CN105528522A - 一种基于空间网格计算连续性油气藏资源量的方法及装置 - Google Patents

Abstract

本发明提供了一种基于空间网格计算连续性油气藏资源量的方法，包括：根据地质特征属性的相似性，将评价区域在空间上划定为若干个基本评价单元；确定每一所述基本评价单元在平面上具有明显非均质性的关键参数，搜集所述关键参数在所述评价区域内的空间数据并进行数据的空间矢量化；对所述评价区域的每一基本评价单元划分等大网格；通过EUR估算或者类比法，为各网格赋予采收率数据；对所述关键参数在评价区域内的空间数据插值，为各网格赋予关键参数数据；根据所述各网格的关键参数数据和采收率数据，采用容积法计算每个网格的地质资源量和可采资源量；对所有网格进行积分，计算整个评价区域的地质资源量和可采资源量。本发明提高了评价精度和海外区块初步评价的效率，快速、便捷，能够满足生产需求。

Description

一种基于空间网格计算连续性油气藏资源量的方法及装置

技术领域

本发明涉及非常规油气资源的评价领域，尤其涉及一种基于空间网格计算连续性油气藏资源量的方法及装置。

背景技术

非常规油气是相对于常规油气提出，它主要指的是连续型分布的油气，无明确圈闭与盖层界限，流体分异差，无统一油水界面，从其烃源岩和储层的配置可分为两大类，一类以源岩为评价对象页岩气、页岩油、煤层气、油页岩，它们具有源内聚集或近源聚集的特点；另一类以储层为核心的评价对象，包括重油、油砂、致密气和致密油，其储层多致密或后期遭受破坏。近几年，全球的勘探开发形势发生了很大变化，非常规油气等已经逐渐成为勘探开发的新领域。据初步估计，非常规石油资源与常规石油资源相当，非常规天然气资源是常规天然气的8.3倍(包括天然气水合物)，因此非常规油气勘探必将成为不可逆转的趋势，开展全球非常规油气资源评价也变得至关重要。由于非常规油气资源赋存的特殊性，大面积分布，烃源岩与储集层一体或紧邻，聚集效率高，储集层渗透率较低，异常压力，仅在甜点地区具有高产性，开发依靠压裂渗透率，因此非常规油气“难开采、难评价”、“高经济成本、高开发技术”，且对评价的精细程度要求更高，无法完全沿用常规油气评价方法。

目前，USGS、ARI等机构都相继开展了全球致密油、页岩气的评价，而国内各大油公司也进行了自有区块非常规资源的估算。但纵观这些评价方法可以发现，全球资源评价涉及矿种多，盆地个数多，涵盖范围大，若依照国内的资源评价方法，则存在地质资料获取难，工作难以开展的情况；而现今国外非常规资源评价，多以大量开采井数据为基础，无法应用于开采井较少的地区，ARI进行的全球资源评价，对许多未知地区完全根据北美成熟勘探区进行类比，而忽略了评价区本身的限制因素，得出的结果与实际偏差太大。

资源评价方法种类繁多，而随着非常规油气资源的兴起，针对非常规资源的评价方法也层出不穷，因此分类也较为混乱。总体而言，不论常规还是非常规油气资源评价方法，依据主要原理都可以归纳为类比法、成因法和统计分析法，这三种方法被称为是静态法；另一大类是动态法，该方法采用的是稳定生产开始之后生产体积与压力的历史记录。每一种资源方法都有一定的适应范围和优缺点。国内的非常规资源评价以类比法和容积法(属于统计法)居多，与常规资源评价方法类似；国外非常规资源评价方法除了容积法外，多基于井的产能进行储量估算，例如美国地质调查局(USGS)的FORSPAN方法及其改进方法、美国先进资源国际公司(AdvancedResourcesInternational，ARI)提出的单井动态储量估算法，USGS空间统计推断法；ExxonMobile公司的油气资源密度方法；加拿大地调局非常规油气资源评价方法等。

现有的第一种评价方法是容积法，容积法是基于测井和地震资料，刻画出待评价区地下非常规油气的空间分布情况，计算出非常规油气层的体积，通过油层的孔隙度估算出致密油的储量。在勘探初期，容积法是弄清油气构造、气水分布、储层类型之后计算油气田原始地质储量最基本的方法。该方法评价过程少，输入参数简单，适用于非常规油气勘探初期的资源量计算。但是，容积法中的关键参数都采用平均值参与计算，无法考虑到参数在整个评价区的非均质性。对于非常规油气来说，油气大面积分布/连续性聚集，油气资源丰度的变化较大，均具有强非均质性，若采用均值计算易出现较大误差，而且也无法预测“甜点”的位置。

现有的第二种评价方法是美国USGS开发的用于评估连续型油气藏的方法。这种方法所使用的评价地质模型，叫做“FORSPAN”模型。FORSPAN模型认为，连续性油气藏是一组含油气的单元的集合体。每一个单元都能够生产油气、但各个单元的生产能力和经济效益各异。单元的大小设定为非常规油气生产井的单井可采面积。计算预测其中的未被钻井证实但有潜在可增储量的单元的数量以及其最终可采的油气量，通过一系列计算最终得到整个“连续型”油气藏的预测储量。但是该方法只对可采资源量做了统计预测，没有对资源的空间分布作出推断，预测结果值在地理上是随机分布的，无法推断出“甜点”位置，也没有考虑到单元的空间相关性。该方法在模拟中广泛采用三角分布，有可能低估最终资源结果的不确定范围，并且，由于输入参数的不确定性和无统计模型限制，可能会产生预测结果的统计特征与实际差别甚远。

现有的第三种评价方法是美国地质调查局的空间统计模拟法，在该方法中，未钻探的生产单元的EUR是通过从已测试单元的EUR分布按照经典统计方法分析得出。经典的统计方法假设各评价单元相互独立，不考虑空间相关性。这种简化使得数据中包含的空间变化趋势表达的部分信息未被使用。针对Schmoker提出用空间统计学的方法来预测非常规油气资源，他的模型是地质统计学在油气资源评价领域的应用，即采用序贯高斯模拟或多点地质统计学的方法，用已生产区的生产数据做空间统计模型，从而对无生产井位置处的产量进行预测。该方法对于有钻井的地区，采用序贯高斯算法来模拟EUR的空间分布；对无钻井地区，采用类比法，通过类比得到EUR的空间关系及相关参数，然后进行多点模拟。但是该方法完全依赖空间统计规律，并不考虑模型变量的相关性，忽略了所有的地理变化特征或样式。

现有的第四种评价方法是单井(动态)储量估算法，是由美国AdvancedResourcesInformational(ARI)提出估算非常规资源量的方法，核心是以1口井控制的范围为最小估算单元，把评价区划分成若干最小估算单元，通过对每个最小估算单元的储量计算，得到整个评价区的资源量数据。但是，在无生产井的地方，通过该方法误差比较大。

现有的第五种评价方法是油气资源空间分布预测技术，其主要包括分形模拟和条件模拟。其中分形模拟是基于分形模型在不同尺度下空间特征相似的性质，根据规模较大油气田多在勘探早期被发现的特点，利用已发现的规模较大油气田的空间特征来推断待发现的规模相对较小油气田的空间特征。条件模拟则是在相位迭代识别条件模拟方法基础上改进发展而成的。通过这两项模拟技术，利用傅立叶变换关系中空间域与频率域的转换关系，将勘探成果与反映油气聚集因果关系的地质因素、以及反映油气藏展布的空间限制条件的地球物理资料中提取的信息和其他资料在频率域综合为一体，做出油气资源空间分布及油气藏大小的定量预测。但是该方法主要适用性比较小，主要适用于有大量生产井的较高勘探程度区块，对于全球油气资源的评价尚为不足。

发明内容

为了解决现有技术中存在的问题，本发明提出一种适用于全球非常规连续型油气藏的基于空间网格计算连续性油气藏资源量的方法及装置。

为了达到上述目的，本发明实施例提供一种基于空间网格计算连续性油气藏资源量的方法，包括：步骤1，根据地质特征属性的相似性，将评价区域在空间上划定为若干个基本评价单元；步骤2，确定每一所述基本评价单元在平面上具有明显非均质性的关键参数，搜集所述关键参数在所述评价区域内的空间数据并进行数据的空间矢量化；步骤3，对所述评价区域的每一基本评价单元划分等大网格；步骤4，通过EUR估算或者类比法，为各网格赋予采收率数据；步骤5，对所述关键参数在评价区域内的空间数据插值，为各网格赋予关键参数数据；步骤6，根据所述各网格的关键参数数据和采收率数据，采用容积法计算每个网格的地质资源量和可采资源量；步骤7，对所有网格进行积分，计算整个评价区域的地质资源量和可采资源量。

进一步地，在一实施例中，在所述步骤1中，根据地质特征属性的相似性，将评价区域在空间上划定为若干个基本评价单元，包括：根据不同矿种将评价区域在空间上划定为若干个基本评价单元，包括：对于重油，将成藏组合作为基本评价单元；对于页岩气和致密油，将页岩层作为基本评价单元。

进一步地，在一实施例中，在所述步骤2中，确定每一所述基本评价单元在平面上具有明显非均质性的关键参数，其中，关键参数包括有效孔隙度、含气饱和度以及有效厚度。

进一步地，在一实施例中，在所述步骤2中，搜集所述关键参数在所述评价区域内的空间数据并进行数据的空间矢量化，包括：对所述关键参数赋予坐标，获取所述关键参数的等值线数据或点数据；对所述关键参数的等值线数据或点数据进行格式转换，生成shape格式文件。

进一步地，在一实施例中，在所述步骤3中，对所述评价区域的每一基本评价单元划分等大网格，包括：划分的网格的个数根据所述评价区域的资料的详实程度自行定义。

进一步地，在一实施例中，在所述步骤4中，通过EUR估算或者类比法，为各网格赋予采收率数据，包括：如果所述评价区域已有开发井，则利用井产量数据进行EUR计算得到单井采收率，再通过进行采收率空间插值，为各网格赋予采收率数据；如果所述评价区域没有开发井，则按照相似性，划分多个类比区，类比分别得到各区域采收率，并为各网格赋予采收率数据。

进一步地，在一实施例中，在步骤5中，对所述关键参数在评价区域内的空间数据插值，为各网格赋予关键参数数据，包括：所述空间数据插值方法包括局部多项式插值法、样条函数插值法、反距离加权插值法、张力样条插值法、克里金插值法以及克里格插值法；采用平均误差ME、平均绝对误差MAE、插值平均误差平方和的平方根RMSE作为评估几种插值方法的插值效果的标准，验证公式如下：

平均误差公式： $ME=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}\[P^{\′}\left(x_i\right)-P\left(x_i\right)\];$

平均绝对误差： $MAE=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}|P^{\′}\left(x_i\right)-P\left(x_i\right)|;$

插值平均误差平方和的平方根： $RMSE=\sqrt{\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{\[P^{\′}\left(x_i\right)-P\left(x_i\right)\]}^2};$

式中，n为测试点个数，P'(x)为预测值，P(x)为实际值；

选取误差最小的插值方法对所述关键参数在评价区域内的进行插值。

进一步地，在一实施例中，在步骤6中，根据所述各网格的关键参数数据和采收率数据，采用容积法计算每个网格的地质资源量和可采资源量，包括：不同矿种的容积法计算公式如下所示：

(1)页岩气

页岩气游离气容积法计算公式为：

GIP_free＝A×h×Φ×S_gi/B_gi×cf×10^-3；其中：

GIP_free为页岩气游离气地质资源量，BCF；

A为含气面积，km²；

h为有效气层厚度，m；

Φ为含气页岩有效孔隙度，％；

S_gi为含气饱和度，％；

B_gi为原始天然气体积系数，无量纲；

cf为m³到ft³单位转换系数，值为35.315，无量纲。

页岩气吸附气计算公式为：

GIP_absorbed＝A×h×ρ_b×Q_a×cf×10^-3；

$Q_a=V_L\×\frac{P_F}{P_L+P_F};$ 其中：

GIP_absorbed为吸附气地质资源量，BCF；

A为含气面积，km²；

h为平均有效厚度，m；

ρ_b为岩石密度，t/m³；

Q_a为吸附含气量，m³/t；

cf为m³到ft³单位转换系数，值为35.315，无量纲；

V_L为兰氏体积，m³；

P_L为兰氏压力，MPa；

P_F为地层压力，MPa；

GIP_total＝GIP_free+GIP_absorbed；其中：

GIP_total为页岩气总地质资源量，BCF；

GIP_free为游离气地质资源量，BCF；

GIP_absorbed为吸附气地质资源量，BCF；

(2)煤层气

GIP＝A×h×D×C_ad×cf×10^-3或GIP＝A×h×D_daf×C_daf×cf×10^-3；其中：

GIP为煤层气地质资源量，BCF；

A为煤层含气面积，km²；

h为煤层净厚度，m；

D为煤的空气干燥基质量密度，t/m³；

C_ad为煤的空气干燥基含气量，m³/t；

D_daf为煤的干燥无灰基质量密度，t/m³；

C_daf为煤的干燥无灰基含气量，m³/t；

cf为m³到ft³单位转换系数，值为35.315，无量纲；

(3)致密气

GIP＝A×h×Φ×S_gi/B_gi×cf×10^-3；其中：

GIP为致密气地质资源量，BCF；

A为含气面积，km²；

h为气层厚度，m；

Φ为孔隙度，％；

S_gi为含气饱和度，％；

B_gi为原始天然气体积系数，无量纲；

cf为m³到ft³单位转换系数，值为35.315，无量纲；

(4)油页岩

GIP＝A×h×D×cf×10^-4；其中：

GIP为油页岩地质资源量，mmbbl；

A为油页岩面积，km²，

h为油页岩厚度，m；

D为油页岩密度，t/m³；

cf为t到bbl单位转换系数，值为7.3，无量纲；

(5)油砂、重油、页岩油

GIP＝A×h×Φ×S_oi×ρ_o/B_oi×cf×10^-6；其中：

GIP为油砂、重油、页岩油的地质资源量，mmbbl；

A为含油面积，km²；

h为有效气层厚度，m；

Φ为孔隙度，％；

S_oi为含油饱和度，％；

ρ_o为原油密度，t/m³；

B_oi为原油地层体积系数，无量纲；

cf为t到bbl单位转换系数，值为7.3，无量纲。

进一步地，在一实施例中，根据每个网格的地质资源量和可采资源量，绘制所述评价区域资源量分布图。

为了达到上述目的，本发明实施例还提供一种基于空间网格计算连续性油气藏资源量的装置，包括：评价单元划分模块，用于根据地质特征属性的相似性，将评价区域在空间上划定为若干个基本评价单元；关键参数获取模块，用于确定每一所述基本评价单元在平面上具有明显非均质性的关键参数，搜集所述关键参数在所述评价区域内的空间数据并进行数据的空间矢量化；网格划分模块，用于对所述评价区域的每一基本评价单元划分等大网格；采收率数据获取模块，用于通过EUR估算或者类比法，为各网格赋予采收率数据；关键数据插值模块，用于对所述关键参数在评价区域内的空间数据插值，为各网格赋予关键参数数据；资源量计算模块，用于根据所述各网格的关键参数数据和采收率数据，采用容积法计算每个网格的地质资源量和可采资源量；积分模块，用于对所有网格进行积分，计算整个评价区域的地质资源量和可采资源量。

本发明实施例的基于空间网格计算连续性油气藏资源量的方法及装置的有益效果是：最大化实现了容积法简单、便捷的功能，又弥补了原有容积法的不足。同时，本方法考虑非常规资源大面积连续性分布但其富集程度具有明显的空间分异性(甜点区与非甜点区特征明显)的特点，将评价区划分若干单元，将含油面积内可获得的参数插值后分布到各单元格，可直观反映各参数在整个平面上的变化，从而真实反映资源丰度差异。本发明不仅在平面上实现参数差异的可视化，也根据油气成藏特征在纵向上划分基本单元，按照不同成藏组合或层系进行计算，从而更为精细地展示了非常规油气的资源量分布，从空间上锁定了关键层位。这种平面与纵向相结合的方式，使得资源量的计算更为精细和准确，为快速筛选有利盆地提供了必要条件；由于引入了空间网格法，采收率可以根据不同埋深、不同区域开采方式的变化进行取值，避免了可采资源量一刀切的弊端，更加灵活得估算一个区域内的可采资源；本发明从平面和纵向上都清晰展示了空间丰度的差异，更客观地表现“甜点区”与“非甜点区”的资源富集情况，因此在进行海外有利区优选、快速锁定目标区块上具有独特优势；本发明能根据实际情况，利用资料富集区的插值算法对临近资料较少地区进行赋值，从而减少了单一类比法所带来的误差，在全球非常规资源评价上具有巨大优势。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例的基于空间网格计算连续性油气藏资源量的方法的流程图；

图2为本发明实施例的基于空间网格计算连续性油气藏资源量的装置的结构示意图；

图3为本发明一具体实施例中的Barnett气井产量递减曲线图；

图4为本发明一具体实施例中的Barnett气井产量双曲-指数递减模拟曲线图；

图5为本发明一具体实施例中的Barnett气井井点位分布图；

图6为本发明一具体实施例中的采收率数据点直方图分析示意图；

图7为本发明一具体实施例中的采收率数据点直方图对数变化示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明所依靠的技术***是地理信息***(GIS)，它是一种对空间信息进行管理、分析的信息***，由计算机***、地理数据和用户组成，通过对地理数据的集成、存储、检索和操作分析，生成并输出各种地理信息。地理信息***与传统的信息***最大的优势在于它将传统的以定性为主的分析技术发展为多数据源、空间位置信息进行成图和分析的综合技术。在油气资源评价中，地理信息***能够为地质数据资料的存储管理、可视化和分析处理提供一个通用的平台。GIS的这些特征，使其非常适合用来对非常规油气藏进行表达、存储和分析。非常规油气藏，具有内在固有的空间属性，进行资源评价时，需要对评价目标的原始资料进行综合分析，涉及到基于空间位置的综合评价，目前主要的地理信息***软件主要有ArcGIS、MapGIS等。

本发明针对的范围包括页岩气、致密油、致密气、煤层气、重油、油砂、油页岩，能够快速计算非常规油气资源评价区地质资源量和可采资源量并能对资源的三维空间分布做出精细刻画。本发明的目的在于克服容积法计算资源量时未考虑参数的非均质性的缺点；同时，与那些忽略数据地理位置、空间关系的方法相比，这种方法能够更加充分利用现有的数据进行计算。

本发明所依据的原理是：对于非常规油气的大规模分布，在空间上具有明显的分异性，这决定了传统的容积法计算必将出现较大的误差；采用二维平面网格，将三维地质空间简化为二维平面空间，每一个基本单元当作二维平面处理；空间插值中，空间位置上越靠近的点越具有相似性，对离散数据进行网格化，使用插值方法用邻近数据点来估计未知点的值，勾画出整个评价区域关键数据的分布，从而将资源分布可视化和精细化。

图1为本发明实施例的基于空间网格计算连续性油气藏资源量的方法的流程图。如图1所示，包括：步骤S101，根据地质特征属性的相似性，将评价区域在空间上划定为若干个基本评价单元；步骤S102，确定每一所述基本评价单元在平面上具有明显非均质性的关键参数，搜集所述关键参数在所述评价区域内的空间数据并进行数据的空间矢量化；步骤S103，对所述评价区域的每一基本评价单元划分等大网格；步骤S104，通过EUR估算或者类比法，为各网格赋予采收率数据；步骤S105，对所述关键参数在评价区域内的空间数据插值，为各网格赋予关键参数数据；步骤S106，根据所述各网格的关键参数数据和采收率数据，采用容积法计算每个网格的地质资源量和可采资源量；步骤S107，对所有网格进行积分，计算整个评价区域的地质资源量和可采资源量。

在步骤S101中，开展地质研究，对盆地构造、沉积演化以及石油地质特征分析，明确油气在空间的总体分布，确定平面含油范围和纵向上的含油层位，根据地质特征属性的相似性空间上划定若干个基本评价单元。构筑空间基本评价单元，可以根据不同矿种进行划分，如重油，比较接近常规油气成藏，因此可以成藏组合作为基本单元进行评估；页岩气、致密油等主要以页岩层作为基本评价单元进行评估，但在进行类比法进行估值时，可进一步划分相似区。

在步骤S102中，确定每个评价单元在平面上具有明显非均质性的关键参数，搜集该参数在评价区域内的空间数据(多个评价井的参数值或参数等值线图等)并进行数据处理(格式转换)，建立GIS空间数据库。搜集所述关键参数在所述评价区域内的空间数据并进行数据的空间矢量化，包括：对所述关键参数赋予坐标，获取所述关键参数的等值线数据或点数据；对所述关键参数的等值线数据或点数据进行格式转换，生成shape格式文件。

本步骤中的数据源包括评价区基础地理信息数据、重要数据点坐标数据等，这些数据以不同格式的数据文件保存，因此需要对这些数据进行处理，使其数据格式、空间参考统一，以符合建立空间数据库的要求，以属性数据的形式保存。

在本实施例中，关键参数包括有效孔隙度、含气饱和度以及有效厚度等，各矿种所选择的关键参数是依据各矿种所利用的容积法公式而定的。以下介绍各矿种的容积法计算公式：

1、页岩气

页岩气以吸附态和游离态两种主要方式赋存，吸附气占总气量的比例为20％～80％。在计算时，需要分别计算吸附气和游离气的含量。游离气的地质资源量计算按照常规天然气的方法来计算。页岩气游离气容积法计算公式为：

GIP_free＝A×h×Φ×S_gi/B_gi×cf×10^-3；其中：

GIP_free为页岩气游离气地质资源量，BCF；

A为含气面积，km²；

h为有效气层厚度，m；

Φ为含气页岩有效孔隙度，％；

S_gi为含气饱和度，％；

B_gi为原始天然气体积系数，无量纲；

cf为m³到ft³单位转换系数，值为35.315，无量纲。

页岩气吸附气量的确定可以借鉴煤层气中吸附气的评价方法，通过等温吸附试验来建立吸附气含量与压力、温度之间的关系模型。等温吸附实验法将待实验样品置于近似地下温度的环境中，模拟并计算不同压力条件下的最大吸附气量。

吸附气的计算公式为：

GIP_absorbed＝A×h×ρ_b×Q_a×cf×10^-3；

$Q_a=V_L\×\frac{P_F}{P_L+P_F};$ 其中：

GIP_absorbed为吸附气地质资源量，BCF；

A为含气面积，km²；

h为平均有效厚度，m；

ρ_b为岩石密度，t/m³；

Q_a为吸附含气量，m³/t；

cf为m³到ft³单位转换系数，值为35.315，无量纲；

V_L为兰氏体积，m³；

P_L为兰氏压力，MPa；

P_F为地层压力，MPa。

页岩气总地质资源量为通过以上方法所求得的游离气和吸附气之和。

通过公式表达为：GIP_total＝GIP_free+GIP_absorbed；其中：

GIP_total为页岩气总地质资源量，BCF；

GIP_free为游离气地质资源量，BCF；

GIP_absorbed为吸附气地质资源量，BCF。

在具体操作中，也可以通过计算游离气的资源量及游离气与吸附气的比例计算总地质资源量。

2、煤层气

煤层气是赋存在煤层中，以甲烷为主要成分，以吸附在煤基质颗粒表面为主，部分游离与煤孔隙中或溶解于煤层水中的烃类气体。理论上说，煤层气中的气体由吸附气、游离气和溶解气3部分组成。但是，在目前煤层气开发的深度、压力和温度条件下，甲烷在水中的溶解度很低，溶解气量占煤层气总分量很小，因此在计算时常常忽略不计。吸附状态可占70％～95％，游离状态约占10％～20％。容积法是煤层气地质储量计算的基本方法，适用于各个级别煤层气地质储量的计算，其精度取决于对气藏地质条件和储层条件的认识，也取决于有关参数的精度和数量。

煤层气地质资源量容积法的计算公式为：

GIP＝A×h×D×C_ad×cf×10^-3或GIP＝A×h×D_daf×C_daf×cf×10^-3；其中，

GIP为煤层气地质资源量，BCF；

A为煤层含气面积，km²；

h为煤层净厚度，m；

D为煤的空气干燥基质量密度，t/m³；

C_ad为煤的空气干燥基含气量，m³/t；

D_daf为煤的干燥无灰基质量密度，t/m³；

C_daf为煤的干燥无灰基含气量，m³/t；

cf为m³到ft³单位转换系数，值为35.315，无量纲；

3、致密气

致密气实际上就是特低渗透条件的致密砂岩气，在成藏条件与成藏机理方面与常规油气藏基本相同，只是因其储集条件太差，导致在空间展布规律与开采方式方面不同于常规油气藏。因此，其容积法地质资源量计算和常规天然气藏一样。

GIP＝A×h×Φ×S_gi/B_gi×cf×10^-3；其中：

GIP为致密气地质资源量，BCF；

A为含气面积，km²；

h为气层厚度，m；

Φ为孔隙度，％；

S_gi为含气饱和度，％；

B_gi为原始天然气体积系数，无量纲；

cf为m³到ft³单位转换系数，值为35.315，无量纲。

4、油页岩

油页岩又称油母页岩，是指现今未成熟的富含有机质的高品质烃源岩，通过人工高温干馏(人工催熟)能工业提取石油，因此油页岩资源实际上是油页岩油资源。容积法是油页岩求取资源量的一种方法，其地质资源量估算公式为：

GIP＝A×h×D×cf×10^-4；其中：

GIP为油页岩地质资源量，mmbbl；

A为油页岩面积，km²，

h为油页岩厚度，m；

D为油页岩密度，t/m³；

cf为t到bbl单位转换系数，值为7.3，无量纲。

5、油砂、重油、页岩油

油砂、重油、页岩油容积法地质资源量计算和常规油藏一样，计算公式为：

GIP＝A×h×Φ×S_oi×ρ_o/B_oi×cf×10^-6；其中：

GIP为油砂、重油、页岩油的地质资源量，mmbbl；

A为含油面积，km²；

h为有效气层厚度，m；

Φ为孔隙度，％；

S_oi为含油饱和度，％；

ρ_o为原油密度，t/m³；

B_oi为原油地层体积系数，无量纲；

cf为t到bbl单位转换系数，值为7.3，无量纲。

根据上述五种不同矿种的容积法公式，选择所需的关键参数，包括有效孔隙度、含气饱和度以及有效厚度等。

在步骤S103中，考虑资源非均质性强的特征，对基本评价单元划分等大网格，当网格划分足够细时，可以描述资源的空间分布情况，划分的网格的个数根据所述评价区域的资料的详实程度自行定义。

在步骤S104中，如果所述评价区域已有开发井，则利用井产量数据进行EUR计算得到单井采收率，再通过进行采收率空间插值，为各网格赋予采收率数据；如果所述评价区域没有开发井，则按照相似性，划分多个类比区，类比分别得到各区域采收率，并为各网格赋予采收率数据。

对于可采资源量的计算，可根据实际情况进行调整。勘探程度较低的区域，可通过类比其他区域的采收率得到该地区的总体采收率，倘若该地区分异性较强，则可以划分为若干个相似区域分别进行类比；在勘探程度较高的区域，如可以获得井产量数据，则可以通过计算单井EUR和GIP，从而求得单井采收率，最后通过插值，赋予整个评价区域各网格采收率，与网格的地质资源量相乘可得到各网格可采资源量。

在步骤S105中，空间数据插值，为各网格赋予关键参数的值，可参照步骤S102中的容积法计算公式按照不同矿种所需参数进行选择。

本步骤中，需要对空间上不同的参数进行分析，找出源数据的分布特征、统计特征，便于选择最恰当的插值方法。不同的数据格式需要经过不同的处理，数据点必须经过验证，选择合适的插值方法；面数据取几何中心后同点插值；线数据直接插值。

空间点数据的插值方法有多种。按插值的数据范围划分，可以分为整体插值和局部插值方法两类。整体插值方法用研究区所有采样点的数据进行全区特征拟合，其特点是不能提供内插区域的局部特性，结果较为粗略。整体插值方法通常不直接用于空间插值，而是用来检测不同于总趋势的最大偏离部分，在去除了宏观地物特征后，可用剩余残差来进行局部插值。典型方法如全局趋势面分析。局部插值方法用邻近于未知点的少数已知采样点的特征值来估算未知点特征值，其特点是可以提供内插区域内的局部特性，且不受其他区域的内插影响，结果精确性较高。在对离散数据进行格网化时，一般选择局部插值方法。局部插值算法较多，如样条函数插值法、反距离加权法(InverseDistanceWeighted，IDW)、克里金(Kriging)插值等。

按数学模型来划分，可以分为确定性插值和地统计学插值。确定性插值方法是基于样本点之间的相似程度或整个曲面的光滑性来创建一个拟合曲面的插值方法。如全局多项式插值、反距离权插值、径向基插值、局部多项式插值等方法都属于确定性插值法。地统计学插值方法基于样本点的空间自相关性，根据测量数据的统计特征产生曲面，例如克里格插值方法。克里格方法依赖于数学模型和统计模型，正是由于引入了包括概率模型在内的统计模型，使克里格方法与确定性插值方法区分开来。在克里格方法中预测的结果将与概率联系在一起，即用克里格方法进行插值，一方面能生成预测表面，一方面能给出预测值的误差。地统计学插值方法由于建立在统计学的基础上，因此不仅可以产生预测曲面，而且可以产生误差和不确定性曲面，用来评估预测结果的好坏。

常用的插值算法有：

1、样条函数插值(SPLINE)

样条函数是数学上与灵活曲线规对等的一个数学等式，是一个分段函数，进行一次拟合只有少数点拟合，同时保证曲线段连接处连续。这就意味着样条函数可以修改少数数据点配准而不必重新计算整条曲线。线性和曲面样条函数都在视觉上得到了令人满意的结果。

样条函数的一些缺点是:样条内插的误差不能直接估算，同时在实践中要解决的问题是样条块的定义以及如何在三维空间中将这些“块”拼成复杂曲面，又不引入原始曲面中所没有的异常现象等问题.样条函数的种类很多，最常用的有B样条、张力样条和薄盘样条等。

2、反距离加权法(IDW)

IDW(InverseDistanceWeighted)，反距离加权法是以插值点与样本点之间的距离为权重的插值方法，插值点越近的样本点赋予的权重越大，其权重贡献与距离成反比。

这种方法的计算值容易受数据点集群的影响，计算结果经常出现一种孤立点数据明显高于周围数据点的“鸭蛋”分布模式，可以在插值过程中通过动态搜索准则进行一定程度的改进。

3、克里金插值(Kriging)

克里金插值方法是由南非工程师克里格和统计学家西舍尔在上世纪50年代根据样品空间位置不同和样品间的相关程度的不同，对每个样品赋予一定的权重，进行滑动加权平均，来估计未知样品平均值的一种方法。它利用区域化变量的原始数据和变异函数的结构特点，对未采样点的区域变量的值进行最优、线性、无偏估计的一种方法。

克里金法方法最初用于矿山勘探，并被广泛地应用于地下水模拟、土壤制图等领域，成为GIS软件地理统计插值的重要组成部分。这种方法充分吸收了地统计的思想，认为任何在空间连续性变化的属性是非常不规则的，不能用简单的平滑数学函数进行模拟，可以用随机表面给予较恰当的描述。这种连续性变化的空间属性称为“区域性变量”，可以描述像气压、高程及其它连续性变化的描述指标变量。

克里金插值为局部估计方法，对估计值的整体空间相关性考虑不够，它保证了数据的估计局部最优，却不能保证数据的总体最优，因为克里金估值的方差比原始数据的方差要小。因此，当井点较少且分布不均时可能会出现较大的估计误差，特别是在井点之外的无井区误差可能更大。克里金插值法为光滑内插方法，为减小估计方差而对真实观测数据的离散性进行了平滑处理，虽然可以得到由于光滑而更美观的等值线图或三维图，但一些有意义的异常带也可能被光滑作用而“光滑”掉了。所以，有时，克里金方法被称为一种“移动光滑窗口”。

对于采取哪种插值方法，可采用平均误差ME、平均绝对误差MAE、插值平均误差平方和的平方根RMSE作为评估几种插值方法的插值效果的标准，验证公式如下：

平均误差公式： $ME=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}\[P^{\′}\left(x_i\right)-P\left(x_i\right)\];$

平均绝对误差： $MAE=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}|P^{\′}\left(x_i\right)-P\left(x_i\right)|;$

插值平均误差平方和的平方根： $RMSE=\sqrt{\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{\[P^{\′}\left(x_i\right)-P\left(x_i\right)\]}^2};$

式中，n为测试点个数，P'(x)为预测值，P(x)为实际值；本发明中，可选取误差最小的插值方法对所述关键参数在评价区域内的进行插值。

在步骤S106：根据所述各网格的关键参数数据和采收率数据，采用容积法计算每个网格的地质资源量和可采资源量。

步骤S107，对所有网格进行积分，计算整个评价区域的地质资源量和可采资源量。积分方法为本领域技术人员所熟知，故本发明中不再详述。

最后，可根据每个网格的地质资源量和可采资源量，绘制所述评价区域资源量分布图，更加直观的表示评价区域的资源分布情况。

本发明首次提出了一套适合于多矿种评价的改进的容积法，创造性地将GIS技术引入非常规油气评价，建立了适合资料详实程度不一、勘探程度不一的评价方法和原则，有效提高了非常规油气资源评价的精度。采用将评价区按照地质相似性进行单元划分，解决了现有技术方案中大面积进行单一评价的缺点；采用平面网格展示的方法，直观展示了“甜点区”与“非甜点区”的位置分布，解决了现有容积法无法展示资源富集情况，便于与在后期区块优选中快速识别有利区。本发明提高了评价精度和海外区块初步评价的效率，快速、便捷，能够满足生产需求。

另外，本发明利用创造性地将容积法与插值相关联，该方法不受数据存在形式的限制，无论是点数据、线数据或是面数据，都能够根据具体情况在GIS中进行统一并插值。插值方法实现利用局部某些数据预测周围地区，不同与以往完全利用类比法进行主观判断，解决了类比法需要大量类似数据，否则精度低的缺点，同时解决了完全按照数学模型计算时忽略地质因素的缺点；创造性地运用井数据与插值方法相结合，通过单井产量得到EUR值，与井控面积内的地质资源量相结合，可得到可采资源丰度分布，解决了传统容积法靠单一采收率求整个地区可采资源量的弊端。

对应于以上方法，如图2所示，本发明实施例还提供一种基于空间网格计算连续性油气藏资源量的装置，包括：评价单元划分模块101，用于根据地质特征属性的相似性，将评价区域在空间上划定为若干个基本评价单元；关键参数获取模块102，用于确定每一所述基本评价单元在平面上具有明显非均质性的关键参数，搜集所述关键参数在所述评价区域内的空间数据并进行数据的空间矢量化；网格划分模块103，用于对所述评价区域的每一基本评价单元划分等大网格；采收率数据获取模块104，用于通过EUR估算或者类比法，为各网格赋予采收率数据；关键数据插值模块105，用于对所述关键参数在评价区域内的空间数据插值，为各网格赋予关键参数数据；资源量计算模块106，用于根据所述各网格的关键参数数据和采收率数据，采用容积法计算每个网格的地质资源量和可采资源量；积分模块107，用于对所有网格进行积分，计算整个评价区域的地质资源量和可采资源量。

本发明实施例的基于空间网格计算连续性油气藏资源量的方法及装置，最大化实现了容积法简单、便捷的功能，又弥补了原有容积法的不足。同时，本方法考虑非常规资源大面积连续性分布但其富集程度具有明显的空间分异性(甜点区与非甜点区特征明显)的特点，将评价区划分若干单元，将含油面积内可获得的参数插值后分布到各单元格，可直观反映各参数在整个平面上的变化，从而真实反映资源丰度差异。本发明不仅在平面上实现参数差异的可视化，也根据油气成藏特征在纵向上划分基本单元，按照不同成藏组合或层系进行计算，从而更为精细地展示了非常规油气的资源量分布，从空间上锁定了关键层位。这种平面与纵向相结合的方式，使得资源量的计算更为精细和准确，为快速筛选有利盆地提供了必要条件；由于引入了空间网格法，采收率可以根据不同埋深、不同区域开采方式的变化进行取值，避免了可采资源量一刀切的弊端，更加灵活得估算一个区域内的可采资源；本发明从平面和纵向上都清晰展示了空间丰度的差异，更客观地表现“甜点区”与“非甜点区”的资源富集情况，因此在进行海外有利区优选、快速锁定目标区块上具有独特优势；本发明能根据实际情况，利用资料富集区的插值算法对临近资料较少地区进行赋值，从而减少了单一类比法所带来的误差，在全球非常规资源评价上具有巨大优势。

具体实施例

利用本方明的方法，对北美福特沃斯盆地巴内特页岩油地质资源量和可采资源量进行预测。

(1)选取巴内特页岩层作为被处理对象，该页岩层分布在福特沃斯盆地，位于美国德克萨斯州中北部。福特沃斯盆地为面积约38100km²，是古生代晚期沃希托造山运动形成的前陆盆地，整个盆地是一个向北变深的楔形凹陷。针对北美福特沃斯盆地地质情况，确定出页岩气产出主要层段、岩石类型、岩石组合类型；利用地球化学资料确定区块生油烃源岩的特征，包括烃源岩厚度、有机质丰度(TOC)、有机质类型、有机质成的平面分布情况，分别反映区块烃源岩生油能定区块储集层特征，包括厚度(部分地区等同于烃源岩厚度)、孔隙度、压力系数、含油饱和度、埋深、裂缝性的平面分布特征。

(2)根据页岩气游离气容积法公式，关键参数包括厚度、含气饱和度、有效孔隙度等。前期分析表明巴内特页岩的游离气比例为45％，体积系数为0.003。其余评价关键参数进行数字化，赋予其地理坐标、投影系等参数，本例中搜集到的关键数据以等值线格式为主。

(3)对巴内特页岩层划分网格。划分网格的个数并没有具体的规定，但可以根据对该地区资料的详实程度进行自行定义。本实施例中，将网格划分为2094个网格。

(4)根据现有钻井资料，确定不同钻井的EUR值。在该例中，采用最广泛双曲线递减模型，针对生产数据进行拟合分析，确定递减率、递减指数和初始产量(图3)。该方法的优点是能对产量变化规律给出确切的预测，但对于无生产数据的区块进行预测可能具有较大风险，因为页岩气井之间的产量差异很大，即使在同一井场上的井，产量有时也会差异很大。

双曲递减曲线具体计算方法如下：

产量递减率微分方程为：

$D=-\frac{dq}{qdt}={\mathrm{kq}}^n;$

对其求解即可得到Arps产量递减曲线，根据递减指数n的取值不同可以分为指数递减、双曲递减和调和递减3种形式，其中双曲递减曲线为：

$q=q_i{(1+Dnt)}^{-\frac{1}{n}},0<n<1;$

其中：D为递减率，n为递减指数，q_i为初始产量。

其最终可采储量(EUR)为：

$N_p=\frac{1}{1-b}\frac{q_i}{D}{\&lsqb;1-(1+nDt)\&rsqb;}^{n-\frac{1}{n}};$

指数递减曲线为：q＝q_ie^-Dt，n＝0；

其最终可采储量(EUR)为：

$N_p=\frac{q_i}{D}(1-e^{-Dt}).$

一般情况下，采用双曲递减计算，初始产量越高最终可采储量可能就越高。从典型曲线的递减规律来看，同一曲线的递减指数越大，最终可采储量的结果也就越大。因此，随着初始产量的增加，递减指数增大的可能性也就越大。另外，双曲递减函数的递减率随着开发时间的增长而降低，可能会过高预测后期产量。为此，S.Robertson等人引入了修正的双曲递减方法，解决了最终可采储量高估的问题。本实施例计算采用IHS公司的产量递减模型，在计算过程中，当产量递减曲线的瞬时递减率<10％时，递减模型将自动由双曲递减曲线变为指数递减曲线，从而避免了双曲递减到最后无限保持恒定产能的问题。

该步骤可以对巴内特区783口页岩气井进行EUR计算并得出结果。图4为其中一口气井的模拟曲线。

(5)选择合适的插值方法对关键参数进行插值。根据各参数特点，分析数据源，寻找最合适的插值方法，对网格进行赋值。

本实施例中，巴内特页岩的TOC、厚度、孔隙度、Ro搜集到的数据点都以等值线存在，可参与直接计算。但采收率的分布需要通过插值进行。由于巴内特页岩已有钻井，因此可以通过已知钻井的EUR以及该井井控面积所对应的地质资源量，从而得到783口井的采收率值。将783个采收率点进行插值，得到整个评价区各网格的采收率分布。

针对得到的采收率点做数据点分析，以此为例展示如何选择插值方法，其余各参数都照此方法进行方法确认：

a、样本点总共个数为783个，见图5。

b、原始数据处理(探索性数据分析)

利用ArcGIS对上述783口井的采收率数据进行直方图分析，最大值为12.256％，最小值为0.0329％，平均值为2.15％，标准差为1.5795，偏度1.6452，峰度7.3066(图6)。从图中可看出数据严重偏斜。对采收率数据作对数变换(图7)，标准差为0.8175，偏度-0.807，峰度4.43。对数变换后的分布图形为钟形曲线，接近于正态分布。

在对数据进行直方图分析时，发现该数据有明显离群值。经验证，有4口井因为生产数据较少，造成推算出的采收率数据偏低，剔除上述数据。

c、插值方法及结果验证方法

本研究中，分别采用反距离加权插值(IDW)、局部多项式插值(LPI)、规则样条插值(Rspline)、张力样条插值(Tspline)、普通克里格插值(OK)、泛克里格插值(UK)进行分析。普通克里格插值方法选取球面半变异函数模型、指数半变异函数模型、高斯半变异函数模型和线性半变异函数模型来分别计算。普通克里金法和泛克里金法都假定数据服从多元正态分布，因此在采用普通克里格和泛克里格方法时需要对采收率数据做对数变换，使其呈正态分布。插值获得结果后再做反对数变换得到预测值。

为了对插值结果进行验证，将原始数据分为训练组和测试组。随机选取70％的数据为训练组，其余为测试组。即随机选取545个井的采收率数据为训练数据用来插值，另外234个数据用来验证结果。

通过比较测试组实际采收率与预测采收率的误差来评判插值方法的优劣。采用平均误差ME、平均绝对误差MAE、插值平均误差平方和的平方根(RootMeanSquareError，RMSE)作为评估几种插值方法的插值效果的标准。平均误差ME是所有预测值的随机误差的算术平均值，总体可反映误差的大小，但是误差正负可能会出现相互抵消，从而低估实际误差。平均绝对误差MAE是所有预测值随机误差的绝对值的平均。平均绝对误差由于误差被绝对值化，因此，与平均误差相比，可以更好地反映实际预测误差的大小。均方根误差RMSE是预测值与实际值误差的平方根与预测值个数比值的平方根，对误差的极值敏感，能够很好地反映出估值的精密度。

平均误差公式： $ME=\frac{1}{n}\underset{i=1}{\overset{n}{\&Sigma;}}\&lsqb;P^{\&prime;}\left(x_i\right)-P\left(x_i\right)\&rsqb;;$

平均绝对误差： $MAE=\frac{1}{n}\underset{i=1}{\overset{n}{\&Sigma;}}|P^{\&prime;}\left(x_i\right)-P\left(x_i\right)|;$

插值平均误差平方和的平方根： $RMSE=\sqrt{\frac{1}{n}\underset{i=1}{\overset{n}{\&Sigma;}}{\&lsqb;P^{\&prime;}\left(x_i\right)-P\left(x_i\right)\&rsqb;}^2};$

其中：n为测试点个数，P'(x)为预测值，P(x)为实际值。

d、插值结果分析及方法确定

各插值方法的误差计算结果如下表1所示：

表1

从上表1可以看出，规则样条函数插值的均方根误差和平均绝对误差最小，为本实例插值的最优方法。因此，本实例选择规则样条函数插值。

(6)利用插值后各网格的参数采用页岩气游离气容积法计算并对所有网格计算结果进行积分。巴内特页岩地质资源量和可采资源量分别为2699万亿立方英尺和49万亿立方英尺。

(7)绘制该页岩区资源量和可采资源量丰度分布图。

本发明提出了一套适合于多矿种评价的改进的容积法，创造性地将GIS技术引入非常规油气评价，建立了适合资料详实程度不一、勘探程度不一的评价方法和原则，有效提高了非常规油气资源评价的精度。采用将评价区按照地质相似性进行单元划分，解决了现有技术方案中大面积进行单一评价的缺点；采用平面网格展示的方法，直观展示了“甜点区”与“非甜点区”的位置分布，解决了现有容积法无法展示资源富集情况，便于与在后期区块优选中快速识别有利区。本发明提高了评价精度和海外区块初步评价的效率，快速、便捷，能够满足生产需求。

本发明创造性地将容积法与插值相关联，该方法不受数据存在形式的限制，无论是点数据、线数据或是面数据，都能够根据具体情况在GIS中进行统一并插值。插值方法实现利用局部某些数据预测周围地区，不同与以往完全利用类比法进行主观判断，解决了类比法需要大量类似数据，否则精度低的缺点，同时解决了完全按照数学模型计算时忽略地质因素的缺点；创造性地运用井数据与插值方法相结合，通过单井产量得到EUR值，与井控面积内的地质资源量相结合，可得到可采资源丰度分布，解决了传统容积法靠单一采收率求整个地区可采资源量的弊端。

本发明实施例的基于空间网格计算连续性油气藏资源量的方法及装置，最大化实现了容积法简单、便捷的功能，又弥补了原有容积法的不足。同时，本方法考虑非常规资源大面积连续性分布但其富集程度具有明显的空间分异性(甜点区与非甜点区特征明显)的特点，将评价区划分若干单元，将含油面积内可获得的参数插值后分布到各单元格，可直观反映各参数在整个平面上的变化，从而真实反映资源丰度差异。本发明不仅在平面上实现参数差异的可视化，也根据油气成藏特征在纵向上划分基本单元，按照不同成藏组合或层系进行计算，从而更为精细地展示了非常规油气的资源量分布，从空间上锁定了关键层位。这种平面与纵向相结合的方式，使得资源量的计算更为精细和准确，为快速筛选有利盆地提供了必要条件；由于引入了空间网格法，采收率可以根据不同埋深、不同区域开采方式的变化进行取值，避免了可采资源量一刀切的弊端，更加灵活得估算一个区域内的可采资源；本发明从平面和纵向上都清晰展示了空间丰度的差异，更客观地表现“甜点区”与“非甜点区”的资源富集情况，因此在进行海外有利区优选、快速锁定目标区块上具有独特优势；本发明能根据实际情况，利用资料富集区的插值算法对临近资料较少地区进行赋值，从而减少了单一类比法所带来的误差，在全球非常规资源评价上具有巨大优势。

本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种基于空间网格计算连续性油气藏资源量的方法，其特征在于，所述方法包括：

步骤1，根据地质特征属性的相似性，将评价区域在空间上划定为若干个基本评价单元；

步骤2，确定每一所述基本评价单元在平面上具有明显非均质性的关键参数，搜集所述关键参数在所述评价区域内的空间数据并进行数据的空间矢量化；

步骤3，对所述评价区域的每一基本评价单元划分等大网格；

步骤4，通过EUR估算或者类比法，为各网格赋予采收率数据；

步骤5，对所述关键参数在评价区域内的空间数据插值，为各网格赋予关键参数数据；

步骤6，根据所述各网格的关键参数数据和采收率数据，采用容积法计算每个网格的地质资源量和可采资源量；

步骤7，对所有网格进行积分，计算整个评价区域的地质资源量和可采资源量。

2.根据权利要求1所述的基于空间网格计算连续性油气藏资源量的方法，其特征在于，所述步骤1中，根据地质特征属性的相似性，将评价区域在空间上划定为若干个基本评价单元，包括：

根据不同矿种将评价区域在空间上划定为若干个基本评价单元，包括：

对于重油，将成藏组合作为基本评价单元；

对于页岩气和致密油，将页岩层作为基本评价单元。

3.根据权利要求1所述的基于空间网格计算连续性油气藏资源量的方法，其特征在于，在所述步骤2中，确定每一所述基本评价单元在平面上具有明显非均质性的关键参数，其中，关键参数包括有效孔隙度、含气饱和度以及有效厚度。

4.根据权利要求3所述的基于空间网格计算连续性油气藏资源量的方法，其特征在于，在所述步骤2中，搜集所述关键参数在所述评价区域内的空间数据并进行数据的空间矢量化，包括：

对所述关键参数赋予坐标，获取所述关键参数的等值线数据或点数据；

对所述关键参数的等值线数据或点数据进行格式转换，生成shape格式文件。

5.根据权利要求1所述的基于空间网格计算连续性油气藏资源量的方法，其特征在于，在所述步骤3中，对所述评价区域的每一基本评价单元划分等大网格，包括：

划分的网格的个数根据所述评价区域的资料的详实程度自行定义。

6.根据权利要求1所述的基于空间网格计算连续性油气藏资源量的方法，其特征在于，在所述步骤4中，通过EUR估算或者类比法，为各网格赋予采收率数据，包括：

如果所述评价区域已有开发井，则利用井产量数据进行EUR计算得到单井采收率，再通过进行采收率空间插值，为各网格赋予采收率数据；

如果所述评价区域没有开发井，则按照相似性，划分多个类比区，类比分别得到各区域采收率，并为各网格赋予采收率数据。

7.根据权利要求1所述的基于空间网格计算连续性油气藏资源量的方法，其特征在于，在步骤5中，对所述关键参数在评价区域内的空间数据插值，为各网格赋予关键参数数据，包括：

所述空间数据插值方法包括局部多项式插值法、样条函数插值法、反距离加权插值法、张力样条插值法、克里金插值法以及克里格插值法；

采用平均误差ME、平均绝对误差MAE、插值平均误差平方和的平方根RMSE作为评估几种插值方法的插值效果的标准，验证公式如下：

平均误差公式： $ME=\frac{1}{n}\underset{i=1}{\overset{n}{\&Sigma;}}\&lsqb;P^{\&prime;}\left(x_i\right)-P\left(x_i\right)\&rsqb;;$

平均绝对误差： $MAE=\frac{1}{n}\underset{i=1}{\overset{n}{\&Sigma;}}|P^{\&prime;}\left(x_i\right)-P\left(x_i\right)|;$

插值平均误差平方和的平方根： $RMSE=\sqrt{\frac{1}{n}\underset{i=1}{\overset{n}{\&Sigma;}}{\&lsqb;P^{\&prime;}\left(x_i\right)-P\left(x_i\right)\&rsqb;}^2};$

式中，n为测试点个数，P'(x)为预测值，P(x)为实际值；

选取误差最小的插值方法对所述关键参数在评价区域内的进行插值。

8.根据权利要求1所述的基于空间网格计算连续性油气藏资源量的方法，其特征在于，在步骤6中，根据所述各网格的关键参数数据和采收率数据，采用容积法计算每个网格的地质资源量和可采资源量，包括：

不同矿种的容积法计算公式如下所示：

(1)页岩气

页岩气游离气容积法计算公式为：

GIP_free＝A×h×Φ×S_gi/B_gi×cf×10^-3；其中：

GIP_free为页岩气游离气地质资源量，BCF；

A为含气面积，km²；

h为有效气层厚度，m；

Φ为含气页岩有效孔隙度，％；

S_gi为含气饱和度，％；

B_gi为原始天然气体积系数，无量纲；

cf为m³到ft³单位转换系数，值为35.315，无量纲；

页岩气吸附气计算公式为：

GIP_absorbed＝A×h×ρ_b×Q_a×cf×10^-3；

$Q_a=V_L\&times;\frac{P_F}{P_L+P_F};$ 其中：

GIP_absorbed为吸附气地质资源量，BCF；

A为含气面积，km²；

h为平均有效厚度，m；

ρ_b为岩石密度，t/m³；

Q_a为吸附含气量，m³/t；

cf为m³到ft³单位转换系数，值为35.315，无量纲；

V_L为兰氏体积，m³；

P_L为兰氏压力，MPa；

P_F为地层压力，MPa；

GIP_total＝GIP_free+GIP_absorbed；其中：

GIP_total为页岩气总地质资源量，BCF；

GIP_free为游离气地质资源量，BCF；

GIP_absorbed为吸附气地质资源量，BCF；

(2)煤层气

GIP＝A×h×D×C_ad×cf×10^-3或GIP＝A×h×D_daf×C_daf×cf×10^-3；其中：

GIP为煤层气地质资源量，BCF；

A为煤层含气面积，km²；

h为煤层净厚度，m；

D为煤的空气干燥基质量密度，t/m³；

C_ad为煤的空气干燥基含气量，m³/t；

D_daf为煤的干燥无灰基质量密度，t/m³；

C_daf为煤的干燥无灰基含气量，m³/t；

cf为m³到ft³单位转换系数，值为35.315，无量纲；

(3)致密气

GIP＝A×h×Φ×S_gi/B_gi×cf×10^-3；其中：

GIP为致密气地质资源量，BCF；

A为含气面积，km²；

h为气层厚度，m；

Φ为孔隙度，％；

S_gi为含气饱和度，％；

B_gi为原始天然气体积系数，无量纲；

cf为m³到ft³单位转换系数，值为35.315，无量纲；

(4)油页岩

GIP＝A×h×D×cf×10^-4；其中：

GIP为油页岩地质资源量，mmbbl；

A为油页岩面积，km²，

h为油页岩厚度，m；

D为油页岩密度，t/m³；

cf为t到bbl单位转换系数，值为7.3，无量纲；

(5)油砂、重油、页岩油

GIP＝A×h×Φ×S_oi×ρ_o/B_oi×cf×10^-6；其中：

GIP为油砂、重油、页岩油的地质资源量，mmbbl；

A为含油面积，km²；

h为有效气层厚度，m；

Φ为孔隙度，％；

S_oi为含油饱和度，％；

ρ_o为原油密度，t/m³；

B_oi为原油地层体积系数，无量纲；

cf为t到bbl单位转换系数，值为7.3，无量纲。

9.根据权利要求1至8任一项所述的基于空间网格计算连续性油气藏资源量的方法，其特征在于，根据每个网格的地质资源量和可采资源量，绘制所述评价区域资源量分布图。

10.一种基于空间网格计算连续性油气藏资源量的装置，其特征在于，所述装置包括：

评价单元划分模块，用于根据地质特征属性的相似性，将评价区域在空间上划定为若干个基本评价单元；

关键参数获取模块，用于确定每一所述基本评价单元在平面上具有明显非均质性的关键参数，搜集所述关键参数在所述评价区域内的空间数据并进行数据的空间矢量化；

网格划分模块，用于对所述评价区域的每一基本评价单元划分等大网格；

采收率数据获取模块，用于通过EUR估算或者类比法，为各网格赋予采收率数据；

关键数据插值模块，用于对所述关键参数在评价区域内的空间数据插值，为各网格赋予关键参数数据；

资源量计算模块，用于根据所述各网格的关键参数数据和采收率数据，采用容积法计算每个网格的地质资源量和可采资源量；

积分模块，用于对所有网格进行积分，计算整个评价区域的地质资源量和可采资源量。