CN110134918B - 基于滑动窗口法的岩心自动归位方法和系统 - Google Patents

基于滑动窗口法的岩心自动归位方法和系统 Download PDF

Info

Publication number
CN110134918B
CN110134918B CN201910269944.1A CN201910269944A CN110134918B CN 110134918 B CN110134918 B CN 110134918B CN 201910269944 A CN201910269944 A CN 201910269944A CN 110134918 B CN110134918 B CN 110134918B
Authority
CN
China
Prior art keywords
logging
core
sliding window
depth
homing
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
CN201910269944.1A
Other languages
English (en)
Other versions
CN110134918A (zh
Inventor
王如意
王志章
裴升杰
杨笑
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.)
China University of Petroleum Beijing
Original Assignee
China University of Petroleum Beijing
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 China University of Petroleum Beijing filed Critical China University of Petroleum Beijing
Priority to CN201910269944.1A priority Critical patent/CN110134918B/zh
Publication of CN110134918A publication Critical patent/CN110134918A/zh
Application granted granted Critical
Publication of CN110134918B publication Critical patent/CN110134918B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/18Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明提供一种基于滑动窗口法的岩心自动归位方法和系统,该方法依次包括初步深度匹配步骤、构建滑动窗口步骤、计算相关系数步骤和筛选步骤,采用滑动窗口法并结合测井数据和岩心测得的实验数据的初步深度匹配以及孔隙度参数沿测井曲线进行滑动时两者的相关系数计算进行岩心自动归位的智能计算处理,最大化降低电缆深度和钻杆深度之间的系统误差,以提高岩心归位的计算效率和准确度。

Description

基于滑动窗口法的岩心自动归位方法和系统
技术领域
本发明涉及地质工程技术领域,特别是一种基于滑动窗口法的岩心自动归位方法和系统。
背景技术
在地质工程领域获取地质信息的第一手资料即为岩心资料,其是测井储层评价的基础,岩心资料准确与否直接影响到后续科研工作。在实际应用中,由于岩心及其实验数据的深度是以钻杆深度记录的,而测井数据是以电缆深度记录的,因电缆和钻杆压缩系数不同而产生测量系统误差,导致岩心数据的深度出现系统误差,因此在对岩心资料开展分析研究之前,首要工作是进行岩心归位,岩心归位属于一维数据标定,是将薄片、岩心物性和压汞等数据根据深度标定到测井曲线上的一种方法。对岩心做深度矫正,这直接关系到测井评价的准确性能,为后期岩电关系分析等精细研究奠定基础。
传统的岩心归位方法通常是通过观察、手动进行归位调整,多采用人工岩心孔隙度和测井曲线韵律趋势相似的方法完成,岩心归位的速度慢,准确度较低,同一个岩心,不同的人可能会有不同的归位结果,即使同一个人在不同的归位中也可能得到不同的归位深度,这给测井的储层评价带来很大的困难。
发明内容
本发明针对现有技术采用人工岩心孔隙度和测井曲线韵律趋势相似的方法导致的速度慢以及准确度低等问题,本发明提供一种基于滑动窗口法的岩心自动归位方法,通过初步深度匹配、构建滑动窗口以及计算相关系数等步骤,采用滑动窗口法进行岩心的自动归位,最大化降低电缆深度和钻杆深度之间的系统误差,以提高岩心归位的计算效率和准确度。本发明还涉及一种基于滑动窗口法的岩心自动归位系统。
本发明的技术方案如下:
一种基于滑动窗口法的岩心自动归位方法,其特征在于,包括下述步骤:
初步深度匹配步骤,在采集测井数据以及岩心测得的实验数据后,按照深度进行测井数据和岩心测得的实验数据的初步深度匹配,所述测井数据包括测井曲线和采样深度间隔,所述岩心测得的实验数据包括岩心物性数据、压汞数据和/或薄片数据;
构建滑动窗口步骤,根据采集的测井数据的采样深度间隔以及设定的最大归位深度构建滑动窗口间隔和长度;
计算相关系数步骤,利用滑动窗口法将岩心测得的实验数据的孔隙度参数沿测井曲线在滑动窗口长度范围内按照滑动窗口间隔进行滑动,计算在不同深度下的孔隙度参数与测井曲线之间的相关系数;
筛选步骤,利用孔隙度参数与测井曲线之间的相关系数筛选出岩心归位深度位置,依据所述岩心归位深度位置更新岩心测得的实验数据的孔隙度参数的相应深度以实现岩心自动归位。
优选地,在计算相关系数步骤,利用滑动窗口法将岩心测得的实验数据的孔隙度参数沿测井曲线在滑动窗口长度范围内按照滑动窗口间隔进行滑动,遍历滑动窗口值,并在滑动时更新岩心测得的实验数据的孔隙度参数深度值重新匹配测井数据,进行不同深度下的测井数据提取,再计算在不同深度下的孔隙度参数与测井曲线之间的相关系数。
优选地,在筛选步骤是利用孔隙度参数与测井曲线之间的相关系数的绝对值最大最为决策条件筛选出岩心归位深度位置。
优选地,在初步深度匹配步骤采集的测井数据的测井曲线包括声波测井曲线、密度测井曲线和中子测井曲线;在计算相关系数步骤是利用滑动窗口法将岩心测得的实验数据的孔隙度参数沿各测井曲线在滑动窗口长度范围内按照滑动窗口间隔分别进行滑动,计算在不同深度下的孔隙度参数分别与声波、密度和中子三条测井曲线的相关系数;在筛选步骤是利用全部相关系数的绝对值最大作为决策条件筛选出对应的岩心归位深度位置以及相应的测井曲线。
优选地,在构建滑动窗口步骤,构建的滑动窗口间隔与测井数据的采样深度间隔相同,为0.125m或0.1m;构建的滑动窗口长度根据设定的最大归位深度设置为向上和向下分别滑动10m。
一种基于滑动窗口法的岩心自动归位系统,其特征在于,包括依次连接的初步深度匹配模块、构建滑动窗口模块、计算相关系数模块和筛选模块,
所述初步深度匹配模块,在采集测井数据以及岩心测得的实验数据后,按照深度进行测井数据和岩心测得的实验数据的初步深度匹配,所述测井数据包括测井曲线和采样深度间隔,所述岩心测得的实验数据包括岩心物性数据、压汞数据和/或薄片数据;
所述构建滑动窗口模块,根据采集的测井数据的采样深度间隔以及设定的最大归位深度构建滑动窗口间隔和长度;
所述计算相关系数模块,利用滑动窗口法将岩心测得的实验数据的孔隙度参数沿测井曲线在滑动窗口长度范围内逐采样点按照滑动窗口间隔进行滑动,计算在不同深度下的孔隙度参数与测井曲线之间的相关系数;
所述筛选模块,利用孔隙度参数与测井曲线之间的相关系数筛选出岩心归位深度位置,依据所述岩心归位深度位置更新岩心测得的实验数据的孔隙度参数的相应深度以实现岩心自动归位。
优选地,所述计算相关系数模块利用滑动窗口法将岩心测得的实验数据的孔隙度参数沿测井曲线在滑动窗口长度范围内按照滑动窗口间隔进行滑动,遍历滑动窗口值,并在滑动时更新岩心测得的实验数据的孔隙度参数深度值重新匹配测井数据,进行不同深度下的测井数据提取,再计算在不同深度下的孔隙度参数与测井曲线之间的相关系数。
优选地,所述筛选模块是利用孔隙度参数与测井曲线之间的相关系数的绝对值最大最为决策条件筛选出岩心归位深度位置。
优选地,所述初步深度匹配模块采集的测井数据的测井曲线包括声波测井曲线(DT)、密度测井曲线(RHOB)和中子测井曲线(NPHI);所述计算相关系数模块是利用滑动窗口法将岩心测得的实验数据的孔隙度参数沿各测井曲线在滑动窗口长度范围内按照滑动窗口间隔分别进行滑动,计算在不同深度下的孔隙度参数分别与声波、密度和中子三条测井曲线的相关系数;所述筛选模块是利用全部相关系数的绝对值最大作为决策条件筛选出对应的岩心归位深度位置以及相应的测井曲线。
优选地,所述构建滑动窗口模块构建的滑动窗口间隔与测井数据的采样深度间隔相同,为0.125m或0.1m;构建的滑动窗口长度根据设定的最大归位深度设置为向上和向下分别滑动10m。
本发明的技术效果如下:
本发明涉及一种基于滑动窗口法的岩心自动归位方法,适用于碎屑岩、火山岩、碳酸盐岩等环境下的岩心归位,其初步深度匹配步骤是将采集的测井数据以及岩心测得的实验数据按照深度进行测井数据和岩心测得的实验数据的初步深度匹配,该岩心测得的实验数据涵盖了岩心物性数据、压汞数据和/或薄片数据,并且是若干在不同深度下的岩心取样,即取若干岩心样本后在实验室测得的数据,将其与测井数据建立初步深度匹配,简称初匹配,也就是将岩心测得的实验数比如岩心物性数据与测井数据进行关联匹配,以便后续步骤的计算处理;再通过构建滑动窗口步骤来构建滑动窗口间隔和长度,为滑动窗口法提供了滑动的区域最上限和最下限;计算相关系数步骤是最核心的步骤,是通过滑动窗口法将岩心测得的实验数据的孔隙度参数沿测井曲线在滑动窗口长度范围内按照滑动窗口间隔进行滑动,利用计算机计算速度快的特点,计算在不同深度下的孔隙度参数与测井曲线之间的相关系数,进而由筛选步骤筛选出岩心归位深度位置进而更新岩心测得的实验数据的孔隙度参数的相应深度,实现岩心自动归位。本发明完全避免了现有技术采用人工岩心孔隙度和测井曲线韵律趋势相似的方法导致的速度慢以及准确度低等种种问题,采用滑动窗口法进行岩心的自动归位,针对性的计算孔隙度参数与测井曲线之间的相关系数,快速准确地得出岩心归位深度位置,最大化降低电缆深度和钻杆深度之间的系统误差,提高了岩心归位的计算效率和准确度,大大减少了人工成本,提高了岩心归位效率,并有利于对测井储层进行准确性能评价,为后期岩电关系分析等精细研究奠定基础。
本发明还涉及一种基于滑动窗口法的岩心自动归位系统,该系统与上述的基于滑动窗口法的岩心自动归位方法相对应,也可以理解为是实现基于滑动窗口法的岩心自动归位方法的系统,该系统设置依次连接的初步深度匹配模块、构建滑动窗口模块、计算相关系数模块和筛选模块,各模块协同工作,采用滑动窗口法并结合测井数据和岩心测得的实验数据的初步深度匹配以及孔隙度参数沿测井曲线进行滑动时两者的相关系数计算等多种计算机领域相关技术进行岩心自动归位的智能计算处理,最大化降低电缆深度和钻杆深度之间的系统误差,以提高岩心归位的计算效率和准确度。
附图说明
图1为本发明基于滑动窗口法的岩心自动归位方法的流程图。
图2为本发明基于滑动窗口法的岩心自动归位方法的原理图。
图3为本发明基于滑动窗口法的岩心自动归位方法的计算相关系数步骤的工作示意图。
图4为本发明基于滑动窗口法的岩心自动归位方法的计算相关系数步骤计算的相关系数曲线图。
图5A-5F和图5A’-5F’为本发明基于滑动窗口法的岩心自动归位方法的归位效果对比图,其中,图5A-5F为归位前特征图,图5A’-5F’为归位后特征图。
图6为本发明基于滑动窗口法的岩心自动归位系统的结构框图。
具体实施方式
下面结合附图对本发明的技术方案做详细的说明。
本发明涉及了一种基于滑动窗口法的岩心自动归位方法,如图1所示流程图,包括:S1初步深度匹配步骤,在采集测井数据以及岩心测得的实验数据后,按照深度进行测井数据和岩心测得的实验数据的初步深度匹配,其中,测井数据包括测井曲线和采样深度间隔,岩心测得的实验数据包括岩心物性数据、压汞数据和/或薄片数据;S2构建滑动窗口步骤,根据采集的测井数据的采样深度间隔以及设定的最大归位深度构建滑动窗口间隔和长度;S3计算相关系数步骤,利用滑动窗口法将岩心测得的实验数据的孔隙度参数沿测井曲线在滑动窗口长度范围内按照滑动窗口间隔进行滑动,计算在不同深度下的孔隙度参数与测井曲线之间的相关系数;S4筛选步骤,利用孔隙度参数与测井曲线之间的相关系数的绝对值最大为决策条件筛选出岩心归位深度位置,然后依据该岩心归位深度位置更新岩心测得的实验数据的孔隙度参数的相应深度以实现岩心自动归位。
具体地,采集的测井数据中的测井曲线可以包括DT声波测井曲线、RHOB密度测井曲线和NPHI中子测井曲线,进一步优选地,测井曲线还可以包括GR自然伽马测井曲线、ILD电阻率测井曲线等等。岩心测得的实验数据为目标数据,实现薄片数据、岩心物性数据和/或压汞数据等目标数据与测井数据的有效深度归位。通过读入薄片、岩心物性和压汞等目标数据和测井数据,再根据深度进行测井数据和目标数据的初深度匹配。下面结合如图2所示的该岩心自动归位方法的原理图进行说明,岩心测得的实验数据以岩心物性数据为例,岩心物性数据是若干在不同深度下的岩心取样后经实验测得的数据。首选在S1初步深度匹配步骤,进行测井数据和岩心物性数据读入,即读入岩心物性数据以及各测井曲线数据,然后按照深度进行岩心物性数据和测井数据初步深度匹配,也就是说将岩心物性数据分别从各深度上与各测井曲线相对应。
S2构建滑动窗口步骤,用于滑动窗口间隔和长度设定,是根据采集的测井数据的采样深度间隔以及设定的最大归位深度构建滑动窗口间隔和长度。根据测井数据的采样深度间隔构建滑动窗口间隔,优选可以将构建的滑动窗口间隔与测井数据的采样深度间隔相同,为0.125m或者0.1m,滑动窗口间隔也就是每次滑动的步长。可利用深度转换函数:transorform_depth(log)将岩心物性数据或测井数据转换为统一的采样间隔。根据设定的最大归位深度构建滑动窗口长度,最大归位深度可根据经验值获取,或者依据钻井和电缆各自压缩系数相互之间的差异设定,随着测井深度的增加该差异越大,比如测井深度在1000m左右时,差异为10m,即最大归位深度为上下10m(或者说是深度上加减10m),此时构建的滑动窗口长度设置为10m+10m,即向上和向下分别滑动10m。滑动长度也就是目标数据向上和向下活动的最大值,如目标数据从初始位置±10m的活动范围上下滑动。当然,如果测井深度为几千米时,差异可能达到十二三米,此时最大归位深度为上下12m-13m,此时构建的滑动窗口长度设置为向上或向下分别滑动13m。
S3计算相关系数步骤,用于滑动计算孔隙度和测井曲线之间的相关系数,是利用滑动窗口法将岩心测得的实验数据的孔隙度参数沿测井曲线在滑动窗口长度范围内按照滑动窗口间隔进行滑动,遍历滑动窗口值,并在滑动时更新岩心测得的实验数据的孔隙度参数深度值重新匹配测井数据,进行不同深度下的测井数据提取,再计算在不同深度下的孔隙度参数与测井曲线之间的相关系数。如图3所示工作示意图,此时测井曲线包括若干条:GR自然伽马测井曲线、ILD电阻率测井曲线、DT声波测井曲线、RHOB密度测井曲线和NPHI中子测井曲线,利用滑动窗口法将岩心测得的实验数据的孔隙度参数沿各测井曲线在滑动窗口长度范围内按照滑动窗口间隔分别进行滑动,如图3所示,例如是将岩心物性数据的孔隙度参数按照采集时的不同深度呈点状布置在测井曲线上(该图仅显示出了中子测井曲线在岩心初始位置和自动归位优化位置时利用中子和孔隙度回归预测孔隙度曲线),窗口长度为:10m+10m,即孔隙度参数整体上下滑动10m,滑动间隔(或者说是滑动步长)0.125m或者0.1m,滑动的每一步都更新各孔隙度参数深度值重新匹配测井数据,进行不同深度下的测井数据提取,且滑动的每一步都计算在不同深度下的孔隙度参数与测井曲线之间的相关系数,故运算次数为:(10+10)/0.125或者(10+10)/0.1。可通过相关系数判别函数计算两个相同长度列表之间的pearson系数即相关系数。计算的孔隙度参数与测井曲线之间的相关系数曲线图如图4所示,其纵坐标为相关系数,横坐标为归位距离,标号X表示归位前,此时归位距离为0,相关系数值为0.52。图4仅表示了孔隙度参数滑动过程中与一种测井曲线如中子测井曲线之间的相关系数,实际应用时是孔隙度参数在各测井曲线上都滑动,所以计算的是在不同深度下的孔隙度参数分别与声波、密度和中子等等若干条测井曲线的相关系数。
S4筛选步骤是利用全部相关系数的绝对值最大作为决策条件筛选出对应的岩心归位深度位置以及相应的测井曲线,从图4所示的孔隙度参数与中子测井曲线之间的相关系数能够得出绝对值最大为0.74,同样能够得出孔隙度参数分别与其他测井曲线之间的相关系数的绝对值的最大值,比如孔隙度参数与声波(DT)测井曲线之间的相关系数的绝对值最大为0.69,,孔隙度参数与密度(RHOB)测井曲线之间的相关系数的绝对值最大为0.71,孔隙度参数与中子(NPHI)测井曲线之间的相关系数的绝对值最大为0.74,也就是说,在孔隙度参数滑动的任意一位置,孔隙度参数(或称为实验室岩心孔隙度)和对应深度测井曲线之间的相关系数(RHOB密度、DT声波曲线、NPHI中子曲线)的绝对值最大为0.74,此时筛选出对应深度位置和测井曲线名称,如图4所示筛选的对应的深度位置(即归位距离)为+6.2m,即标号Y所表示的归位后,此时相关系数值为0.74,归位距离为+6.2m即需要向下归位6.2m,确定的测井曲线名称为中子测井曲线,然后依据该岩心归位深度位置更新岩心测得的实验数据的孔隙度参数的相应深度即向下归位6.2m以实现岩心自动归位。具体可通过软件程序实现,岩心自动归位优选及最终相关系数自动优选函数可以是:
logs_choice(wellname,data_log,data_core,name_xs,name_y)
其中,wellname:井名,data_log:测井数据,data_core:岩心物性数据,name_xs:岩心归位用到的测井曲线名称列表,name_y:岩心物性数据中孔隙度名称。
图4所示的标号X和Y分别标示归位前和归位后的相关系数和对应的归位距离,归位前后的状态从图3也能够得出,图3的最右侧两个纵向图中分别为归位前X和归位后Y。通过本发明的基于滑动窗口法的岩心自动归位方法进行岩心自动归位,将归位前和归位后进行效果对比,如图5A-5F和图5A’-5F’所示,其中,图5A-5F为归位前特征图,图5A’-5F’为归位后特征图。归位前中子测井曲线和岩心孔隙度相关系数为0.55,滑动窗口自动归位后的中子测井曲线和岩心孔隙度相关系数为0.74,明显提高了孔隙度和测井曲线的对应程度。利用中子曲线和岩心孔隙度线性回归模型进行孔隙度预测,归位前预测结果平均绝对误差为4.45,均方根误差为3.22;归位后平均绝对误差为34.41,均方根误差为21.96,归位结果也表现出孔隙度预测结果平均绝对误差和均方根误差降低。如图3所示,岩心自动归位后求得岩心归位系统误差矫正最优值,明显提升了岩心孔隙度和预测结果的符合程度,预测误差明显降低。本发明进行岩心自动归位的计算效率以及准确度都非常高。
本发明还涉及一种基于滑动窗口法的岩心自动归位系统,该系统与上述的基于滑动窗口法的岩心自动归位方法相对应,也可以理解为是实现基于滑动窗口法的岩心自动归位方法的系统,该系统的结构图如图6所示,包括依次连接的初步深度匹配模块、构建滑动窗口模块、计算相关系数模块和筛选模块,其中,初步深度匹配模块,在采集测井数据以及岩心测得的实验数据后,按照深度进行测井数据和岩心测得的实验数据的初步深度匹配,所述测井数据包括测井曲线和采样深度间隔,测井曲线优选包括声波测井曲线、密度测井曲线和中子测井曲线,还可以进一步包括其他测井曲线,所述岩心测得的实验数据包括岩心物性数据、压汞数据和/或薄片数据;构建滑动窗口模块,根据采集的测井数据的采样深度间隔以及设定的最大归位深度构建滑动窗口间隔和长度,优选地,构建滑动窗口模块构建的滑动窗口间隔与测井数据的采样深度间隔相同,为0.125m或0.1m;构建的滑动窗口长度根据设定的最大归位深度设置为向上和向下分别滑动10m;计算相关系数模块,利用滑动窗口法将岩心测得的实验数据的孔隙度参数沿测井曲线在滑动窗口长度范围内按照滑动窗口间隔进行滑动,遍历滑动窗口值,并在滑动时更新岩心测得的实验数据的孔隙度参数深度值重新匹配测井数据,进行不同深度下的测井数据提取,再计算在不同深度下的孔隙度参数与测井曲线之间的相关系数;筛选模块,利用孔隙度参数与测井曲线之间的相关系数筛选出岩心归位深度位置,优选地,可以将相关系数的绝对值最大最为决策条件筛选出岩心归位深度位置,可参考图4所示相关系数曲线图,依据所述岩心归位深度位置更新岩心测得的实验数据的孔隙度参数的相应深度以实现岩心自动归位。
需要说明的是,当测井曲线为上述的若干条时,构建滑动窗口模块所构建的滑动窗口间隔和长度适用于每一条测井曲线,也就是说,为每一条测井曲线都设定滑动窗口长度作为上下滑动的幅度。计算相关系数模块是利用滑动窗口法将岩心测得的实验数据的孔隙度参数同时或者依次沿各条测井曲线在滑动窗口长度范围内按照滑动窗口间隔分别进行滑动,全部孔隙度参数作为一个整体从窗口的顶端至底端或从窗口的底端至顶端逐步滑动,计算在不同深度下的孔隙度参数分别与声波、密度和中子三条测井曲线的相关系数;筛选模块是利用全部相关系数的绝对值最大作为决策条件筛选出对应的岩心归位深度位置以及相应的测井曲线。如图4所示的相关系数绝对值最大为0.74,归位距离(也可理解为是深度归位矫正值)为+6.2m,即岩心归位深度位置是向下归位6.2m,测井曲线名称为中子(NPHI)测井曲线。
本发明提供的基于滑动窗口法的岩心自动归位方法和系统,将测井数据和岩心测得的实验数据的初步深度匹配,采用滑动窗口法结合孔隙度参数沿测井曲线进行滑动时两者的相关系数计算进行岩心自动归位的智能计算处理,实现岩心物性数据、压汞数据和/或薄片数据与测井数据的有效深度匹配,最大化降低电缆深度和钻杆深度之间的系统误差,以提高岩心归位的计算效率和准确度。
应当指出,以上所述具体实施方式可以使本领域的技术人员更全面地理解本发明创造,但不以任何方式限制本发明创造。因此,尽管本说明书参照附图和实施例对本发明创造已进行了详细的说明,但是,本领域技术人员应当理解,仍然可以对本发明创造进行修改或者等同替换,总之,一切不脱离本发明创造的精神和范围的技术方案及其改进,其均应涵盖在本发明创造专利的保护范围当中。

Claims (8)

1.一种基于滑动窗口法的岩心自动归位方法,其特征在于,包括下述步骤:
初步深度匹配步骤,在采集测井数据以及岩心测得的实验数据后,按照深度进行测井数据和岩心测得的实验数据的初步深度匹配,所述测井数据包括测井曲线和采样深度间隔,测井曲线包括声波测井曲线、密度测井曲线和中子测井曲线,所述岩心测得的实验数据包括岩心物性数据、压汞数据和/或薄片数据;
构建滑动窗口步骤,根据采集的测井数据的采样深度间隔以及设定的最大归位深度构建滑动窗口间隔和长度;
计算相关系数步骤,利用滑动窗口法将岩心测得的实验数据的孔隙度参数沿各测井曲线在滑动窗口长度范围内按照滑动窗口间隔进行滑动,滑动的每一步都更新各孔隙度参数相应的深度值,重新匹配测井数据,进行不同深度下的测井数据提取,且滑动的每一步都计算在不同深度下的孔隙度参数分别与声波、密度和中子三条测井曲线之间的相关系数;
筛选步骤,利用孔隙度参数与各测井曲线之间的全部相关系数筛选出岩心归位深度位置以及相应的测井曲线,依据所述岩心归位深度位置更新岩心测得的实验数据的孔隙度参数的相应深度以实现岩心自动归位。
2.根据权利要求1所述的方法,其特征在于,在计算相关系数步骤,利用滑动窗口法将岩心测得的实验数据的孔隙度参数沿测井曲线在滑动窗口长度范围内按照滑动窗口间隔进行滑动,遍历滑动窗口值,并在滑动时更新岩心测得的实验数据的孔隙度参数相应的深度值,重新匹配测井数据,进行不同深度下的测井数据提取,再计算在不同深度下的孔隙度参数与测井曲线之间的相关系数。
3.根据权利要求1或2所述的方法,其特征在于,在筛选步骤是利用孔隙度参数与测井曲线之间的相关系数的绝对值最大作为决策条件筛选出岩心归位深度位置以及相应的测井曲线。
4.根据权利要求1或2所述的方法,其特征在于,在构建滑动窗口步骤,构建的滑动窗口间隔与测井数据的采样深度间隔相同,为0.125m或0.1m;构建的滑动窗口长度根据设定的最大归位深度设置为向上和向下分别滑动10m。
5.一种基于滑动窗口法的岩心自动归位系统,其特征在于,包括依次连接的初步深度匹配模块、构建滑动窗口模块、计算相关系数模块和筛选模块,
所述初步深度匹配模块,在采集测井数据以及岩心测得的实验数据后,按照深度进行测井数据和岩心测得的实验数据的初步深度匹配,所述测井数据包括测井曲线和采样深度间隔,测井曲线包括声波测井曲线、密度测井曲线和中子测井曲线,所述岩心测得的实验数据包括岩心物性数据、压汞数据和/或薄片数据;
所述构建滑动窗口模块,根据采集的测井数据的采样深度间隔以及设定的最大归位深度构建滑动窗口间隔和长度;
所述计算相关系数模块,利用滑动窗口法将岩心测得的实验数据的孔隙度参数沿各测井曲线在滑动窗口长度范围内逐采样点按照滑动窗口间隔进行滑动,滑动的每一步都更新各孔隙度参数相应的深度值,重新匹配测井数据,进行不同深度下的测井数据提取,且滑动的每一步都计算在不同深度下的孔隙度参数分别与声波、密度和中子三条测井曲线之间的相关系数;
所述筛选模块,利用孔隙度参数与各测井曲线之间的全部相关系数筛选出岩心归位深度位置以及相应的测井曲线,依据所述岩心归位深度位置更新岩心测得的实验数据的孔隙度参数的相应深度以实现岩心自动归位。
6.根据权利要求5所述的系统,其特征在于,所述计算相关系数模块利用滑动窗口法将岩心测得的实验数据的孔隙度参数沿测井曲线在滑动窗口长度范围内按照滑动窗口间隔进行滑动,遍历滑动窗口值,并在滑动时更新岩心测得的实验数据的孔隙度参数相应的深度值,重新匹配测井数据,进行不同深度下的测井数据提取,再计算在不同深度下的孔隙度参数与测井曲线之间的相关系数。
7.根据权利要求5或6所述的系统,其特征在于,所述筛选模块是利用孔隙度参数与测井曲线之间的相关系数的绝对值最大作为决策条件筛选出岩心归位深度位置以及相应的测井曲线。
8.根据权利要求5或6所述的系统,其特征在于,所述构建滑动窗口模块构建的滑动窗口间隔与测井数据的采样深度间隔相同,为0.125m或0.1m;构建的滑动窗口长度根据设定的最大归位深度设置为向上和向下分别滑动10m。
CN201910269944.1A 2019-04-04 2019-04-04 基于滑动窗口法的岩心自动归位方法和系统 Active CN110134918B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910269944.1A CN110134918B (zh) 2019-04-04 2019-04-04 基于滑动窗口法的岩心自动归位方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910269944.1A CN110134918B (zh) 2019-04-04 2019-04-04 基于滑动窗口法的岩心自动归位方法和系统

Publications (2)

Publication Number Publication Date
CN110134918A CN110134918A (zh) 2019-08-16
CN110134918B true CN110134918B (zh) 2021-05-28

Family

ID=67569364

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910269944.1A Active CN110134918B (zh) 2019-04-04 2019-04-04 基于滑动窗口法的岩心自动归位方法和系统

Country Status (1)

Country Link
CN (1) CN110134918B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104850732A (zh) * 2014-07-11 2015-08-19 山东科技大学 一种基于砂体统计学的油藏小层划分方法及装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
BRPI0902889A2 (pt) * 2008-04-10 2017-08-29 Prad Res & Development Ltd Método para criar um modelo de pseudonúcleo numérico, sistema para criação de um modelo de pseudonúcleo numérico, e sistema para criar um modelo de pseudonúcleo numérico.
CN104181603A (zh) * 2014-07-24 2014-12-03 中国石油大学(华东) 碎屑岩沉积成岩综合相识别方法
CN105781536B (zh) * 2014-12-16 2019-01-18 中国石油天然气股份有限公司 一种石油储层孔隙度测算方法
CN106468172B (zh) * 2016-09-30 2019-11-12 西安石油大学 一种超低渗砂岩油藏低阻储层测井解释方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104850732A (zh) * 2014-07-11 2015-08-19 山东科技大学 一种基于砂体统计学的油藏小层划分方法及装置

Also Published As

Publication number Publication date
CN110134918A (zh) 2019-08-16

Similar Documents

Publication Publication Date Title
CN108931814B (zh) 一种基于多属性融合的基岩裂缝预测的方法
CN107678064B (zh) 一种声波时差实时提取方法
WO2006078416A2 (en) Method and apparatus for estimating formation slowness
CN113419284B (zh) 一种基于聚类分析测井岩石物理相双甜点识别方法
CN115293197A (zh) 一种基于长短期记忆网络的钻孔应变数据异常检测方法
CN106777707B (zh) 一种利用改进的蜘蛛网图进行测井岩性定量识别的方法
CN116305850A (zh) 一种基于随机森林模型的地层热导率预测方法
CN116291271A (zh) 一种基于随钻测试的岩土体参数反演方法及系统
CN110134918B (zh) 基于滑动窗口法的岩心自动归位方法和系统
CN112836393B (zh) 一种基于多尺度熵分析储层非均质性的方法
CN112100930B (zh) 一种基于卷积神经网络和Eaton公式的地层孔隙压力计算方法
CN111626377A (zh) 一种岩相识别方法、装置、设备及存储介质
CN110552693A (zh) 一种基于深度神经网络的感应测井曲线的层界面识别方法
CN113216945B (zh) 一种致密砂岩储层渗透性定量评价方法
CN107679614B (zh) 一种基于粒子群优化的声波时差实时提取方法
CN108363739A (zh) 一种基于稀疏采集的地震资料高低频拓展方法
Velis Statistical segmentation of geophysical log data
CN112180464A (zh) 一种储层物性的识别方法
CN117724167B (zh) 一种近地表岩土体物理力学参数三维演变规律估算方法
CN111123356A (zh) 基于初至信息的异常道智能判识方法
CN115356785A (zh) 获取勘查区域的三维伽马信息的方法
CN117538937A (zh) 井下瞬变电磁信号的特征提取方法
CN116047598B (zh) 一种基于人工智能的石油勘探方法及系统
CN112668814B (zh) 胶结等级确定方法及装置
CN117174203B (zh) 用于砂岩铀矿的测井曲线响应分析方法

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