[发明专利]基于支持向量机的辫状河致密砂岩储渗单元划分方法有效
申请号: | 201910218557.5 | 申请日: | 2019-03-21 |
公开(公告)号: | CN109993219B | 公开(公告)日: | 2021-07-16 |
发明(设计)人: | 尹艳树;谢鹏飞;程立华 | 申请(专利权)人: | 长江大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N20/10 |
代理公司: | 武汉蓝宝石专利代理事务所(特殊普通合伙) 42242 | 代理人: | 廉海涛 |
地址: | 430100 湖北省*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 支持 向量 辫状河 致密 砂岩 单元 划分 方法 | ||
本发明涉及基于支持向量机的辫状河致密砂岩储渗单元划分方法,该方法包括以下步骤:(1)统计研究区各层段的储层产气量归一化比值;(2)获取每口井中各层段的储层泄气面积;(3)获取每口井中各层段中单砂体泄气面积和单砂体泄气半径;(4)获取研究区储渗单元类别,并获取各储渗单元的物性参数,组成训练数据集;(5)以训练数据集为学习对象。本发明所述方法将定性分类问题转为定量分类问题,且结合支持向量机机器学习算法,适用于解决非均质性强的储渗单元分类问题,为油气勘探开发中的储层质量评估提供了新的有效方法。
技术领域
本发明涉及油气勘探开发技术领域,具体地说涉及基于支持向量机的辫状河致密砂岩储渗单元划分方法。
背景技术
油气勘探开发中,前人对河流相沉积体系的研究表明(Martin,1993;Collinson,1996;Miall,1996),辫状河砂体具有较好的渗透率、孔隙度和较高的净毛比,是品质较好的油气藏储集体。针对辫状河体系内部的渗透性差异,Hearn等(1984)提出了流动单元的概念,流动单元研究以一致的岩石学和水动力学特征为基础,将具有不同特征的沉积微相划分为不同级别的流动单元,预测剩余油分布规律。在前人对河流相沉积体系流动单元划分和储层构型研究的基础上,结合多年的研究与实践,郭建林等提出了储渗单元研究思路,以河流相沉积边界和储层非均质性差异为标志,针对河流相沉积体系中高渗、低渗储层单元开展识别和分析,建立不同渗透性特征的储集体空间分布模式,指导河流相致密砂岩气藏开发实践。
与流动单元不同,储渗单元研究以阻流边界(通常为岩性或物性边界)识别为基础,将阻流边界控制范围以内,分布连续、具有相似物性特征的沉积微相和微相组合进行不同品质的划分。从本质上,流动单元研究是对沉积微相按流动特征的分级分类,而储渗单元研究是将不同类型的沉积微相按渗透性聚类,通过不同沉积微相的叠置关系建立储渗单元内部结构模式。由于天然气的流动性远高于原油,通常气藏开发中压降波及范围内的天然气可采储量均可实现商业开发,因此储集体内部储集和渗流特征评价是气藏开发评价的研究重点,储渗单元正是具有相似储集性能和渗流特征的沉积亚(微)相或亚(微)相组合,因此对天然气开发具有重要的知道意义。
但是,目前关于储渗单元的划分还缺乏定量分类标准,庞大的研究区块面积造成的井间构型解剖不确定性对分类结果有极强的干扰,因此确定定量的参数和精确的方法对储渗单元分类是当下的研究重点及难点。油田作业中常规划分方法有通过聚类方法对储层物性数据进行流动单元划分,聚类分析指的是将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程,目的是将性质相近的事物归于一类,聚类方法对于线性关系好的储层物性数据分类能够得到较好的结果。但是在致密砂岩储层中,储层具有低孔隙度低渗透率的特点,物性数据的线性关系不好,在利用聚类分析方法时,可能造成优质储层与劣质储层分类混淆。
发明内容
为了克服现有技术的不足,本发明的目的在于提供一种基于支持向量机(SVM)的储渗单元划分方法,该方法将定性分类问题转为定量分类问题,且结合支持向量机机器学习算法,适用于解决非均质性强的储渗单元分类问题,为油气勘探开发中的储层质量评估提供了新的有效方法。
本发明所述基于支持向量机的储渗单元划分方法包括以下步骤:
(1)统计研究区各层段的储层产气量归一化比值;
(2)获取每口井中各层段的储层泄气面积;
(3)获取每口井中各层段中单砂体泄气面积和单砂体泄气半径;
(4)获取研究区储渗单元类别,并获取各储渗单元的物性参数,组成训练数据集;
(5)以训练数据集为学习对象,采用支持向量机方法对未划分的储渗单元进行类别划分。
进一步地,所述物性参数包括孔隙度、渗透率、含气饱和度、泥质含量和泄气半径。
进一步地,所述单砂体泄气半径根据公式(5)得到
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于长江大学,未经长江大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910218557.5/2.html,转载请声明来源钻瓜专利网。