CN103995972B - 一种地层对比方法 - Google Patents

Abstract

本发明公开了一种地层对比方法。该对比方法包括：a、根据测井曲线的形态和度将待比较的两个井进行分层处理，每个井分成若干个井层；b、对分层处理后的每一个井层采用云期望曲线进行拟合，通过拟合得到多个云模型，计算各个云模型的数字特征，选择出合适的待比较云模型；c、将步骤b中选出的合适的云模型，进行基于欧式距离的相似性度量和基于信任等级云的相似性度量，通过计算得到相应的相似性度量值；d、根据步骤c中得到的相似性度量值完成地层的对比。本发明方法充分利用了测井数据的特性，在很大程度上提高了识别准确率，可以开展进行生产实践中的地层比对工作。

Description

一种地层对比方法

技术领域

本发明属于地质学领域，具体涉及一种地层对比方法。

背景技术

在石油开发过程中，储集层的正确对比对于揭露其层间非均质性和认识单个含油砂岩体的宏观、微观非均质性具有重要意义。地层对比是地层分析的基础工作之一。

地层对比是指将不同地区的地层单位，根据岩性、古生物化石等特征作地层层位上的比较研究，然后确定这些单位是否在层位上相当，在时间上相近。

通过地层对比了解地层的层序、岩相、以及层厚度变化；弄清断层与不整合接触关系；研究储集层在整个油田上的纵向、横向变化规律，查明油层的分布及其连通情况，为寻找有利的含油气区块与合理开发油气田提供依据。同时，通过地层对比详细了解储集层的岩性、岩相特征，也为更客观选择测井解释模型、解释方法和确定解释中的基本参数，进行最佳测井评价创造条件。因此在多井评价中，地层对比是能否获得油田研究好的成果的关键之一。

测井曲线具有较高的纵向分辨率，可以划分出大多数地层单元，如层序、准层序、准层序组、层组等。层序划分的关键在于不同级别界面的识别，不同相态、不同类型的层序界面的岩性和沉积特征差异较大，具体反映到测井曲线上可以表现为不同的幅度和频率特征。

测井曲线的幅度值是某种物理量的反映，幅度值的大小反映不同矿物组分的多少，其变化趋势在一定程度上反映水动力能量的变化情况。然而，测井曲线获取的过程中，存在着种种不确定因素，比如测井仪器电子器件的老化、测量过程中的异常干扰、操作员的失误、数据保存过程中的跳变等等，均会导致测得的测井曲线跟地层参数不是完全符合的。

发明内容

针对现有技术中存在的上述技术问题，本发明提出了一种地层对比方法，通过利用云模型来刻画测井曲线获取过程中的不确定性，将对不同井层的测井数据的相似性度量转化为对不同井层的多个云模型的相似性度量，提高了地层的对比效率和对比精确度。

为了实现上述目的，本发明采用如下技术方案：

一种地层对比方法，包括如下对比步骤：

a、对测井数据的处理

根据测井曲线的形态和度将待比较的两个井进行分层处理，每个井分成若干个井层；

b、采用云期望曲线对测井数据进行拟合

对分层处理后的每一个井层采用云期望曲线进行拟合，通过拟合得到多个云模型，计算各个云模型的数字特征，并通过如下步骤选择出合适的待比较云模型：

b1、选择待比较的井层中云模型数量较小的一个井层作为基准井层；

b2、对基准井层中的每一个云模型，在待比较的对应井层中寻找满足深度阈值和期望阈值限制的一个或多个云模型；

b3、然后从满足上述条件限制的多个云模型中，选择出期望处隶属度值最大的云模型，作为进行相似性度量的待比较云模型；

c、地层的相似性度量

将基准井层与对应井层的云模型，进行基于欧式距离的相似性度量和基于信任等级云的相似性度量，通过计算得到相应的相似性度量值；

d、结果分析

根据步骤c中得到的相似性度量值完成地层的对比。

进一步，上述步骤b中，采用云期望曲线对测井数据进行拟合，将得到的云期望曲线作如下调整：

e1、求出云期望曲线中的所有拐点，将拐点对应的X、Y坐标分别保存在数组RecordGuaiX和RecordGuaiY中，将云期望曲线的两个端点加入到上述数组中，根据X或Y的值对两个数组中的元素分别按照递增的顺序进行排序；

e2、根据上述数组中的元素对云期望曲线划分区间，求得各个区间中的最大值和最小值，判断所求的最大值点和最小值点是否与该区间的两个端点重合，若不重合，则将该点加入到上述数组中；重复上述过程，直到原数组所有的区间遍历完成；按照坐标轴递增的顺序对新数组进行排序；

e3、按照坐标轴先后对上述数组的区间进行重新划分，计算各个区间云模型的参数，若出现相邻的两个区间的极大值是重合的，则将这两个区间合并为一个区间；合并后要从原保存拐点的数组中去点相应的区间端点的值；

e4、根据得到的云模型参数生成对应的云滴，判断用于拟合原测井曲线的云模型的部分是否与原曲线的凹凸性一致，即根据凹凸性对拟合的云期望曲线进行调整。

进一步，对拟合的云期望曲线调整过程如下：

云期望曲线上的点到两个端点所确定的直线L的距离为Distance，距离的绝对值最大的点的坐标为(temptX、temptY)，该点到L的距离为TemptDistance；

设定调整标志IfSymmetry＝false；

f1、若云模型的期望值位于拟合云期望曲线部分的最左端，并且TemptDistance<0，则有，将该部分拟合的云期望曲线沿直线L进行对称翻转；IfSymmetry＝true；

f2、若云模型的期望值位于拟合云期望曲线部分的最右端，并且TemptDistance<0，则有，将该部分拟合的云期望曲线沿直线L进行对称翻转；IfSymmetry＝true；

将拟合生成的云期望曲线与原测井曲线进行比较，调整云模型的熵，重新根据新确定的云模型参数生成云滴；若调整标志IfSymmetry＝true；则需要将新生成的拟合的曲线沿直线L进行对称翻转。

进一步，云模型熵的调整过程如下：

g1、对于需要调整的云期望曲线部分，找到峰值所在的位置；

g2、判断峰值所在的位置是否处于端点处，若处于端点处，说明拟合的曲线只取了云模型的左半部分或是右半部分，则只需判断左半部分或是右半部分的云拟合曲线与原测井曲线的误差值的绝对值的最大值，设为Left或Right，并设定好阈值；

g3、如果Left<阈值，Right<阈值，则不作调整；

g4、如果Left<阈值，Right>阈值且Right<0，则不作调整；

如果Left<阈值，Right>阈值且Right>0，则EN＝EN+调整的参数；

g5、如果Left>阈值，Right<阈值且Left<0，则不作调整；

如果Left>阈值，Right<阈值且Left>0，则EN＝EN+调整的参数；

g6、如果Left>阈值，Right>阈值，Left>0且Right>0，则EN＝EN+调整的参数；

如果Left>阈值，Right>阈值，Left<0且Right<0，则EN＝EN+调整的参数；

其中，调整的参数取值为原云模型的参数EN的一半。

本发明具有如下优点：

首先，本发明通过对地层进行分层处理，在对应的井层进行相似性的度量，使得对比结果更加精确，并且体现了地层的局部特性；然后，本发明针对测井数据具体的分布特性，提出了改进后的云期望曲线拟合的方法，通过对阈值的调整，可以对滤除部分噪声点，进而得到较好的拟合结果；最后，基于欧式距离的相似性度量方法和基于信任等级云的相似性度量方法对获得的云模型进行相似性度量，使得到的结果与真实数据的相似性结果基本一致，采用本发明的相似性度量方法不仅可以找到相似的井层，而且可以得到井层相似的程度，便于井层分析人员进行分析决策。本发明方法充分利用了测井数据的特性，在很大程度上提高了识别准确率，可以开展进行生产实践中的地层比对工作。

附图说明

图1为本发明中地层对比的流程示意图；

图2为两口钻井的视电阻率测井曲线及层序划分图；

图3为采用本发明中云期望曲线拟合测井数据时的拟合结果示意图。

具体实施方式

下面结合附图以及具体实施方式对本发明作进一步详细说明：

如图1所示，本发明的基本思想是针对油藏地质描述中的地层比对问题的实际情况，将测井曲线的比对工作分为如下部分：1)对测井数据的处理；2)采用云期望曲线对测井数据进行拟合；3)地层的相似性度量；4)结果分析。以上方法可以适应多种测井曲线，并在相当的程度上提高了比对精度，达到实际应用要求。

一、测井数据的处理

如图2所示，1号井、2号井为某盆地一个剖面上的两钻井地域的接近沉积环境的相似其地层有相似的沉积韵律，在测井曲线上也显示了相似的变化规律，可以利用它来对比追踪层和层序。要对图2中的两口井的视电阻率测井曲线进行对比，首先根据测井曲线的形态和度分出大的层序。1号井可分出三个层序，即Ⅰ、Ⅱ、Ⅲ；2号井可分出四个层序，即A、B、C、D。将1号井的三个层序作为三个训练模式，将2号井的四个层序作为待识别模式。表1给出了实验数据中对应井层的相似情况，实验的结果将与表1进行对比。

表1

二、采用云期望曲线对测井数据进行特征描述

测井数据的局部分布在形态上近似于正态分布或是反正态分布，可以采用云模型对这一类数据进行描述，本发明采用云期望曲线对测井数据进行拟合，对每一个井层采用云期望曲线进行拟合，每个井层通过拟合得到多个云模型，计算各个云模型的数字特征。

由于两个对比井中的云模型的数量不一定相同，在对1号井和2号井进行相似性度量之前，需要选择合适的云模型，云模型的具体选择策略如下：

1、选择待比较的井层中云模型数量较小的一个井层作为基准井层；

2、对基准井层中的每一个云模型，在对应井层中寻找满足深度阈值和期望阈值限制的多个云模型；

3、然后对选择出的满足条件的多个云模型，选择出期望处y值最大的云模型，作为进行相似性度量的待比较云模型。

通过上述云模型选择策略，选择出合适的云模型，用局部代替整体，不仅使得相似井层的相似性尽可能地大，不相似性井层的相似性尽可能地小，并且减少了计算量。

针对测井数据具体的分布特性，本发明提出了改进后的云期望曲线拟合的方法，通过对阈值的调整，可以对滤除部分噪声点，进而得到较好的拟合结果。

改进后的云期望曲线拟合的具体算法过程如下：

1、求出云期望曲线中的所有拐点，将拐点对应的X、Y坐标分别保存在数组RecordGuaiX和RecordGuaiY中，将云期望曲线的两个端点加入到上述数组中，根据X或Y的值对两个数组中的元素分别按照递增的顺序进行排序；需要说明的是，排序的依据是根据能确定递增顺序的坐标轴进行选择的，可以根据需要选择适合的坐标轴；

2、根据上述数组中的元素对云期望曲线划分区间，求得各个区间中的最大值和最小值，判断所求的最大值点和最小值点是否与该区间的两个端点重合，若不重合，则将该点加入到上述数组中；重复上述过程，直到所有的原数组的区间遍历完成；按照坐标轴递增的顺序对新数组进行排序；

3、按照坐标轴先后，即坐标值的大小对上述数组的区间进行重新划分，计算各个区间云模型的参数，若出现相邻的两个区间的极大值是重合的，则将这两个区间合并为一个区间；合并后要从原保存拐点的数组中去点相应的区间端点的值；

4、根据得到的云模型参数，即期望值EX、熵EN、超熵HE，生成对应的云滴，判断用于拟合原测井曲线的云模型的部分是否与原曲线的凹凸性一致，即根据凹凸性对拟合的云期望曲线进行调整。通过修改后的云期望曲线拟合方法对井中的测井数据进行特征描述，用多个云模型来刻画井中的测井数据，得到了较好的描述效果。

具体的，云期望曲线的调整过程如下：

曲线上的点到两个端点所确定的直线L的距离为Distance，距离的绝对值最大的点的坐标为(temptX、temptY)，该点到L的距离为TemptDistance；

设定调整标志IfSymmetry＝false(初始化)；

1、若云模型的参数EX位于拟合云期望曲线部分的最左端，并且TemptDistance<0,则有，将该部分拟合的云期望曲线沿直线L进行对称翻转；IfSymmetry＝true；

2、若云模型的参数EX位于拟合云期望曲线部分的最右端，并且TemptDistance<0,则有，将该部分拟合的云期望曲线沿直线L进行对称翻转；IfSymmetry＝true；

将拟合生成的云期望曲线与原曲线进行比较，调整云模型的参数EN，重新根据新确定的云模型参数生成云滴。

若调整标志IfSymmetry＝true；则需要将新生成的拟合的曲线沿直线L进行对称翻转。

具体的，对云模型的参数EN的调整过程如下：

g1、对于需要调整的云期望曲线部分，找到峰值所在的位置；

g2、判断峰值所在的位置是否处于端点处，若处于端点处，说明拟合的曲线只取了云模型的左半部分或是右半部分，则只需判断左半部分或是右半部分的云拟合曲线与原测井曲线的误差值的绝对值的最大值，设为Left或Right，并设定好阈值；

g3、如果Left<阈值，Right<阈值，则不作调整；

g4、如果Left<阈值，Right>阈值且Right<0，则不作调整；

如果Left<阈值，Right>阈值且Right>0，则EN＝EN+调整的参数；

g5、如果Left>阈值，Right<阈值且Left<0，则不作调整；

如果Left>阈值，Right<阈值且Left>0，则EN＝EN+调整的参数；

g6、如果Left>阈值，Right>阈值，Left>0且Right>0，则EN＝EN+调整的参数；

如果Left>阈值，Right>阈值，Left<0且Right<0，则EN＝EN+调整的参数；

调整的参数取值一般为原云模型的参数EN的一半较为合适，通过调整后，会使得各个云模型之间的连接比较平滑。

实验采用标准的正弦曲线作为测井曲线，没有添加噪声点，参数EN的值设置为26.5，调整阈值设置为2，拟合的结果显示如图3所示。由图3可知，本发明中的云期望曲线对测井数据具有较好的拟合效果。

表2为测井数据采用分层度量时的云变换的结果显示：

表2

三、地层相似性度量

基于上述云模型的选择策略，选择出合适的云模型，然后，将基准井层与对应井层的云模型，进行基于欧式距离的相似性度量和基于信任等级云的相似性度量，通过计算得到相应的相似性度量值。

1、欧氏距离法

通过产生一定数量的云滴，基于云滴之间的欧氏距离来度量云相似性。

2、基于信任等级云法

可以将云的三个数字特征值视作三维向量的三个分量值，这个向量称为云向量。可以将两个云向量夹角的余弦值作为两个云相似性的衡量。

表3示出了测井数据分层后的相似性度量分析：

表3

由表3可知，基于欧式距离的相似性度量的值越小，表明对应井层越相似，值越大，表明对应井层越不相似；基于信任等级云的相似性度量的值越大，表明对应井层越相似，值越小，表明对应井层越不相似。

实验得到的结果与真实数据的相似性结果基本一致，采用本发明的相似性度量方法不仅可以找到相似的井层，而且可以得到井层相似的程度，对于有部分相似的井层，也能得到其相似的程度。根据相似度量值可以得到哪些井层是最相似的，哪些井层是部分相似，哪些井层是不相似的，便于井层分析人员进行分析决策。

当然，以上说明仅仅为本发明的较佳实施例，本发明并不限于列举上述实施例，应当说明的是，任何熟悉本领域的技术人员在本说明书的教导下，所做出的所有等同替代、明显变形形式，均落在本说明书的实质范围之内，理应受到本发明的保护。

Claims (3)

1.一种地层对比方法，其特征在于，包括如下对比步骤：

a、对测井数据的处理

根据测井曲线的形态和度将待比较的两个井进行分层处理，每个井分成若干个井层；

b、采用云期望曲线对测井数据进行拟合

对分层处理后的每一个井层采用云期望曲线进行拟合，通过拟合得到多个云模型，计算各个云模型的数字特征，并通过如下步骤选择出合适的待比较云模型：

b1、选择待比较的井层中云模型数量较小的一个井层作为基准井层；

b2、对基准井层中的每一个云模型，在待比较的对应井层中寻找满足深度阈值和期望阈值限制的一个或多个云模型；

b3、然后从满足上述条件限制的多个云模型中，选择出期望处隶属度值最大的云模型，作为进行相似性度量的待比较云模型；

c、地层的相似性度量

将基准井层与对应井层的云模型，进行基于欧式距离的相似性度量和基于信任等级云的相似性度量，通过计算得到相应的相似性度量值；

d、结果分析

根据步骤c中得到的相似性度量值完成地层的对比；

所述步骤b中，采用云期望曲线对测井数据进行拟合，将得到的云期望曲线作如下调整：

e1、求出云期望曲线中的所有拐点，将拐点对应的X、Y坐标分别保存在数组RecordGuaiX和RecordGuaiY中，将云期望曲线的两个端点加入到上述数组中，根据X或Y的值对两个数组中的元素分别按照递增的顺序进行排序；

e2、根据上述数组中的元素对云期望曲线划分区间，求得各个区间中的最大值和最小值，判断所求的最大值点和最小值点是否与该区间的两个端点重合，若不重合，则将该点加入到上述数组中；重复上述过程，直到原数组所有的区间遍历完成；按照坐标轴递增的顺序对新数组进行排序；

e3、按照坐标轴先后对上述数组的区间进行重新划分，计算各个区间云模型的参数，若出现相邻的两个区间的极大值是重合的，则将这两个区间合并为一个区间；合并后要从原保存拐点的数组中去掉相应的区间端点的值；

e4、根据得到的云模型参数生成对应的云滴，判断用于拟合原测井曲线的云模型的部分是否与原曲线的凹凸性一致，即根据凹凸性对拟合的云期望曲线进行调整。

2.根据权利要求1所述的一种地层对比方法，其特征在于，对拟合的云期望曲线调整过程如下：

云期望曲线上的点到两个端点所确定的直线L的距离为Distance，距离的绝对值最大的点的坐标为(temptX、temptY)，该点到L的距离为TemptDistance；

设定调整标志IfSymmetry＝false；

f1、若云模型的期望值位于拟合云期望曲线部分的最左端，并且TemptDistance<0，则有，将该部分拟合的云期望曲线沿直线L进行对称翻转；IfSymmetry＝true；

f2、若云模型的期望值位于拟合云期望曲线部分的最右端，并且TemptDistance<0，则有，将该部分拟合的云期望曲线沿直线L进行对称翻转；IfSymmetry＝true；

将拟合生成的云期望曲线与原测井曲线进行比较，调整云模型的熵，重新根据新确定的云模型参数生成云滴；若调整标志IfSymmetry＝true；则需要将新生成的拟合的曲线沿直线L进行对称翻转。

3.根据权利要求2所述的一种地层对比方法，其特征在于，云模型熵的调整过程如下：

g1、对于需要调整的云期望曲线部分，找到峰值所在的位置；

g2、判断峰值所在的位置是否处于端点处，若处于端点处，说明拟合的曲线只取了云模型的左半部分或是右半部分，则只需判断左半部分或是右半部分的云拟合曲线与原测井曲线的误差值的绝对值的最大值，设为Left或Right，并设定好阈值；

g3、如果Left<阈值，Right<阈值，则不作调整；

g4、如果Left<阈值，Right>阈值且Right<0，则不作调整；

如果Left<阈值，Right>阈值且Right>0，则EN＝EN+调整的参数；

g5、如果Left>阈值，Right<阈值且Left<0，则不作调整；

如果Left>阈值，Right<阈值且Left>0，则EN＝EN+调整的参数；

g6、如果Left>阈值，Right>阈值，Left>0且Right>0，则EN＝EN+调整的参数；

如果Left>阈值，Right>阈值，Left<0且Right<0，则EN＝EN+调整的参数；

其中，调整的参数取值为原云模型的参数EN的一半，EN是云模型的熵。