CN107165621B - 一种利用聚类方法识别多井沉积微相的方法 - Google Patents

一种利用聚类方法识别多井沉积微相的方法 Download PDF

Info

Publication number
CN107165621B
CN107165621B CN201710294370.4A CN201710294370A CN107165621B CN 107165621 B CN107165621 B CN 107165621B CN 201710294370 A CN201710294370 A CN 201710294370A CN 107165621 B CN107165621 B CN 107165621B
Authority
CN
China
Prior art keywords
sandstone
thickness
sedimentary
index
formula
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
Application number
CN201710294370.4A
Other languages
English (en)
Other versions
CN107165621A (zh
Inventor
蒲秀刚
周立宏
肖敦清
陈长伟
杨飞
姜文亚
韩文中
张伟
时战楠
刘永祯
林常梅
王颖
孙鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Petrochina Co Ltd
Original Assignee
Petrochina Dagang Oilfield Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Petrochina Dagang Oilfield Co filed Critical Petrochina Dagang Oilfield Co
Priority to CN201710294370.4A priority Critical patent/CN107165621B/zh
Publication of CN107165621A publication Critical patent/CN107165621A/zh
Application granted granted Critical
Publication of CN107165621B publication Critical patent/CN107165621B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Geology (AREA)
  • Mining & Mineral Resources (AREA)
  • Physics & Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Fluid Mechanics (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geochemistry & Mineralogy (AREA)
  • Processing Of Solid Wastes (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)

Abstract

本发明涉及一种利用聚类方法识别多井沉积微相的方法，包括以下步骤:S1收集各井位录井地质数据并获得各类岩性组合指数；S2从步骤S1中获得的数据中选取能反映不同沉积微相间岩性组合指数；S3对步骤S1中各所述井位进行分层，根据分层数据统计各层内步骤S2中选取的所述岩性组合指数；S4对步骤S3中得到的所述岩性组合指数的值域控制在存在最小值为0，最大值为1的范围内，对不属于所述范围的所述岩性组合指数进行归一化处理；S5通过步骤S4所得岩性组合指数对多井样本空间进行聚类分析；S6根据聚类分析结果，选择不同的分类级别进行沉积相组合和沉积微相识别；以及S7利用单井沉积微相分析结果，根据沉积微相空间配置规律绘制沉积微相平面分布图。

Description

一种利用聚类方法识别多井沉积微相的方法
技术领域
本发明涉及矿产油气资源勘查，特别涉及一种利用聚类方法识别多井沉积微相的方法。
背景技术
砂岩储层是可以储集和渗滤流体的岩层，即储集层，能够储存和渗滤油气的岩层。
沉积微相对砂岩储层寻找和评价有着重要指导作用，通过研究沉积微相空间配置关系确定砂岩储层分布特征及其储集性能评价是油气勘探的主要内容之一。
现有沉积微相研究方法一般是通过单井资料研究某点沉积特征，然后通过连井分析剖面沉积特征，最后确定沉积微相空间配置关系。现有研究方法主要适用于井资料较少地区，借助研究者既有经验，充分挖掘单井所提供的地质信息。而对于勘探程度较高，井资料较多，上述方法工作量大，研究周期长，不能满足实际勘探需要。
发明内容
本发明所要解决的技术问题是提供一种利用聚类方法识别多井沉积微相的方法，如何快速判别多井沉积微相，通过利用数学统计的方法实现多井沉积微相的定量识别，从而提高沉积微相评价效率，为油气勘探提供技术支撑。
本发明解决上述技术问题的技术方案如下：一种利用聚类方法识别多井沉积微相的方法，包括以下步骤:S1，收集各井位录井地质数据从而获得岩性组合指数；S2，从步骤S1中获得的数据中选取能反映不同沉积微相间岩性组合指数；S3，对步骤S1中各所述井位进行分层，根据分层数据统计各层内步骤S2中选取的所述岩性组合指数；S4，对步骤S3中得到的所述岩性指数的值域控制在存在最小值为0，最大值为1的范围内，对超过所述范围的所述岩性指数进行归一化处理；S5，通过步骤S4所得岩性指数对多井样本空间进行聚类分析；S6，根据聚类分析结果，选择不同的分类级别进行沉积相组合和沉积微相识别；以及S7，利用单井沉积微相分析结果，根据沉积微相空间配置规律绘制沉积微相平面分布图。
本发明的有益效果是：本发明方法能够充分利用现有岩性组合数据资料，统计运算过程自动化，实现沉积微相识别定量分析，在提高分辨率的同时大幅度减少工作量，缩短研究周期，研究成果可以快速被工业化应用。
在上述技术方案的基础上，本发明还可以做如下改进。
进一步，所述一种利用聚类方法识别多井沉积微相的方法，步骤S2中所述岩性组合指数包括岩性指数I1、砂岩粒级指数I2、砂岩粒级分异度I3、砂岩厚度指数I4、砂岩厚度分异度I5、泥岩颜色指数I6和泥岩厚度指数I7；
Figure BDA0001282699700000021
公式(1)中H1为泥岩厚度，H2为泥质砂岩厚度，H3为砂岩厚度，H0为地层厚度；
Figure BDA0001282699700000022
公式(2)中H1为粉砂岩厚度，H2为细砂岩厚度，H3为中砂岩厚度，H4为粗砂岩厚度；
Figure BDA0001282699700000023
公式(3)中α1为粉砂岩在砂岩中所占百分比，α2为细砂岩在砂岩中所占百分比，α3为中砂岩在砂岩中所占百分比，α4为中砂岩在砂岩中所占百分比；
Figure BDA0001282699700000031
公式(4)中N0为砂岩的总层数，H1为粉砂岩厚度，H2为细砂岩厚度，H3为中砂岩厚度，H4为粗砂岩厚度；
Figure BDA0001282699700000032
公式(5)中H1为粉砂岩厚度，H2为细砂岩厚度，H3为中砂岩厚度，H4为粗砂岩厚度，H0为砂岩平均厚度；
Figure BDA0001282699700000033
公式(6)中H0为泥岩厚度，H1为深灰色泥岩厚度，H2为灰色泥岩厚度，H3为绿色泥岩厚度，H4为棕红色泥岩厚度；
Figure BDA0001282699700000034
公式(7)中N1为泥岩总层数；H0为泥岩总厚度。
采用上述进一步方案的有益效果是采用能够用于识别沉积微相的岩性组合指数定量化表证岩性组合特征，把复杂的岩性组合特征用数字形式直观地反映出来，通过定义各指数所代表的地质意义，为进一步分析沉积微相奠定基础。
进一步，所述一种利用聚类方法识别多井沉积微相的方法，步骤S4中所述归一化处理采用公式
Figure BDA0001282699700000035
公式(8)中i＝(1,2,3,…,m)表示m口井的所需归一化岩性组合指数，Ii为第i口井所需归一化岩性组合指数的值，Im in为所需归一化岩性组合指数的最小值，Im ax为所需归一化岩性组合指数的最大值。
采用上述进一步方案的有益效果是把各岩性组合指数值域统一到0～1之间，在聚类分析计算样品之间的距离时，各岩性组合指数之间互为平等的关系，所得到的距离不会因某岩性组合过大而掩盖了其它参数。
进一步，所述一种利用聚类方法识别多井沉积微相的方法，步骤S5中所述聚类分析包括以下步骤：S51，将m口某研究层位所代表的沉积微相自划分一类，共m个类，然后根据步骤S4所得岩性组合指数进行聚类分析；S52，使用类平均法计算沉积微相之间的距离；S53，计算比较各沉积微相之间的距离，将距离最小的两个沉积微相合并为一类；S54，重复步骤S53，，直到m个类归为一个总类为止。
采用上述进一步方案的有益效果是在聚类过程中，选择合适的距离对所有井进行聚类分析，所选取的距离小，所得到的类越多。在实际聚类过程中，最初无法确定一个合适的距离，按照距离的远近，逐一进行聚类分析，后根据分析结果，选择合适的距离，确定合理分类。
进一步，所述一种利用聚类方法识别多井沉积微相的方法，步骤S51中，设有s种沉积微相，m口井，第g口井为ng，每口井某层段共提取p项岩性组合指数，用Xgjk表示第g种沉积微相内第j口井的第k项岩性组合指数；
沉积微相1
Figure BDA0001282699700000041
沉积微相2
Figure BDA0001282699700000042
沉积微相s
Figure BDA0001282699700000051
s、m、nm、p为正整数；
计算需判别样品属于第g种沉积微相的概率p{g/Y}，其中g＝1,2，...s；然后比较p{1/Y}，p{2/Y}，...，p{s/Y}的大小；最后将该样品归于概率最大的沉积微相；
Figure BDA0001282699700000052
qg为第g组的先验概率，fg(y1,y2,...yp)为样品属于沉积微相g的概率密度；
所述先验概率采用样本频率作为估计值，
Figure BDA0001282699700000053
式中，ng为第g口井，N为全部井位总数；
求解样品属于沉积微相g的概率密度fg(y1,y2,...yp)时设m个总体均服从正态分布，第g个总体的均值为μg向量，协方差矩阵为Vg，可得概率密度fg(y1,y2,...yp)，
Figure BDA0001282699700000054
式(10)中X＝(x1,x2,…,xp)’是p维向量，μg＝(μg1，μg2，…，μgp)’是均值向量，
Figure BDA0001282699700000055
是协方差矩阵，
Figure BDA0001282699700000056
是协方差矩阵的逆矩阵；
假设V1＝V2＝…＝Vm＝V，此时
Figure BDA0001282699700000057
在确定沉积微相的过程中，采用样本均值
Figure BDA0001282699700000058
来估计μg，用样本的协方差矩阵S来估计V；
Figure BDA0001282699700000061
其中g＝1,2，…，m； (12)
Figure BDA0001282699700000062
式(12)中
Figure BDA0001282699700000063
其中k＝1,2，…，p；
式(13)中，
Figure BDA0001282699700000064
其中Sg是第g种沉积微相的离差矩阵，
式(13)中
Figure BDA0001282699700000065
N是全部井位，
Figure BDA0001282699700000066
将式(12)、(13)代入式(11)中得出
Figure BDA0001282699700000067
将式(14)代入式(9)得，
Figure BDA0001282699700000068
对式(15)的分子取自然对数，得
Figure BDA0001282699700000069
对式(16)中与g有关的项记作Fg(Y),得
Figure BDA00012826997000000610
其中，g＝1,2,3，…，m；
式(17)是判别函数的矩阵形式，利用矩阵运算得
Figure BDA00012826997000000611
式(18)中
Figure BDA0001282699700000071
式中
Figure BDA0001282699700000074
是S的逆矩阵S-1中第k行第t列元素。
采用上述进一步方案的有益效果是对聚类分析结果进行检验和新井沉积微相判别。通过聚类分析得到的分类结果，利用已知井位进行校验所得模型，验证模型准确性，对于新井沉积微相识别，可单独采用此步骤进行判别分析。
进一步，所述一种利用聚类方法识别多井沉积微相的方法，步骤S52中，沉积微相之间的距离DG(p,q)为
Figure BDA0001282699700000073
式(19)中，d、i和j代表任意两沉积微相之间的距离，Gp和Gq用来代指任意两个沉积微相，l和m分别为Gp和Gq中的样本数，d、i和j为Gp沉积微相中第i个样品与Gq沉积微相中第j样品之间的距离。
采用上述进一步方案的有益效果是通过定义并计算两沉积微相间的距离，把各岩性组合指数从p维空间降到一维空间内，在实际分类中，通过设定距离的大小，既可实现沉积微相聚类。
进一步，所述一种利用聚类方法识别多井沉积微相的方法，步骤S6中，根据聚类分析结果，划分为不同的类别；岩性指数I1接近于1时砂岩所占比例大，砂岩粒级指数I2接近于1时粗砂岩含量高，砂岩粒级分异度I3接近于0.75时砂岩粒级越单一，砂岩厚度指数I4值越大平均单层砂岩厚度越小，砂岩厚度分异度I5值越大砂层之间厚度差异性越大，泥岩颜色指数I6接近于1时氧化色泥岩所占比例大，泥岩厚度指数I7值越大单层泥岩厚度越小。
采用上述进一步方案的有益效果是把各岩性组合指数赋予其地质意义，判别各类所代表沉积微相。
进一步，所述一种利用聚类方法识别多井沉积微相的方法，步骤S7中，利用单井沉积微相分析结果，根据沉积微相空间配置规律，结合沉积微相平面配置关系绘制沉积微相平面分布图。
采用上述进一步方案的有益效果是在平面图上直观表达沉积微相聚类分析结果。
附图说明
图1为本发明方法步骤框图；
图2为本发明聚类分析平均联接树状图；
图3为本发明某一研究层沉积微相平面分布图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
本发明提供一种利用聚类方法识别多井沉积微相的方法，包括以下步骤:S1，收集各井位录井地质数据从而获得岩性组合指数；S2，从步骤S1中获得的数据中选取能反映不同沉积微相间岩性组合指数；S3，对步骤S1中各所述井位进行分层，根据分层数据统计各层内步骤S2中选取的所述岩性组合指数；S4，对步骤S3中得到的所述岩性指数的值域控制在存在最小值为0，最大值为1的范围内，对超过所述范围的所述岩性指数进行归一化处理；S5，通过步骤S4所得岩性指数对多井样本空间进行聚类分析；S6，根据聚类分析结果，选择不同的分类级别进行沉积相组合和沉积微相识别；以及S7，利用单井沉积微相分析结果，根据沉积微相空间配置规律绘制沉积微相平面分布图。
步骤S4中岩性组合指数的值域控制在存在最小值为0，最大值为1的范围内，具体是同一研究层对应的各井的同一指数中的值域需要最小值为0，最大值为1。
在步骤S1中,岩性录井资料也就是各井位录井地质数据是确定岩性组合指数的主要数据来源,但岩性录井资料受起下钻、接单根、钻井取心、钻时、钻井液循环流量等因素的影响，降低了录井数据的分辨率，因此需要通过测井和取心资料对录井资料进行校正。
沉积微相所对应的纵向尺度应控制在百米级范围内。在聚类分析之前，根据旋回关系，在三级、四级层序格架的基础上，建立五级层序格架，并完成所有井位的分层工作。
在本实施例中，主要描述某一研究层沉积微相分析及沉积微相平面图的绘制过程。
某一研究层沉积微相主要受环湖物源控制，主要发育三角洲平原沼泽、三角洲平原河道、三角洲前缘水下分流河道、河口坝、远砂坝、滨浅湖泥、半深湖泥、深湖泥等沉积微相，碳酸盐相不发育。对此，步骤S2中选取岩性指数I1、砂岩粒级指数I2、砂岩粒级分异度I3、砂岩厚度指数I4、砂岩厚度分异度I5、泥岩颜色指数I6和泥岩厚度指数I7参数来描述研究层段录井岩性组合指数。
Figure BDA0001282699700000091
公式(1)中H1为泥岩厚度，H2为泥质砂岩厚度，H3为砂岩厚度，H0为地层厚度。
Figure BDA0001282699700000092
公式(2)中H1为粉砂岩厚度，H2为细砂岩厚度，H3为中砂岩厚度，H4为粗砂岩厚度。
Figure BDA0001282699700000093
公式(3)中α1为粉砂岩在砂岩中所占百分比，α2为细砂岩在砂岩中所占百分比，α3为中砂岩在砂岩中所占百分比，α4为中砂岩在砂岩中所占百分比。
Figure BDA0001282699700000101
公式(4)中N0为砂岩的总层数，H1为粉砂岩厚度，H2为细砂岩厚度，H3为中砂岩厚度，H4为粗砂岩厚度。其中砂岩厚度指数I4选取100米砂岩的层数，当然也可以选取其他尺寸的砂岩层数。
Figure BDA0001282699700000102
公式(5)中H1为粉砂岩厚度，H2为细砂岩厚度，H3为中砂岩厚度，H4为粗砂岩厚度，H0为砂岩平均厚度。
Figure BDA0001282699700000103
公式(6)中H0为泥岩厚度，H1为深灰色泥岩厚度，H2为灰色泥岩厚度，H3为绿色泥岩厚度，H4为棕红色泥岩厚度。
Figure BDA0001282699700000104
公式(7)中N1为泥岩总层数；H0为泥岩总厚度。其中泥岩厚度指数I7选取100米泥岩的层数。
步骤S4中所述归一化处理采用公式
Figure BDA0001282699700000105
公式(8)中i＝(1,2,3,…,m)表示m口井的所需归一化岩性组合指数，Ii为第i口井所需归一化岩性组合指数的值，Im in为所需归一化岩性组合指数的最小值，Im ax为所需归一化岩性组合指数的最大值。
针对步骤S1中根据分层数据，统计各单井某一研究层内的岩性组合指数，在此仅给出部分数据,如表1所示。具体统计方法可利用相关软件程序进行。
表1
Figure BDA0001282699700000106
Figure BDA0001282699700000111
Figure BDA0001282699700000121
Figure BDA0001282699700000131
序号表示研究层对应的井号,每口井有一个编号,共78口井。。
I3为砂岩粒级分异度最小值为0.39，大于0，砂岩厚度指数I4值域大于1，砂岩厚度分异度I5值域大于1，泥岩厚度指数I7值域大于1。在聚类分析之前需要对此四项岩性组合指数进行归一化处理。
在本实施例中归一化处理采用公式
Figure BDA0001282699700000132
公式(8)中i＝(1,2,3,…,m)表示m口井的所需归一化岩性组合指数，Ii为第i口井所需归一化岩性组合指数的值，Im in为所需归一化岩性组合指数的最小值，Im ax为所需归一化岩性组合指数的最大值。
通过归一化处理，将归一化后的数据进行聚类分析。岩性指数I1、砂岩粒级指数I2和泥岩颜色指数I6值域在0～1之间，且存在最小值为0，最大值为1无需处理。通过归一化处理，得到归一化后的岩性组合指数如表3所示。
表2
Figure BDA0001282699700000133
Figure BDA0001282699700000141
Figure BDA0001282699700000151
归一化处理是为了在聚类过程中，避免岩性组合指数单个数据过大或过小，对聚类结果产生影响，此数据仅用于聚类分析，在沉积微相判别过程中，使用未归一化的数据。如表3所示。
表3
岩性组合指数 值域 代表意义
岩性指数I<sub>1</sub> 0～1 接近于1时砂岩所占比例大
砂岩粒级指数I<sub>2</sub> 0～1 接近于1时粗砂岩含量高
砂岩粒级分异度I<sub>3</sub> 0～1 接近于1时砂岩粒级越单一
砂岩厚度指数I<sub>4</sub> >1 值越大平均单层砂岩厚度越小
砂岩厚度分异度I<sub>5</sub> >0 值越大砂层之间厚度差异性越大
泥岩颜色指数I<sub>6</sub> 0～1 接近于1时氧化色泥岩所占比例大
泥岩厚度指数I<sub>7</sub> >1 值越大单层泥岩厚度越小
把表2中归一化的数据输入到SPSS软件内，把每种岩性组合指数作为变量，在贝叶斯准则下进行系统聚类分析。
步骤S5中所述聚类分析包括以下步骤：S51，将m口某研究层位所代表的沉积微相自划分一类，共m个类，然后根据步骤S4所得岩性组合指数进行聚类分析；S52，使用类平均法计算沉积微相之间的距离；S53，计算比较各沉积微相之间的距离，将距离最小的两个沉积微相合并为一类；S54，重复步骤S53，每重复一次减少一个类，直到n个类归为一个总类为止。
在一实施例中，步骤S51中，设有s种沉积微相，m口井，第g口井为ng，每口井某层段共提取p项岩性组合指数，用Xgjk表示第g种沉积微相内第j口井的第k项岩性组合指数；
沉积微相1
Figure BDA0001282699700000161
沉积微相2
Figure BDA0001282699700000162
沉积微相s
Figure BDA0001282699700000163
s、m、nm、p为正整数。
计算需判别样品属于第g种沉积微相的概率p{g/Y}，其中g＝1,2，...s；然后比较p{1/Y}，p{2/Y}，...，p{s/Y}的大小；最后将该样品归于概率最大的沉积微相；
Figure BDA0001282699700000164
qg为第g组的先验概率，fg(y1,y2,...yp)为样品属于沉积微相g的概率密度，是关于y1,y2,...yp的函数，y1代表矿物成分1属于g沉积微相的概率密度，y2代表矿物成分2属于g沉积微相的概率密度，yn代表矿物成分n属于g沉积微相的概率密度。
先验概率采用样本频率作为估计值，
Figure BDA0001282699700000171
式中，ng为第g口井，N为全部井位总数。
求解样品属于沉积微相g的概率密度fg(y1,y2,...yp)时设m个总体均服从正态分布，第g个总体的均值为μg向量，协方差矩阵为Vg，可得概率密度fg(y1,y2,...yp)。
Figure BDA0001282699700000172
式(10)中X＝(x1,x2,…,xp)’是p维向量，p是岩性组合指数的项数，μg＝(μg1，μg2，…，μgp)’是均值向量，μg1代表g个总体的第1种轻重矿物成分均值，μg2代表g个总体的第2种轻重矿物成分均值，μgp代表g个总体的第p种轻重矿物成分均值。
Figure BDA0001282699700000173
是协方差矩阵，
Figure BDA0001282699700000174
是协方差矩阵的逆矩阵。
σ(g)用来表示两种矿物成分共同产生的方差，用来衡量两个中矿物成分的相互影响。例如
Figure BDA0001282699700000175
用来表示第g个总体中第1种矿物成分与第2中矿物成分之间的方差，
Figure BDA0001282699700000176
用来表示第g个总体中第2种矿物成分与第1中矿物成分之间的方差。
假设V1＝V2＝…＝Vm＝V，此时
Figure BDA0001282699700000177
在确定沉积微相的过程中，采用样本均值
Figure BDA0001282699700000178
来估计μg，用样本的协方差矩阵S来估计V。
Figure BDA0001282699700000181
其中g＝1,2，…，m； (12)
Figure BDA0001282699700000182
式(12)中
Figure BDA0001282699700000183
其中k＝1,2，…，p。xg·p是样本空间m中属于某种沉积微相的所有井的岩性组合指数平均值向量。
式(13)中，
Figure BDA0001282699700000184
其中Sg是第g种沉积微相的离差矩阵。
式(13)中
Figure BDA0001282699700000185
N是全部井位，
Figure BDA0001282699700000186
ng为第g口井。m为井数。
将式(12)、(13)代入式(11)中得出
Figure BDA0001282699700000187
将式(14)代入式(9)得，
Figure BDA0001282699700000188
对式(15)的分子取自然对数，得
Figure BDA0001282699700000189
对式(16)中与g有关的项记作Fg(Y),得
Figure BDA00012826997000001810
其中，g＝1,2,3，…，m。m是井数。
Fg(Y)是y1,y2,...yp的线性函数，共有m个；显然，当Fg(Y)在某沉积微相内取得最大值时，p{g/Y}也属于该沉积微相的概率也达到最大，样品Y就应归于此沉积微相，因此式(17)是判别函数的矩阵形式，利用矩阵运算得，
Figure BDA0001282699700000191
式(18)中
Figure BDA0001282699700000192
式中
Figure BDA0001282699700000196
是S的逆矩阵S-1中第k行第t列元素。qg为第g组的先验概率。
Figure BDA0001282699700000194
Ckg、C0g用来简化物源判别函数，无实际地质意义。
在一实施例中，步骤S52中，沉积微相之间的距离DG(p,q)为
Figure BDA0001282699700000195
式(19)中，d、i和j代表任意两沉积微相之间的距离，Gp和Gq用来代指任意两个沉积微相，l和m分别为Gp和Gq中的样本数，d、i和j为Gp沉积微相中第i个样品与Gq沉积微相中第j样品之间的距离。
步骤S6中，根据聚类分析结果，划分为不同的类别；岩性指数I1接近于1时砂岩所占比例大，砂岩粒级指数I2接近于1时粗砂岩含量高，砂岩粒级分异度I3接近于0.75时砂岩粒级越单一，砂岩厚度指数I4值越大平均单层砂岩厚度越小，砂岩厚度分异度I5值越大砂层之间厚度差异性越大，泥岩颜色指数I6接近于1时氧化色泥岩所占比例大，泥岩厚度指数I7值越大单层泥岩厚度越小。分析各类中岩性组合指数所代表的意义，综合判定各类别沉积微相，进而得到各单井研究层段的沉积微相。
具体的，聚类过程中先将所有的样本都自成一类，然后计算哪两者的距离较近，最近的先聚，即先成一类，直到所有样品都规为一类位置，最终得到Q型样本聚类树状图如图2所示，最左侧一列数字代表井号，井号14与井号58之间的距离为0.9，首先划归为一类，然后依次将井号14～井号9归为1类；井号4在距离为1.4时，可与井号14～井号9归为一类。通过分析聚类树状图，最终选择距离10和距离15将78井共分为7类，分别标记为①～⑦。
①岩性指数为0，砂岩粒级分异度在0.56～1之间，泥岩颜色指数在0～0.25之间，泥岩厚度指数在1.4～12.7之间，表现为稳定还原条件下泥岩沉积，为半深湖沉积微相；②岩性指数在0～0.04之间，砂岩粒级指数在0～0.5之间，砂岩粒级分异度在0.51～0.87之间，砂岩厚度指数在0～200之间，砂岩厚度分异度在0～2之间，泥岩颜色指数在0～0.26之间，泥岩厚度指数在7.69～57.69之间，为平原沼泽沉积微相；③岩性指数在0.08～0.77之间，砂岩粒级指数在0.25～0.69之间，砂岩粒级分异度在0.5～0.87之间，砂岩厚度指数在11.76～100之间，砂岩厚度分异度在2～20.96之间，泥岩颜色指数在0.29～1之间，泥岩厚度指数在6.94～44.83之间，为平原河道沉积微相；④岩性指数在0.05～0.24之间，砂岩粒级指数在0.25～0.75之间，砂岩粒级分异度在0.74～0.1之间，砂岩厚度指数在26.09～80之间，砂岩厚度分异度在2.6～8.9之间，泥岩颜色指数在0～0.36之间，泥岩厚度指数在7.79～22.22之间，为前三角洲沉积微相；⑤岩性指数在0.09～0.53之间，砂岩粒级指数在0.25～0.75之间，砂岩粒级分异度在0.87～1.0之间，砂岩厚度指数在14.29～85.71之间，砂岩厚度分异度在2.08～14之间，泥岩颜色指数在0～0.25之间，泥岩厚度指数在20.37～53.66之间，为远砂坝沉积微相；⑥岩性指数在0.33～0.83之间，砂岩粒级指数在0.25～0.75之间，砂岩粒级分异度在0.87～1之间，砂岩厚度指数在10.71～20.51之间，砂岩厚度分异度在11.11～22.81之间，泥岩颜色指数在0～0.68之间，泥岩厚度指数在6.67～47.62之间，为水下分流河道沉积微相；⑦岩性指数在0.15～0.74之间，砂岩粒级指数在0.25～0.75之间，砂岩粒级分异度在0.39～0.7之间，砂岩厚度指数在17.95～65.22之间，砂岩厚度分异度在3.7～11.2之间，泥岩颜色指数在0～0.21之间，泥岩厚度指数在15.56～54.55之间，为河口坝沉积微相。
步骤S7中，利用单井沉积微相分析结果，根据沉积微相空间配置规律，结合沉积微相平面配置关系绘制沉积微相平面分布图。
在确定78口单井研究层沉积微相之后，把井位坐标投到平面图中，结合沉积微相平面配置关系，绘制沉积微相平面分布图如图3所示。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，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。

Claims (7)

1.一种利用聚类方法识别多井沉积微相的方法，其特征在于,包括以下步骤:
S1，收集各井位录井地质数据并获得各类岩性组合指数；
S2，从步骤S1中获得的数据中选取能反映不同沉积微相间岩性组合指数，所述岩性组合指数包括岩性指数I1、砂岩粒级指数I2、砂岩粒级分异度I3、砂岩厚度指数I4、砂岩厚度分异度I5、泥岩颜色指数I6和泥岩厚度指数I7；
Figure FDA0002409914790000011
公式(1)中H1为泥岩厚度，H2为泥质砂岩厚度，H3为砂岩厚度，H0为地层厚度；
Figure FDA0002409914790000012
公式(2)中H1为粉砂岩厚度，H2为细砂岩厚度，H3为中砂岩厚度，H4为粗砂岩厚度；
Figure FDA0002409914790000013
公式(3)中α1为粉砂岩在砂岩中所占百分比，α2为细砂岩在砂岩中所占百分比，α3为中砂岩在砂岩中所占百分比，α4为中砂岩在砂岩中所占百分比；
Figure FDA0002409914790000014
公式(4)中N0为砂岩的总层数，H1为粉砂岩厚度，H2为细砂岩厚度，H3为中砂岩厚度，H4为粗砂岩厚度；
Figure FDA0002409914790000021
公式(5)中H1为粉砂岩厚度，H2为细砂岩厚度，H3为中砂岩厚度，H4为粗砂岩厚度，H0为砂岩平均厚度；
Figure FDA0002409914790000022
公式(6)中H0为泥岩厚度，H1为深灰色泥岩厚度，H2为灰色泥岩厚度，H3为绿色泥岩厚度，H4为棕红色泥岩厚度；
Figure FDA0002409914790000023
公式(7)中N1为泥岩总层数；H0为泥岩总厚度；
S3，对步骤S1中各所述井位进行分层，根据分层数据统计各层内步骤S2中选取的所述岩性组合指数；
S4，对步骤S3中得到的所述岩性组合指数的值域控制在存在最小值为0，最大值为1的范围内，对不属于所述范围的所述岩性组合指数进行归一化处理；
S5，通过步骤S4所得岩性组合指数对多井样本空间进行聚类分析；
S6，根据聚类分析结果，选择不同的分类级别进行沉积相组合和沉积微相识别；
以及S7，利用单井沉积微相分析结果，根据沉积微相空间配置规律绘制沉积微相平面分布图。
2.根据权利要求1所述一种利用聚类方法识别多井沉积微相的方法，其特征在于,步骤S4中对于超出值域范围的岩性组合指数进行归一化处理，所述归一化处理采用公式
Figure FDA0002409914790000031
公式(8)中i＝(1,2,3,…,m)表示m口井的所需归一化岩性组合指数，Ii为第i口井所需归一化岩性组合指数的值，Imin为所需归一化岩性组合指数的最小值，Imax为所需归一化岩性组合指数的最大值。
3.根据权利要求1所述一种利用聚类方法识别多井沉积微相的方法，其特征在于,步骤S5中所述聚类分析包括以下步骤：
S51，将m口某研究层位所代表的沉积微相自划分一类，共m个类，然后根据步骤S4所得岩性组合指数进行聚类分析；
S52，使用类平均法计算沉积微相之间的距离；
S53，计算比较各沉积微相之间的距离，将距离最小的两个沉积微相合并为一类；
S54，重复步骤S53，直到m个类归为一个总类为止。
4.根据权利要求3所述一种利用聚类方法识别多井沉积微相的方法，其特征在于,步骤S51中，
设有s种沉积微相，m口井，第g口井为ng，每口井某层段共提取p项岩性组合指数，用Xgjk表示第g种沉积微相内第j口井的第k项岩性组合指数；
沉积微相1
Figure FDA0002409914790000032
沉积微相2
Figure FDA0002409914790000041
沉积微相s
Figure FDA0002409914790000042
s、m、nm、p为正整数；
计算需判别样品属于第g种沉积微相的概率p{g/Y}，其中g＝1,2，...s；然后比较p{1/Y}，p{2/Y}，...，p{s/Y}的大小；最后将该样品归于概率最大的沉积微相；
Figure FDA0002409914790000043
qg为第g组的先验概率，fg(y1,y2,...yp)为样品属于沉积微相g的概率密度；
所述先验概率采用样本频率作为估计值，
Figure FDA0002409914790000044
式中，ng为第g口井，N为全部井位总数；
求解样品属于沉积微相g的概率密度fg(y1,y2,...yp)时设m个总体均服从正态分布，第g个总体的均值为μg向量，协方差矩阵为Vg，可得概率密度fg(y1,y2,...yp)，
Figure FDA0002409914790000051
式(10)中X＝(x1,x2,…,xp)’是p维向量，p是岩性组合指数的项数，μg＝(μg1，μg2，…，μgp)’是均值向量，
Figure FDA0002409914790000052
是协方差矩阵，
Figure FDA0002409914790000053
是协方差矩阵的逆矩阵；
假设V1＝V2＝…＝Vm＝V，此时
Figure FDA0002409914790000054
在确定沉积微相的过程中，采用样本均值
Figure FDA0002409914790000055
来估计μg，用样本的协方差矩阵S来估计V；
Figure FDA0002409914790000056
其中g＝1,2，…，m； (12)
Figure FDA0002409914790000057
式(12)中
Figure FDA0002409914790000058
其中k＝1,2，…，p；
式(13)中，
Figure FDA0002409914790000059
其中Sg是第g种沉积微相的离差矩阵，
式(13)中
Figure FDA00024099147900000510
N是全部井位，
Figure FDA00024099147900000511
将式(12)、(13)代入式(11)中得出
Figure FDA0002409914790000061
将式(14)代入式(9)得，
Figure FDA0002409914790000062
对式(15)的分子取自然对数，得
Figure FDA0002409914790000063
对式(16)中与g有关的项记作Fg(Y),得
Figure FDA0002409914790000064
其中，g＝1,2,3，…，m；
式(17)是判别函数的矩阵形式，利用矩阵运算得
Figure FDA0002409914790000065
式(18)中
Figure FDA0002409914790000066
式中
Figure FDA0002409914790000067
是S的逆矩阵S-1中第k行第t列元素。
5.根据权利要求3所述一种利用聚类方法识别多井沉积微相的方法，其特征在于,步骤S52中，沉积微相之间的距离DG(p,q)为
Figure FDA0002409914790000071
式(19)中，d、i和j代表任意两沉积微相之间的距离，Gp和Gq用来代指任意两个沉积微相，l和m分别为Gp和Gq中的样本数，d、i和j为Gp沉积微相中第i个样品与Gq沉积微相中第j样品之间的距离。
6.根据权利要求1所述一种利用聚类方法识别多井沉积微相的方法，其特征在于,步骤S6中，根据聚类分析结果，划分为不同的类别；岩性指数I1接近于1时砂岩所占比例大，砂岩粒级指数I2接近于1时粗砂岩含量高，砂岩粒级分异度I3接近于0.75时砂岩粒级越单一，砂岩厚度指数I4值越大平均单层砂岩厚度越小，砂岩厚度分异度I5值越大砂层之间厚度差异性越大，泥岩颜色指数I6接近于1时氧化色泥岩所占比例大，泥岩厚度指数I7值越大单层泥岩厚度越小。
7.根据权利要求1所述一种利用聚类方法识别多井沉积微相的方法，其特征在于,步骤S7中，利用单井沉积微相分析结果，根据沉积微相空间配置规律，结合沉积微相平面配置关系绘制沉积微相平面分布图。
CN201710294370.4A 2017-04-28 2017-04-28 一种利用聚类方法识别多井沉积微相的方法 Active CN107165621B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710294370.4A CN107165621B (zh) 2017-04-28 2017-04-28 一种利用聚类方法识别多井沉积微相的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710294370.4A CN107165621B (zh) 2017-04-28 2017-04-28 一种利用聚类方法识别多井沉积微相的方法

Publications (2)

Publication Number Publication Date
CN107165621A CN107165621A (zh) 2017-09-15
CN107165621B true CN107165621B (zh) 2020-08-14

Family

ID=59813530

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710294370.4A Active CN107165621B (zh) 2017-04-28 2017-04-28 一种利用聚类方法识别多井沉积微相的方法

Country Status (1)

Country Link
CN (1) CN107165621B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107861171A (zh) * 2017-11-08 2018-03-30 中国石油大港油田勘探开发研究院 一种陆相湖盆沉积微相平面分布图编制方法
CN108415079B (zh) * 2018-03-05 2020-09-11 长沙矿山研究院有限责任公司 基于凿岩冲击声识别的岩层分界面圈定方法
CN109324171A (zh) * 2018-11-15 2019-02-12 中国海洋石油集团有限公司 一种基于岩性统计的沉积相定量识别方法
CN110318745B (zh) * 2019-06-10 2022-09-23 中国石油大学(华东) 一种沉积微相约束下粒径岩性测井评价方法
US20230393302A1 (en) * 2022-06-01 2023-12-07 Saudi Arabian Oil Company Diagenesis-calibrated rock quality (dcrq) determination

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4646240A (en) * 1982-02-02 1987-02-24 Oberto Serra Method and apparatus for determining geological facies
CN103852787A (zh) * 2014-02-24 2014-06-11 长江大学 一种砂岩储层成岩地震相表征方法
CN104991286A (zh) * 2015-07-16 2015-10-21 西南石油大学 一种基于沉积模式的沉积相表征方法
CN105259572A (zh) * 2015-07-23 2016-01-20 成都理工大学 基于地震多属性参数非线性自动分类的地震相计算方法
CN106468171A (zh) * 2015-08-19 2017-03-01 中国石油化工股份有限公司 多信息耦合的递进式砂砾岩岩相判别方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4646240A (en) * 1982-02-02 1987-02-24 Oberto Serra Method and apparatus for determining geological facies
CN103852787A (zh) * 2014-02-24 2014-06-11 长江大学 一种砂岩储层成岩地震相表征方法
CN104991286A (zh) * 2015-07-16 2015-10-21 西南石油大学 一种基于沉积模式的沉积相表征方法
CN105259572A (zh) * 2015-07-23 2016-01-20 成都理工大学 基于地震多属性参数非线性自动分类的地震相计算方法
CN106468171A (zh) * 2015-08-19 2017-03-01 中国石油化工股份有限公司 多信息耦合的递进式砂砾岩岩相判别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Ｑ型聚类分析在四川盆地南部上三叠统须二段成岩相研究中的应用;余瑜等;《地质科技情报》;20170331;第36卷(第2期);第133-140页 *

Also Published As

Publication number Publication date
CN107165621A (zh) 2017-09-15

Similar Documents

Publication Publication Date Title
CN107165621B (zh) 一种利用聚类方法识别多井沉积微相的方法
CN110717301B (zh) 一种基于支持向量机算法的流动单元信息分类识别方法
Amosu et al. Effective machine learning identification of TOC-rich zones in the Eagle Ford Shale
CN112213797A (zh) 一种利用测井相联合叠后地震属性预测储层产能的方法
Wang et al. Improved pore structure prediction based on MICP with a data mining and machine learning system approach in Mesozoic strata of Gaoqing field, Jiyang depression
CN106988737B (zh) 一种利用岩性组合识别沉积相的方法
CN104239743B (zh) 确定岩性油气藏成藏概率的方法和装置
CN106156452A (zh) 一种储层分析方法
CN111489034A (zh) 一种油气储层渗透率预测模型的构建方法及其应用
CN111191741A (zh) 一种岩石识别深度学习模型岩石分类约束继承性损失方法
CN103246808A (zh) 一种低渗砂岩含水气藏储层分类方法
CN110609327B (zh) 基于叠前地震属性的碳酸盐岩储集相预测方法及装置
US20240177033A1 (en) Method, Device and Equipment for Selecting Key Geological Parameters of a To-Be-Prospected Block
CN112576238B (zh) 一种低渗透油藏剩余油位置与含量测定系统、方法及应用
CN110412662A (zh) 基于地震多属性深度学习的薄互层储层预测方法
Allen et al. Geologically constrained electrofacies classification of fluvial deposits: An example from the Cretaceous Mesaverde Group, Uinta and Piceance Basins
CN113033648A (zh) 一种使用机器学习算法实现测井解释的方法
Zhao et al. Data-driven diagenetic facies classification and well-logging identification based on machine learning methods: a case study on Xujiahe tight sandstone in Sichuan Basin
CN104570109A (zh) 一种储层油气预测的方法
CN108805158B (zh) 一种致密油储层成岩相划分方法
Albuslimi et al. K-Mean clustering analysis and logistic boosting regression for rock facies characterization and classification in Zubair Reservoir in Luhais Oil Field, Southern Iraq
CN106199754B (zh) 油气钻探目标综合优选评价方法
CN104880737A (zh) 测井资料识别地下流体类型的多元Logistic方法
CN104699977B (zh) 利用轻重矿物定量分析物源的方法
CN114638147A (zh) 一种油气藏压裂工艺参数确定方法

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
TR01 Transfer of patent right

Effective date of registration: 20201203

Address after: 100000 Beijing city Dongcheng District No. 16 Andrew

Patentee after: PetroChina Company Limited

Address before: 300280 exploration and Development Institute of happy road, Dagang Oilfield, Tianjin Binhai New Area

Patentee before: DAGANG OIL FIELD OF CNPC

TR01 Transfer of patent right