[发明专利]油田储层层内非均质性综合评价方法

摘要

本发明公开了基于油田开发阶段高阶神经网络的层内非均质性综合评价方法，其核心是在国内外学者常用的V_k、T_k、J_k、P_k和D_k等静态地质参数的基础上，引入油田开发生产的注水量数据动态参数，作为层内非均质性的评价指标。并采用高阶神经网络法，专门针对以上层内非均质性各参数权重进行深入学习，有效提高油田开发阶段储层层内非均质性综合评价的准确性和时效性，克服了现有技术存在的缺陷。

主权项

1.油田储层层内非均质性综合评价方法，其特征在于包括以下步骤：步骤一：求取层内非均质性表征参数：渗透率变异系数V_k、渗透率突进系数T_k、渗透率级差J_k、泥质夹层的分布频率P_k和分布密度D_k，注水量V_w可直接从油田生产数据中获取；a、渗透率变异系数b、渗透率突进系数c、渗透率级差J_k＝K_max/K_min   (3)d、夹层分布频率P_k＝N/H   (4)e、夹层分布密度D_k＝h/H×100％   (5)式中：K_i为单个岩芯样品的渗透率值；n为样品的个数；为所有样品的平均渗透率；K_max为所有样品的渗透率最大值；K_min为所有样品的渗透率最小值；K_max和K_min三个渗透率相关数据可通过物性测试或测井资料获取；N为泥质夹层个数；h为泥质夹层的总厚度；H为研究的储层总厚度；N、h夹层相关数据和H可通过岩芯观察统计或测井资料获取；步骤二：对每口油井单砂体的V_k、T_k、J_k、P_k、D_k和V_w数据进行统计，归一化处理，得到若干个输入样本，从第一个样本X₁开始运行；X₁＝(x₁,x₂,x₃,x₄,x₅,x₆)   (6)其中，x₁＝V_k1，x₂＝T_k1，x₃＝J_k1，x₄＝P_k1，x₅＝D_k1，x₆＝V_w1；步骤三：设置高阶神经网络对输入参数的转换阶数为2，即将输入样本X₁变为X₁^*：步骤四：设第一个样本X₁^*对应的期望输出为O₁，设定X₁^*与O₁之间的初始权向量为W₁，W₁中元素可随机设定为0‑1之间的任一值：W₁＝(w₁,w₂,···,w₂₈)^T   (8)其中，w₁,w₂,···,w₂₈为步骤三中每一项的权重系数；步骤五：计算第一个输出节点的实际输出Z₁：Z₁＝f(W₁^TX₁^*)   (9)其中，f为激励函数，代表输入样本与输出之间的函数关系；步骤六：根据期望输出O₁与实际输出Z₁的误差，更新连接权向量W₁为W₂，W₂即为第二个样本的初始权向量；W₂＝W₁+η(O₁‑Z₁)X₁^*   (10)式中，η为权系数更新步长，随迭代次数的增加，η逐渐减小；步骤七：假设样本总数为n，循环步骤五和步骤六，依次得到每个样本的初始权向量；步骤八：计算所有样本的平均误差E：其中，O_j和Z_j分别为第j个样本的期望输出和实际输出；步骤九：当平均误差E≤ε后，即可确定各指标的权重；再得出所有样本的综合指数，否则，返回步骤五。