CN107103552B - 勘探效率系数确定方法及装置 - Google Patents
勘探效率系数确定方法及装置 Download PDFInfo
- Publication number
- CN107103552B CN107103552B CN201610098663.0A CN201610098663A CN107103552B CN 107103552 B CN107103552 B CN 107103552B CN 201610098663 A CN201610098663 A CN 201610098663A CN 107103552 B CN107103552 B CN 107103552B
- Authority
- CN
- China
- Prior art keywords
- reservoir
- oil
- probability distribution
- distribution model
- gas reservoir
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 76
- 238000004088 simulation Methods 0.000 claims description 16
- 230000003247 decreasing effect Effects 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 13
- 229930195733 hydrocarbon Natural products 0.000 description 13
- 150000002430 hydrocarbons Chemical class 0.000 description 13
- 230000001186 cumulative effect Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000011160 research Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Images
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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Husbandry (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供一种勘探效率系数确定方法及装置,其中方法包括:样本获取步骤,获取区带的多个油气藏样本,其中,所述油气藏样本包括油气藏储量;概率分布模型获取步骤,根据多个油气藏样本,获取区带的油气藏储量概率分布模型;勘探效率系数获取步骤,对油气藏储量概率分布模型进行分析,确定勘探效率系数,其中,油气藏储量概率分布模型与勘探效率系数有关。通过这种方法确定的勘探效率系数具有客观性和科学性,减少了主观性和随意性,为后续油气资源量预测分析奠定了基础。
Description
技术领域
本发明涉及石油勘探领域,尤其涉及一种勘探效率系数确定方法及装置。
背景技术
区带介于盆地和圈闭之间,是指盆地同一构造带中,具有相同成因联系和油气生、运、聚规律并在地域分布上相邻的一系列圈闭与已发现油气藏(田)的统一组合。前人通过大量的研究发现,区带中的油气藏规模分布通常表现为:大油气藏发现概率少,小油气藏发现概率大。
在油气勘探中,人们总是期待油气藏的发现与油气藏规模是匹配的,即按照油气藏规模大小而依次勘探。而在实际勘探中,由于不同地区地质条件的差异、研究人员认识的差异,导致了一个地区油气藏发现的过程具有较大差别。同时,油气勘探是一个无法重演的过程,因此,一个地区的油气藏勘探总是存在起伏,既有勘探高潮也有勘探低迷期。研究人员通过多个地区油气藏发现规律的研究发现,油气藏发现过程并非仅仅与油气藏规模有关,也与采取的勘探理论与思路、勘探技术等制约,并导致了油气藏发现的起伏。因此,研究人员采用勘探效率系数来描述研究区的油气藏发现顺序与油气藏规模的关系。
当前,人们的研究主要是针对某一地区,通过对已发现油气藏样本的统计,根据类比来选择常用的某种模型,通过经验给定一个最可能的勘探效率系数,在此基础上对研究地区的油气藏分布规模及资源潜力进行预测。这种通过经验给定勘探效率系数的方法,其评价结果也极大地依赖地质家的专业经验,不同研究者得到的结果往往具有较大的差别,缺乏可比性和预测性,导致对油气资源量的预测不准。
发明内容
本发明提供一种勘探效率系数确定方法及装置,用以解决现有技术中在确定勘探效率系数时依赖地质家的经验,导致对油气资源量的预测不准的技术问题。
本发明一方面提供一种勘探效率系数确定方法,包括:
样本获取步骤,获取区带的多个油气藏样本,其中,所述油气藏样本包括油气藏储量;
概率分布模型获取步骤,根据多个油气藏样本,获取区带的油气藏储量概率分布模型;
勘探效率系数获取步骤,对油气藏储量概率分布模型进行分析,确定勘探效率系数,其中,油气藏储量概率分布模型与勘探效率系数有关。
进一步的,勘探效率系数获取步骤,具体包括:
对油气藏储量概率分布模型进行分析,获得区带内多个油气藏样本的联合密度函数,其中,联合密度函数为:
β为勘探效率系数,在0至2范围内取值;
N为区带的油气藏总个数;
n为已发现油气藏样本的个数;
r和λ为油气藏储量概率分布模型的分布参数;
f(r,λ)表示单个油气藏发现的概率密度函数;
E(β,N)表示数学期望;
为N和β在各自的预设阈值内取多组值;
根据每一组N和β的值,基于发现过程模型方法估算r和λ的值;
采用最小二乘法确定每一组N、β、r和λ的值对应的最小误差;
选取值最小的最小误差所对应的β的值作为最终确定的勘探效率系数。
进一步的,概率分布模型获取步骤,具体包括:
根据多个油气藏样本,获取区带的预估油气藏储量概率分布模型;
根据probit图版来对预估油气藏储量概率分布模型进行检验,判断油气藏样本是否符合预估油气藏储量概率分布模型,若是,则预估油气藏储量概率分布模型为区带的油气藏储量概率分布模型。
进一步的,为N和β在各自的预设阈值内取多组值,具体包括:
为N和β在各自的预设阈值内取值,获得第一组值,其中,N在第一阈值内取值,β在第二阈值内取值;
按照预设步长依次递增或递减第一组值中的N的值和/或β的值,获得多组N的值和β的值。
进一步的,选取值最小的最小误差所对应的β的值作为最终确定的勘探效率系数,还包括:
根据值最小的最小误差所对应的N、β、r和λ的值,构造区带的油气藏储量概率分布模型,获取区带的油气藏储量概率分布。
进一步的,在勘探效率系数获取步骤之后,还包括:
概率分布模型检验步骤,根据区带的油气藏储量概率分布,模拟油气藏发现过程,获得模拟曲线;
根据多个油气藏样本,获得已发现油气藏曲线;
将模拟曲线与油气藏曲线进行对比,获得拟合程度。
本发明另一方面提供一种勘探效率系数确定装置,包括:
样本获取模块,用于获取区带的多个油气藏样本,其中,所述油气藏样本包括油气藏储量;
概率分布模型获取模块,用于根据多个油气藏样本,获取区带的油气藏储量概率分布模型;
勘探效率系数获取模块,用于对油气藏储量概率分布模型进行分析,确定勘探效率系数。
进一步的,勘探效率系数获取模块,具体用于:
对油气藏储量概率分布模型进行分析,获得区带内多个油气藏样本的联合密度函数,其中,联合密度函数为:
β为勘探效率系数,在0至2范围内取值;
N为区带的油气藏总个数;
n为已发现油气藏样本的个数;
r和λ为油气藏储量概率分布模型的分布参数;
f(r,λ)表示单个油气藏发现的概率密度函数;
E(β,N)表示数学期望;
为N和β在各自的预设阈值内取多组值;
根据每一组N和β的值,基于发现过程模型方法估算r和λ的值;
采用最小二乘法确定每一组N、β、r和λ的值对应的最小误差;
选取值最小的最小误差所对应的β的值作为最终确定的勘探效率系数。
进一步的,概率分布模型获取模块,具体包括:
预估油气藏储量概率分布模型获取子模块,用于根据多个油气藏样本,获取区带的预估油气藏储量概率分布模型;
判断子模块,用于根据probit图版来对预估油气藏储量概率分布模型进行检验,判断油气藏样本是否符合预估油气藏储量概率分布模型,若是,触发概率分布模型确定模块;
概率分布模型确定子模块,用于将预估油气藏储量概率分布模型指定为区带的油气藏储量概率分布模型。
进一步的,勘探效率系数获取模块,还用于:
根据值最小的最小误差所对应的N、β、r和λ的值,构造区带的油气藏储量概率分布模型,获取区带的油气藏储量概率分布;
所述装置还包括:
概率分布模型检验模块,用于根据区带的油气藏储量概率分布,模拟油气藏发现过程,获得模拟曲线;根据多个油气藏样本,获得已发现油气藏曲线;将模拟曲线与油气藏曲线进行对比,获得拟合程度。
本发明提供的勘探效率系数确定方法及装置,根据区带的多个油气藏样本获取油气藏储量概率分布模型,然后通过对油气藏储量概率分布模型进行分析,确定勘探效率系数,使勘探效率系统的获取具有客观性和科学性,减少了主观性和随意性,为后续油气资源量预测分析奠定了基础。
附图说明
在下文中将基于实施例并参考附图来对本发明进行更详细的描述。其中:
图1为根据本发明实施例一的勘探效率系数确定方法的流程示意图;
图2为根据本发明实施例二的勘探效率系数确定方法的流程示意图;
图3为Probit图版检验图;
图4为基于油气藏发现系列的累计资源分布图;
图5为勘探效率系数分析图;
图6为根据本发明实施例三的勘探效率系数确定装置的结构示意图;
图7为根据本发明实施例四的勘探效率系数确定装置的结构示意图。
在附图中,相同的部件使用相同的附图标记。附图并未按照实际的比例绘制。
具体实施方式
下面将结合附图对本发明作进一步说明。
实施例一
图1为根据本发明实施例一的勘探效率系数确定方法的流程示意图;如图1所示,本实施例提供一种勘探效率系数确定方法,包括:
样本获取步骤101,获取区带的多个油气藏样本,其中,所述油气藏样本包括油气藏储量。
具体的,区带是介于盆地和圈闭之间,是指盆地同一构造带中,具有相同成因联系和油气生、运、聚规律并在地域分布上相邻的一系列圈闭与已发现油气藏(田)的统一组合。区带的划分通常采用“平面上分区、纵向上分层”的方法,考虑的关键地质要素包括储集层、区域盖层、油气充注条件、圈及上述4要素的有效配置关系。
油气藏样本为区带已发现的油气藏。基于划分的评价单元(即区带),根据油气藏的归并原则来统计该评价单元内已发现的油气藏及各个油气藏的储量,最终形成油气藏的数据统计表,参见表1,数据统计表中需要给出每个油气藏的规模(即油气藏储量)和发现时间。
表1
进行油气藏归并时,需要遵循以下流程:1)基于评价单元范围,确定评价单元范围内所属的油气田;2)根据所属油气田,在纵向上按照不同层位统计已发现储量单元或油气藏;3)针对不同层位已发现油气藏,根据构造油气藏、岩性油气藏、构造-岩性油气藏等类型进一步归并油气藏;4)根据油气藏归并结果,结合区带范围(平面分区,纵向分层),形成区带的油气藏数据统计表。
概率分布模型获取步骤102,根据多个油气藏样本,获取区带的油气藏储量概率分布模型。
具体的,针对区带的已发现的油气藏进行统计,其目的是研究已发现油气藏的分布规律,通过已发现油气藏的分布规律来进一步分析区带的油气藏储量的总体分布模型,即区带的油气藏储量概率分布模型。
勘探效率系数获取步骤103,对油气藏储量概率分布模型进行分析,确定勘探效率系数,其中,油气藏储量概率分布模型与勘探效率系数有关。
具体的,油气藏储量概率分布模型与勘探效率系数之间满足某一关系式,通过对油气藏储量概率分布模型进行分析,使油气藏储量概率分布模型更加符合实际的概率分布,不断的调整勘探效率系数,直到油气藏储量概率分布模型达到最优,此时的勘探效率系数即为所求。
本实施例提供的勘探效率系数确定方法,根据区带的多个油气藏样本获取油气藏储量概率分布模型,然后通过对油气藏储量概率分布模型进行分析,确定勘探效率系数,使勘探效率系统的获取具有客观性和科学性,减少了主观性和随意性,为后续油气资源量预测分析奠定了基础。
实施例二
本实施例是在上述实施例的基础上进行的补充说明。
图2为根据本发明实施例二的勘探效率系数确定方法的流程示意图;如图2所示,本实施例提供一种勘探效率系数确定方法,包括:
样本获取步骤201,获取区带的多个油气藏样本,其中,所述油气藏样本包括油气藏储量及油气藏发现时间。
本步骤与实施例一中的步骤101一致,在此不再赘述。
概率分布模型获取步骤202,根据多个油气藏样本,获取区带的油气藏储量概率分布模型。
进一步的,本步骤具体包括:
根据多个油气藏样本,获取区带的预估油气藏储量概率分布模型;
根据probit图版来对预估油气藏储量概率分布模型进行检验,判断油气藏样本是否符合预估油气藏储量概率分布模型,若是,则预估油气藏储量概率分布模型为区带的油气藏储量概率分布模型。
具体的,基于统计的已发现油气藏样本,选择匹配的概率分布模型,即预估油气藏储量概率分布模型,然后根据probit图版来对预估油气藏储量概率分布模型进行检验,判断预估油气藏储量概率分布模型是否适用于已发现油气藏样本。
Probit图版的定义如下:Probit图是根据变量的累积比例与指定分布的累积比例之间的关系所绘制的图形,通过Probit图可以检验数据是否符合指定的分布。Probit图版检验方法为:通过拟合的虚线可以检验数据是否符合指定的分布,当数据符合指定分布时,分布曲线与样本点拟合效果较好,如图3所示的Probit图版检验图。图3中X坐标轴为统计样本的对数坐标值,Y坐标轴为统计样本的累计比例。虚线为统计样本的累计比例与指定分布的累积比例之间的关系所绘制的图形,实线为统计样本的累计比例与对数正态分布的累积比例之间的关系所绘制的图形。
勘探效率系数获取步骤203,对油气藏储量概率分布模型进行分析,确定勘探效率系数,其中,油气藏储量概率分布模型与勘探效率系数有关。
进一步的,本步骤具体包括:
对油气藏储量概率分布模型进行分析,获得区带内多个油气藏样本的联合密度函数,其中,联合密度函数为:
β为勘探效率系数,在0至2范围内取值;
N为区带的油气藏总个数;
n为已发现油气藏样本的个数;
r和λ为油气藏储量概率分布模型的分布参数;
f(r,λ)表示单个油气藏发现的概率密度函数;
E(β,N)表示数学期望;
为N和β在各自的预设阈值内取多组值;
根据每一组N和β的值,基于发现过程模型方法估算r和λ的值;
采用最小二乘法确定每一组N、β、r和λ的值对应的最小误差;
选取值最小的最小误差所对应的β的值作为最终确定的勘探效率系数。
具体的,基于已发现油气藏样本,可以对区带的油气藏储量概率分布模型进行研究。但是,仅仅知道油气藏储量概率分布模型是不够的,还需要进一步来确定该模型的分布参数。本实施例中采用基于发现过程模型方法来确定分布参数。其方法描述如下:
发现过程模型方法为:针对某一区带,油气藏的发现并不是无偏的(随机的),而是有偏的。实际勘探中,地质家更希望优先勘探成藏概率高、资源量大、具有战略意义的目标,这导致区带中规模最大或者勘探投入最高的油气藏容易被先发现,使得已发现的油气藏样本为总体样本的一个有偏抽样(如勘探投入大的区域易先被发现,最大的油气藏易被先发现等)。因而,在确定油气藏储量的分布及其参数的求取过程中必须要把勘探数据的有偏性特征考虑进去。
设Pj表示发现油气藏Yj的概率,则有
公式(1)是对油气藏规模分布的描述,称作超总体油气藏规模分布。j为序号,表示油气藏发现的先后顺序,j∈[1,N];
β为表示该区带勘探效率的系数。
针对某一区带,假设其勘探效率为β(此时的β为一待定参数),其已发现油气藏X(观测样本)以x1、x2、…、xn的顺序出现的概率是:
对于公式(2),若对i1、i2、…、in的所有可能的组合进行求和,并乘以相关变量的概率,获得如下的联合密度函数:
公式(3)中,未知参数有N,β,r和λ四个。
N:区带的总油气藏个数。该参数可以根据区带的基本地质情况,研究人员可以给出一个合理的区间范围值[最小油气藏个数、最大油气藏格式]。
β:为该地区的勘探效率系数。该参数可以根据区带已发现油气藏的趋势分析,结合β的定义,由研究人员给出一个合理的区间范围值,通常在0-2中间。
r和λ:为区带油气藏规模概率模型的分布参数。r为位置参数,r和λ为形态参数。通过基于发现过程模型计算得到。
针对上述待定的4个参数(N,β,r,λ),在N和β给定范围情况下,来求取分布参数r和λ。
如图4所示的基于油气藏发现系列(即发现顺序)的累计资源分布图,对于β值,若β=0,则发现过程就是一种从有限总体进行随机采样过程,此时,油气藏储量对油气藏的发现顺序没有影响;若β>0,则发现过程是一种有偏采样过程,采样将偏向于较大储量的油气藏,就是说,对于固定的采样个数n,储量较大的油气藏比储量小的能更早地被发现,并且β值越大,储量较大油气藏被发现的时间就越早。从勘探和经济的观点来看,β值越大,表明勘探过程的效率越高,因此,β被称作勘探效率系数或发现参数。
进一步的,为N和β在各自的预设阈值内取多组值,具体包括:
为N和β在各自的预设阈值内取值,获得第一组值,其中,N在第一阈值内取值,β在第二阈值内取值;
按照预设步长依次递增或递减第一组值中的N的值和/或β的值,获得多组N的值和β的值。
具体的,基于给定的油气藏个数和勘探效率系数各自的区间范围确定区带油气藏储量概率分布模型的分布参数,采用的方法如下:
(1)针对研究区带,在合理估计N,β范围的情况下,给出一尽可能大的N,β取值范围,即第一阈值和第二阈值,并为N和β在各自的预设阈值内取值,获得第一组值;(2)在获得的第一组值的N的值和/或β的值基础上,按照预设步长依次递增或递减N和/或β的值,得到多组的N,β值。(3)基于每一组N,β的值,采用发现过程模型方法来计算分布参数;(4)基于所有N,β的值得到相应的分布参数,即r和λ的值。
在获得N、β、r和λ的值之后,采用最小二乘法确定每一组N、β、r和λ的值对应的最小误差,最小误差的值代表了该组勘探效率系数和油藏个数与区带的实际勘探的符合程度。如表2中所示的N、β、r、λ和对应的最小误差。
表2
β | N | r | λ | 最小误差 |
0.4 | 205 | 95.554 | 1.007 | 26721.51 |
0.4 | 210 | 87.687 | 0.993 | 29001.8 |
0.4 | 200 | 101.118 | 1.013 | 30395.23 |
0.4 | 245 | 32.772 | 0.733 | 30856.41 |
0.4 | 240 | 37.796 | 0.759 | 31337.32 |
0.4 | 230 | 49.529 | 0.814 | 32141.05 |
0.4 | 235 | 43.387 | 0.786 | 32199.55 |
0.4 | 225 | 56.594 | 0.852 | 32280.59 |
0.4 | 215 | 83.86 | 0.988 | 32483.69 |
0.4 | 255 | 24.541 | 0.688 | 33360.68 |
0.4 | 250 | 28.769 | 0.715 | 33726.26 |
0.4 | 280 | 11.29 | 0.603 | 33859.93 |
0.4 | 285 | 8.799 | 0.583 | 36888.62 |
0.4 | 265 | 17.882 | 0.647 | 36973.67 |
选取值最小的最小误差所对应的β的值作为最终确定的勘探效率系数,表2中最小误差对应的N、β、r和λ的值便确定了。
进一步的,选取值最小的最小误差所对应的β的值作为最终确定的勘探效率系数,还包括:
根据值最小的最小误差所对应的N、β、r和λ的值,构造区带的油气藏储量概率分布模型,获取区带的油气藏储量概率分布。
具体的,N、β、r和λ的值确定之后,区带的油气藏储量概率分布模型便可唯一确定一个分布,此唯一分布即为区带的油气藏储量概率分布。
进一步的,在勘探效率系数获取步骤之后,还包括概率分布模型检验步骤204,根据区带的油气藏储量概率分布,模拟油气藏发现过程,获得模拟曲线;
根据多个油气藏样本,获得已发现油气藏曲线;
将模拟曲线与油气藏曲线进行对比,获得拟合程度。
具体的,基于勘探效率系数β和油藏个数N得到区带的油气藏储量概率分布之后,根据区带的油气藏储量概率分布进行取样,模拟勘探发现过程(已取同等规模的油气藏不会被发现,勘探效率高的油气藏优选发现)。经过多次模拟,得到基于有偏取样模拟的油气藏发现过程图,如图5所示的勘探效率系数分析图所示,图中X坐标轴为油气藏的发现序号(发现先后顺序的序号),Y坐标轴为油气藏发现序列的累积资源量。虚线为研究区实际样本(已发现油气藏)按照发现时间的累积资源量曲线;实线为基于总体分布和给定的勘探效率系列,模拟得到的一组拟合曲线。
检验方法:通过比较模拟得到的一系列曲线与实际的油气藏累积资源量曲线拟合程度,可以直观判断给定的勘探效率参数与该地区的实际勘探拟合程度。当勘探效率系数与实际勘探拟合程度好时,两种曲线能够较好的重合。通过步骤204可以直观科学的判断勘探效率系数是否与该地区的实际勘探吻合,为进一步开展研究区的油气资源量预测和油气藏结构分析奠定了基础。
实施例三
本实施例为装置实施例,用于执行上述实施例一中的方法。
图6为根据本发明实施例三的勘探效率系数确定装置的结构示意图;如图6所示,本实施例提供一种勘探效率系数确定装置,包括:样本获取模块301、概率分布模型获取模块302和勘探效率系数获取模块303。
其中,样本获取模块301,用于获取区带的多个油气藏样本,其中,所述油气藏样本包括油气藏储量。
概率分布模型获取模块302,用于根据多个油气藏样本,获取区带的油气藏储量概率分布模型。
勘探效率系数获取模块303,用于对油气藏储量概率分布模型进行分析,确定勘探效率系数。
本实施例是与方法实施例一对应的装置实施例,具体可参见实施例一中的描述,在此不再赘述。
实施例四
本实施例是在实施例三的基础上进行的补充说明,用于执行上述实施例二中的方法。
图7为根据本发明实施例三的勘探效率系数确定装置的结构示意图;如图7所示,本实施例提供一种勘探效率系数确定装置,包括:样本获取模块301、概率分布模型获取模块302和勘探效率系数获取模块303。
进一步的,勘探效率系数获取模块303,具体用于:
对油气藏储量概率分布模型进行分析,获得区带内多个油气藏样本的联合密度函数,其中,联合密度函数为:
β为勘探效率系数,在0至2范围内取值;
N为区带的油气藏总个数;
n为已发现油气藏样本的个数;
r和λ为油气藏储量概率分布模型的分布参数;
f(r,λ)表示单个油气藏发现的概率密度函数;
E(β,N)表示数学期望;
为N和β在各自的预设阈值内取多组值;
根据每一组N和β的值,基于发现过程模型方法估算r和λ的值;
采用最小二乘法确定每一组N、β、r和λ的值对应的最小误差;
选取值最小的最小误差所对应的β的值作为最终确定的勘探效率系数。
进一步的,概率分布模型获取模块302,具体包括:
预估油气藏储量概率分布模型获取子模块3021,用于根据多个油气藏样本,获取区带的预估油气藏储量概率分布模型;
判断子模块3022,用于根据probit图版来对预估油气藏储量概率分布模型进行检验,判断油气藏样本是否符合预估油气藏储量概率分布模型,若是,触发概率分布模型确定模块;
概率分布模型确定子模块3023,用于将预估油气藏储量概率分布模型指定为区带的油气藏储量概率分布模型。
进一步的,勘探效率系数获取模块303,还用于:
根据值最小的最小误差所对应的N、β、r和λ的值,构造区带的油气藏储量概率分布模型,获取区带的油气藏储量概率分布;
上述装置还包括:概率分布模型检验模块304,用于根据区带的油气藏储量概率分布,模拟油气藏发现过程,获得模拟曲线;根据多个油气藏样本,获得已发现油气藏曲线;将模拟曲线与油气藏曲线进行对比,获得拟合程度。
本实施例是与方法实施例二对应的装置实施例,具体可参见实施例二中的描述,在此不再赘述。
虽然已经参考优选实施例对本发明进行了描述,但在不脱离本发明的范围的情况下,可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是,只要不存在结构冲突,各个实施例中所提到的各项技术特征均可以任意方式组合起来。本发明并不局限于文中公开的特定实施例,而是包括落入权利要求的范围内的所有技术方案。
Claims (8)
1.一种勘探效率系数确定方法,其特征在于,包括:
样本获取步骤,获取区带的多个油气藏样本,其中,所述油气藏样本包括油气藏储量;
概率分布模型获取步骤,根据多个油气藏样本,获取区带的油气藏储量概率分布模型;
勘探效率系数获取步骤,对油气藏储量概率分布模型进行分析,确定勘探效率系数,其中,油气藏储量概率分布模型与勘探效率系数有关;
勘探效率系数获取步骤,具体包括:
对油气藏储量概率分布模型进行分析,获得区带内多个油气藏样本的联合密度函数,其中,联合密度函数为:
β为勘探效率系数,在0至2范围内取值;
N为区带的油气藏总个数;
n为已发现油气藏样本的个数;
r和λ为油气藏储量概率分布模型的分布参数;
f(r,λ)表示单个油气藏发现的概率密度函数;
E(β,N)表示数学期望;
为N和β在各自的预设阈值内取多组值;
根据每一组N和β的值,基于发现过程模型方法估算r和λ的值;
采用最小二乘法确定每一组N、β、r和λ的值对应的最小误差;
选取值最小的最小误差所对应的β的值作为最终确定的勘探效率系数。
2.根据权利要求1所述的勘探效率系数确定方法,其特征在于,概率分布模型获取步骤,具体包括:
根据多个油气藏样本,获取区带的预估油气藏储量概率分布模型;
根据probit图版来对预估油气藏储量概率分布模型进行检验,判断油气藏样本是否符合预估油气藏储量概率分布模型,若是,则预估油气藏储量概率分布模型为区带的油气藏储量概率分布模型。
3.根据权利要求1所述的勘探效率系数确定方法,其特征在于,为N和β在各自的预设阈值内取多组值,具体包括:
为N和β在各自的预设阈值内取值,获得第一组值,其中,N在第一阈值内取值,β在第二阈值内取值;
按照预设步长依次递增或递减第一组值中的N的值和/或β的值,获得多组N的值和β的值。
4.根据权利要求1所述的勘探效率系数确定方法,其特征在于,选取值最小的最小误差所对应的β的值作为最终确定的勘探效率系数,还包括:
根据值最小的最小误差所对应的N、β、r和λ的值,构造区带的油气藏储量概率分布模型,获取区带的油气藏储量概率分布。
5.根据权利要求4所述的勘探效率系数确定方法,其特征在于,在勘探效率系数获取步骤之后,还包括:
概率分布模型检验步骤,根据区带的油气藏储量概率分布,模拟油气藏发现过程,获得模拟曲线;
根据多个油气藏样本,获得已发现油气藏曲线;
将模拟曲线与油气藏曲线进行对比,获得拟合程度。
6.一种勘探效率系数确定装置,其特征在于,包括:
样本获取模块,用于获取区带的多个油气藏样本,其中,所述油气藏样本包括油气藏储量;
概率分布模型获取模块,用于根据多个油气藏样本,获取区带的油气藏储量概率分布模型;
勘探效率系数获取模块,用于对油气藏储量概率分布模型进行分析,确定勘探效率系数;
勘探效率系数获取模块,具体用于:
对油气藏储量概率分布模型进行分析,获得区带内多个油气藏样本的联合密度函数,其中,联合密度函数为:
β为勘探效率系数,在0至2范围内取值;
N为区带的油气藏总个数;
n为已发现油气藏样本的个数;
r和λ为油气藏储量概率分布模型的分布参数;
f(r,λ)表示单个油气藏发现的概率密度函数;
E(β,N)表示数学期望;
为N和β在各自的预设阈值内取多组值;
根据每一组N和β的值,基于发现过程模型方法估算r和λ的值;
采用最小二乘法确定每一组N、β、r和λ的值对应的最小误差;
选取值最小的最小误差所对应的β的值作为最终确定的勘探效率系数。
7.根据权利要求6所述的勘探效率系数确定装置,其特征在于,概率分布模型获取模块,具体包括:
预估油气藏储量概率分布模型获取子模块,用于根据多个油气藏样本,获取区带的预估油气藏储量概率分布模型;
判断子模块,用于根据probit图版来对预估油气藏储量概率分布模型进行检验,判断油气藏样本是否符合预估油气藏储量概率分布模型,若是,触发概率分布模型确定模块;
概率分布模型确定子模块,用于将预估油气藏储量概率分布模型指定为区带的油气藏储量概率分布模型。
8.根据权利要求6所述的勘探效率系数确定装置,其特征在于,勘探效率系数获取模块,还用于:
根据值最小的最小误差所对应的N、β、r和λ的值,构造区带的油气藏储量概率分布模型,获取区带的油气藏储量概率分布;
所述装置还包括:
概率分布模型检验模块,用于根据区带的油气藏储量概率分布,模拟油气藏发现过程,获得模拟曲线;根据多个油气藏样本,获得已发现油气藏曲线;将模拟曲线与油气藏曲线进行对比,获得拟合程度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610098663.0A CN107103552B (zh) | 2016-02-23 | 2016-02-23 | 勘探效率系数确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610098663.0A CN107103552B (zh) | 2016-02-23 | 2016-02-23 | 勘探效率系数确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107103552A CN107103552A (zh) | 2017-08-29 |
CN107103552B true CN107103552B (zh) | 2022-02-01 |
Family
ID=59658928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610098663.0A Active CN107103552B (zh) | 2016-02-23 | 2016-02-23 | 勘探效率系数确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107103552B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108399471A (zh) * | 2018-02-11 | 2018-08-14 | 中国石油化工股份有限公司 | 探明储量增长s型曲线年度递推规律预测方法 |
CN112785448B (zh) * | 2020-11-24 | 2024-03-05 | 中国石油天然气股份有限公司 | 一种油气资源区带评价方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8838425B2 (en) * | 2010-03-18 | 2014-09-16 | Schlumberger Technology Corporation | Generating facies probablity cubes |
CN102747991A (zh) * | 2011-04-22 | 2012-10-24 | 长江大学 | 一种确定合采井单层产量的方法 |
CN102508293B (zh) * | 2011-11-28 | 2013-05-15 | 中国石油大学(北京) | 一种叠前反演的薄层含油气性识别方法 |
CN103777245B (zh) * | 2012-10-17 | 2017-05-03 | 中国石油化工股份有限公司 | 基于地震资料的油气成藏条件定量评价方法 |
CN103792592A (zh) * | 2013-03-14 | 2014-05-14 | 中国石油大学(北京) | 一种确定陆相断陷盆地油气藏分布最有利范围的方法 |
CN105095981A (zh) * | 2014-05-23 | 2015-11-25 | 中国石油化工股份有限公司 | 一种基于人机交互的油气藏规模序列资源评价方法 |
-
2016
- 2016-02-23 CN CN201610098663.0A patent/CN107103552B/zh active Active
Non-Patent Citations (4)
Title |
---|
"Application of Discovery Process Models in Estimating Petroleum Resources at the Play Level in China";Zhouheng Chen等;《Nonrenewable Resources》;19971231;第6卷(第4期);第317-328页 * |
"Prediction of Oil or Gas Pool Sizes When Discovery Record is Available";P.J.Lee等;《Mathematical Geology》;19851231;第17卷(第2期);第95-113页 * |
"STATISTICAL METHODS FOR ESTIMATING PETROLEUM RESOURCES";P.J.Lee;《Oxford University Press》;20081231;第25-45页 * |
"济阳坳陷八面河探区油气资源前景和勘探效益预测_解国军";解国军 等;《高校地质学报》;20020331;第8卷(第1期);第86-95页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107103552A (zh) | 2017-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108918815B (zh) | 一种土壤重金属风险预测方法 | |
Mogheir et al. | Characterizing the spatial variability of groundwater quality using the entropy theory: I. Synthetic data | |
Sauquet et al. | Comparison of catchment grouping methods for flow duration curve estimation at ungauged sites in France | |
CN107728231B (zh) | 一种预测核磁共振测井横向弛豫时间t2分布的方法 | |
WO2018080522A1 (en) | Target class feature model | |
CN108170765A (zh) | 基于在校行为数据多维分析的贫困生资助推荐方法 | |
CN104573333B (zh) | 利用聚类分析进行模型优选的方法 | |
Austin | Vegetation: data collection and analysis | |
Nan et al. | Groundwater parameter estimation using the ensemble Kalman filter with localization | |
Dunson et al. | Bayesian structural equation modeling | |
CN109800954A (zh) | 基于测井数据的储层评价新方法 | |
CN103336305A (zh) | 一种基于灰色理论划分致密砂岩储层岩石物理相的方法 | |
Pardoe et al. | Palaeobotanical experiences of plant diversity in deep time. 2: How to measure and analyse past plant biodiversity | |
CN106935038B (zh) | 一种停车检测系统及检测方法 | |
CN107103552B (zh) | 勘探效率系数确定方法及装置 | |
Mouillot et al. | The fractal model: a new model to describe the species accumulation process and relative abundance distribution (RAD) | |
CN117078077A (zh) | 一种高速公路路域的生态脆弱性评价方法 | |
Cappello et al. | covatest: an R package for selecting a class of space-time covariance functions | |
Guillaume Blanchet et al. | A new cost‐effective approach to survey ecological communities | |
Vallejos et al. | The effective sample size for multivariate spatial processes with an application to soil contamination | |
CN113486295A (zh) | 基于傅里叶级数的臭氧总量变化预测方法 | |
CN112729292A (zh) | 基于层次分析方法的多重统计参数的重力适配区选取方法 | |
CN115935283B (zh) | 一种基于多元非线性因果分析的干旱成因溯源方法 | |
CN111767624A (zh) | 一种基于地质帕累托参数先验求解的资源评价方法 | |
CN104880737A (zh) | 测井资料识别地下流体类型的多元Logistic方法 |
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 |