CN106934725A - 岩石储层中值半径预测模型建立方法、装置及系统 - Google Patents
岩石储层中值半径预测模型建立方法、装置及系统 Download PDFInfo
- Publication number
- CN106934725A CN106934725A CN201710157720.2A CN201710157720A CN106934725A CN 106934725 A CN106934725 A CN 106934725A CN 201710157720 A CN201710157720 A CN 201710157720A CN 106934725 A CN106934725 A CN 106934725A
- Authority
- CN
- China
- Prior art keywords
- median radius
- rock formation
- radius
- forecast model
- parameter
- 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.)
- Granted
Links
- 239000011435 rock Substances 0.000 title claims abstract description 117
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 102
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000004458 analytical method Methods 0.000 claims abstract description 62
- 238000012417 linear regression Methods 0.000 claims abstract description 39
- 230000001373 regressive effect Effects 0.000 claims abstract description 8
- 239000011148 porous material Substances 0.000 claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 238000005755 formation reaction Methods 0.000 description 67
- 230000015654 memory Effects 0.000 description 16
- 238000003860 storage Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 229910052753 mercury Inorganic materials 0.000 description 6
- 238000002347 injection Methods 0.000 description 5
- 239000007924 injection Substances 0.000 description 5
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000005553 drilling Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000000611 regression analysis Methods 0.000 description 3
- 241000425571 Trepanes Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- 238000004064 recycling Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052755 nonmetal Inorganic materials 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000004549 pulsed laser deposition Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000007619 statistical method 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Analysis (AREA)
- Business, Economics & Management (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Marketing (AREA)
- Animal Husbandry (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Mining & Mineral Resources (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Marine Sciences & Fisheries (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Agronomy & Crop Science (AREA)
- Geometry (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Computer Hardware Design (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供了一种岩石储层中值半径预测模型建立方法、装置及系统，涉及地质勘测领域。该岩石储层中值半径预测模型建立方法、装置及系统，通过将位于各个深度对应的不同类别的测井参数以及中值半径进行多元线性回归分析，找出与中值半径相关性最好的前N个测井参数样本，对找出的各个深度的对应的不同测井参数样本以及中值半径进行二元回归分析，建立岩石储层中值半径预测模型。当再次对同一区域的岩石储层采集中值半径时，仅需将测井参数输入预建立好的岩石储层中值半径预测模型即可将岩石中值半径计算得出，省时省力。
Description
技术领域
本发明涉及地质勘测领域，具体而言，涉及一种岩石储层中值半径预测模型建立方法、装置及系统。
背景技术
测井，也叫地球物理测井或矿场地球物理，简称测井，是利用岩层的电化学特性、导电特性、声学特性、放射性等地球物理特性，测量地球物理参数的方法，属于应用地球物理方法(包括重、磁、电、震、核)之一。根据地质和地球物理条件，合理地选用综合测井方法，可以详细研究钻孔地质剖面、探测有用矿产、详细提供计算储量所必需的数据，如油层的有效厚度、孔隙度、含油气饱和度和渗透率等，以及研究钻孔技术情况等任务。此外，井中磁测、井中激发激化、井中无线电波透视和重力测井等方法还可以发现和研究钻孔附近的盲矿体。测井方法在石油、煤、金属与非金属矿产及水文地质、工程地质的钻孔中，都得到广泛的应用。特别在油气田、煤田及水文地质勘探工作中，可以测量岩石的中值半径已成为不可缺少的勘探方法之一。
岩石中值半径是反映储层岩石渗透性能的重要指标，但是要获得此指标首先要用专用设备获取岩心，再用取样设备在岩心上取样，然后将取得的样品放入专门的分析化验设备—压汞仪进行测试，费工费时，成本很高，且对人体及环境均有污染。
发明内容
有鉴于此，本发明实施例的目的在于提供一种岩石储层中值半径预测模型建立方法、装置及系统。
第一方面，本发明实施例提供了一种岩石储层中值半径预测模型建立方法，所述岩石储层中值半径预测模型建立方法包括：
接收测井仪器发送的不同深度的岩石储层样本对应的多个不同类别的测井参数；
接收孔隙分析仪发送的不同深度的岩石储层样本的中值半径；
将位于各个深度对应的不同类别的测井参数以及中值半径进行多元线性回归分析，找出与中值半径相关性最好的前N个测井参数样本；
对找出的各个深度的对应的不同测井参数样本以及中值半径进行二元回归分析，建立岩石储层中值半径预测模型。
第二方面，本发明实施例还提供了一种岩石储层中值半径预测模型建立装置，所述岩石储层中值半径预测模型建立装置包括：
信息收发单元，用于接收测井仪器发送的不同深度的岩石储层样本对应的多个不同类别的测井参数；
所述信息收发单元还用于接收孔隙分析仪发送的不同深度的岩石储层样本的中值半径；
线性回归分析单元，用于将位于各个深度对应的不同类别的测井参数以及中值半径进行多元线性回归分析，找出与中值半径相关性最好的前N个测井参数样本；
预测模型建立单元，用于对找出的各个深度的对应的不同测井参数样本以及中值半径进行二元回归分析，建立岩石储层中值半径预测模型。
第三方面，本发明实施例还提供了一种岩石储层中值半径预测模型建立系统，所述岩石储层中值半径预测模型建立系统包括岩石储层中值半径预测模型建立装置、测井仪器以及孔隙分析仪，所述岩石储层中值半径预测模型建立装置分别与所述测井仪器、所述孔隙分析仪建立通信连接，所述岩石储层中值半径预测模型建立装置包括信息收发单元、线性回归分析单元、预测模型建立单元，
所述测井仪器用于发送不同深度的岩石储层样本对应的多个不同类别的测井参数至所述信息收发单元；
所述孔隙分析仪用于发送不同深度的岩石储层样本的中值半径至所述信息收发单元；
所述信息收发单元用于接收测井仪器发送的不同深度的岩石储层样本对应的多个不同类别的测井参数；
所述信息收发单元还用于接收孔隙分析仪发送的不同深度的岩石储层样本的中值半径；
所述线性回归分析单元用于将位于各个深度对应的不同类别的测井参数以及中值半径进行多元线性回归分析，找出与中值半径相关性最好的前N个测井参数样本；
所述预测模型建立单元用于对找出的各个深度的对应的不同测井参数样本以及中值半径进行线性回归分析，建立岩石储层中值半径预测模型。
与现有技术相比，本发明提供的岩石储层中值半径预测模型建立方法、装置及系统，通过将位于各个深度对应的不同类别的测井参数以及中值半径进行多元线性回归分析，找出与中值半径相关性最好的前N个测井参数样本，对找出的各个深度的对应的不同测井参数样本以及中值半径进行线性回归分析，建立岩石储层中值半径预测模型。当再次对同一区域的岩石储层采集中值半径时，无需再利用专用设备获取岩心，及取样设备在岩心上取样，再用将取得的样品放入压汞仪进行测试，省时省力，成本很低，并且对人体及环境无污染，仅需将测井参数输入预建立好的岩石储层中值半径预测模型即可将岩石中值半径计算得出，省时省力。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明实施例提供的岩石储层中值半径预测模型建立系统的交互示意图；
图2为本发明实施例提供的服务器的结构框图；
图3为本发明实施例提供的岩石储层中值半径预测模型建立方法的流程图；
图4为本发明实施例提供的岩石储层中值半径预测模型建立装置的功能单元示意图。
图标：100-测井仪器；200-服务器；300-孔隙分析仪；400-岩石储层中值半径预测模型建立装置；101-处理器；102-存储器；103-存储控制器；104-外设接口；401-信息收发单元；402-线性回归分析单元；403-预测模型建立单元。
具体实施方式
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明较佳实施例所提供的岩石储层中值半径预测模型建立方法、装置及系统可应用于如图1所示的应用环境中。如图1所示，测井仪器100、服务器200、孔隙分析仪300位于网络中，通过该网络，测井仪器100与服务器200进行数据交互。该服务器200可以是，但不限于，网络服务器、数据库服务器、云端服务器等等。测井仪，是用于凿井领域，可对井壁进行连续扫描，也可对任意水平进行横向扫描，给出井筒竖直剖面、水平断面、井筒有效断面、井筒偏斜距离，并且可以测出各类测井参数，例如，声波参数、伽马参数、DEN密度参数、RT电阻率参数等等。
图2示出了一种可应用于本发明实施例中的服务器200的结构框图。所述服务器包括岩石储层中值半径预测模型建立装置400、存储器102、存储控制器103及处理器101。
所述存储器102、存储控制器103及处理器101，各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述岩石储层中值半径预测模型建立装置400包括至少一个可以软件或固件(firmware)的形式存储于所述存储器102中。所述处理器101用于执行存储器102中存储的可执行模块，例如，所述岩石储层中值半径预测模型建立装置400包括的软件功能模块或计算机程序。
其中，存储器102可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器102Read Only Memory，ROM)，可编程只读存储器(Programmable Read-Only Memory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。其中，存储器102用于存储程序，所述处理器101在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的服务器所执行的方法可以应用于处理器101中，或者由处理器101实现。
处理器101可能是一种集成电路芯片，具有信号的处理能力。上述的处理器101可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器101也可以是任何常规的处理器101等。
外设接口104将各种输入/输出装置耦合至处理器101以及存储器102。在一些实施例中，外设接口104、处理器101以及存储控制器103可以在单个芯片中实现。在其他一些实例中，他们可以分别由独立的芯片实现。
可以理解，图2所示的结构仅为示意，服务器200还可包括比图2中所示更多或者更少的组件，或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。
请参阅图3，本发明实施例提供了一种岩石储层中值半径预测模型建立方法，应用于服务器200，所述岩石储层中值半径预测模型建立方法包括：
步骤S301：接收测井仪器100发送的不同深度的岩石储层样本对应的多个不同类别的测井参数。
本实施例中，测井参数电阻率参数、伽马参数、密度参数、中子参数、井径参数以及声波参数等等。
例如，位于地下1800m的岩石储层的测井参数分别为电阻参数10.231，伽马参数90.179，密度参数2.489，中子参数15.38，井径参数10.367，声波参数71.02。
具体实施例中，可将测井仪器100安装于钻井机的钻头内，当钻井机进行钻井时，测井仪器100即可对钻出的岩心的各种测井参数进行采集，测井仪器100安装有无线通信模块，通过无线通信模块即可将采集到的各种测井参数发送至服务器200。
步骤S302：接收孔隙分析仪300发送的不同深度的岩石储层样本的中值半径。
本实施例中，孔隙分析仪300为压汞仪，压汞仪内置强大的数据处理和报告程序包，快速升压、灵活、可控的真空系统，和高性能的低/高压系统，可使用汞侵入法来测定总孔体积、孔径分布、中值半径、孔隙率、密度和传输性。
步骤S303：将位于各个深度对应的不同类别的测井参数以及中值半径进行多元线性回归分析，找出与中值半径相关性最好的前N个测井参数样本。
较佳地，由于对测井参数选择的种类越多，建立的岩石储层中值半径预测模型越具备价值，而测井参数与岩石中值半径相关性越好，建立的岩石储层中值半径预测模型越具备价值，因而将位于各个深度对应的不同类别的测井参数以及中值半径进行多元线性回归分析，找出与中值半径相关性最好的前两个测井参数样本，最后得出的岩石储层中值半径预测模型越具备预测价值。
具体地，依据算式计算出各个深度对应的不同类别的测井参数与对应的中值半径之间的相关性系数，并找出最接近于1的两个相关性系数分别对应的两类测井参数样本，其中，rij为相关性系数，x为测井参数，y为中值半径，
其中，根据发明人试验采集到的测井参数，各个深度对应的不同类别的测井参数以及中值半径，如表1所示：
表1
具体地，回归分析是研究变量之间的相关关系的一种多元统计分析方法，当假定某个因变量与p个自变量之间有线性相关关系时，可以将这种关系用下式表示：
上式称为线性回归方程，式中的b0,b1,...,bp称为回归系数，它们是待定的，如果已经获得了关于这些变量的n组数据(x1i,x2i,...,xpi,yi i＝1,2,...,n)，将第i组数据代入上式就是
式中称为回归值，也叫计算值，它与观测值yi之间是有误差的，回归系数的确定就是要使误差平方和达到最小，也就是利用最小二乘原理确定回归系数，归结为如下方程组：
任意两个变量xi与xj之间的相关系数由下式确定：
其中，其中，相关系数的分布区间在(-1，+1)之间，当相关系数小于0时称为负相关，相关系数大于0时称为正相关。将表1中的每种类别的测井参数的不同深度的测井参数代入上式中，当相关系数越趋近于1时，说明该测井参数与中值半径的相关性越好，反之，则说明相关性越差。本实施例中，相关性较好的两类测井参数为声波参数和伽马参数。
步骤S304：对找出的各个深度的对应的不同测井参数样本以及中值半径进行二元回归分析，建立岩石储层中值半径预测模型。
具体地，所述岩石储层中值半径预测模型为其中，x1为声波参数、x2为伽马参数，a、b、m为常数，y为中值半径。
本实施例中，将上述的不同深度的声波参数、伽马参数代入上式中进行二元回归分析得到岩石储层中值半径预测模型当然地，声波参数及伽马参数的数据组越多，岩石储层中值半径预测模型越具备参考价值。当需要再次测量中值半径时，仅需将测井参数的声波参数、伽马参数代入即可。
请参阅图4，本发明实施例还提供了一种岩石储层中值半径预测模型建立装置400，所述岩石储层中值半径预测模型建立装置400包括信息收发单元401、线性回归分析单元402以及预测模型建立单元403。
所述信息收发单元401用于接收测井仪器100发送的不同深度的岩石储层样本对应的多个不同类别的测井参数。
可以理解地，步骤S301可以由信息收发单元401执行。
所述信息收发单元401还用于接收孔隙分析仪300发送的不同深度的岩石储层样本的中值半径。
可以理解地，步骤S302可以由信息收发单元401执行。
所述线性回归分析单元402用于将位于各个深度对应的不同类别的测井参数以及中值半径进行多元线性回归分析，找出与中值半径相关性最好的前N个测井参数样本。
可以理解地，步骤S303可以由线性回归分析单元402执行。
具体地，所述线性回归分析单元402用于将位于各个深度对应的不同类别的测井参数以及中值半径进行多元线性回归分析，找出与中值半径相关性最好的前两个测井参数样本。
具体地，所述线性回归分析单元402用于依据算式计算出各个深度对应的不同类别的测井参数与对应的中值半径之间的相关性系数，并找出最接近于1的两个相关性系数分别对应的两类测井参数样本，其中，rij为相关性系数，x为测井参数，y为中值半径，
预测模型建立单元403用于对找出的各个深度的对应的不同测井参数样本以及中值半径进行二元回归分析，建立岩石储层中值半径预测模型。
可以理解地，步骤S304可以由预测模型建立单元403执行。
本实施例中，所述两类测井参数样本分别为声波参数和伽马参数，所述岩石储层中值半径预测模型为其中，x1为声波参数、x2为伽马参数，a、b、m为常数，y为中值半径。
请参阅图1，本发明实施例提供了一种岩石储层中值半径预测模型建立系统，所述岩石储层中值半径预测模型建立系统包括岩石储层中值半径预测模型建立装置400、测井仪器100以及孔隙分析仪300。所述岩石储层中值半径预测模型建立装置400分别与所述测井仪器100、所述孔隙分析仪300建立通信连接，所述岩石储层中值半径预测模型建立装置400包括信息收发单元401、线性回归分析单元402、预测模型建立单元403。
所述测井仪器100用于发送不同深度的岩石储层样本对应的多个不同类别的测井参数至所述信息收发单元401，所述孔隙分析仪300用于发送不同深度的岩石储层样本的中值半径至所述信息收发单元401；所述信息收发单元401用于接收测井仪器100发送的不同深度的岩石储层样本对应的多个不同类别的测井参数；所述信息收发单元401还用于接收孔隙分析仪300发送的不同深度的岩石储层样本的中值半径；所述线性回归分析单元402用于将位于各个深度对应的不同类别的测井参数以及中值半径进行多元线性回归分析，找出与中值半径相关性最好的前N个测井参数样本；所述预测模型建立单元403用于对找出的各个深度的对应的不同测井参数样本以及中值半径进行二元回归分析，建立岩石储层中值半径预测模型。
所述线性回归分析单元402用于依据算式计算出各个深度对应的不同类别的测井参数与对应的中值半径之间的相关性系数，并找出最接近于1的两个相关性系数分别对应的两类测井参数样本，其中，rij为相关性系数，x为测井参数，y为中值半径，
综上所述，本发明提供的岩石储层中值半径预测模型建立方法、装置及系统，通过将位于各个深度对应的不同类别的测井参数以及中值半径进行多元线性回归分析，找出与中值半径相关性最好的前N个测井参数样本，对找出的各个深度的对应的不同测井参数样本以及中值半径进行二元回归分析，建立岩石储层中值半径预测模型。当再次对同一区域的岩石储层采集中值半径时，无需再利用专用设备获取岩心，及取样设备在岩心上取样，再用将取得的样品放入压汞仪进行测试，省时省力，成本很低，并且对人体及环境无污染，仅需将测井参数输入预建立好的岩石储层中值半径预测模型即可将岩石中值半径计算得出，省时省力。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种岩石储层中值半径预测模型建立方法，其特征在于，所述岩石储层中值半径预测模型建立方法包括：
接收测井仪器发送的不同深度的岩石储层样本对应的多个不同类别的测井参数；
接收孔隙分析仪发送的不同深度的岩石储层样本的中值半径；
将位于各个深度对应的不同类别的测井参数以及中值半径进行多元线性回归分析，找出与中值半径相关性最好的前N个测井参数样本；
对找出的各个深度的对应的不同测井参数样本以及中值半径进行线性回归分析，建立岩石储层中值半径预测模型。
2.根据权利要求1所述的岩石储层中值半径预测模型建立方法，其特征在于，所述将位于各个深度对应的不同类别的测井参数以及中值半径进行多元线性回归分析，找出与中值半径相关性最好的前N个测井参数样本的步骤包括：
将位于各个深度对应的不同类别的测井参数以及中值半径进行多元线性回归分析，找出与中值半径相关性最好的前两个测井参数样本。
3.根据权利要求2所述的岩石储层中值半径预测模型建立方法，其特征在于，所述将位于各个深度对应的不同类别的测井参数以及中值半径进行多元线性回归分析，找出与中值半径相关性最好的两类测井参数样本的步骤包括：
依据算式计算出各个深度对应的不同类别的测井参数与对应的中值半径之间的相关性系数，并找出最接近于1的两个相关性系数分别对应的两类测井参数样本，其中，rij为相关性系数，x为测井参数，y为中值半径，
4.根据权利要求3所述的岩石储层中值半径预测模型建立方法，其特征在于，所述两类测井参数样本分别为声波参数和伽马参数，所述岩石储层中值半径预测模型为其中，x1为声波参数、x2为伽马参数，a、b、m为常数，y为中值半径。
5.一种岩石储层中值半径预测模型建立装置，其特征在于，所述岩石储层中值半径预测模型建立装置包括：
信息收发单元，用于接收测井仪器发送的不同深度的岩石储层样本对应的多个不同类别的测井参数；
所述信息收发单元还用于接收孔隙分析仪发送的不同深度的岩石储层样本的中值半径；
线性回归分析单元，用于将位于各个深度对应的不同类别的测井参数以及中值半径进行多元线性回归分析，找出与中值半径相关性最好的前N个测井参数样本；
预测模型建立单元，用于对找出的各个深度的对应的不同测井参数样本以及中值半径进行二元回归分析，建立岩石储层中值半径预测模型。
6.根据权利要求5所述的岩石储层中值半径预测模型建立装置，其特征在于，
所述线性回归分析单元用于将位于各个深度对应的不同类别的测井参数以及中值半径进行多元线性回归分析，找出与中值半径相关性最好的前两个测井参数样本。
7.根据权利要求6所述的岩石储层中值半径预测模型建立装置，其特征在于，所述将位于各个深度对应的不同类别的测井参数以及中值半径进行多元线性回归分析，找出与中值半径相关性最好的两类测井参数样本的步骤包括：
所述线性回归分析单元用于依据算式计算出各个深度对应的不同类别的测井参数与对应的中值半径之间的相关性系数，并找出最接近于1的两个相关性系数分别对应的两类测井参数样本，其中，rij为相关性系数，x为测井参数，y为中值半径，
8.根据权利要求7所述的岩石储层中值半径预测模型建立装置，其特征在于，所述两类测井参数样本分别为声波参数和伽马参数，所述岩石储层中值半径预测模型为其中，x1为声波参数、x2为伽马参数，a、b、m为常数，y为中值半径。
9.一种岩石储层中值半径预测模型建立系统，其特征在于，所述岩石储层中值半径预测模型建立系统包括岩石储层中值半径预测模型建立装置、测井仪器以及孔隙分析仪，所述岩石储层中值半径预测模型建立装置分别与所述测井仪器、所述孔隙分析仪建立通信连接，所述岩石储层中值半径预测模型建立装置包括信息收发单元、线性回归分析单元、预测模型建立单元，
所述测井仪器用于发送不同深度的岩石储层样本对应的多个不同类别的测井参数至所述信息收发单元；
所述孔隙分析仪用于发送不同深度的岩石储层样本的中值半径至所述信息收发单元；
所述信息收发单元用于接收测井仪器发送的不同深度的岩石储层样本对应的多个不同类别的测井参数；
所述信息收发单元还用于接收孔隙分析仪发送的不同深度的岩石储层样本的中值半径；
所述线性回归分析单元用于将位于各个深度对应的不同类别的测井参数以及中值半径进行多元线性回归分析，找出与中值半径相关性最好的前N个测井参数样本；
所述预测模型建立单元用于对找出的各个深度的对应的不同测井参数样本以及中值半径进行二元回归分析，建立岩石储层中值半径预测模型。
10.根据权利要求9所述的岩石储层中值半径预测模型建立系统，其特征在于，
所述线性回归分析单元用于依据算式计算出各个深度对应的不同类别的测井参数与对应的中值半径之间的相关性系数，并找出最接近于1的两个相关性系数分别对应的两类测井参数样本，其中，rij为相关性系数，x为测井参数，y为中值半径，
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710157720.2A CN106934725B (zh) | 2017-03-16 | 2017-03-16 | 岩石储层中值半径预测模型建立方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710157720.2A CN106934725B (zh) | 2017-03-16 | 2017-03-16 | 岩石储层中值半径预测模型建立方法、装置及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106934725A true CN106934725A (zh) | 2017-07-07 |
| CN106934725B CN106934725B (zh) | 2020-05-12 |
Family
ID=59432461
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710157720.2A Active CN106934725B (zh) | 2017-03-16 | 2017-03-16 | 岩石储层中值半径预测模型建立方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106934725B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111274541A (zh) * | 2019-09-27 | 2020-06-12 | 中石化石油工程技术服务有限公司 | 一种岩心导热系数的确定方法 |
| CN112749477A (zh) * | 2020-11-30 | 2021-05-04 | 安徽理工大学 | 厚表土薄基岩煤矿立井井筒偏斜量的预计方法 |
| CN113255168A (zh) * | 2021-06-29 | 2021-08-13 | 西南石油大学 | 一种碳酸盐气藏生产初期气井井控半径的确定方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080319675A1 (en) * | 2007-06-22 | 2008-12-25 | Sayers Colin M | Method, system and apparatus for determining rock strength using sonic logging |
| CN104573344A (zh) * | 2014-12-25 | 2015-04-29 | 中国海洋石油总公司 | 一种通过测井数据获取页岩储层含气量的方法 |
| CN104832166A (zh) * | 2015-03-20 | 2015-08-12 | 中国石油化工股份有限公司江汉油田分公司勘探开发研究院 | 一种页岩气水平井初期产能预测方法 |
| CN104833789A (zh) * | 2015-04-09 | 2015-08-12 | 中国石油大学(北京) | 利用致密砂岩微观孔隙结构确定气水关系的方法 |
| US20150260034A1 (en) * | 2014-03-14 | 2015-09-17 | Schlumberger Technology Corporation | Determining mineralogy of an earth formation using linear regressions |
| CN105675787A (zh) * | 2016-03-14 | 2016-06-15 | 北京燕京啤酒股份有限公司 | 一种啤酒风味保鲜期的预测方法 |
| CN105822301A (zh) * | 2016-03-23 | 2016-08-03 | 中国石油大学(北京) | 一种有机碳含量的测井预测数学模型建立方法 |
-
2017
- 2017-03-16 CN CN201710157720.2A patent/CN106934725B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080319675A1 (en) * | 2007-06-22 | 2008-12-25 | Sayers Colin M | Method, system and apparatus for determining rock strength using sonic logging |
| US20150260034A1 (en) * | 2014-03-14 | 2015-09-17 | Schlumberger Technology Corporation | Determining mineralogy of an earth formation using linear regressions |
| CN104573344A (zh) * | 2014-12-25 | 2015-04-29 | 中国海洋石油总公司 | 一种通过测井数据获取页岩储层含气量的方法 |
| CN104832166A (zh) * | 2015-03-20 | 2015-08-12 | 中国石油化工股份有限公司江汉油田分公司勘探开发研究院 | 一种页岩气水平井初期产能预测方法 |
| CN104833789A (zh) * | 2015-04-09 | 2015-08-12 | 中国石油大学(北京) | 利用致密砂岩微观孔隙结构确定气水关系的方法 |
| CN105675787A (zh) * | 2016-03-14 | 2016-06-15 | 北京燕京啤酒股份有限公司 | 一种啤酒风味保鲜期的预测方法 |
| CN105822301A (zh) * | 2016-03-23 | 2016-08-03 | 中国石油大学(北京) | 一种有机碳含量的测井预测数学模型建立方法 |
Non-Patent Citations (1)
| Title |
|---|
| 杜文凤等: "煤系烃源岩有机碳含量测井响应特征与定量预测模型_杜文凤", 《煤炭学报》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111274541A (zh) * | 2019-09-27 | 2020-06-12 | 中石化石油工程技术服务有限公司 | 一种岩心导热系数的确定方法 |
| CN112749477A (zh) * | 2020-11-30 | 2021-05-04 | 安徽理工大学 | 厚表土薄基岩煤矿立井井筒偏斜量的预计方法 |
| CN112749477B (zh) * | 2020-11-30 | 2021-09-24 | 安徽理工大学 | 厚表土薄基岩煤矿立井井筒偏斜量的预计方法 |
| CN113255168A (zh) * | 2021-06-29 | 2021-08-13 | 西南石油大学 | 一种碳酸盐气藏生产初期气井井控半径的确定方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106934725B (zh) | 2020-05-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105675635B (zh) | 致密岩石组分相对含量及脆性指数确定方法和装置 | |
| CN107219553B (zh) | 基于gr分频反演的暗河充填预测方法 | |
| US9416630B2 (en) | Grid calculation for fluid flow modeling | |
| CN103645516B (zh) | 基于岩石物理相控油气作用确定油气产能的方法 | |
| CN104632202B (zh) | 确定干粘土三孔隙度测井参数值的方法及装置 | |
| CN103777243A (zh) | 砂泥岩薄互层储层厚度预测方法 | |
| CN107436452A (zh) | 基于概率神经网络算法的烃源岩预测方法及装置 | |
| CN104865614A (zh) | 基于可变骨架参数的复杂储层流体识别方法 | |
| Mahjour et al. | Developing a workflow to represent fractured carbonate reservoirs for simulation models under uncertainties based on flow unit concept | |
| CN111596354B (zh) | 一种机器学习框架下考虑空间约束的地震储层预测方法 | |
| Blessent et al. | Inverse modeling of hydraulic tests in fractured crystalline rock based on a transition probability geostatistical approach | |
| CN106934725A (zh) | 岩石储层中值半径预测模型建立方法、装置及系统 | |
| CN106154343A (zh) | 计算致密油储层的含油饱和度的方法 | |
| Ray et al. | Characterizing and modeling natural fracture networks in a tight carbonate reservoir in the Middle East: A methodology. | |
| Chilton et al. | Uncovering the Controls on Fluvial Bedrock Erodibility and Knickpoint Expression: A High‐Resolution Comparison of Bedrock Properties Between Knickpoints and Non‐Knickpoint Reaches | |
| CN110850057A (zh) | 一种基于自相似性理论的储层裂缝建模方法及系统 | |
| KR101893800B1 (ko) | 암석 물리학상 구축을 통한 퇴적환경 해석 방법 | |
| CN117251802A (zh) | 一种基于迁移学习的非均质储层参数预测方法及系统 | |
| Sarkheil et al. | The fracture network modeling in naturally fractured reservoirs using artificial neural network based on image loges and core measurements | |
| CN112528106A (zh) | 火山岩岩性识别方法 | |
| CN113327070B (zh) | 智能勘查煤系气的方法、装置及电子设备 | |
| CN106568918A (zh) | 页岩有机碳含量toc预测方法 | |
| Maity et al. | Novel Proppant Logging Technique for Infill Drilling of Unconventional Shale Wells | |
| US20160274266A1 (en) | Pore size classification in subterranean formations based on nuclear magnetic resonance (nmr) relaxation distributionsbutions | |
| CN107976711A (zh) | 一种地震信息定量预测烃源岩有机碳质量分数方法及装置 |
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 |