[发明专利]预测石油性质的自举法

说明书

技术背景

本发明涉及开发由石油烃流体的光谱预测其物理和化学性质的模型的方法。

然后将该模型用于测定下述流体的这些物理和化学性质：这些流体可能没有以足够的量存在或可得到，因而通过常规分析方法不能检测其性质。

本发明的用途之一是通过仅测量流体的荧光光谱而非破坏性地预测包含在石英、碳酸盐矿物和水泥内含物中的皮升级的石油流体的物理和化学性质。另一用途是预测远离测量装置、因而不能得到或不能非破坏性地与其环境分离的烃流体的性质。例如，通过远程测量烃荧光而预测岩石或水上的烃流体污迹或薄层的性质。第三个例子是用井下荧光探针记录预测的流体性质。

发明概要

本发明包括开发由烃流体的光谱预测其化学和物理性质的模型的方法。

开发模型的方法包括下述步骤：

确定一个或多个由光谱和性质已知的一系列油预测一项或多项预定的性质的模型，其中模型与各项获自光谱的预定性质相对应，确定模型的质量以评估已知油的性质值，评估对于具有未知性质值的样品的预测质量，用光谱形状参数和/或预测的性质扩增(augment)光谱，并再次确定模型的质量和预测质量。“质量”是指准确度、精度、可靠性和测量速度的综合或结合。

在一个优选实施方案中，所述模型可以包括用预测的性质再次扩增(augment)模型的输入以进一步提高模型的质量和预测质量的进一步步骤。

本发明还包括在石油烃流体不可接近、没有足够的量、或没有处于适于应用常规分析技术的物理或化学状态时使用所述模型由其光谱预测其物理和化学性质的方法。本发明具有由单个样品快速、相对低成本地测定多个油性质的进一步的优点，因为所有受关注性质都是由样品光谱的单次测量而测定的。

开发由材料的例如近红外和中红外吸收光谱预测其性质的数学模型的方法在现有技术中是已知的。在现有技术中还已知，用其它测得的材料性质扩增光谱可以提高预测质量。然而，在所述应用中，不能得到光谱之外的测量的性质。

在本发明中已表明，根据烃流体的荧光光谱，烃流体的某些性质比其它性质可以以更大的准确度评估和预测。由使用被光谱的某些参数扩增的光谱作为输入的模型，可以进一步改进对这些特定性质的预测。还表明，这些特定的性质可以与较不准确预测的其它受关注性质相关联。通过用较准确预测的性质的预测作为多阶段模型的输入来反复扩增样品的光谱和由光谱衍生的参数，本发明提高了样品的较不准确预测的性质的预测质量。反复扩增和预测的方法被称为“自举(bootstrap)”法。

优选实施方案的详细描述

本发明包括模型的开发，所述模型用于在没有额外的测量和表征的情况下由烃流体的光谱预测其物理和化学性质。

在结合使用光谱和由光谱衍生的参数(它们统称为第一阶段变量)作为预测模型的输入时，可以提高由烃流体的光谱预测的其某些性质的准确度。预测的性质的值被称为第一阶段预测。由使用所有第一阶段变量和性质预测(统称为第二阶段变量)作为输入变量的第二阶段模型，可进一步改进预测。获自第二阶段模型的预测的性质被称为第二阶段预测。这个过程可以进一步反复。在各项性质的各个建模阶段提供了手段，以由输入变量确定满足统计学标准的变量，从而改进预测。对各受关注性质采用和测试了这种多阶段“自举”预测法。

然后将最终模型用于预测在光学透明的矿物和水泥(例如石英和碳酸盐)中形成的微米级内含物中包含的油的性质。这些受关注的预测性质的示例有API比重、康拉逊残炭、粘度、总硫、芳族化合物、饱和物和沸点温度高于1050°F的油(称为残油％或残油率)的重量百分比(重量％)。本例中的光谱是荧光光谱。

可以使用多种建模技术及其组合，以将样品的光谱与其受关注的物理或化学性质联系起来，这些技术的示例有主成分回归、模式识别、分类、以及光谱匹配法。将使用逐步主成分回归作为建模法进一步描述本发明。例如，对于一系列代表性的样品，这些技术需要各个油样品的荧光光谱和相应的受关注性质的已知值。使用原油模拟内含物油。它们被称为校正样品，并且应当具有足够的数，以包含各受关注性质在它们各自受关注范围表现出的变化。使用建模技术，以建立校正系列中各样品的光谱和受关注性质之间的定量关系。校正模型的评估质量的一种量度是校正标准误差(SEC)。当运用于具有未知性质的样品时，可以使用“留一法”交叉校验法评估模型的预测质量。一种这样的量化是交叉校验标准误差(SECV)。总之，这些建模法和统计度量法是现有技术中已知的。本发明适用于任何建模型技术。

本发明包括下述步骤，以开发使用光谱作为油的唯一测量的性质的模型：