[发明专利]一种基于多阈值Birch聚类的相控孔隙度预测方法

说明书

本发明公开了一种基于多阈值Birch聚类的相控孔隙度预测方法，属于油气勘探与开发领域，包括以下步骤：S1：对所有数据进行归一化处理；S2：初始化M‑Birch聚类模型；S3：动态构建CF Tree；S4：当CF Tree构建完成后，使用凝聚法对CF进行全局聚类；S5：在沉积相带约束下，训练岭回归预测模型；S6：在得到最优参数估计量的基础上，由未标签阻抗数据计算得到孔隙度预测值。本发明在已有相控孔隙度预测技术的基础上，提出了多阈值Birch聚类与岭回归算法相结合的方法进行孔隙度预测，以井点处孔隙度数据和地震声波阻抗属性为输入，应用改进的多阈值BIRCH聚类算法(M‑Birch)确定沉积相类型，在稀疏井点数据情况下预测的孔隙度结果也更精确。

技术领域

本发明涉及一种相控孔隙度预测方法，属于油气勘探与开发领域，更具体地说，涉及一种基于多阈值Birch聚类和岭回归的相控孔隙度预测方法。

背景技术

孔隙度是油气预测、储层评价的重要参数。在油气勘探阶段可以利用孔隙度进行储层的横向预测，在开发阶段，可以通过利用测井标定孔隙度来描述油藏。准确获取孔隙度是进行油藏地层解释和建立地质模型的关键。

目前应用广泛的储层物性横向预测技术中，比较常用的孔隙度预测方法主要有：对岩性单一、变化不大的储层直接采用Wyllie时间平均方程对孔隙度预测，其原理相对简单，应用方便，但是仅根据速度参数求取孔隙度容易出现出现多解性，影响预测结果；井约束反演法，但是不同反演方法对井约束条件的需求不同，不恰当地使用井约束条件将严重影响反演的准确性；函数逼近法，该方法主要采用多元回归法，但是在使用这种方法时需要井和孔隙分布均匀的工区，不具有广泛性；基于Biot-Gassmann方程的孔隙度计算方法，该方法的缺点是需要预先提供的参数很多，除了Gassmann方程中孔隙度以外的参数外，还要求提供应力、孔隙压力、流体劲滞系数和地震波的衰减系数等，太多的输入参数限制了该类方法的广泛应用。为了增强孔隙度计算方法的适用性，必须减少对经验公式的依赖，为了降低孔隙度计算方法的复杂度，必须避免大量输入参数为了提高孔隙度的预测精度，对特定储层特定沉积相单独处理显得十分必要。

例如文献1：于正军，董冬冬，宋维琪，等相带控制下协克里金方法孔隙度预测[J].地球物理学进展，2012，27(4)：1581-1587.中在协克里金方法空间估计理论方法基础上，提出相带控制下协克里金孔隙度预测方法。从定量角度对沉积相加以刻画，在三维空间协同克里金估值计算时，使用相控因子对估值进行约束，使得结果能够更好地反映储层物性如孔隙度的空间展布特征。加入相带控制处理后，使变异函数较早达到基台值，减小理论模型拟合误差。

例如文献2：杨晓利，王童奎，柳晓风，郑晓凤，刑文军.相控地震多属性预测技术在南堡凹陷碳酸盐岩储层的应用[J].地球物理学进展，2012，27(04):1565-1571.中通过井上精细对比，确定储层的优势发育段，结合古地貌确定其有利分布相带，在有利相带约束下，优选并融合优势属性，综合预测储层发育区，通过与已钻井的对比，储层发育区与钻井资料吻合度高。

专利CN 109165737 A公开了一种基于条件随机场和BP神经网络的孔隙度预测方法，把条件随机场和神经网络两种模型结合在一起，借鉴了EM算法的思想，两个模型参数循环迭代求解模型参数和条件随机场隐藏层，构成一种半监督机器学习方法，能够使用较少的标记孔隙度数据和阻抗数据对孔隙度和岩相分布进行预测。

发明内容

本发明的目的在于提供一种基于多阈值Birch聚类的相控孔隙度预测方法，在已有相控孔隙度预测技术的基础上，提出了多阈值Birch聚类与岭回归算法相结合的方法进行孔隙度预测，以井点处孔隙度数据和地震声波阻抗属性为输入，应用改进的多阈值BIRCH聚类算法(M-Birch)确定沉积相类型，在相同相带内使用岭回归方法进行储层孔隙度预测。使用模型数据和实际数据分别验证发现，M-Birch方法划分的沉积相带符合地质规律，在稀疏井点数据情况下预测的孔隙度结果也更精确，以解决上述背景技术中提出的问题。