CN105095981A - 一种基于人机交互的油气藏规模序列资源评价方法 - Google Patents
一种基于人机交互的油气藏规模序列资源评价方法 Download PDFInfo
- Publication number
- CN105095981A CN105095981A CN201410222777.2A CN201410222777A CN105095981A CN 105095981 A CN105095981 A CN 105095981A CN 201410222777 A CN201410222777 A CN 201410222777A CN 105095981 A CN105095981 A CN 105095981A
- Authority
- CN
- China
- Prior art keywords
- oil
- hydrocarbon
- gas
- sample data
- pool
- 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.)
- Pending
Links
Landscapes
- Production Of Liquid Hydrocarbon Mixture For Refining Petroleum (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于人机交互的油气藏规模序列资源评价方法,应用于油气资源评价技术领域,包括以下步骤,基于油气区发现的油气藏的资源分布情况划分油气藏评价单元,统计评价单元中油气藏的样本数据;基于油气藏的样本数据采用人机交互分组方式绘制油气藏规模序列图版;基于油气藏规模序列图版,采用油气藏规模系列法进行油气藏资源预测;基于评价单元内实际勘探的油气藏的分布情况和油气区的地质结构来检验油气藏资源预测的结果。本发明采用人机交互分组可以实现将不同斜率的样本数快速据分组从而得到分段的样本数据,并可通过人机交互方式对分段的样本数据对应的油气藏资源预测结果进行调节,直到得到符合地质实际情况的资源评价结果。
Description
技术领域
本发明涉及油气资源评价技术领域,具体地说,涉及一种具有多个油气藏规模序列的油气资源评价方法。
背景技术
在油气勘探开发过程中,油气藏规模序列法是一种常用的油气资源评价方法。该方法是根据评价单元中已发现的油气藏序号同油气藏规模之间的关系来计算油气资源量及其分布的一种统计学方法。该方法对资料要求不多,其原理和过程分析简单,因此在油气资源评价中使用比较广泛。
传统的油藏规模系列法主要应用于含油气地区中油气藏的分布规律具有相同的形成原因、油气藏样本符合同一对数斜率的情况。但是,随着油气勘探的不断深入,面对的勘探对象或者评价单元越来越复杂,其成藏规律也变得难以预测。一个含油气区可能存在多期成藏过程,因而有可能存在多个油气藏规模序列。如果把油气藏分解为时期不同的多个相互独立的油气藏规模序列,则在拟合曲线上,将表现为多段斜率不同的直线段。传统的油藏规模系列法,无法解决油气藏样本具有多个对数斜率的油气资源量计算。
基于上述情况,需要一种能解决油气藏样本具有多个对数斜率的油气资源量计算的方法。
发明内容
为解决上述问题,本发明提供了一种基于人机交互分组的解决油气藏样本数据具有多个对数斜率的油气资源评价方法。
根据本发明的一个实施例,提供了一种基于人机交互的油气藏规模序列资源评价方法,其包括以下步骤:
步骤一、基于油气区发现的油气藏的资源分布情况划分油气藏评价单元,统计评价单元中油气藏的样本数据;
步骤二、基于油气藏的样本数据采用人机交互分组方式绘制油气藏规模序列图版;
步骤三、基于油气藏规模序列图版,采用油气藏规模系列法进行油气藏资源预测;
步骤四、基于评价单元内实际勘探的油气藏的分布情况和油气区的地质结构来检验油气藏资源预测的结果。
根据本发明的一个实施例,所述样本数据包括样本序号和对应于该序号的数值。
根据本发明的一个实施例,所述油气藏规模序列图版基于样本序号和对应于该序号的数值得到。
根据本发明的一个实施例,所述油气藏规模序列图版中的数值取对数。
根据本发明的一个实施例,在步骤二中,进一步包括以下步骤:
将样本数据中样本序号和对应于该序号的数值取对数后直观显示在油气藏规模序列图版中;
基于样本数据在油气藏规模序列图版中的分布,采用人机交互分组方式将样本数据分段显示。
根据本发明的一个实施例,所述人机交互分组方式通过观察样本数据,构建任意多边形把具有相同斜率的样本数据分为一组。
根据本发明的一个实施例,在步骤三中,进一步包括以下步骤:
基于分段的样本数据,计算得到各个分段的拟合直线斜率及截距;
基于各个分段的拟合直线斜率及截距,采用油气藏规模系列法进行油气藏资源预测,初步获得油气藏资源预测结果。
根据本发明的一个实施例,在步骤四中,油气藏资源预测结果的检验进一步包括:
如果初步获得的油气藏资源预测结果与实际勘探及地质结构研究分析得到的油气藏的资源结果符合,则保存计算过程中的参数设置及计算结果;
如果初步获得的油气藏资源预测结果与实际勘探及地质结构研究分析得到的油气藏的资源结果不符合,则通过人机交互方式修改采用的油气藏样本数据的分段数据或对采用的分段数据的拟合斜率与截距进行调整,调整后再次通过油气藏规模系列法进行计算,直到获得的油气藏资源预测结果与实际勘探及地质结构研究分析得到的油气藏的资源结果符合,保存计算得到的参数设置及计算结果。
本发明带来了以下有益效果:
本发明采用人机交互分组方式将油气区不同成藏时期的油气藏分组以进行油气资源评价,解决了油气藏样本具有多个油气藏规模序列时的油气资源量评价问题。采用人机交互分组方式可以实现不同成藏时期的油气藏的快速分组,并可通过人机交互方式对分段的样本数据进行调节直到得到符合地质实际情况的资源评价结果,提高了预测结果的准确性。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
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的附图做简单的介绍:
图1是本发明的算法流程图;
图2是图1中步骤S002的算法流程图;
图3是由表1得到的样本数据直观显示的油藏规模系列图版;
图4是由图3基于人机交互的样本数据多边形设置分组的油藏规模系列图版;
图5是由图4基于人机交互的样本数据分组后分段结果显示的油藏规模系列图版;
图6是图1中步骤S003的算法流程图;
图7是基于人机交互的油藏规模系列法得到的油气资源预测结果的概率分布曲线;
图8是由表5得到的样本数据直观显示的油藏规模系列图版;
图9是由图8基于人机交互的分段结果显示的油藏规模系列图版。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达成技术效果的实现过程能充分理解并据以实施。需要说明的是,只要不构成冲突,本发明中的各个实施例以及各实施例中的各个特征可以相互结合,所形成的技术方案均在本发明的保护范围之内。
另外,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
如图1所示为本发明的算法流程图。在步骤S001中,基于油气区发现的油气藏的分布情况划分油气藏评价单元,明确油气资源预测的范围,统计该评价单元内已发现的油气藏资源及储量数据。统计评价单元中油气藏的样本数据,样本数据包括油气藏的样本序号和对应的油气藏规模。在一个实施例中,样本数据准备如表1所示。
表1
序号 | 油藏规模 | 序号 | 油藏规模 | 序号 | 油藏规模 | 序号 | 油藏规模 |
1 | 62.08 | 12 | 21.55 | 23 | 8.72 | 34 | 2.86 |
2 | 58.59 | 13 | 19.91 | 24 | 7.77 | 35 | 2.75 |
3 | 49.92 | 14 | 19.78 | 25 | 6.5 | 36 | 2.27 |
4 | 42.16 | 15 | 19.36 | 26 | 6.4 | 37 | 1.98 |
5 | 41.46 | 16 | 19.3 | 27 | 5.6 | 38 | 1.8 |
6 | 38 | 17 | 15.83 | 28 | 5.45 | 39 | 1.72 |
7 | 35.94 | 18 | 15.21 | 29 | 5.22 | 40 | 1.3 |
8 | 30.06 | 19 | 14.99 | 30 | 4.97 | 41 | 0.25 |
9 | 27.38 | 20 | 14.55 | 31 | 4.83 | 42 | 0.23 |
10 | 27.24 | 21 | 13.96 | 32 | 4.17 | 43 | 0.15 |
11 | 27 | 22 | 8.9 | 33 | 4.08 |
在步骤S002中,基于统计的油气藏的样本数据,采用人机交互分组的方式绘制油气藏规模序列图版。该图版的一个坐标轴为样本序号取对数后的数值,另一个坐标轴为对应于该样本序号的油气藏规模数值取对数后的数值,两者的对数数值以散点形式显示在油气藏规模序列图版中。
如图2所示,在步骤S001中进一步包括以下步骤。
在步骤S201中,分别对评价单元中油气藏样本数据的样本序号和对应的样本值取对数,将各个样本数据以散点形式直观显示在油气藏规模序列图版中。在该图中,X坐标轴为油气藏的样本序号取对数后的值,Y坐标轴为样本序号对应的值取对数后的值。如图3所示为表1中的样本数据在油气藏规模序列图版中的显示结果
在步骤S202中,基于样本数据在油气藏规模序列图版中的分布,按样本序号,将具有相同斜率的样本数据分为一组,使得具有不同斜率的样本数据分成不同的组。在分组过程中,采用人机交互分组的方式,利用计算机软件,画任意多边形将具有相同斜率的样本数据分为一组,同一组的样本数据具有相同的斜率,从而得到不同斜率的多段分段数据。如图4所示为表1的样本数据基于人机交互多边形设置的分组图。如图5所示为表1的样本数据基于人机交互分组后的分段结果显示图。
在步骤S003中,基于油气藏规模序列图版,采用油气藏规模系列法进行油气藏资源预测,如图6所示,在该步骤中进一步包括以下步骤。
在步骤S301中,通过在步骤S002中得到的分段的样本数据,通过计算得到各个分段的样本数据的拟合直线斜率及截距。由表1得到的拟合直线斜率及截距如表2所示。
表2
序号 | 斜率 | 截距 |
分段1 | -0.556 | 4.468 |
分段2 | -3.055 | 11.818 |
分段3 | -10.696 | 38.392 |
在步骤S302中,通过样本数据的拟合直线斜率及截距,采用油气藏规模系列法初步获得各个分段的油气藏资源预测结果。将各个分段预测的油气藏个数及对应的油气藏规模进行累加,得到该评价单元的油气藏规模预测结果。如表3所示为表2得到的不同分段的油气藏预测数量,统计了已发现的油气藏个数、预测的油气藏个数和根据预测结果得到的剩余油气藏个数。表4为通过该方法得到的评价单元总的油气藏资源预测结果。基于评价单元的油气藏资源预测结果得到该评价单元中油气藏资源预测结果的概率分布曲线,如图7所示。
表3
序号 | 预测油藏个数 | 已发现个数 | 剩余油藏个数 |
分段1 | 51 | 21 | 30 |
分段2 | 49 | 19 | 30 |
分段3 | 17 | 3 | 14 |
合计 | 117 | 43 | 74 |
表4
预测资源量 | 已发现资源量 | 剩余资源量 | |
评价单元 | 1218.9 | 702.2 | 516.7 |
在步骤S004中,基于评价单元内实际勘探的油气藏的资源分布情况和油气区的地质结构来检验油气藏资源预测的结果在该步骤中,如果初步获得的油气藏资源预测结果与实际勘探及地质结构研究分析得到的油气藏的资源结果符合,则保存计算过程中的参数设置及计算结果。
如果初步获得的油气藏资源预测结果与实际勘探及地质结构研究分析得到的油气藏的资源结果不符合,则通过人机交互方式修改采用的油气藏样本数据的分段数据或对采用的分段数据的拟合斜率与截距进行调整,调整后再次通过油气藏规模系列法进行计算,直到获得的油气藏资源预测结果与实际勘探及地质结构研究分析得到的油气藏的资源结果符合,保存计算得到的参数设置及计算结果。
以下结合具体的实施例来对本方法进行说明。以某评价单元为例,根据对该区的勘探结果,对每年的油气藏发现进行了统计,截至到目前已发现油气藏为107个。对应的油气藏样本数据发现的序号及对应的油气藏规模如表5所示。
将表5中的样本数据的序号及对应的数值取对数显示在油气藏规模序列图版中,如图8所示。
根据油气藏样本数据在油气藏规模序列图版中的直观显示,将图版中具有相同对数斜率的油气藏样本数据分为一组。通过初步判断,表5所示的油气藏样本数据在油气藏规模序列图版中具有两个不同的分组斜率,其中第一组的直线较平缓,而第二组队斜率相对较陡。采用人机交互分组方式,将具有相同斜率的样本数据分为一组,即为分段1,对剩余的油气藏分为一组为分段2,如图9所示。
表5
通过计算得到各个分段的拟合直线斜率及截距,通过表5可知,已发现的油气藏最小规模为17万吨,因此设置该评价单元的最小油气藏规模为15万吨。采用油气藏规模系列法进行油气藏资源预测,得到的预测结果为:预测该评价单元的油气藏个数为132个,其中已发现107个,待发现的为25个;预测的总资源量为27523万吨,其中已发现为22580万吨。
结合评价单元内实际勘探的油气藏的分布情况和油气区的地质结构,经分析研究得知目前该评价单元虽然处于勘探中后期,但是仍然具有一定的勘探潜力,从而认为目前的油气藏预测个数偏少,资源预测结果偏保守。因此,进一步调节其分段的斜率,调整后其资源预测结果为:预测该评价单元的油气藏个数为179个,其中已发现107个,待发现的为72个;预测的总资源量为30069.5万吨,其中已发现为22580万吨。
虽然本发明所公开的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属技术领域内的技术人员,在不脱离本发明所公开的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (8)
1.一种基于人机交互的油气藏规模序列资源评价方法,包括以下步骤:
步骤一、基于油气区发现的油气藏的资源分布情况划分油气藏评价单元,统计评价单元中油气藏的样本数据;
步骤二、基于油气藏的样本数据采用人机交互分组方式绘制油气藏规模序列图版;
步骤三、基于油气藏规模序列图版,采用油气藏规模系列法进行油气藏资源预测;
步骤四、基于评价单元内实际勘探的油气藏的分布情况和油气区的地质结构来检验油气藏资源预测的结果。
2.如权利要求1所述的方法,其特征在于,所述样本数据包括样本序号和对应于该序号的数值。
3.如权利要求1~2任一项所述的方法,其特征在于,所述油气藏规模序列图版基于样本序号和对应于该序号的数值得到。
4.如权利要求1~3任一项所述的方法,其特征在于,所述油气藏规模序列图版中的数值取对数。
5.如权利要求1~4任一项所述的方法,其特征在于,在步骤二中,进一步包括以下步骤:
将样本数据中样本序号和对应于该序号的数值取对数后直观显示在油气藏规模序列图版中;
基于样本数据在油气藏规模序列图版中的分布,采用人机交互分组方式将样本数据分段显示。
6.如权利要求5所述的方法,其特征在于,所述人机交互分组方式通过观察样本数据,构建任意多边形把具有相同斜率的样本数据分为一组。
7.如权利要求6所述的方法,其特征在于,在步骤三中,进一步包括以下步骤:
基于分段的样本数据,计算得到各个分段的拟合直线斜率及截距;
基于各个分段的拟合直线斜率及截距,采用油气藏规模系列法进行油气藏资源预测,初步获得油气藏资源预测结果。
8.如权利要求7所述的方法,其特征在于,在步骤四中,油气藏资源预测结果的检验进一步包括:
如果初步获得的油气藏资源预测结果与实际勘探及地质结构研究分析得到的油气藏的资源结果符合,则保存计算过程中的参数设置及计算结果;
如果初步获得的油气藏资源预测结果与实际勘探及地质结构研究分析得到的油气藏的资源结果不符合,则通过人机交互方式修改采用的油气藏样本数据的分段数据或对采用的分段数据的拟合斜率与截距进行调整,调整后再次通过油气藏规模系列法进行计算,直到获得的油气藏资源预测结果与实际勘探及地质结构研究分析得到的油气藏的资源结果符合,保存计算得到的参数设置及计算结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410222777.2A CN105095981A (zh) | 2014-05-23 | 2014-05-23 | 一种基于人机交互的油气藏规模序列资源评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410222777.2A CN105095981A (zh) | 2014-05-23 | 2014-05-23 | 一种基于人机交互的油气藏规模序列资源评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105095981A true CN105095981A (zh) | 2015-11-25 |
Family
ID=54576354
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410222777.2A Pending CN105095981A (zh) | 2014-05-23 | 2014-05-23 | 一种基于人机交互的油气藏规模序列资源评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105095981A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107103552A (zh) * | 2016-02-23 | 2017-08-29 | 中国石油化工股份有限公司 | 勘探效率系数确定方法及装置 |
CN110490436A (zh) * | 2019-07-31 | 2019-11-22 | 中国地质科学院地质力学研究所 | 一种油气资源量评价方法及评价系统 |
CN111260169A (zh) * | 2018-11-30 | 2020-06-09 | 广州汽车集团股份有限公司 | 人机工程评价方法、装置、设备、存储介质及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009075946A1 (en) * | 2007-12-13 | 2009-06-18 | Exxonmobil Upstream Research Company | Iterative reservior surveillance |
CN101517560A (zh) * | 2006-09-20 | 2009-08-26 | 雪佛龙美国公司 | 利用遗传算法预测油藏产量 |
CN102830441A (zh) * | 2012-05-16 | 2012-12-19 | 陶冶 | 包含数据挖掘的油气层综合解释评价方法 |
-
2014
- 2014-05-23 CN CN201410222777.2A patent/CN105095981A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101517560A (zh) * | 2006-09-20 | 2009-08-26 | 雪佛龙美国公司 | 利用遗传算法预测油藏产量 |
WO2009075946A1 (en) * | 2007-12-13 | 2009-06-18 | Exxonmobil Upstream Research Company | Iterative reservior surveillance |
CN102830441A (zh) * | 2012-05-16 | 2012-12-19 | 陶冶 | 包含数据挖掘的油气层综合解释评价方法 |
Non-Patent Citations (4)
Title |
---|
李晓光 等: "油藏规模序列法的改进及应用", 《新疆石油地质》 * |
王学军: "油藏规模序列法在垦东地区资源预测中的应用", 《油气地质与采收率》 * |
盛秀杰 等: "成藏体系油气资源评价中的统计方法体系", 《石油与天然气地质》 * |
郭秋麟 等: "双序列法及其在油气资源评价中的应用", 《石油勘探与开发》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107103552A (zh) * | 2016-02-23 | 2017-08-29 | 中国石油化工股份有限公司 | 勘探效率系数确定方法及装置 |
CN111260169A (zh) * | 2018-11-30 | 2020-06-09 | 广州汽车集团股份有限公司 | 人机工程评价方法、装置、设备、存储介质及系统 |
CN111260169B (zh) * | 2018-11-30 | 2021-06-25 | 广州汽车集团股份有限公司 | 人机工程评价方法、装置、设备、存储介质及系统 |
CN110490436A (zh) * | 2019-07-31 | 2019-11-22 | 中国地质科学院地质力学研究所 | 一种油气资源量评价方法及评价系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Robinson et al. | Tests of moderation effects: Difference in simple slopes versus the interaction term | |
Mockett et al. | Progress in DES for wall-modelled LES of complex internal flows | |
Yao et al. | A modified multi-objective sorting particle swarm optimization and its application to the design of the nose shape of a high-speed train | |
Hu et al. | Assessing relationships of ecosystem services on multi-scale: A case study of soil erosion control and water yield in the Pearl River Delta | |
Paranjape et al. | Halo abundances and counts-in-cells: The excursion set approach with correlated steps | |
CN103413016A (zh) | 一种基于试验及服役使用数据融合的飞机结构安全寿命确定方法 | |
Schaefer et al. | Approaches for quantifying uncertainties in computational modeling for aerospace applications | |
CN105095981A (zh) | 一种基于人机交互的油气藏规模序列资源评价方法 | |
US11354467B2 (en) | Predicting electrostatic charges in a liquid container | |
CN103853922A (zh) | 一种油气田相似性的可视化定量评价方法 | |
KR101907248B1 (ko) | 확률적 가스폭발 시나리오 산출 시스템 및 이를 사용한 확률적 가스폭발 시나리오 산출 방법 | |
CN111444591A (zh) | 软土土压平衡盾构隧道掘进速度确定方法及装置 | |
CN104182511A (zh) | 一种簇特征加权的模糊紧致散布聚类方法 | |
Asgari et al. | Assessment of four inflow conditions on large-eddy simulation of a gently curved backward-facing step | |
Duarte et al. | Performance of an optimized k− ϵ turbulence model for flows around bluff bodies | |
CN105095552A (zh) | 一种通用概率分布参数估计流程与分析方法 | |
Calafell et al. | A time-average filtering technique to improve the efficiency of two-layer wall models for large eddy simulation in complex geometries | |
CN103559291A (zh) | 一种应用正态分布方法的统计分析方法 | |
Morrison | Statistical Analysis of CFD Solutions from the Fifth AIAA Drag Prediction Workshop | |
CN105303274B (zh) | 一种油气圈闭分析方法 | |
CN102486790A (zh) | 数据遗漏值的填补系统及方法 | |
Pawar et al. | Nonparametric moving average control chart for process variability | |
Beechook et al. | Effect of grid-filter width definition on implicitly filtered large eddy simulations using OpenFOAM | |
Rodríguez | Methodology and equations of mineral production forecast—Part I. Crude Oil in the UK and Gold in Nevada, USA. Prediction of late stages of production | |
Silva et al. | PINNs for parametric incompressible newtonian flows |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151125 |
|
RJ01 | Rejection of invention patent application after publication |