成为油气田实际生产现场的重要环节
。
[0003]油气试井理论中首先需要对不同油藏类型下的井型进行划分，试井作为对油气井进行测试分析的总称，利用压力计对油气井进行压力测试，结合油气井和地层参数，获取测试资料并进行分析
。
快速有效的划分不同油藏类型下的井型作为油气田开发的重要环节，是出城特征研究
、
储量计算和地质建模的基础
。
不仅有利于油藏描述与评价，更有利于油藏管理
。
油藏开发过程中，必须监测油藏动态和油井变化准确预测油藏未来的动态，所以油藏开发前期必须准确确定油藏类型以及井型，为后续油藏生产开发策略的制定提供依据，但是，若人工划分油藏类型和井型，不仅划分效率低下且需要耗费大量的人力物力，还会影响油气田后续的开发进程，影响油气田的开发速度
。
因此，亟需提出一种快速判定油藏类型及井型的方法，用于在现场快速判定油藏类型和井型，降低油田现场的人工成本，提高施工现场对于油藏类型和井型的判定效率
。
[0004]深度学习算法作为机器学习方法的重要分支，已广泛应用于各领域中
。
目前，不少学者针对储层类型的机器学习识别进行了相关研究，部分学者提出借助目标储层周围邻近的储层测井样本数据并利用联邦学习进行目标储层识别，还有学者提出基于神经网络
(
例如
XGboost
等
)
对测井数据进行分析进而实现对储层岩性的识别
。
现阶段，大多数学者采用测井数据识别储层岩性，还未曾有学者从油气试井的角度快速判定不同油藏类型下的井型
。
[0005]因此，亟需提出一种基于特征提取的油藏类型及井型判定方法，实现对不同油藏类型下井型的快速划分，提高油藏动态分析效率，指导油藏的生产开发
。

技术实现思路

[0006]本专利技术针对现阶段难以根据试井曲线快速准确地划分不同油藏类型下井型的问题，提出了一种基于特征提取的油藏类型及井型判定方法，利用基于
CNN
网络所构建的油藏类型及井型判定模型快速提取试井曲线中的特征信息，实现了对油藏类型及井型的准确识别和快速判定
。
[0007]本专利技术采用以下的技术方案：
[0008]一种基于特征提取的油藏类型及井型判定方法，具体包括以下步骤：
[0009]步骤1，获取多条试井曲线，根据各试井曲线中井底压力
Δ
p
随压力恢复时间
Δ
t
的变化，获取多个试井曲线样本，各试井曲线样本内均包括第一特征曲线
Δ
p
‑
lg
Δ
t、
第二特征曲线
Δ
p
‑
Δ
t、
第三特征曲线第四特征曲线和双对数压力导数曲线，双
对数压力导数曲线中包括压力曲线和压力导数曲线；
[0010]步骤2，基于各油气藏的特点以及各油气藏内不同井型的特点，建立油藏类型及井型的判定标准，并根据油藏类型及井型的判定标准，分别确定各试井曲线样本所对应的油藏类型及井型，并生成油藏类型及井型判定标签；
[0011]步骤3，分别针对各试井曲线样本进行预处理，预处理包括试井曲线数据充填和标准化处理，试井曲线数据充填过程中，针对各试井曲线样本将第一特征曲线
、
第二特征曲线
、
第三特征曲线
、
第四特征曲线和双对数压力及导数曲线按照由短到长的顺序进行排列并填充序列，使得填充后各试井曲线样本中第一特征曲线
、
第二特征曲线
、
第三特征曲线
、
第四特征曲线和双对数压力及导数曲线的长度相同，并对填充后各试井曲线样本中第一特征曲线
、
第二特征曲线
、
第三特征曲线
、
第四特征曲线和双对数压力及导数曲线进行标准化处理，得到标准化处理后的试井曲线样本；
[0012]步骤4，以预处理后的试井曲线样本作为训练样本，随机抽取预处理后的试井曲线样本构建训练集
、
验证集和测试集；
[0013]步骤5，基于卷积神经网络构建油藏类型及井型判定模型，用于利用试井曲线判别油藏类型和井型；
[0014]步骤6，利用训练集对油藏类型及井型判定模型进行训练，得到训练后的油藏类型及井型判定模型；
[0015]步骤7，利用验证集验证训练后油藏类型及井型判定模型的油藏类型及井型判定效果，若训练后油藏类型及井型判定模型的油藏类型及井型判定效果已达到最佳，则进入步骤8，否则，则返回步骤6中，继续利用训练集对油藏类型及井型判定模型进行油藏类型及井型判定训练；
[0016]步骤8，将测试集中的训练样本输入至验证后的油藏类型及井型判定模型中，利用验证后的油藏类型及井型判定模型判定油藏类型及井型，得到基于试井曲线的油藏类型及井型判定结果
。
[0017]优选地，所述油藏类型及井型的判定标准根据油藏性质以及不同油藏中各井型的特点所确定，将油藏类型划分为单重介质油气藏
、
双重介质油气藏和多重介质油气藏；
[0018]所述单重介质油气藏为
A
类油藏，以第四特征曲线作为特征识别曲线，配合双对数压力导数曲线表现为斜率为
1/2
的直线；
[0019]所述双重介质油气藏为
B
类油藏，以第一特征曲线
Δ
p
‑
lg
Δ
t
作为特征识别曲线，第一特征曲线
Δ
p
‑
lg
Δ
t
的半对数曲线表现为两条平行直线，配合双对数压力导数曲线表现为两条水平线且存在下凹特征；
[0020]所述多重介质油气藏为
C
类油藏，以第一特征曲线
Δ
p
‑
lg
Δ
t
作为特征识别曲线，第一特征曲线
Δ
p
‑
lg
Δ
t
的半对数曲线表现为两条平行直线，配合双对数压力导数曲线表现为两条水平线且存在下凹特征，且曲线下凹次数随着地层孔隙度变化量的增大而增加
。
[0021]优选地，所述井型划分为十个子类别，具体包括常规油气藏中的直井
、
常规油气藏中的水平井
、
常规油气藏中的压裂直井
、
常规油气藏中的压裂水平井
、
低渗透油气本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于特征提取的油藏类型及井型判定方法，其特征在于，具体包括以下步骤：步骤1，获取多条试井曲线，根据各试井曲线中井底压力
Δ
p
随压力恢复时间
Δ
t
的变化，获取多个试井曲线样本，各试井曲线样本内均包括第一特征曲线
Δ
p
‑
lg
Δ
t、
第二特征曲线
Δ
p
‑
Δ
t、
第三特征曲线第四特征曲线和双对数压力导数曲线，双对数压力导数曲线中包括压力曲线和压力导数曲线；步骤2，基于各油气藏的特点以及各油气藏内不同井型的特点，建立油藏类型及井型的判定标准，并根据油藏类型及井型的判定标准，分别确定各试井曲线样本所对应的油藏类型及井型，并生成油藏类型及井型判定标签；步骤3，分别针对各试井曲线样本进行预处理，预处理包括试井曲线数据充填和标准化处理，试井曲线数据充填过程中，针对各试井曲线样本将第一特征曲线
、
第二特征曲线
、
第三特征曲线
、
第四特征曲线和双对数压力及导数曲线按照由短到长的顺序进行排列并填充序列，使得填充后各试井曲线样本中第一特征曲线
、
第二特征曲线
、
第三特征曲线
、
第四特征曲线和双对数压力及导数曲线的长度相同，并对填充后各试井曲线样本中第一特征曲线
、
第二特征曲线
、
第三特征曲线
、
第四特征曲线和双对数压力及导数曲线进行标准化处理，得到标准化处理后的试井曲线样本；步骤4，以预处理后的试井曲线样本作为训练样本，随机抽取预处理后的试井曲线样本构建训练集
、
验证集和测试集；步骤5，基于卷积神经网络构建油藏类型及井型判定模型，用于利用试井曲线判别油藏类型和井型；步骤6，利用训练集对油藏类型及井型判定模型进行训练，得到训练后的油藏类型及井型判定模型；步骤7，利用验证集验证训练后油藏类型及井型判定模型的油藏类型及井型判定效果，若训练后油藏类型及井型判定模型的油藏类型及井型判定效果已达到最佳，则进入步骤8，否则，则返回步骤6中，继续利用训练集对油藏类型及井型判定模型进行油藏类型及井型判定训练；步骤8，将测试集中的训练样本输入至验证后的油藏类型及井型判定模型中，利用验证后的油藏类型及井型判定模型判定油藏类型及井型，得到基于试井曲线的油藏类型及井型判定结果
。2.
根据权利要求1所述的基于特征提取的油藏类型及井型判定方法，其特征在于，所述油藏类型及井型的判定标准根据油藏性质以及不同油藏中各井型的特点所确定，将油藏类型划分为单重介质油气藏
、
双重介质油气藏和多重介质油气藏；所述单重介质油气藏为
A
类油藏，以第四特征曲线作为特征识别曲线，配合双对数压力导数曲线表现为斜率为
1/2
的直线；所述双重介质油气藏为
B
类油藏，以第一特征曲线
Δ
p
‑
lg
Δ
t
作为特征识别曲线，第一特征曲线
Δ
p
‑
lg
Δ
t
的半对数曲线表现为两条平行直线，配合双对数压力导数曲线表现为两条水平线且存在下凹特征；所述多重介质油气藏为
C
类油藏，以第一特征曲线
Δ
p
‑
lg
Δ
t
作为特征识别曲线，第一特征曲线
Δ
p
‑
lg
Δ
t
的半对数曲线表现为两条平行直线，配合双对数压力导数曲线表现为
两条水平线且存在下凹特征，且曲线下凹次数随着地层孔隙度变化量的增大而增加
。3.
根据权利要求2所述的基于特征提取的油藏类型及井型判定方法，其特征在于，所述井型划分为十个子类别，具体包括常规油气藏中的直井
、
常规油气藏中的水平井
、
常规油气藏中的压裂直井
、
常规油气藏中的压裂水平井
、
低渗透油气藏中的压裂水平井
、
低渗透油气藏中的压裂直井
、
碳酸盐岩油气藏中的直井
、
碳酸盐岩油气藏中的水平井
、
碳酸盐岩油气藏中的压裂水平井
、
碳酸盐岩油气藏中的压裂直井；所述常规油气藏中的直井为第一子类别，常规油气藏中直井的特征表现为：当存在表皮效应时，双对数压力导数曲线中初始段内压力曲线和压力导数曲线重合，均为斜率为1的直线，随后进入过渡段，过渡段内压力导数曲线达到峰值后向下倾斜，压力导数曲线峰值的高低取决于表皮系数和井筒储集系数，随后压力导数曲线上出现一个值为
0.5
的水平直线段，表示进入径向流阶段；所述常规油气藏中的水平井为第二子类别，常规油气藏中水平井的特征表现包括早期垂直径向流期
、
中期线性流动期
、
中期拟径向流动期和晚期线性流动期；所述常规油气藏中的压裂直井为第三子类别，常规油气藏中压裂直井的特征表现为：双对数压力导数曲线呈现为两段，第一段为裂缝内的线性流，双对数压力导数曲线中压力导数曲线为斜率为1的直线，第二段呈现均质油藏试井曲线特征，压力导数曲线上出现压力导数值为
0.5
的水平直线段，并且逐渐趋向于拟稳态的径向流；所述常规油气藏中的压裂水平井为第四子类别，常规油气藏中压裂水平井的特征表现包括裂缝线性流阶段
、
裂缝拟径向流阶段
、
系统线性流阶段和系统拟径向流阶段，其中，所述裂缝线性流阶段中，双对数压力导数曲线中压力曲线和压力导数曲线的斜率均为
1/2
且呈上升趋势，所述裂缝拟径向流阶段取决于储层内裂缝的长度和空间分布，随着裂缝端部的流动扩展，储层内的裂缝产生拟径向流，双对数压力导数曲线内压力导数曲线呈水平线，压力导数曲线值为
n
f
为裂缝长度，所述系统线性流阶段取决于储层中裂缝的数量，双对数压力导数曲线中压力曲线和压力导数曲线相互平行，所述系统拟径向流阶段时压裂水平井的影响已波及至整个储层，储层内的流体以径向流的方式流向整个储层，双对数压力导数曲线中压力倒数曲线出现压力导数值为
0.5
的水平直线段；所述低渗透油气藏中的压裂水平井为第五子类别，低渗透油气藏中压裂水平井的特征表现包括早期纯井筒储集阶段
、
裂缝径向流阶段
、
地层线性流阶段
、
窜流阶段
、
拟径向流阶段和拟稳态流阶段，所述裂缝径向流阶段中，双对数压力导数曲线内压力导数曲线呈水平线，压力导数曲线值为所述地层线性流阶段中，双对数压力导数曲线中压力曲线和压力导数曲线均为斜率为
1/2
的直线，所述窜流阶段中，双对...

【专利技术属性】
技术研发人员：樊冬艳，杨灿，孙海，姚军，张磊，张凯，付帅师，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：