CN106326620A - 勘探目标分布范围成岩系数模型的优选方法 - Google Patents

Abstract

本发明公开了一种勘探目标分布范围成岩系数模型的优选方法，属于油气勘探技术领域，解决了现有技术中油气勘探目标分布范围的准确性和精度较低的技术问题。该方法包括：对勘探目标分布范围成岩系数模型进行加权优度检验，优选出成岩系数模型；对所优选出的成岩系数模型进行地质有效性的检验。本发明可应用于加权统计法和神经网络技术的勘探目标分布范围计算，和以此为基础的钻探目标优选决策工作。

Description

勘探目标分布范围成岩系数模型的优选方法

技术领域

本发明涉及油气勘探技术领域，具体的说，涉及一种勘探目标分布范围成岩系数模型的优选方法。

背景技术

在油气勘探阶段，由于受到地质资料和认识程度的限制，勘探目标的分布范围采用成岩系数计算更为合理。利用成岩系数计算勘探目标的分布范围的实质是，从风险分析角度，构建各类成岩作用参数的概率分布，然后通过加权法和神经网络技术，确定勘探目标的分布范围。因此，优选成岩系数模型，即成岩作用参数和权重系数的分配是明确成岩系数法勘探目标分布范围的关键。

目前，油气勘探目标的分布范围主要依据经验模型，或是在统计样本的剖面图、平面图上进行主观选择，也会附加一些甩开的地质钻井资料等进行检验。但是，目前成岩系数模型的优选存在着主观随意性强，评价人员判断尺度不统一的问题，导致确定油气勘探目标分布范围的准确性和精度较低的技术问题。

发明内容

本发明的目的在于提供一种勘探目标分布范围成岩系数模型的优选方法，以解决现有技术中油气勘探目标分布范围的准确性和精度较低的技术问题。

本发明提供一种勘探目标分布范围成岩系数模型的优选方法，包括：

对勘探目标分布范围成岩系数模型进行加权优度检验，优选出成岩系数模型；

对所优选出的成岩系数模型进行地质有效性的检验。

进一步的是，在对勘探目标分布范围成岩系数模型进行加权优度检验之前，还包括：

建立至少两种勘探目标分布范围成岩系数模型。

优选的是，对勘探目标分布范围成岩系数模型进行加权优度检验，具体为：

在勘探目标或类比勘探目标充足时，采用D-F检验对勘探目标分布范围成岩系数模型进行加权优度检验。

或者，对勘探目标分布范围成岩系数模型进行加权优度检验，具体为：

在勘探目标或类比勘探目标稀少时，采用C-F检验对勘探目标分布范围成岩系数模型进行加权优度检验。

优选的是，对所优选出的成岩系数模型进行地质有效性的检验，包括：

对所优选出的成岩系数模型进行端值检验。

进一步的是，对所优选出的成岩系数模型进行地质有效性的检验，还包括：

对所优选出的成岩系数模型进行最大值和最小值检验。

进一步的是，对所优选出的成岩系数模型进行地质有效性的检验，还包括：

对所优选出的成岩系数模型进行类比检验。

本发明带来了以下有益效果：本发明提供的勘探目标分布范围成岩系数模型的优选方法中，通过对勘探目标分布范围成岩系数模型依次进行加权优度检验和地质有效性的检验，充分挖掘了油气勘探目标分布范围成岩系数本身的数字特征及其所代表的地质含义，同时从多角度对勘探目标分布范围成岩系数分布模型进行优选，以获得最优的勘探目标分布范围成岩系数分布模型。因此，利用本发明提供的优选方法优选出的勘探目标分布范围成岩系数分布模型具有更高的样本数字特征符合程度和地质含义合理性，解决了现有方法中人为主观随意性强，不同评价人员判断尺度不统一的问题，从而提高了勘探目标分布范围计算的精度和准确性。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分的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

为了更清楚的说明本发明实施例中的技术方案，下面将对实施例描述中所需要的附图做简单的介绍：

图1是本发明实施例提供的勘探目标分布范围成岩系数模型的优选方法的流程图；

图2是本发明实施例提供的勘探目标分布范围成岩系数模型的优选方法的详细流程图；

图3是本发明实施例二中的A砂体成岩圈闭成岩系数统计直方图示意图；

图4是本发明实施例二中的A砂体勘探目标物性分布范围图；

图5是本发明实施例二中的A砂体成岩系数分布模型图。

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。

实施例一：

本发明实施例提供一种勘探目标分布范围成岩系数模型的优选方法，应用于加权统计法和神经网络技术的勘探目标分布范围计算，和以此为基础的钻探目标优选决策工作。

如图1和图2所示，该方法包括：

S1：建立至少两种勘探目标分布范围成岩系数模型。

根据具体地区区块的情况建立多种成岩系数模型，例如成岩系数单井分布模型、成岩系数空间分布模型等。

S2：对勘探目标分布范围成岩系数模型进行加权优度检验，优选出成岩系数模型。

本实施例中，加权优度检验是指利用各类成岩作用参数和致密化机理，来检验成岩系数模型对样本实际观测值拟合程度的统计学检验方法。本发明实施例根据勘探目标分布范围成岩系数特点，优选出两种加权优度检验方法，即D-F检验和C-F检验作为勘探目标分布范围成岩系数模型的加权优度检验方法。可以根据检验值的大小进行定量化的模型优选，具体检验设计流程如下：

S21：在勘探目标或类比勘探目标充足时，采用D-F检验对勘探目标分布范围成岩系数模型进行加权优度检验。

F检验法主要是通过比较两组数据的方差S²，以确定它们的精密度是否有显著性差异。

其中 $S^2=\frac{\underset{i=1}{\overset{n}{\Σ}}{(X_i-\stackrel{\‾}{X})}^2}{n}$

两组数据就能得到两个S²值，即：S²和s²。

F＝S²/s²

D检验法是通过大容量样本来统计数据的正态性。

先将样本值按非降次序排列成x(1)≤x(2)≤…≤x(n)。

然后计算统计量的值 $y=\frac{\sqrt{n}(D-0.28209479)}{0.02998598}.$

其中 $D=\frac{{\mathrm{\Σ}}_{i=1}^n(i-\frac{n+1}{2})x\left(i\right)}{n^{\frac{3}{2}}\sqrt{{\mathrm{\Σ}}_{i=1}^n-{\left(x\right(i)-x)}^2}}$

可以看出，D的分母正好是n²乘以样本均方差。再根据D检验法临界值表查得Z_α/2和Z_1-α/2。若Z_α/2≤y≤Z_1-α/2，则样本服从正态分布，否则不服从正态分布。

因此，D-F检验就是在样本数量充足的情况下，通过比较两组数据的方差，来统计数据的正态性和差异性，从而充分利用其在大样本实际测试中的优势。

S22：在勘探目标或类比勘探目标稀少时，采用C-F检验对勘探目标分布范围成岩系数模型进行加权优度检验。

与D-F检验相比，C-F检验具有较少的样本数量，但检验效果好，精度高，具有小样本检验效果好的特点。

综上所述，根据样本的数量，通过D-F检验和C-F检验，即可优选出成岩系数模型。通常样本数量在8个/1m平均以上可以选用D-F检验，样本数量低于8个/1m平均可以选用C-F检验。

S3：对所优选出的成岩系数模型进行地质有效性的检验。

本实施例中，地质有效性的检验是指利用勘探目标分布范围成岩系数的地质含义，对成岩系数模型的有效性性进行检验的方法。具体可以包括从以下三方面的地质含义检验勘探目标分布范围成岩系数模型的有效性：

S31：对所优选出的成岩系数模型进行端值检验。

对于步骤S2优选出的成岩系数模型，结合其样本数字特征，计算该勘探目标分布范围成岩系数的最大值和最小值。该最大值和最小值应当在成岩系数理论上可能的范围内。例如，储层“甜点”最小值不应当低于勘探目标的成岩圈闭边界值。

S32：对所优选出的成岩系数模型进行最大值和最小值检验。

在加权法和神经网络技术勘探目标分布范围计算中，异常的最大值或最小值代表勘探目标边界的不确定性较大。对于一般的勘探目标成岩系数计算，利用步骤S2优选出的成岩系数模型，计算其溶蚀系数值应当高于5，在此基础上计算得出勘探目标分布范围成岩系数应当处于一个合理的范围内。

通常风险较高的勘探目标分布范围成岩系数在5以下，而风险较低的勘探目标分布范围成岩系数一般应当在5至10之间。

S33：对所优选出的成岩系数模型进行类比检验。

利用步骤S2优选出的成岩系数模型进行勘探目标分布范围成岩系数的试算，将试算的结果与勘探目标所在地区相似油气藏的储层“甜点”边界值进行类比，并与所在地区油气田成岩圈闭发育规模类比，试算的结果应当处于一个合理范围内。

本发明实施例提供的勘探目标分布范围成岩系数模型的优选方法中，通过对勘探目标分布范围成岩系数模型依次进行加权优度检验和地质有效性的检验，充分挖掘了油气勘探目标分布范围成岩系数本身的数字特征及其所代表的地质含义，同时从多角度对勘探目标分布范围成岩系数分布模型进行优选，以获得最优的勘探目标分布范围成岩系数分布模型。

因此，利用本发明得到了提供的优选方法优选出的勘探目标分布范围成岩系数分布模型具有更高的样本数字特征符合程度和地质有效性的合理性，解决了现有方法中人为主观随意性强，不同评价人员判断尺度不统一的问题，从而提高了勘探目标分布范围计算的精度和准确性，并且有助于规范勘探目标分布范围的计算流程，提高勘探目标分布范围的预测精度。

实施例二：

本实施例利用实施例一提供的勘探目标分布范围成岩系数模型的优选方法，对鄂尔多斯盆地某区块勘探目标A砂体的成岩系数模型进行优化，以A砂体的有效孔隙度分布模型的建立过程为例。

孔隙度样本采用A砂体的探井W1在同一目的层内的同一沉积层位钻井岩芯密集等间距取样，共计18个，样本数字特征为均值8.52％，据此构建成岩系数单井分布模型。在此基础上，顺延/垂直砂体延伸方向，分别选取同一A砂体东、西两个剖面上的8口钻井，建立成岩系数空间分布模型，如图3所示，其横坐标代表成岩系数，纵坐标代表累积频率。其成岩系数概率分布模型数学检验如下表：

假设检验方法	D-F检验	C-F检验
			端值分布	5.15-9.62	1.89-4.92
均值分布	8.52	3.25

探井W1某一层位砂体成岩圈闭的成岩系数分布值为5.15％-9.62％，利用本发明实施例一中步骤2的方法对上述两种模型进行优选：首先进行加权的数学拟合优度检验，定量的检验结果显示8个模型的成岩系数检验结果均较为合理。

在此基础之上，利用本发明实施例一中步骤3的方法进行模型的地质有效性的检验：经端值检验，最大成岩系数Dmax(9.62)与最小成岩系数Dmin(5.15)均在可信范围(5至10)以内。

利用成岩系数模型进行勘探目标成岩圈闭边界试算，得到砂体A成岩圈闭分布如图4所示，其横坐标代表物性，纵坐标代表样本数量。因为物性与成岩系数之间密切相关，两者大致呈正相关关系，所以物性好的样本，成岩系数也较高。成岩圈闭边界试算均值为5.26，成岩圈闭的最大成岩系数与最小成岩系数分别为9.62和5.15，均处于合理范围之内。

经过以上步骤，最终优选出了A砂体成岩圈闭的成岩系数分布模型，如图5所示，其横坐标代表成岩系数，纵坐标代表累积频率。该圈闭后经钻井试油证实，获得了工业油流，与基于本发明实施例完成的勘探目标成岩圈闭边界计算结果基本符合，从而验证了本发明实施例提供的勘探目标分布范围成岩系数模型的优选方法的正确性。

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 (7)

1.一种勘探目标分布范围成岩系数模型的优选方法，其特征在于，包括：

对勘探目标分布范围成岩系数模型进行加权优度检验，优选出成岩系数模型；

对所优选出的成岩系数模型进行地质有效性的检验。

2.根据权利要求1所述的方法，其特征在于，在对勘探目标分布范围成岩系数模型进行加权优度检验之前，还包括：

建立至少两种勘探目标分布范围成岩系数模型。

3.根据权利要求1所述的方法，其特征在于，对勘探目标分布范围成岩系数模型进行加权优度检验，具体为：

在勘探目标或类比勘探目标充足时，采用D-F检验对勘探目标分布范围成岩系数模型进行加权优度检验。

4.根据权利要求1所述的方法，其特征在于，对勘探目标分布范围成岩系数模型进行加权优度检验，具体为：

在勘探目标或类比勘探目标稀少时，采用C-F检验对勘探目标分布范围成岩系数模型进行加权优度检验。

5.根据权利要求1所述的方法，其特征在于，对所优选出的成岩系数模型进行地质有效性的检验，包括：

对所优选出的成岩系数模型进行端值检验。

6.根据权利要求1或5所述的方法，其特征在于，对所优选出的成岩系数模型进行地质有效性的检验，包括：

对所优选出的成岩系数模型进行最大值和最小值检验。

7.根据权利要求1或5或6所述的方法，其特征在于，对所优选出的成岩系数模型进行地质有效性的检验，包括：

对所优选出的成岩系数模型进行类比检验。