CN110765606B - 一种用于预测储层含油性的含油指数模型的构建方法及储层含油性的预测方法 - Google Patents
一种用于预测储层含油性的含油指数模型的构建方法及储层含油性的预测方法 Download PDFInfo
- Publication number
- CN110765606B CN110765606B CN201910975109.XA CN201910975109A CN110765606B CN 110765606 B CN110765606 B CN 110765606B CN 201910975109 A CN201910975109 A CN 201910975109A CN 110765606 B CN110765606 B CN 110765606B
- Authority
- CN
- China
- Prior art keywords
- oil
- parameters
- reservoir
- logging
- index
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000010276 construction Methods 0.000 title abstract description 10
- 238000004519 manufacturing process Methods 0.000 claims abstract description 20
- 238000005553 drilling Methods 0.000 claims abstract description 18
- 238000011160 research Methods 0.000 claims abstract description 14
- 238000002791 soaking Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 11
- 239000007788 liquid Substances 0.000 claims description 9
- 239000011435 rock Substances 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 abstract description 6
- 230000009466 transformation Effects 0.000 abstract description 3
- 230000035945 sensitivity Effects 0.000 abstract description 2
- 230000002349 favourable effect Effects 0.000 abstract 1
- 239000003921 oil Substances 0.000 description 220
- 238000011161 development Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000010219 correlation analysis Methods 0.000 description 3
- 239000004215 Carbon black (E152) Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 229930195733 hydrocarbon Natural products 0.000 description 2
- 150000002430 hydrocarbons Chemical class 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 208000035126 Facies Diseases 0.000 description 1
- 239000010779 crude oil Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 239000003027 oil sand Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Agronomy & Crop Science (AREA)
- General Health & Medical Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Husbandry (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种用于预测储层含油性的含油指数模型的构建方法及储层含油性的预测方法,属于储层含油性的预测领域。该方法包括以下步骤:1)根据研究区内历史钻井数据,获取随深度变化的录井参数和初始产油量数据;2)对定性参数赋值,将定性参数数字化;3)将数字化的定性参数、定量参数进行归一化处理;4)设定定性参数、定量参数的初始权重,并计算含油指数;5)将初步计算的含油指数与初始产油量进行拟合,确定相关系数;根据相关系数进行各录井参数的权重调整;6)构建含油指数模型。该方法充分考虑了不同描述性参数对油气的敏感度,提高了含油评价的准确度,有利于对后续的产量预测及储层改造提供有效数据支持。
Description
技术领域
本发明属于储层含油性的预测评价领域,具体涉及一种用于预测储层含油性的含油指数模型的构建方法及储层含油性的预测方法。
背景技术
随着石油勘探开发的深入,油气开发动用储量不断向低渗及复杂油气藏挺进,油气水关系越来越复杂。复杂油气藏受沉积相、储层孔隙结构、油气充注率、原油密度、岩屑破碎程度等因素影响,录井各参数定性反映储层好坏级别交叉越来越多,由此得出的定性解释结论符合率逐渐下降,且不能定量解释,反映产油量高低。对储层实行含油性描述和定性解释(油气水层评价)已不能满足勘探开发需要。
常规录井有大量直接反映含油性的参数,如油味、荧光颜色、浸泡液颜色、岩石颜色、含油产状、含油面积、渗油面积、荧光面积、槽面显示、系列对比级别等。上述参数多为描述性参数,前期只能定性评价油气层,很难定量计算储层含油性。近年来,随着大数据的发展,描述性数据的利用率越来越高,通过大量类似数据的统计、分析,使油气层的定量分析评价成为可能。
授权公告号为CN101183154B的中国发明专利公开了一种地质录井解释方法,其是以井筒信息为依托,收集钻时、岩心和岩屑各自的含油气特征、荧光直照特征和浸泡溶液的荧光特征、气测参数、泥浆槽面情况、储层电测参数6类20项参数,储存在相应表格内,然后采用积分方式将各参数项赋予具体的分值,根据上述参数信息,作出解释结论。该地质解释方法通过对反映储层特征和流体性质的参数进行分析界定,使得定性资料向定量化解释转变。
现有的地质录井解释方法是将各项分值相加,与相应特征指标的最高分值之和相比,得出的百分比值作为该层判断的指标。该地质录井解释方法将描述性参数的作用杂糅在一起,不能对储层的含油性作出准确评价。
发明内容
本发明的目的在于提供一种用于预测储层含油性的含油指数模型的构建方法,以解决现有技术不能利用录井参数对储层含油性进行量化评价的问题。
本发明的第二个目的在于提供一种储层含油性的预测方法,以解决现有地质录井解释方法对储层含油性评价的准确度较差的问题。
为实现上述目的,本发明的用于预测储层含油性的含油指数模型的构建方法的技术方案是:
一种用于预测储层含油性的含油指数模型的构建方法,包括以下步骤:
1)根据研究区内历史钻井数据,获取随深度变化的录井参数和初始产油量数据;所述录井参数包括定性参数和定量参数;
2)对定性参数进行赋值,将定性参数数字化;
3)将数字化的定性参数、定量参数进行归一化处理;
4)设定定性参数、定量参数的初始权重,并代入公式(1)中计算含油指数:
SGI=S1×Q1+S2×Q2+S3×Q3+……+Sn×Qn (1);
式(1)中,SGI为含油指数,S1、S2、S3、……Sn为录井参数的归一化值;Q1、Q2、Q3、……Qn为录井参数对应的权重;
5)将根据步骤4)初步计算的含油指数与初始产油量进行拟合,确定相关系数;
以相关系数达到预设值为目标,依次对各录井参数的权重进行调整,最终确定该研究区内各录井参数的最终权重;
6)将步骤5)确定的最终权重代入公式(1),即得以录井参数为变量的量化含油指数模型。
本发明提供的用于预测储层含油性的含油指数模型的构建方法,通过钻井现场描述性参数的数据化、不同参数的权重设置、含油指数模型的建立对大量已知数据进行统计分析,获得与初始产油量相关关系良好的含油指数模型,利用该含油指数模型可定量评价储层的含油量;其充分考虑了不同描述性参数对油气的敏感度,提高了含油评价的准确度,有利于对后续的产量预测及储层改造提供有效数据支持。
为提高模型构建的针对性,使模型的计算结果能更真实的反映储层含油性,优选的,所述定性参数包括油味、浸泡液颜色、含油级别、荧光颜色、岩石颜色、含油产状、槽面显示中的至少三种;所述定量参数包括荧光面积、系列对比级别、含油面积、渗油面积中的至少两种。
为更好的消除量纲不同对含油指数的影响,优选的,步骤3)中,所述归一化处理包括:对定性参数、定量参数分别设定临界值,将步骤2)所得数字化的定性参数、定量参数分别与临界值相除,即将数字化的定性参数、定量参数归一化处理到0-1之间。为更准确的评价单参数对储层含油性的影响,临界值可以为各录井参数与初始产油量的拟合曲线的拐点值。当参数值小于拐点值时,随着参数增大,产油量快速增加;当参数值大于拐点值时,随着参数值的增大,产油量微弱增长。为防止某一参数值大于拐点对含油指数影响,对单参数设定最大临界值,即当参数值大于拐点值时,记为拐点值,将该拐点值称为临界值。
为更有效的进行权重调整,步骤5)中,对权重进行调整时,先调整某一录井参数的权重,其他录井参数的权重保持不变,使含油指数与初始产油量的相关系数达到最大;再按照相同方式依次调整其他录井参数的权重,使含油指数与初始产油量的相关系数达到最大;各录井参数的权重调整后,若相关系数达不到预设值,则改变权重调整步长,重新依次对权重进行调整,直至相关系数达到预设值。如可按以下步骤进行权重调整:
a)以“初始权重+调整步长”向上调整某一录井参数的权重,其余录井参数的权重保持不变,按公式(1)计算含油指数,确定含油指数与初始产油量的相关系数,判断相关系数的变化情况:
i如果相关系数变大,则持续以调整步长为调整间隔向上调整该录井参数的权重,直至相关系数变小,保留该录井参数的权重调整结果;
ii如果相关系数变小,则以“初始权重-调整步长”向下调整某一录井参数的权重,直至相关系数变小,保留该录井参数的权重调整结果;
b)重复步骤a),逐项调整其他录井参数的权重,直至相关系数最大;
c)缩小调整步长,重复步骤a)和步骤b),直至相关系数达到预设值(一般可设定为0.8以上)。
为减少回归次数,降低工作量,步骤a)中,调整步长为5;步骤c)中,缩小调整步长至1。
为进一步提高模型对储层含油性的预测效果,优选的,步骤4)中,按公式(2)计算约束含油指数:
SGZ=(S1×Q1+S2×Q2+S3×Q3+……+Sn×Qn)×(W1×QW1+W2×QW2+……+Wn×QWn) (2);
式(2)中,W1、W2、……Wn为储层参数的归一化值;QW1、QW2、……QWn为储层参数对应的权重;
步骤5)中,根据约束含油指数的计算结果,确定各录井参数和储层参数的最终权重;
步骤6)中,将步骤5)确定的最终权重代入公式(2),得到以录井参数和储层参数为变量的约束含油指数模型。为更好的提高储层参数的约束效果,进一步提高模型计算结果与储层含油性的相关性,储层参数可包括钻时变化率和储层厚度。
本发明的储层含油性的预测方法的技术方案是:
一种储层含油性的预测方法,包括以下步骤:获取目标井的录井数据;将录井数据代入含油指数模型计算含油指数,之后根据含油指数的计算结果定量预测储层含油性;含油指数模型采用以下方法构建:
1)根据研究区内历史钻井数据,获取随深度变化的录井参数和初始产油量数据;所述录井参数包括定性参数和定量参数;
2)对定性参数进行赋值,将定性参数数字化;
3)将数字化的定性参数、定量参数进行归一化处理;
4)设定定性参数、定量参数的初始权重,并代入公式(1)中计算含油指数:
SGI=S1×Q1+S2×Q2+S3×Q3+……+Sn×Qn (1);
式(1)中,SGI为含油指数,S1、S2、S3、……Sn为录井参数的归一化值;Q1、Q2、Q3、……Qn为录井参数对应的权重;
5)将根据步骤4)初步计算的含油指数与初始产油量进行拟合,确定相关系数;
以相关系数达到预设值为目标,依次对各录井参数的权重进行调整,最终确定该研究区内各录井参数的最终权重;
6)将步骤5)确定的最终权重代入公式(1),即得以录井参数为变量的量化含油指数模型。
本发明提供的储层含油性的预测方法,通过构建含油指数模型描述研究区内储层含油性和反映含油性的录井参数的相关性,依次对研究区内待预测井的含油性进行定量预测;该方法综合利用了已经钻井的大数据,可有效指导后期钻井的储层改造,提高储层开采的针对性和规划性。
为进一步优化模型的预测效果,优选的,步骤4)中,按公式(2)对公式(1)进行进一步修正:
SGZ=(S1×Q1+S2×Q2+S3×Q3+……+Sn×Qn)×(W1×QW1+W2×QW2+……+Wn×QWn) (2);
式(2)中,W1、W2、……Wn为储层参数的归一化值;QW1、QW2、……QWn为储层参数对应的权重;
步骤5)中,根据约束含油指数的计算结果,确定各录井参数和储层参数的最终权重;
步骤6)中,将步骤5)确定的最终权重代入公式(2),得到以录井参数和储层参数为变量的约束含油指数模型;
还获取目标井的储层参数数据,将录井数据和储层参数数据代入约束含油指数模型计算约束含油指数,之后根据计算结果定量预测储层含油性。
附图说明
图1为本发明的用于预测储层含油性的含油指数模型的构建方法实施例1的含油指数与初始产油量的拟合图;
图2为本发明的用于预测储层含油性的含油指数模型的构建方法实施例2的约束含油指数与初始产油量的拟合图。
具体实施方式
本发明主要是在录井-产油大数据的基础上,根据描述性参数与储层含油情况,对描述性参数赋予不同数值,并对数值进行分析、校正。同时,根据不同录井参数与储层含油性相关程度赋予不同权重。以此建立定量评价储层含油性的含油指数模型。
在区域油藏类型及油气特征研究基础上,常规录井会产生大量直接反映含油性的参数,如:油味、荧光颜色、浸泡液颜色、岩石颜色、含油产状、含油面积、渗油面积、荧光面积、槽面显示、系列对比级别、储层厚度等,以下实施例中,根据以上录井参数与储层初始产油量的对比分析,确定荧光面积、油味、浸泡液颜色、系列对比级别、含油级别为含油性敏感参数。储层厚度和钻时变化率为约束性参数,其中,钻时变化率是指上覆盖层钻时与储层钻时的比值。
以上录井参数中,油味、浸泡液颜色、含油级别为描述性参数,荧光面积、系列对比级别为定量参数。
录井参数与初始产油量相关关系曲线存在拐点,当参数值小于拐点值时,随着参数增大,初始产油量快速增加;当参数值大于拐点值时,随着参数的增大,初始产油量微弱增长。为防止某一参数大于拐点对含油指数影响,对单参数设定最大临界值,即当参数大于拐点值时,记为拐点值,这一值称为临界值。
在确定各项参数的初始权重时,本领域技术人员可利用各项参数与储层初始产油量的相关性分析(即参数在油气评价中起作用的程度)确定初始权重,相关系数越大,初始权重可赋较大数值,反之则相反。也可将所有参数的初始权重赋值为1。需要说明的是,初始权重可是任何值,即无论初始权重赋予任一数据,都可用本发明的方法进而调整而找到权重最佳值。只是初始权重越接近真实值,确定最终权重所需的回归次数越少,即工作量越小。
相关性分析时,可采用二次多项式进行拟合。
下面结合附图对本发明的实施方式作进一步说明。
一、本发明的用于预测储层含油性的含油指数模型的构建方法的具体实施例
实施例1
本实施例的用于预测储层含油性的含油指数模型的构建方法,包括以下步骤:
1)在区域油藏类型及油气特征研究基础上,利用岩石颜色、含油产状、含油面积、渗油面积、油味、荧光颜色、荧光面积、浸泡液颜色、系列对比级、槽面显示、含油级别、钻时变化率、储层厚度等代表储层含油性和物性的参数与初始产油量对比分析,确定了荧光面积、油味、浸泡液颜色、系列对比级别、含油级别为含油性敏感参数,钻时变化率和储层厚度为约束性参数,数据统计见表1。
表1常规录井参数统计表
2)含油性敏感参数中,油味、浸泡液颜色、含油级别为描述性参数,根据参数描述与初始产油量关系,确定描述性参数代表的数值,具体转换关系如下:
(1)油味
无油味为1,略具油味为2,具油味为4,油味较浓为8,油味浓为16。
(2)浸泡液颜色
无色为1,淡黄色、淡茶色为3,浅黄色、浅茶色为4,黄色为6,茶色为7,浓茶色为8,深黄色为9,褐色、黄褐色为10。
(3)含油级别
无显示为0,荧光为1,油迹为2,油斑为5,油浸为8,油砂、富含油、饱含油为10。
根据上述描述性参数转换关系,对研究井参数数字化,见表2。
表2常规录井参数数字化转换表
3)为防止某一参数对含油指数影响过大,对单参数设定最大临界值,即认为当这一参数大到某一数值时,随着参数的增大,对初始产油量的影响可忽略不计,这一值记为临界值。当该参数取值大于临界值时取临界值数值,单参数的临界值列于表3中。
表3单参数的临界值
参数类型 | 荧光面积 | 油味 | 浸泡液颜色 | 系列对比级别 | 含油级别 | 钻时变化率 | 储层厚度 |
临界值 | 50 | 16 | 10 | 10 | 8 | 2 | 10 |
4)岩心录井参数、岩屑录井参数转换:录井时,岩屑受钻井液冲洗含油显示明显变弱,将岩心录井参数进行转化以达到相同基准。转换方法为:岩心荧光面积取值乘以0.8,岩心参数(油味、浸泡液颜色、系列对比级别、含油级别)取值乘以0.5。
各参数单位不同,数值范围也存在差异,为消除参数数量级和单位差异对含油指数影响,所有参数进行标准化处理,把参数取值与参数对应临界值的比值记做参数标准值,把所有参数取值标准化处理到0-1之间。
5)根据参数值与初始产油量相关性分析确定参数权重初始值;将各参数及相应权重值代入公式(3)计算含油指数:
SGI=S1×Q1+S2×Q2+S3×Q3+S4×Q4+S5×Q5 (3);
式中,SGI为含油指数,S1、S2、S3、S4、S5分别为荧光面积、油味、浸泡液颜色、系列对比级别、含油级别的标准化值,Q1、Q2、Q3、Q4、Q5分别为荧光面积、油味、浸泡液颜色、系列对比级别、含油级别的权重;
该实施例中,荧光面积的初始权重=45;油味的初始权重=20;浸泡液颜色的初始权重=25;系列对比级别的初始权重=15;含油级别的初始权重=25。
6)各参数最终权重的确定
6.1将步骤5)初步计算的含油指数与初始产油量进行拟合,根据拟合的二次多项式取两者相关系数;
6.2调整过程说明
6.2.1其它参数权重不变,只调整荧光面积参数的权重:
第一步,取调整步长为5,调整权重A=Q1+5=50,把A代替Q1代入公式(3),求取含油指数与初始产油量的相关系数,相关系数R由0.8885↘0.8883(如出现相关系数变大的情形,则执行第二步和第三步),跳转到第四步和第五步:
第二步,令A=Q1+5(调整步长),把A代替Q1代入公式(3),求取含油指数与初始产油量的相关系数,如果相关系数变大,Q1=A;
第三步,重复第二步,直至求取的含油指数与初始产油量的相关系数变小,此时Q1即为求取的权重;
第四步,令A=Q1-5=40,把A代替Q1代入公式(3),求取含油指数与初始产油量的相关系数,相关系数R由0.8885↗0.8886,Q1=A=40;
第五步,令A=Q1-5=35,把A代替Q1代入公式(3),求取含油指数与初始产油量的相关系数,相关系数R由0.8886↘0.8885,Q1取本值40(如果相关系数继续变大,则重复第四步,直至求取的含油指数与初始产油量的相关系数变小);
6.2.2其它参数权重调整
按照6.2.1步骤,逐项调整其它参数权重,直至含油指数与初始产油量的相关系数最大;
6.2.3参数权重优化
缩小调整步长,取调整步长为1,重复6.2.1、6.2.2步骤,逐项调整参数权重,直至含油指数与初始产油量的相关系数达到0.8以上(或最大)。
6.2.4含油参数权重确定
通过以上6.2.1—6.2.3步骤调整,相关系数R达到0.8902,各参数的最终权重分别为:Q1=38,Q2=11,Q3=28,Q4=18,Q5=13。
7)将步骤6)得到的最终权重代入公式(3),即得以录井参数为变量的含油指数模型:SGI=38S1+11S2+28S3+18S4+13S5。
利用含油指数模型计算的含油指数与初始产油量的拟合结果如图1所示,其相关系数达到0.899,表明含油指数与该研究区内储层的含油性具有良好的对应关系。
实施例2
本实施例的用于预测储层含油性的含油指数模型的构建方法,主要区别在于引入储层参数对实施例1构建的含油指数模型进行约束,以进一步提高模型与储层含油性的相关性,具体包括以下步骤:
步骤1)-步骤4):与实施例1的步骤1)-步骤4)一致;
步骤5):根据公式(4)计算约束含油指数:
SGZ=(38S1+11S2+28S3+18S4+13S5)×(W1×QW1+W2×QW2) (4);
式中,SGZ为约束含油指数,S1、S2、S3、S4、S5分别为荧光面积、油味、浸泡液颜色、系列对比级别、含油级别的标准化值;W1、W2分别为钻时变化率、储层厚度,QW1、QW2分别为W1、W2的权重。
该实施例中,钻时变化率的初始权重=0.5;储层厚度的初始权重=0.5。
步骤6):参考实施例1中步骤6)的方法进行储层参数权重调整,取初始调整步长为0.2,调整步长逐步缩小到0.01,对约束性储层参数权重进行调整;含油指数与初始产油量相关系数达到0.9231,约束性储层参数的最终权重分别为:QW1=0.31,QW2=0.69。
步骤7):将约束性储层参数的最终权重代入公式(4),即得以录井参数和储层参数为变量的约束性含油指数模型:SGZ=(38S1+11S2+28S3+18S4+13S5)×(0.31W1+0.69W2)。
利用该约束含油指数模型计算约束含油指数,结算结果如表4所示。
表4约束含油指数的计算结果
将表4所示的计算结果与初始产油量进行拟合,拟合结果如图2所示,其相关性系数达到0.9231,证明石油钻井中常规录井约束含油指数真实反映了储层的真实含油性,该方法计算的约束含油指数可靠性好。
二、本发明的储层含油性的预测方法的具体实施例
实施例3
在鄂尔多斯盆地某油田选取3口新井进行定量评价及产能预测,新井原始数据见表5,根据利用实施例2数字化方案,获得数字化参数(见表6)。把参数标准化后代入约束性含油指数模型,计算3口新井预测产量,预测产量与初始产油量对比见表7。
由表7知预测初始产油量与实际初始产油量吻合性较好,误差小于10%,说明含油指数模型科学合理,根据含油指数模型预测初始产油量可靠。
表5常规录井参数显示表
表6常规录井参数数字化表
表7常规录井产能预测表
/>
Claims (6)
1.一种用于预测储层含油性的含油指数模型的构建方法,其特征在于,包括以下步骤:
1)根据研究区内历史钻井数据,获取随深度变化的录井参数和初始产油量数据;所述录井参数包括定性参数和定量参数;
2)对定性参数进行赋值,将定性参数数字化;
3)将数字化的定性参数、定量参数进行归一化处理;
4)设定定性参数、定量参数的初始权重,并代入公式(1)中计算含油指数:
SGI=S1×Q1+S2×Q2+S3×Q3+……+Sn×Qn (1);
式(1)中,SGI为含油指数,S1、S2、S3、……Sn为录井参数的归一化值;Q1、Q2、Q3、……Qn为录井参数对应的权重;
5)将根据步骤4)初步计算的含油指数与初始产油量进行拟合,确定相关系数;
以相关系数达到预设值为目标,依次对各录井参数的权重进行调整,最终确定该研究区内各录井参数的最终权重;
6)将步骤5)确定的最终权重代入公式(1),即得以录井参数为变量的量化含油指数模型;
步骤1)中,所述定性参数包括油味、浸泡液颜色、含油级别、荧光颜色、岩石颜色、含油产状、槽面显示中的至少三种;所述定量参数包括荧光面积、系列对比级别、含油面积、渗油面积中的至少两种;
步骤5)中,对权重进行调整时,先调整某一录井参数的权重,其他录井参数的权重保持不变,使含油指数与初始产油量的相关系数达到最大;再按照相同方式依次调整其他录井参数的权重,使含油指数与初始产油量的相关系数达到最大;各录井参数的权重调整后,若相关系数达不到预设值,则改变权重调整步长,重新依次对权重进行调整,直至相关系数达到预设值。
2.如权利要求1所述的用于预测储层含油性的含油指数模型的构建方法,其特征在于,步骤3)中,所述归一化处理包括:对定性参数、定量参数分别设定临界值,将步骤2)所得数字化的定性参数、定量参数分别与临界值相除,即将数字化的定性参数、定量参数归一化处理到0-1之间。
3.如权利要求1或2所述的用于预测储层含油性的含油指数模型的构建方法,其特征在于,步骤4)中,按公式(2)对公式(1)进行进一步修正:
SGZ=(S1×Q1+S2×Q2+S3×Q3+……+Sn×Qn)×(W1×QW1+W2×QW2+……+Wn×QWn)(2);
式(2)中,W1、W2、……Wn为储层参数的归一化值;QW1、QW2、……QWn为储层参数对应的权重;
步骤5)中,根据约束含油指数的计算结果,确定各录井参数和储层参数的最终权重;
步骤6)中,将步骤5)确定的最终权重代入公式(2),得到以录井参数和储层参数为变量的约束含油指数模型。
4.一种储层含油性的预测方法,其特征在于,包括以下步骤:获取目标井的录井数据;将录井数据代入含油指数模型计算含油指数,之后根据含油指数的计算结果定量预测储层含油性;含油指数模型采用以下方法构建:
1)根据研究区内历史钻井数据,获取随深度变化的录井参数和初始产油量数据;所述录井参数包括定性参数和定量参数;
2)对定性参数进行赋值,将定性参数数字化;
3)将数字化的定性参数、定量参数进行归一化处理;
4)设定定性参数、定量参数的初始权重,并代入公式(1)中计算含油指数:
SGI=S1×Q1+S2×Q2+S3×Q3+……+Sn×Qn (1);
式(1)中,SGI为含油指数,S1、S2、S3、……Sn为录井参数的归一化值;Q1、Q2、Q3、……Qn为录井参数对应的权重;
5)将根据步骤4)初步计算的含油指数与初始产油量进行拟合,确定相关系数;
以相关系数达到预设值为目标,依次对各录井参数的权重进行调整,最终确定该研究区内各录井参数的最终权重;
6)将步骤5)确定的最终权重代入公式(1),即得以录井参数为变量的量化含油指数模型;
步骤1)中,所述定性参数包括油味、浸泡液颜色、含油级别、荧光颜色、岩石颜色、含油产状、槽面显示中的至少三种;所述定量参数包括荧光面积、系列对比级别、含油面积、渗油面积中的至少两种;
步骤5)中,对权重进行调整时,先调整某一录井参数的权重,其他录井参数的权重保持不变,使含油指数与初始产油量的相关系数达到最大;再按照相同方式依次调整其他录井参数的权重,使含油指数与初始产油量的相关系数达到最大;各录井参数的权重调整后,若相关系数达不到预设值,则改变权重调整步长,重新依次对权重进行调整,直至相关系数达到预设值。
5.如权利要求4所述的储层含油性的预测方法,其特征在于,步骤3)中,所述归一化处理包括:对定性参数、定量参数分别设定临界值,将步骤2)所得数字化的定性参数、定量参数分别与临界值相除,即将数字化的定性参数、定量参数归一化处理到0-1之间。
6.如权利要求4或5所述的储层含油性的预测方法,其特征在于,步骤4)中,按公式(2)对公式(1)进行进一步修正:
SGZ=(S1×Q1+S2×Q2+S3×Q3+……+Sn×Qn)×(W1×QW1+W2×QW2+……+Wn×QWn)(2);
式(2)中,W1、W2、……Wn为储层参数的归一化值;QW1、QW2、……QWn为储层参数对应的权重;
步骤5)中,根据约束含油指数的计算结果,确定各录井参数和储层参数的最终权重;
步骤6)中,将步骤5)确定的最终权重代入公式(2),得到以录井参数和储层参数为变量的约束含油指数模型;
还获取目标井的储层参数数据,将录井数据和储层参数数据代入约束含油指数模型计算约束含油指数,之后根据计算结果定量预测储层含油性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910975109.XA CN110765606B (zh) | 2019-10-14 | 2019-10-14 | 一种用于预测储层含油性的含油指数模型的构建方法及储层含油性的预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910975109.XA CN110765606B (zh) | 2019-10-14 | 2019-10-14 | 一种用于预测储层含油性的含油指数模型的构建方法及储层含油性的预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110765606A CN110765606A (zh) | 2020-02-07 |
CN110765606B true CN110765606B (zh) | 2024-02-27 |
Family
ID=69331207
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910975109.XA Active CN110765606B (zh) | 2019-10-14 | 2019-10-14 | 一种用于预测储层含油性的含油指数模型的构建方法及储层含油性的预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110765606B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112862169B (zh) * | 2021-01-28 | 2024-03-29 | 中国石油大学(北京) | 预测陆相泥页岩游离油含量的方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1598617A (zh) * | 2004-08-16 | 2005-03-23 | 韩永林 | 一种岩屑荧光录井的分析方法 |
CN102176123A (zh) * | 2011-03-11 | 2011-09-07 | 中国人民解放军理工大学工程兵工程学院 | 一种***振动预报与控制***及其控制方法 |
CN104564041A (zh) * | 2014-07-24 | 2015-04-29 | 中国石油大学(华东) | 基于开发渗透率下限的低渗透碎屑岩储层有效性评价方法 |
CN106991245A (zh) * | 2017-04-14 | 2017-07-28 | 中国石油集团渤海钻探工程有限公司 | 基于灰色关联分析识别储层流体性质的方法 |
CN108533254A (zh) * | 2018-03-20 | 2018-09-14 | 盘锦中录油气技术服务有限公司 | 储层油气水层录井参数主控因素权重分析方法 |
CN109581531A (zh) * | 2018-11-02 | 2019-04-05 | 中国石油天然气股份有限公司大港油田分公司 | 一种非常规油气甜点定量评价方法 |
CN110533237A (zh) * | 2019-08-21 | 2019-12-03 | 中国石油化工股份有限公司 | 一种砂岩储层含油气产能预测方法 |
-
2019
- 2019-10-14 CN CN201910975109.XA patent/CN110765606B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1598617A (zh) * | 2004-08-16 | 2005-03-23 | 韩永林 | 一种岩屑荧光录井的分析方法 |
CN102176123A (zh) * | 2011-03-11 | 2011-09-07 | 中国人民解放军理工大学工程兵工程学院 | 一种***振动预报与控制***及其控制方法 |
CN104564041A (zh) * | 2014-07-24 | 2015-04-29 | 中国石油大学(华东) | 基于开发渗透率下限的低渗透碎屑岩储层有效性评价方法 |
CN106991245A (zh) * | 2017-04-14 | 2017-07-28 | 中国石油集团渤海钻探工程有限公司 | 基于灰色关联分析识别储层流体性质的方法 |
CN108533254A (zh) * | 2018-03-20 | 2018-09-14 | 盘锦中录油气技术服务有限公司 | 储层油气水层录井参数主控因素权重分析方法 |
CN109581531A (zh) * | 2018-11-02 | 2019-04-05 | 中国石油天然气股份有限公司大港油田分公司 | 一种非常规油气甜点定量评价方法 |
CN110533237A (zh) * | 2019-08-21 | 2019-12-03 | 中国石油化工股份有限公司 | 一种砂岩储层含油气产能预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110765606A (zh) | 2020-02-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10370964B2 (en) | Estimation of formation properties based on borehole fluid and drilling logs | |
US7512543B2 (en) | Tools for decision-making in reservoir risk management | |
Lee et al. | Gas-reserves estimation in resource plays | |
US8145462B2 (en) | Field synthesis system and method for optimizing drilling operations | |
US7725302B2 (en) | Method and system and program storage device for generating an SWPM-MDT workflow in response to a user objective and executing the workflow to produce a reservoir response model | |
US20080040086A1 (en) | Facilitating oilfield development with downhole fluid analysis | |
EP2337925A2 (en) | Method for optimizing well production in reservoirs having flow barriers | |
CN110765606B (zh) | 一种用于预测储层含油性的含油指数模型的构建方法及储层含油性的预测方法 | |
Bachleda et al. | Reliable EUR prediction using geochemistry-derived drainage profiles of 200+ wells in the Anadarko Basin | |
Chen et al. | Geological risk mapping and prospect evaluation using multivariate and Bayesian statistical methods, western Sverdrup Basin of Canada | |
CN106442757A (zh) | 一种油水层的判定方法 | |
CN112765527A (zh) | 页岩气资源量计算方法及*** | |
CN113094864B (zh) | 强非均质碳酸盐岩水平井分段设计方法 | |
CN116335648A (zh) | 基于随钻录测井资料的砾岩水平井甜点品质定量评价方法 | |
CN111706323A (zh) | 一种综合gwo-lssvm算法的水淹层精细解释评价方法 | |
CN111428375A (zh) | 一种高含水油田层系重组划分新方法 | |
Jacques et al. | Optimizing completions strategies using low-cost data learning | |
RU2757848C1 (ru) | Способ локализации остаточных запасов на основе комплексной диагностики и адаптации ГГДМ | |
CN117449846B (zh) | 一种致密砂岩气藏产水来源综合诊断方法 | |
CN113622903B (zh) | 储层改造方法及装置 | |
CN112395731B (zh) | 缝洞型碳酸盐岩油藏动静结合反推原始油水界面的方法 | |
US20160215607A1 (en) | Monte carlo automated refracture selection tool | |
Sitaresmi et al. | Increasing the volume of hydrocarbons in place (HCIP) by identifying hydrocarbon prospect zones based on log and core data in the RS field limestone formation | |
Radikovich et al. | Analysis of reservoir connectivity based on the results of spatial panel modeling | |
Tong et al. | Application of rate transient analysis modeling in diagnosis of well abnormal flowing status in Middle East carbonate reservoir |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |