[发明专利]实用的钻前测井曲线预测方法

说明书

技术领域

本发明涉及油田勘探开发技术领域，特别是涉及到一种实用的钻前测井曲线预测方法。

背景技术

传统的测井曲线预测技术通常是由地震资料提取地震属性，根据获得的地震属性与测井特性之间的关系，预测测井曲线。人们曾经认为，地震属性与某些测井特性之间缺乏明确的数学关系，甚至二者可能无必然联系。但近年来，地球物理工作者所做的大量研究结果表明，地震数据与某些测井特性之间存在某种常规思维难于理解的非线性关系。以地震属性预测测井特性，使用较早的方法是，对于地震数据的某种特性绘制目标数据和地震属性间的常规交绘图，这种方法假设测井曲线和地震属性间存在线形关系，通过回归拟合一条直线，用最小平方预测误差来获得直线的系数。近期提出的计算方法是非线性变换，即神经网络方法。由于测井响应与地震属性之间的关系往往十分复杂，很难用显式函数来表达(时差和密度测井数据除外)，而神经网络对解决这类问题有独特优越性，它能完成输入与输出之间复杂的非线性映射。通过对简单的非线性函数进行多次复合，可以实现复杂函数关系的转换。特别是神经网络具有较完善的学习功能、独特的自适应能力、联想记忆能力及信息处理方式等，应用地震多属性的人工神经网络方法可以通过寻找这种非线性关系把地震属性和目标曲线联系起来。

然而，基于神经网络的测井曲线预测方法的优势需要以足够多的井控为条件，在测井资料不足的情况下会出现神经网络或者变差函数不稳定的情况，影响最终预测结果；另一方面，实践证明很多岩性及物性测井特性与弹性参数存在着紧密的联系，所以有必要提出一种在测井稀少的条件下，由地震反演得到的弹性参数预测测井曲线的新方法。为此我们发明了一种新的实用的钻前测井曲线预测方法，解决了以上技术问题。

发明内容

本发明的目的是提供一种能解决常规测井曲线预测方法对测井资料过度依赖的问题，为地质研究人员提供一套简单有效的方案的实用的钻前测井 曲线预测方法。

本发明的目的可通过如下技术措施来实现：实用的钻前测井曲线预测方法，该实用的钻前测井曲线预测方法包括：步骤1，统计测井数据，得到待反演测井数据精确的先验概率模型；步骤2，通过地震弹性反演得到一系列的弹性参数；步骤3，应用蒙特卡罗采样方法进行测井数据空间分布离散采样，完成测井数据从井点到空间的横向外推，得到测井数据空间采样结果；步骤4，结合先验分布、条件概率，构建以测井数据为分类目标的贝叶斯分类器，计算基于贝叶斯分类算法的后验概率，即预测测井数据空间分布。

本发明的目的还可通过如下技术措施来实现：

在步骤1中，若预测目标为物性曲线，其先验概率模型为多变量高斯分布；若预测目标为岩性曲线，其先验概率模型为马尔科夫链模型。

在步骤1中，对油藏描述中所用的测井数据进行环境影响校正，并对测井曲线进行标准化处理。

在步骤2中，得到的弹性参数包括纵波速度、杨氏模量、泊松比、剪切模量，各弹性参数具有不同的岩石物理意义。

在步骤2中，根据所要预测的测井曲线类型，优选出恰当的互相不相关的不同弹性参数参与曲线预测，保证贝叶斯分类算法的类条件独立性假设成立。

在步骤3中，对测井数据样本数据和选取的弹性参数进行数理统计，计算条件概率；应用蒙特卡罗采样方法进行测井数据空间分布离散采样，完成测井数据从井点到空间的横向外推，最终得到的样本特征必须与井点基本一致，而且信息应当更加丰富，包含更多测井资料没有体现的地质条件；运用数理方法对测井数据空间采样及选取的弹性参数进行处理，得到弹性参数相对测井数据的条件概率。

在步骤4中，建立基于贝叶斯理论的测井曲线预测目标函数，曲线预测目标函数为测井数据在已知弹性参数条件下的最大后验概率分布，公式为：

[w₁,w₂,w₃]＝argMax{P([w₁,w₂,w₃]_j|[E₁,E₂])}(1)

其中，[w₁,w₂,w₃]为测井数据，[E₁,E₂]为弹性参数，j为测井数据的类别数，P(·)为概率密度函数，