[发明专利]一种不同类型储层预测的方法

权利要求书

1.一种不同类型储层预测的方法，其特征在于，所述方法至少包括如下步骤：

S1：计算与不同类型储层相关的若干第一属性数据体，并进行归一化计算得到第二属性数据体；

S2：建立不同类型储层的计算模型，将储层学习样本以及第二属性数据体带入计算，经数据重构处理后得到储层数据体；

S3：基于步骤S2获得的储层数据体完成储层类型预测判断。

2.如权利要求1所述的一种不同类型储层预测的方法，其特征在于，步骤S1中第一属性数据体的计算包括：

至少针对储层的孔隙度、裂缝和流体物理类型，并利用地震资料及计算方法进行多个第一属性数据体计算。

3.如权利要求2所述的一种不同类型储层预测的方法，其特征在于，所述第一属性数据体的计算方法包括采用叠前或叠后的三维地震数据来进行反演或属性计算，并基于井数据的直方图统计及交会分析和对比结果完成w个第一属性数据体的筛选。

4.如权利要求3所述的一种不同类型储层预测的方法，其特征在于，将w个第一属性数据体进行归一化计算，得到w个第二属性数据体。

5.如权利要求4所述的一种不同类型储层预测的方法，其特征在于，所述步骤S2具体包括如下方法：

S21：基于井中测井数据和原始地质资料册数完成不同类型储层及其深度位置信息确认，并各类型数量化后以n维向量进行表示；

S22：基于井中不同储层类型及其对应的第二属性的采样点数据值，建立预测模型的学习样本；

S23：基于第二属性数据体及完成学习的不同类型储层的人工神经网络模型进行计算及数据重构处理，输出一个用于储层预测的重构数据体。

6.如权利要求5所述的一种不同类型储层预测的方法，其特征在于，所述步骤S21中，当测得有三种储层类型时，则建立三维行向量；当测得有六种储层类型，则建立六维行向量。

7.如权利要求5所述的一种不同类型储层预测的方法，其特征在于，所述步骤S22具体包括：

基于不同储层类型所对应的第二属性的采样点数据值，以w个第二属性参数向量[K1，K2，…,Kw]^T作为输入，以对应的储层类型作为输出，建立预测不同储层类型的人工神经网络模型。

8.如权利要求5所述的一种不同类型储层预测的方法，其特征在于，所述步骤S23中，数据重构处理具体包括：

步骤a、对不同类型的储层分别赋予固定的正整数值，且不同类型储层的正整数值是不同的；

步骤b、当某采样点不属于任何类型的储层，则将该采样点的数据值设定为0值；

步骤c、重复步骤a和步骤b直至完成整个数据体采样点的重构处理，并得到一个用于储层预测的重构数据体。