CN101644783A - 一种基于条件递推的油藏描述的方法 - Google Patents

Abstract

本发明公开了一种基于条件递推的油藏描述的方法包括：获取初始油藏描述模型中各个网格的反演波阻抗；将所述各个网格细化成多个子网格并选定递推路径；根据当前待递推子网格所在的当前网格的反演波阻抗，以所述当前网格的相邻网格的反演波阻抗和所述当前网格内邻近所述当前待递推子网格的已递推子网格的波阻抗为约束条件，计算所述当前待递推子网格的波阻抗；直到递推得到所有子网格的波阻抗；根据所述所有子网格的波阻抗建立油藏描述模型。使用本发明的方法建立的油藏描述模型更接近真实的油藏结构，能大大提高采油率，降低成本。

Description

一种基于条件递推的油藏描述的方法

技术领域

本发明涉及油藏描述领域，尤其涉及一种基于条件递推的油藏描述的方法。

背景技术

油藏描述的理论及技术直接关系到是否能准确预测储量，对提高采收率来说十分重要。现代油藏描述即是应用地质、物探、测井、测试等多学科相关信息，以石油地质学、构造地质学、沉积学为理论基础，以储层地质学、层序地层学、地震岩性学、油藏地球化学为方法，以数据库为支柱，以计算机为手段，由复合型研究人员对油藏进行四维定量化研究并进行可视化描述、表征及预测的技术。

由于油藏地质特征往往是千变万化的，要更加精确地反应真实的地质特征，往往需要利用地质、物理、数学、概率统计等理论建立起精确的油藏模型。

地震技术目前广泛应用于建立油藏描述模型中，它的基本原理是利用记录地震波形，并反演出波阻抗值，根据反演波阻抗建立油藏描述模型。目前通常利用测井数据、井间地震数据和三维地震数据来建立油藏描述模型。但测井数据本身垂直分辨率高，但横向分辨率低；而地震数据横向分辨率高，垂直分辨率低，为了匹配，通常将测井数据进行粗化，这样建立的油藏描述模型分辨率相对不高，因此常常使用插值法或模拟法进行处理，提高模型的分辨率。如图2所示的插值法建立的油藏描述模型示意图和图3所示模拟法建立的油藏描述模型示意图，与图1所示的真实油藏结构示意图相比，明显存在局部的较大偏差。

发明内容

鉴于上述问题，本发明的目的是提供一种基于条件递推的油藏描述的方法，使得油藏描述模型的分辨率更高，更加精确。

为了实现上述目的，本发明提供了一种油藏描述的方法，包括：

S11，获取初始油藏描述模型中各个网格的反演波阻抗；

S12，将所述各个网格细化成多个子网格并选定递推路径；

S13，根据当前待递推子网格所在的当前网格的反演波阻抗，以所述当前网格的相邻网格的反演波阻抗和所述当前网格内邻近所述当前待递推子网格的已递推子网格的波阻抗为约束条件，计算所述当前待递推子网格的波阻抗；

S14，重复S13，直到递推得到所有子网格的波阻抗；

S15，根据所述所有子网格的波阻抗建立油藏描述模型。

本发明的有益效果在于，考虑邻近网格之间的相关性约束条件，通过条件递推得到的各个子网格的波阻抗建立的油藏描述模型更接近真实油藏结构，分辨率更高，大大提高了提高采油率，降低了成本。

附图说明

图1是真实油藏结构示意图；

图2是插值法建立的油藏模型示意图；

图3是模拟法建立的油藏模型示意图；

图4是使用本发明的油藏描述的方法实施例二建立的油藏模型示意图；

图5是本发明的油藏描述的方法实施例一的流程图；

图6是本发明的油藏描述的方法实施例二的流程图；

图7是本发明的油藏描述的方法实施例二的原理图解示意图；

图8是使用本发明的油藏描述的方法实施例二建立的油藏模型与测井数据对比图。

具体实施方式

下面结合附图详细说明本发明的实施例。

实施例一：

如图5所示的本实施例的油藏描述的方法的流程图，包括：

S11，获取初始油藏描述模型中各个网格的反演波阻抗。通常，可以根据三维地震数据、测井数据、井间地震数据、密井网数据、露头统计数据等等，在构造解释成果的基础上，根据这些数据或者数据的组合得到的反演波阻抗作为初始油藏描述模型各个网格的反演波阻抗。

本实施例中，考虑到测井数据的垂直分辨率高，横向分辨率低；井间地震数据和三维地震数据横向分辨率高，纵向分辨率低。对地震数据进行反演，并经过时间域到深度域的转换后，得到地震反演波阻抗。为了使测井数据与地震数据匹配起来，根据测井数据得到测井波阻抗后，进行初化处理，然后综合所述地震反演波阻抗和粗化后的测井波阻抗，作为初始油藏描述模型中各个网格的反演波阻抗。

S12，将所述各个网格细化成多个子网格并选定递推路径；为了得到更高分辨率的油藏描述模型，在不提高地震数据的频率的前提下，可以将各个网格细化成多个子网格，并计算得到各个子网格的波阻抗实现。

S13，根据当前待递推子网格所在的当前网格的反演波阻抗，以所述当前网格的相邻网格的反演波阻抗和所述当前网格内邻近所述当前待递推子网格的已递推子网格的波阻抗为约束条件，计算所述当前待递推子网格的波阻抗；

子网格的波阻抗并不是随意的，根据概率理论，它的取值与原网格本身的反演波阻抗，相邻网格的反演波阻抗，以及原网格内邻近的子网格的波阻抗是相关的，以它们为约束条件计算得到的子网格的波阻抗可信度是很高的，与真实值更加接近。

S14，重复S13，直到递推得到所有子网格的波阻抗；

S15，根据所述所有子网格的波阻抗建立油藏描述模型。

原来的一个网格被细分成多个子网格，计算得知每个子网的波阻抗后，建立的油藏描述模型的分辨率比初始油藏描述模型的分辨率自然大大地提高。

本实施例的有益效果在于，在地震数据的频率给定的情况下，利用概率理论，建立比给定地震频率分辨率更高的油藏描述模型，更加科学地指导油藏开采，提高采油率，降低成本。

实施例二：

在实施例一的基础上，根据贝叶斯理论中的先验分布函数思想，结合科研和生产实践，在本实施例中，S11中相邻网格的反演波阻抗选取所述当前网格的垂直上方的相邻网格的反演波阻抗z₁和所述当前网格的垂直下方的相邻网格的反演波阻抗z₂，所述当前网格内邻近所述当前待递推子网格的已递推子网格的波阻抗包括与所述当前待递推子网格相距在预设距离内的已递推子网格的波阻抗x_s。

当然，本实施例中所采用的这种约束条件并不是唯一的，还可以基于贝叶斯理论中的先验分布思想，结合科研和生产实践得出其它类似的约束条件。

根据贝叶斯定理可知，

p(x_o|x_s，z₁，z₂)∝p(x_o|x_s)f(z₁|x_s，x_o)g(z₂|x_s，x_o，z₁)

其中，x_o表示所述当前待递推子网格的正态波阻抗“∝”表示正比于。即可以通过条件分布函数p(x_o|x_s)、条件分布函数f(z₁|x_s，x_o)和条件分布函数g(z₂|x_s，x_o，z₁)的乘积来间接求得条件分布函数p(x_o|x_s，z₁，z₂)，进而求得当前待递推子网格的波阻抗。这些条件分布函数都是服从高斯条件分布的。

如图6所示的本实施例的油藏描述的方法的流程图，其中，S13进一步包括：

S131，对所述各个网格的反演波阻抗进行正态变换得到所述各个网格的正态反演波阻抗；

S132，根据当前待递推子网格所在的当前网格的正态反演波阻抗和所述波阻抗x_s，求解克里金系统得到高斯条件分布函数p(x_o|x_s)的均值m_sk和方差σ_sk ²，其中x_o表示所述当前待递推子网格的正态波阻抗；如下公式所示：

$p\left(x_o\right|x_s)\∝\exp \{-\frac{{[x_0-m_{\mathrm{SK}}]}^2}{2{{\mathrm{\σ}}_{\mathrm{SK}}}^2}\}$

S133，根据所述当前网格的正态反演波阻抗和所述波阻抗x_s，求解不同的克里金系统分别得到高斯条件分布函数f(z₁|x_s，x_o)的方差σ_f ²和高斯条件分布函数g(z₂|x_s，x_o，z₁)的方差σ_g ²；

先求解克里金系统得到加权系数λ_j、加权系数μ_j和加权系数μ_z1；λ_j和μ_j反映了在柱体内的数据垂向相关性，μ_z1反映了柱体均值z₁和z₂之间的相关性，克里金系统的公式如下：

$\underset{j\∈c+o}{\mathrm{\Σ}}{\mathrm{\λ}}_j{C}_{\mathrm{jr}}=\underset{k\∉c+o}{\mathrm{\Σ}}{a}_k{C}_{\mathrm{kr}}$ $\∀r\∈c+o$

$\underset{j\∈c+o}{\mathrm{\Σ}}{\mathrm{\μ}}_j{C}_{\mathrm{jr}}+{\mathrm{\μ}}_{z_1}\underset{m\∈1,...,n_z}{\mathrm{\Σ}}{a}_m{C}_{\mathrm{mr}}=\underset{k\∉c+o}{\mathrm{\Σ}}{b}_k{C}_{\mathrm{kr}}$ $\∀r\∈c+o$

$\underset{j\∈c+o}{\mathrm{\Σ}}{\mathrm{\μ}}_j\underset{m\∈1,...,n_z}{\mathrm{\Σ}}{a}_m{C}_{\mathrm{mj}}+{\mathrm{\μ}}_{z_1}{C}_{z_1,z_1}=\underset{k\∉c+o}{\mathrm{\Σ}}\underset{m\∈1,...,n_z}{\mathrm{\Σ}}{a}_m{b}_k{C}_{\mathrm{mk}}$

a_k：第一个条件函数的加权系数；

b_k：第二个条件函数的加权系数；

C_kr：k和r点之间的协方差；

μ_j：克里金系统的加权系数；

其中“c+o”表示已递推的子网格和正在递推的子网格。

再求解方差σ_f ²和方差σ_g ²，公式如下：

${{\mathrm{\σ}}_f}^2=\underset{k\∉c+o}{\mathrm{\Σ}}\underset{l\∉c+o}{\mathrm{\Σ}}{a}_k{a}_l{C}_{\mathrm{kl}}-\underset{j\∈c+o}{\mathrm{\Σ}}{\mathrm{\λ}}_j\underset{k\∉c+o}{\mathrm{\Σ}}{a}_k{C}_{\mathrm{kj}}$

${{\mathrm{\σ}}_g}^2=\underset{k\∉c+o}{\mathrm{\Σ}}\underset{l\∉c+o}{\mathrm{\Σ}}{b}_k{b}_l{C}_{\mathrm{kl}}-\underset{j\∈c+o}{\mathrm{\Σ}}{\mathrm{\μ}}_j\underset{k\∉c+o}{\mathrm{\Σ}}{b}_k{C}_{\mathrm{kj}}-{\mathrm{\μ}}_{z_1}\underset{k\∉c+o}{\mathrm{\Σ}}\underset{m\∈1,...,n_z}{\mathrm{\Σ}}{a}_m{b}_k{C}_{\mathrm{mk}}$

S134，根据所述均值m_sk、方差σ_sk ²、方差σ_f ²和方差σ_g ²，以及所述反演波阻抗z₁和反演波阻抗z₂计算得到条件分布函数p(x_o|x_s，z₁，z₂)的均值m_o和方差σ_o ²；公式如下：

$m_o=\{{{\mathrm{\σ}}_f}^2{{\mathrm{\σ}}_g}^2{m}_{\mathrm{SK}}+{{\mathrm{\σ}}_{\mathrm{SK}}}^2{{\mathrm{\σ}}_g}^2(a_o+{\mathrm{\λ}}_o)[z_1-\underset{j\∈c}{\mathrm{\Σ}}(a_j+{\mathrm{\λ}}_j)x_j]+$

${{\mathrm{\σ}}_{\mathrm{SK}}}^2{{\mathrm{\σ}}_f}^2(b_o+{\mathrm{\μ}}_o)[z_2-{\mathrm{\μ}}_{z_1}{z}_1-\underset{j\∈c}{\mathrm{\Σ}}(b_j+{\mathrm{\μ}}_j)x_j]\}/d$

σ_o ²＝σ_SK ²σ_f ²σ_g ²/d

其中，d＝σ_f ²σ_g ²+(a_o+λ_o)²σ_SK ²σ_g ²+(b_o+μ_o)²σ_SK ²σ_f ²

S135，对条件分布函数p(x_o|x_s，z₁，z₂)随机抽样得到所述当前待递推子网格的正态波阻抗x_o；

S136，对所述正态波阻抗x_o进行正态反变换得到所述当前待递推子网格的波阻抗。

如图7所示的本实施例的原理图解示意图，从图中可以看出，根据条件分布函数p(x_o|x_s)的分布曲线71、条件分布函数f(z₁|x_s，x_o)的分布曲线72和条件分布函数g(z₂|x_s，x_o，z₁)的分布曲线73来间接求得的条件分布函数p(x_o|x_s，z₁，z₂)的分布曲线70的方差是最小的，随机抽样结果的可信度是很高的。

如图4所示的通过本实施例的油藏描述的方法建立的油藏描述模型示意图，与图1、图2、图3对比可知，图4的油藏描述模型更接近图1表示的真实油藏结构。

为了进一步验证油藏描述模型的准确性，将使用本实施例的方法建立的油藏模型与代表真实地质情况的测井数据相比，如图7所示的本实施例的油藏描述的方法建立的油藏模型与测井数据对比图，可以看出，即使在结构复杂变化的区域A、区域B、区域C，油藏模型与测井数据也能很好地吻合起来(变化趋势是一致的)，验证了通过本实施例的油藏描述的方法建立的油藏模型的精确预测性。

本实施例的有益效果在于，在实施例一的基础上利用贝叶斯定理提供了一种较为简单的计算模型波阻抗的条件分布函数的间接方法，进而建立起油藏描述模型，降低了建立油藏模型的难度和复杂度。

以上实施例仅为本发明的示例性实施例，不用于限制本发明，本发明的保护范围由附加的权利要求书限定。本领域技术人员可以在本发明的实质和保护范围内，对本发明做出各种修改或等同替换，这种修改或等同替换也应视为落在本发明的保护范围内。

Claims (4)

1、一种基于条件递推的油藏描述的方法，其特征在于，包括：

S11，获取初始油藏描述模型中各个网格的反演波阻抗；

S12，将所述各个网格细化成多个子网格并选定递推路径；

S13，根据当前待递推子网格所在的当前网格的反演波阻抗，以所述当前网格的相邻网格的反演波阻抗和所述当前网格内邻近所述当前待递推子网格的已递推子网格的波阻抗为约束条件，计算所述当前待递推子网格的波阻抗；

S14，重复S13，直到递推得到所有子网格的波阻抗；

S15，根据所述所有子网格的波阻抗建立油藏描述模型。

2、根据权利要求1所述的油藏描述的方法，其特征在于，所述S11进一步包括：

S111，根据地震数据得到地震反演波阻抗；

S112，根据测井数据得到测井波阻抗，并进行粗化；

S113，根据所述地震反演波阻抗和粗化后的测井波阻抗得到初始油藏描述模型中各个网格的反演波阻抗。

3、根据权利要求1所述的油藏描述的方法，其特征在于，所述S13中所述相邻网格的反演波阻抗包括所述当前网格的垂直上方的相邻网格的反演波阻抗z₁和所述当前网格的垂直下方的相邻网格的反演波阻抗z₂，所述当前网格内邻近所述当前待递推子网格的已递推子网格的波阻抗包括与所述当前待递推子网格相距在预设距离内的已递推子网格的波阻抗x_s。

4、根据权利要求3所述的油藏描述的方法，其特征在于，所述S13进一步包括：

S131，对所述各个网格的反演波阻抗进行正态变换得到所述各个网格的正态反演波阻抗；

S132，根据当前待递推子网格所在的当前网格的正态反演波阻抗和所述波阻抗x_s，求解克里金系统得到高斯条件分布函数p(x_o|x_s)的均值m_sk和方差σ_sk ²，其中x_o表示所述当前待递推子网格的正态波阻抗；

S133，根据所述当前网格的正态反演波阻抗和所述波阻抗x_s，求解不同的克里金系统分别得到高斯条件分布函数f(z₁|x_s，x_o)的方差σ_f ²和高斯条件分布函数g(z₂|x_s，x_o，z₁)的方差σ_g ²；

S134，根据所述均值m_sk、方差σ_sk ²、方差σ_f ²和方差σ_g ²，以及所述反演波阻抗z₁和反演波阻抗z₂计算得到条件分布函数p(x_o|x_s，z₁，z₂)的均值m_o和方差σ_o ²；

S135，对条件分布函数p(x_o|x_s，z₁，z₂)随机抽样得到所述当前待递推子网格的正态波阻抗x_o；

S136，对所述正态波阻抗x_o进行正态反变换得到所述当前待递推子网格的波阻抗。

Images