[发明专利]一种基于多尺度熵分析储层非均质性的方法

说明书

本发明公开了一种基于多尺度熵分析储层非均质性的方法，包括：采集待测井中储层在不同井段的测井信号，并得到待测井不同井段的测井曲线；将测井曲线进行归一化处理和粗粒化处理，并计算得到测井曲线所表征的储层非均质性在不同时间尺度下对应的样本熵值；依据时间尺度与其对应的样本熵值之间的关系绘制函数图，并依据函数图构建不同井段的储层的多尺度熵曲线；比对分析不同井段的多尺度熵曲线，来评价不同井段的储层非均质性强弱。以归一化和粗粒化的处理方式，将测井信号根据不同尺度得到多个不同的信息，多方位、多角度地提高待处理数据的信息量，同时构建多尺度熵曲线，实现全方位的比对，提高分析信息的准确可靠性。

技术领域

本发明涉及储层非均质性的分析方法领域，具体涉及一种基于多尺度熵分析储层非均质性的方法。

背景技术

在过去的几十年中，各国致力于开发传统的石油和天然气，但是，随着全球能源格局的巨大变化，当前许多国家正在将其勘探和开发目标转向非常规资源。然而，在实际开采过程中，会受到很多因素的影响，特别是非均质性问题在低孔隙度和低渗透率的非常规油藏开发中的影响则更为突出，因此，大量学者对储层非均质性研究给予了极大的关注。

然而，目前主要还是针对孔隙度以及渗透率的静态资料进行统计计算来分析非均质性。虽然有一些学者从测井信号的复杂度研究，表明测井信号度越高，地层的非均质性越强，但是，这些方法受到算法和成本的限制，导致结果不准确和不恰当，并且，由于他们大多数单纯从信号的复杂度出发，没有考虑到地层系统的固有的复杂波动以及多期性。

例如：2016年，D.Subhakar应用去趋势波动分析法以及多重分形去趋势波动方法分析测井曲线的自相似性并结合赫斯特指数分析测井曲线的复杂程度；2017年，GauravS.Gairola应用希尔伯特黄变换，分析通过分析测井信号分解除的固有模态函数分量的个数以及所含能量的大小来分析原始测井信号的复杂程度，进而评价储层的非均质性；2019年，肖子亢通过R/S分形理论表分析测井曲线的长期自相似性表征测井曲线的复杂程度，然后通过应用经验模态分解方法分析井曲线的短期自相似性表征测井曲的复杂程度，最后将两个复杂程度结合提出新的复杂度评价指标。

上述几种方式中，去趋势波动分析与R/S分形理论的核心都是通过分析测井信号的自相关性，希尔伯特黄变换以及经验模态分解方法通过分析分解后所得信号的个数以及所含的能量高低作为指标来评价原始信号的复杂程度，这些方法都忽视了信号内在的固有联系以及地层单元的复杂情况，均是在单一尺度(分辨率)下进行的复杂度分析，因此，会造成分析结果偏差较大。

尽管人们正在花费很多精力来克服这些缺点，但尚未开发出一种高效有效的方法。

熵是描述系统在物理领域中的复杂性的度量(Grassberger，1991)。后来，学者们将熵理论引入信号分析领域，以描述信号的复杂性，并提出了香农(Shannon)熵，Kolmogorov熵，KS熵，近似熵和样本熵(Benettin等人，1976年；Pincus，1911年；Richman和Moorman，2000；香农，1948年)。与其他熵分析相比，样本熵分析(Sampleentropyanalysis,SEA)具有较强的抗干扰能力和抗噪声性能。样本熵分析提供了一种在时间尺度上量化数据复杂性的工具。样本熵分析有两个有点：1)对时间序列长度的依赖性低2)复杂度的一致性，也就是如果某一段数据的样本熵值高于另一段数据的样本熵值，则无论如何改变算法参数都不会改变最终的分析结果(Richman and Moorman，2000)。由于测井信号的采样频率固定，因此可以将测井信号视为一个时间序列(Subhakar和Chandrasekhar，2016年；Xiao等人，2019年)。

尽管样本熵分析可以分析时间序列的复杂性，但它也有局限性。仅基于单尺度样本熵分析，得出的复杂度信息不足。

发明内容