[发明专利]一种渗透率计算方法和装置

说明书

本申请实施例公开了一种渗透率计算方法和装置，该方法包括：获取第一常规测井数据和多个局部最优渗透率计算模型；局部最优渗透率计算模型是利用机器学习算法对包含测井数据和岩心渗透率数据的样本集进行训练时通过K‑Fold交叉验证筛选出的渗透率计算模型；将第一常规测井数据输入多个局部最优渗透率计算模型，在不同随机数种子下由多个局部最优渗透率计算模型输出多条渗透率预测曲线；从中筛选出最终渗透率预测曲线；通过质量评估算法确定最终渗透率预测曲线的质量等级；根据评定的质量等级对最终渗透率预测曲线进行相应校正。通过该实施例方案，实现了快速、准确地预测全井段测井渗透率，实现了对全井段各深度点渗透率预测质量的评估。

技术领域

本文涉及测井技术，尤指一种渗透率计算方法和装置。

背景技术

渗透率是储层流体性质评价中极为重要的一个参数，在目前的技术水平下，获得岩石渗透率的主要途径包括通过实验或工程手段直接测量、基于地球物理方法间接求取。直接测量法包括岩心实验测量法、电缆地层测试法、钻杆地层测试法等等，间接求取法包括测井解释法和地震解释法等等。

由于地层测试法、岩心实验测量法成本较高且测量的深度范围有限等等因素的影响，该方法仅限于测井渗透率计算的标定。目前最常用的仍是利用常规测井资料建立公式或模型，应用实验分析渗透率标定的方法计算，由于目前的公式或模型的经验性、人为因素影响、地区差异以及复杂繁琐的模型建立步骤，常导致最终的计算模型不能广泛应用或计算精度不足，而部分采用机器学习算法进行储层渗透率预测的方法，需求的岩心渗透率样本较多，且由于只是简单生硬的应用机器学习算法进行模型训练预测，并未对全井段各深度渗透率计算质量进行评估，因此该方法在单井渗透率计算中应用效果不佳，计算精度一般较低。

发明内容

本申请实施例提供了一种渗透率计算方法和装置，能够快速、准确地预测全井段测井渗透率，并实现对预测质量的评估。

本申请实施例提供了一种渗透率计算方法，所述方法可以包括：

获取第一常规测井数据，并获取多个局部最优渗透率计算模型；其中，所述局部最优渗透率计算模型是利用机器学习算法对包含测井数据和岩心渗透率数据的样本集进行训练时通过K-Fold交叉验证进行参数优化筛选出的渗透率计算模型；

将所述第一常规测井数据输入所述多个局部最优渗透率计算模型，在具有不同的随机数种子的情况下，由所述多个局部最优渗透率计算模型输出多条渗透率预测曲线；

从所述多条渗透率预测曲线中筛选出一条最优渗透率预测曲线作为最终渗透率预测曲线；

通过预设的质量评估算法确定所述最终渗透率预测曲线的质量等级；

根据评定的质量等级对最终渗透率预测曲线进行相应校正。

在本申请的示例性实施例中，所述获取多个局部最优渗透率计算模型可以包括：

直接调取存储的多个局部最优渗透率计算模型；或者，

创建所述多个局部最优渗透率计算模型。

在本申请的示例性实施例中，所述创建所述多个局部最优渗透率计算模型可以包括：

获取同一井或同一区域井的岩心渗透率数据，并获取该同一井或同一区域井内对应深度的测井数据，并对所述测井数据和所述岩心渗透率数据进行预处理，将处理好的测井数据和岩心渗透率数据格式化为所述样本集；

将所述样本集输入具有初始参数的预设的机器学习算法中，在未设定所述机器学习算法的随机种子数的情况下，采用K-Fold交叉验证方法，以最优参数搜索的方式自动搜索多次，以获取关于所述机器学习算法的多个局部最优参数；

将所述多个局部最优参数输入所述机器学习算法中，获取所述多个局部最优渗透率计算模型。