[发明专利]一种石油储层孔隙度测算方法

说明书

本发明公开了一种石油储层孔隙度测算方法。该方法包括以下步骤：步骤(1)，获取某测区岩芯样本的岩芯孔隙度及与其对应的测井曲线数据，建立样本数据库；步骤(2)，执行自适应差分基因表达式编程算法，得到以所述测井曲线数据为输入变量，以孔隙度为输出变量的石油储层孔隙度测算模型；步骤(3)，测量步骤(1)中所述测区内的未知孔隙度的石油储层的测井曲线数据，输入步骤(2)所得的孔隙度测算模型中，得到该石油储层的孔隙度。该方法利用自适应差分进化基因表达式编程算法，挖掘出测井曲线数据与储层孔隙度之间的函数关系，自动建立测算模型，不需要大量训练样本和建模经验，工作量小，精确度高。

技术领域

本发明涉及一种石油储层孔隙度测算方法，尤其涉及一种利用测井数据自适应差分进化基因表达式编程算法测算石油储层孔隙度的方法。

背景技术

目前，储层孔隙度测算是精确建立油气藏地质模型，准确估算油气储量，确定合理开发方案的基础工作，不仅可用于油气勘探，而且对于指导油气藏特别是复杂隐蔽油气藏或岩性油气藏的开发具有重要意义。通过数学统计的方法进行孔隙度计算无疑是一个正确的方向。多元逐步回归、灰色预测和人工神经网络法是目前典型的预测方法。传统的资料解释经常采用多元逐步回归的人工拟合法，需要测井区块丰富的经验及大量尝试性实验，不仅工作量大，而且与解释者熟练程度有关，大大影响结果的正确性。灰色预测和人工神经网络法都需要大量的精选的训练样本，仅凭少量样本数据对石油储层孔隙度测算精度低；神经网络法的网络结构是固定的，在实际应用中容易造成冗余连接和高计算成本。因此一种利用智能算法和有限的测井数据进行自动建模，进而对储层孔隙度进行测算具有重要的价值。

在实现本发明的过程中，本发明人发现现有技术中至少存在以下问题：现有技术中的测算方法需要丰富的经验及大量尝试性实验，不能快速精确地得出油田特别是新区块的石油储层孔隙度。

发明内容

本发明所要解决的技术问题在于，本发明提供一种利用测井曲线数据自适应差分进化基因表达式编程算法自动建模测算石油储层孔隙度的测算方法。

具体而言，包括以下的技术方案：

本发明提供了一种石油储层孔隙度测算方法，该方法包括以下步骤：

步骤(1)，采集样本数据，建立样本数据库；

获取某一测区内的N个岩芯样本的芯孔隙度及与其对应的测井曲线数据，其中N为大于50的整数；所述测井曲线数据包括声波时差、密度、中子、自然伽马中的至少一种；

步骤(2)，执行自适应差分进化基因表达式编程算法，挖掘隐含在样本数据中上述测井曲线数据与岩芯孔隙度之间的函数关系，得到以所述测井曲线数据为输入变量，以孔隙度为输出变量的石油储层孔隙度测算模型；

步骤(3)，测量步骤(1)中所述测区内的未知孔隙度的石油储层的测井曲线数据，然后将所述未知孔隙度的石油储层的测井曲线数据代入步骤(2)所得的孔隙度测算模型中，得到该石油储层的孔隙度；

所述步骤(1)的具体步骤为：

步骤(11)，测定某一测区内的测井曲线，所述测井曲线包括声波时差、密度、中子、自然伽马中的至少一种；所述测井曲线是声波时差、密度、中子及自然伽马等；

步骤(12)，采集步骤(11)中所述的测区内的N个岩芯样本，其中N为大于50的整数；通过岩芯分析得到所述N个岩芯样本的孔隙度；

步骤(13)，进行岩芯深度归位，使岩芯深度与测井曲线深度对应，将所述N个岩芯样本的测井曲线数据记为矩阵A，对应的孔隙度记为矩阵T；

所述步骤(2)的具体步骤为：

步骤(21)，定义初始化参数；

所述参数包括：