CN110414723A - 基于微震事件的裂缝油气藏历史拟合的方法、装置及系统 - Google Patents
基于微震事件的裂缝油气藏历史拟合的方法、装置及系统 Download PDFInfo
- Publication number
- CN110414723A CN110414723A CN201910613225.7A CN201910613225A CN110414723A CN 110414723 A CN110414723 A CN 110414723A CN 201910613225 A CN201910613225 A CN 201910613225A CN 110414723 A CN110414723 A CN 110414723A
- Authority
- CN
- China
- Prior art keywords
- crack
- microseismic event
- obtains
- characterization
- model
- 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
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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
Abstract
本说明书实施例公开了一种基于微震事件的裂缝油气藏历史拟合的方法、装置及系统。所述方法包括:建立理想油气藏模型并获取观测数据;根据模型的裂缝分布状态以及现场微震事件的属性参数生成微震事件,并对所述微震事件进行处理,获得第一表征的裂缝,所述裂缝包括主裂缝、次级裂缝;将所述次级裂缝等效为单重孔隙介质,获得第二表征的裂缝;基于所述第二表征的裂缝建立嵌入式离散裂缝网格先验模型;利用所述先验模型进行模拟生产,获取所述先验模型的生产数据;根据所述生产数据和所述观测数据更新待反演特征数据,获得自动历史拟合结果。利用本说明书实施例可以有效提高裂缝油气藏的反演精度、效率。
Description
技术领域
本说明书实施例方案属于油田开发技术领域,尤其涉及一种基于微震事件的裂缝油气藏历史拟合的方法、装置及系统。
背景技术
在油田生产过程中,裂缝性油气藏建模会涉及大量裂缝几何参数和裂缝分布的数据,这些参数的获取主要依靠微地震、测井等技术,而对这些参数的估计便涉及到了油气藏自动历史拟合的问题。
常规压裂的监测技术,如倾斜、井温、放射性测量以及电位法等压裂监测方法,都有着其自身限制性,并不能够完全的监测裂缝的长宽高及方位角。
油气藏历史拟合是油田生产过程中不可缺少的环节之一,其主要是通过观测到的实际油气藏动态来反求和修正油气藏参数,直到模拟结果同实测动态数据达到允许的误差为止,对检验和改进油气藏模型、分析油气藏现状、验证和识别油气藏开采机理有着重要意义。油气藏自动历史拟合也被称为数据同化或参数反演,其本质上是求解油气藏目标函数最小值的方法。目前用于解决该问题的方法是求导梯度优化法,该方法以对目标函数关于控制变量求导为基础,需要建立伴随矩阵方程,利用基本渗流模型方程求得目标函数关于参数的导数。然而,计算导数的局部最优化程序不仅步骤较为繁琐且费时较长,而且这类方法需要相对于当前时刻的所有历史数据进行拟合,当后产生的新数据可用时,最小化目标函数就会被改变,从而导致算法稳定性差、拟合精度低、拟合效率不佳等问题。
因此,业内亟需一种可以监测裂缝,提高油气藏反演精度、效率的解决方案。
发明内容
本说明书实施例目的在于提供一种基于微震事件的裂缝油气藏历史拟合的方法、装置及系统,不仅可以监测裂缝、提高裂缝油气藏的反演精度、效率,而且可以利用拟合历史生产数据的反演模型参数对未来的生产数据进行预测,进而为油田生产开发提供指导。
一方面本申请提供了一种基于微震事件的裂缝油气藏历史拟合的方法,包括:
基于嵌入式离散裂缝网格模型建立理想油气藏模型并获取观测数据;
根据所述理想油气藏模型的裂缝分布状态以及现场微震事件的属性参数生成微震事件,并对所述微震事件按照第一预设方式进行处理,获得第一表征的裂缝,所述裂缝包括主裂缝、次级裂缝;
将所述次级裂缝等效为单重孔隙介质,获得第二表征的裂缝;
基于所述第二表征的裂缝建立嵌入式离散裂缝网格先验模型,所述先验模型包括待反演特征数据;
利用所述先验模型进行模拟生产,获取所述先验模型的生产数据;
根据所述生产数据和所述观测数据更新所述待反演特征数据,获得自动历史拟合结果。
本说明书提供的所述方法的另一个实施例中,还包括:
基于所述自动历史拟合结果建立最终反演模型;
根据所述最终反演模型对油气藏生产数据进行预测。
本说明书提供的所述方法的另一个实施例中,所述对所述微震事件按照第一预设方式进行处理,获得第一表征的裂缝,包括:
获取所述微震事件的属性参数,所述属性参数包括坐标值、时间、静噪比、置信度、能量、震级、强度、压裂级数;
根据所述属性参数对所述微震事件进行去噪,获得第一微震事件,所述第一微震事件可用于裂缝分析;
根据所述属性参数对所述第一微震事件进行分级,获得第一表征的裂缝。
本说明书提供的所述方法的另一个实施例中,所述根据所述属性参数对所述微震事件进行去噪,获得第一微震事件,包括:
将所述微震事件属性参数中的静噪比和所述置信度进行归一化处理,获得归一化后的静噪比和归一化后的置信度;
根据所述归一化后的静噪比和归一化后的置信度对所述微震事件进行过滤,获得所述第一微震事件。
本说明书提供的所述方法的另一个实施例中,所述根据所述属性参数对所述第一微震事件进行分级,获得第一表征的裂缝,包括:
将所述微震事件属性参数中的能量、震级、强度进行归一化处理,获得能量属性参数;
根据所述能量属性参数将所述微震事件进行分级,获得第一表征的裂缝。
本说明书提供的所述方法的另一个实施例中,所述待反演特征数据包括基质网格渗透率、裂缝渗透率、等效网格渗透率。
本说明书提供的所述方法的另一个实施例中,所述根据所述生产数据和所述观测数据更新所述待反演特征数据,获得自动历史拟合结果,包括:
根据集合卡尔曼滤波算法,获取集合状态向量的误差协方差矩阵和集合生产数据的误差协方差矩阵,所述集合状态向量包括所述生产数据和所述待反演特征数据,所述集合生产数据是在反演过程中不断更新的模型集合获得的生产数据的集合;
根据所述集合状态向量的误差协方差矩阵、所述集合生产数据的误差协方差矩阵以及所述观测数据,获得卡尔曼增益;
基于所述卡尔曼增益和初始待反演特征数据,更新所述待反演特征数据,获得自动历史拟合结果。
另一方面,本说明书实施例还提供一种基于微震事件的裂缝油气藏历史拟合的装置,所述装置包括:
理想模型建立模块,用于基于嵌入式离散裂缝网格模型建立理想油气藏模型并获取观测数据;
裂缝获得模块,用于根据所述理想油气藏模型的裂缝分布状态以及现场微震事件的属性参数生成微震事件,并对所述微震事件按照第一预设方式进行处理,获得第一表征的裂缝,所述裂缝包括主裂缝、次级裂缝;
等效模块,用于将所述次级裂缝等效为单重孔隙介质,获得第二表征的裂缝;
先验模型建立模块,用于基于所述第二表征的裂缝建立嵌入式离散裂缝网格先验模型,所述先验模型包括待反演特征数据;
数据获得模块,用于利用所述先验模型进行模拟生产,获取所述先验模型的生产数据;
更新模块,用于根据所述生产数据和所述观测数据更新所述待反演特征数据,获得自动历史拟合结果。
本说明书提供的所述装置的另一个实施例中,还包括:
反演模型建立模块,用于基于所述自动历史拟合结果建立最终反演模型;
预测模块,用于根据所述最终反演模型对油气藏生产数据进行预测。
本说明书提供的所述装置的另一个实施例中,所述对所述微震事件按照第一预设方式进行处理,获得第一表征的裂缝,包括:
属性参数获取模块,用于获取所述微震事件的属性参数,所述属性参数包括坐标值、时间、静噪比、置信度、能量、震级、强度、压裂级数;
去噪模块,用于根据所述属性参数对所述微震事件进行去噪,获得第一微震事件,所述第一微震事件可用于裂缝分析;
裂缝获取模块,用于根据所述属性参数对所述第一微震事件进行分级,获得第一表征的裂缝。
本说明书提供的所述装置的另一个实施例中,所述去噪模块,包括:
归一化处理单元,用于将所述微震事件属性参数中的静噪比和所述置信度进行归一化处理,获得归一化后的静噪比和归一化后的置信度;
过滤单元,用于根据所述归一化后的静噪比和归一化后的置信度对所述微震事件进行过滤,获得所述第一微震事件。
本说明书提供的所述装置的另一个实施例中,所述裂缝获取模块,包括:
能量属性参数获得单元,用于将所述微震事件属性参数中的能量、震级、强度进行归一化处理,获得能量属性参数;
裂缝获得单元,用于根据所述能量属性参数将所述微震事件进行分级,获得第一表征的裂缝。
本说明书提供的所述装置的另一个实施例中,所述更新模块,包括:
矩阵获取单元,用于根据集合卡尔曼滤波算法,获取集合状态向量的误差协方差矩阵和集合生产数据的误差协方差矩阵,所述集合状态向量包括所述生产数据和所述待反演特征数据,所述集合生产数据是在反演过程中不断更新的模型集合获得的生产数据的集合;
增益获得单元,用于根据所述集合状态向量的误差协方差矩阵、所述集合生产数据的误差协方差矩阵以及所述观测数据,获得卡尔曼增益;
更新单元,用于基于所述卡尔曼增益和初始待反演特征数据,更新所述待反演特征数据,获得自动历史拟合结果。
另一方面,本说明书实施例提供一种基于微震事件的裂缝油气藏历史拟合的设备,包括处理器及用于存储处理器可执行指令的存储器,所述指令被所述处理器执行时实现包括以下步骤:
基于嵌入式离散裂缝网格模型建立理想油气藏模型并获取观测数据;
根据所述理想油气藏模型的裂缝分布状态以及现场微震事件的属性参数生成微震事件,并对所述微震事件按照第一预设方式进行处理,获得第一表征的裂缝,所述裂缝包括主裂缝、次级裂缝;
将所述次级裂缝等效为单重孔隙介质,获得第二表征的裂缝;
基于所述第二表征的裂缝建立嵌入式离散裂缝网格先验模型,所述先验模型包括待反演特征数据;
利用所述先验模型进行模拟生产,获取所述先验模型的生产数据;
根据所述生产数据和所述观测数据更新所述待反演特征数据,获得自动历史拟合结果。
另一方面,本说明书实施例提供一种基于微震事件的裂缝油气藏历史拟合的系统,包括至少一个处理器以及存储计算机可执行指令的存储器,所述处理器执行所述指令时实现上述任意一个实施例所述方法的步骤。
本说明书实施例提供的一种基于微震事件的裂缝油气藏历史拟合的方法、装置及系统,一方面,通过采用微震监测数据即微震事件进行裂缝表征,可以即时的推测出裂缝所延伸的方向、以及裂缝的长、宽、高等相关的参数,为后续油田的开发和管理提供重要的指导。另一方面,通过利用嵌入式离散裂缝模型模拟裂缝,能精确描述裂缝内流体流动,采用多尺度模拟有限差分法对嵌入式离散裂缝模型进行求解,可以在保证计算精度的同时大幅度减少计算量、提高计算速度,实现模拟精度高计算量少的裂缝性油气藏流动的模拟。再一方面,通过引入集合卡尔曼滤波算法进行自动历史拟合可以有效提高传统油气藏历史拟合精度和效率。因此,利用本说明书各个实施例,不仅可以监测裂缝、提高裂缝油气藏的反演精度、效率,而且可以利用拟合历史生产数据的反演模型参数对未来的生产数据进行预测,进而为油田生产开发提供指导。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本说明书提供的一种基于微震事件的裂缝油气藏历史拟合的方法实施例的流程示意图;
图2是本说明书提供的基于微震事件的裂缝油气藏历史拟合的方法的一个具体实施例的流程示意图;
图3是本说明书提供的具体实施例中建立的理想油气藏模型示意图;
图4是本说明书提供的具体实施例中随机生成的微震事件的示意图;
图5是本说明书提供的具体实施例中10个压裂段微震点表征裂缝的示意图;
图6是本说明书提供的具体实施例中次级裂缝做等效渗透率处理后油气藏渗透率的示意图;
图7是本说明书提供的具体实施例中自动历史拟合前累产气量的示意图;
图8是本说明书提供的具体实施例中自动历史拟合后累产气量的示意图;
图9是本说明书提供的一种基于微震事件的裂缝油气藏历史拟合的装置的一个实施例的模块结构示意图;
图10是本说明书提供的一种基于微震事件的裂缝油气藏历史拟合的服务器的一个实施例的硬件结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书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说明书中的一部分实施例,而不是全部的实施例。基于本说明书中的一个或多个实施例,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,都应当属于本说明书实施例保护的范围。
在水力压裂的过程中,由于大量粘度高、压力大的流体的注入,储层的孔隙压力会极快地升高,从而产生两种形式的岩石破坏:剪切裂缝和张性裂缝,因此为了保证获取的裂缝参数更准确,需要监测裂缝生长的走向和形态。常规压裂的监测技术,如倾斜、井温、放射性测量以及电位法等压裂监测方法,都有着其自身限制性,并不能够完全的监测裂缝的长宽高及方位角等相关的参数。微地震裂缝监测技术是一种应用于油气田开发中的有效的裂缝监测的地震方法,与常规压裂的监测技术相比,其主要是通过观测、分析岩石破裂过程中所产生的微小地震事件来监测生产活动的影响、效果及地下状态的地球物理技术,基础是声发射学和地震学。目前,随着页岩等非常规油气的开采,微震监测主要是为了监测、定位、描述微震事件,其中,微震事件一般呈大数量的云状分布并且能够应用于裂缝形态描述,主要包括几何参数与坐标位置及缝间连通复杂性等。具体的,微震监测可以在井中或者地面上设置高灵敏度的检波器从而用来监测声发射,进而对裂缝来进行定位,当压裂的监测进行中时,可以即时的推测出裂缝所延伸的方向、以及裂缝的长、宽、高位等相关的参数,从而使裂缝描述更加准确。
目前,应用于裂缝性油气藏开发的主要物理模型包括单重孔隙介质模型、双重孔隙介质模型以及离散裂缝网络模型。单重孔隙介质模型是以等效渗透率为基础,用连续介质方法描述渗流问题的数学模型。该模型利用有效多孔介质近似代替基质和裂缝系统,通过一系列参数将流体在有效多孔介质中的流动计算简化为单孔介质中流体流动的计算过程。Cheng和Cipolla等人研究使用单孔隙平板裂缝网络模型来描述页岩气藏,这种方法极大的简化了模型并且提高了模拟的计算速度,适用于裂缝网络发育且裂缝均匀分布的多孔介质油气藏,但是很难准确描述页岩气藏中复杂的裂缝系统。双重孔隙介质模型在裂缝性油气藏数值模拟中的应用最为广泛,与单重孔隙介质模型相比,它将孔隙单独用一套网格系统进行刻画,模型具有裂缝和基质两套网格系统并且分别赋值。双重孔隙介质模型通过调整窜流函数和形状因子来准确的刻画页岩气藏特征。但是窜流系数和形状因子对网格尺寸比较敏感,模拟的准确性必须以计算量的增加为代价。所以,Du等人又提出了局部网格加密的双重孔隙介质模型,以解决准确刻画油气藏时计算量大的问题。虽然双重孔隙介质模型考虑了裂缝系统和基岩系统间的流体交换,比较符合实际,但是基质和裂缝网格的分布特点导致其仅适用于裂缝发育程度高的储层,当存在数条控制着流体方向和规模的大裂缝时,其计算结果往往误差较大。离散裂缝网络模型是通过一系列指定网格代表裂缝,裂缝离散分布在模型中,利用相邻网格间的传导率控制基质和裂缝系统之间的流体流动,其能够保证模型中裂缝几何形状和性质与实际储层保持一致,进而准确预测流体在裂缝中的流动特征。但现有的离散裂缝数值模型都是基于匹配型网格,即将裂缝作为内边界并以此为约束面来进行网格剖分。由于裂缝几何形态的复杂性,需采用非结构化网格技术,其剖分过程非常复杂和繁琐,尤其当裂缝间距离或夹角很小时,常常因网格划分质量差导致计算困难。综上,单重孔隙介质模型计算速度快但很难刻画模型中裂缝特征及其分布;双重介质模型仅适用于刻画裂缝发育程度高的储层;现有的离散裂缝数值模型虽然能够准确刻画裂缝,但受目前计算机硬件和数值模拟技术的制约,无法应用于工业性的油气藏。
在油田生产过程中,裂缝性油气藏建模会涉及大量裂缝几何参数和裂缝分布的数据,这些参数的获取主要依靠微地震、测井等技术,而对这些参数的估计便涉及到了油气藏自动历史拟合的问题。油气藏自动历史拟合本质上是求解油气藏目标函数最小值的方法。目前用于解决该问题的方法是求导梯度优化法,该方法以对目标函数关于控制变量求导为基础,需要建立伴随矩阵方程,利用基本渗流模型方程,求得目标函数关于参数的导数。然而,计算导数的局部最优化程序不仅步骤较为繁琐且费时较长,而且这类方法需要相对于当前时刻的所有历史数据进行拟合,当后面产生的数据可用时,最小化目标函数就会被改变,从而导致算法稳定性差、拟合精度低、效率不佳等问题。
相应的,本说明书实施例提供了一种基于微震事件的裂缝油气藏历史拟合的方法、装置及系统,一方面,通过采用微震监测数据即微震事件进行裂缝表征,可以即时的推测出裂缝所延伸的方向、以及裂缝的长、宽、高等相关的参数,为后续油田的开发和管理提供重要的指导。另一方面,通过利用嵌入式离散裂缝模型模拟裂缝,能精确描述裂缝内流体流动,采用多尺度模拟有限差分法对嵌入式离散裂缝模型进行求解,可以在保证计算精度的同时大幅度减少计算量、提高计算速度,实现模拟精度高计算量少的裂缝性油气藏流动的模拟。再一方面,通过引入集合卡尔曼滤波算法进行自动历史拟合可以有效提高传统油气藏历史拟合精度和效率。因此,利用本说明书各个实施例,不仅可以提高裂缝油气藏的反演精度、效率,而且可以利用拟合历史生产数据的反演模型参数对未来的生产数据进行预测,进而为油田生产开发提供指导。
下面以一个具体的应用场景为例对本说明书实施方案进行说明。具体的,图1是本说明书提供的一种基于微震事件的裂缝油气藏历史拟合的方法实施例的流程示意图。虽然本说明书提供了如下述实施例或附图所示的方法操作步骤或装置结构,但基于常规或者无需创造性的劳动在所述方法或装置中可以包括更多或者部分合并后更少的操作步骤或模块单元。在逻辑性上不存在必要因果关系的步骤或结构中,这些步骤的执行顺序或装置的模块结构不限于本说明书实施例或附图所示的执行顺序或模块结构。所述的方法或模块结构的在实际中的装置、服务器或终端产品应用时,可以按照实施例或者附图所示的方法或模块结构进行顺序执行或者并行执行(例如并行处理器或者多线程处理的环境、甚至包括分布式处理、服务器集群的实施环境)。
当然,下述实施例的描述并不对基于本说明书的其他可扩展到的技术方案构成限制。
具体的,一种实施例如图1所示,本说明书提供的一种基于微震事件的裂缝油气藏历史拟合的方法的一个实施例中,所述方法可以包括:
S0:基于嵌入式离散裂缝网格模型建立理想油气藏模型并获取观测数据。
其中,所述嵌入式离散裂缝网格模型是通过对基岩直接进行结构化网格划分,然后将裂缝嵌入基岩网格系统中,根据裂缝与基岩的相交情况形成裂缝网格,其可以精确描述裂缝内流体流动。所述油气藏是聚集一定数量油气的圈闭。裂缝性油气藏是指储集层的储集空间和渗滤通道主要为裂缝的油气藏。所述观测数据是通过建立好的理想模型模拟生产获得的,用于历史拟合过程中。
本说明书一个或多个实施例中,首先根据油气藏地质勘探数据、实验室分析数据等设定油气藏渗流系统属性(基质和裂缝)的大致范围,然后结合油气藏基础数据建立初始理想油气藏模型,将该模型假定为实际生产的油气藏模型进行模拟生产,生产数据作为观测数据。其中,裂缝模型利用嵌入式离散裂缝网格模型建立,油气藏基础数据可以包括储层构造特性参数、储层属性参数等,储层构造特性参数包含储层边界与尺度描述、厚度与范围、含气层位、断层位置、水体描述等;储层属性参数包含储层中孔隙度、渗透率、饱和度、温度、压力分布参数、储层有效厚度、断层传导率、岩石流体压缩系数、流体物性参数、裂缝相关属性参数等。需要说明的是,油气藏基础数据还可以包括本领域人员知晓的其他相关参数,本说明书对此不作限定。
本说明书一个或多个实施例中,为了使后续拟合效果更好,可以对理想油气藏模型生产的观测数据加扰动,使其更加接近真实生产数据。例如,假定测量误差和模型误差满足高斯分布,为保证集合成员之间的变化性,通常对集合成员的观测数据加上随机扰动,生成含有N个扰动的观测数据集,这样可以提高拟合效果。
本说明书实施例中通过建立理想油气藏模型即参考模型,一方面可以为根据理想模型的裂缝分布状态获取微震事件提供条件约束,另一方面也可以为自动历史拟合提供需要。
S2:根据所述理想油气藏模型的裂缝分布状态以及现场微震事件的属性参数生成微震事件,并对所述微震事件按照第一预设方式进行处理,获得第一表征的裂缝,所述裂缝包括主裂缝、次级裂缝。
其中,一个微震事件就是图4中的一个点,微震事件是通过综合考虑理想模型的裂缝分布以及压裂过程中裂缝产生的原理及声发射微震事件获取机理人为生成的,主要方式是从上述三个原理出发作为微震事件生成的理论依据,裂缝分布决定微震事件的分布范围,压裂和声发射机理决定属性参数的选取及各属性参数的取值范围,各参数具体取值参考现场微震事件参数值决定的。进一步地,微震事件是岩石变形、裂缝扩展过程的伴生现象,它与岩石力学行为有着密切的相关性,它是在压裂过程中岩石变形的时候产生的被监测到的声发射信号。本说明书中的微震事件主要是用来获得先验的裂缝几何形态及分布。所述第一预设方式包括对获取的微震事件进行数据处理的方式,如去噪、分级。需要说明的是,第一预设方式还可以包括其他方法,本说明书对此不作限定。
本说明书一个或多个实施例中,根据所述理想油气藏模型的裂缝分布状态以及现场微震事件的属性参数,可以随机生成合理的微震事件。其中,微震事件的属性参数可以包括:坐标值、时间、静噪比、置信度、能量、震级、强度、压裂级数等。
本说明书一个或多个实施例中,所述对所述微震事件按照第一预设方式进行处理,获得第一表征的裂缝,包括:获取所述微震事件的属性参数,所述属性参数包括坐标值、时间、静噪比、置信度、能量、震级、强度、压裂级数;根据所述属性参数对所述微震事件进行去噪,获得第一微震事件,所述第一微震事件可用于裂缝分析;根据所述属性参数对所述第一微震事件进行分级,获得第一表征的裂缝。其中,所述根据所述属性参数对所述微震事件进行去噪,获得第一微震事件,包括:将所述微震事件属性参数中的静噪比和所述置信度进行归一化处理,获得归一化后的静噪比和归一化后的置信度;根据所述归一化后的静噪比和归一化后的置信度对所述微震事件进行过滤,获得所述第一微震事件。所述根据所述属性参数对所述第一微震事件进行分级,获得第一表征的裂缝,包括:将所述微震事件属性参数中的能量、震级、强度进行归一化处理,获得能量属性参数;根据所述能量属性参数将所述微震事件进行分级,获得第一表征的裂缝。
具体的,在随机生成合理的微震事件后,首先获取所述微震事件的属性参数,将属性参数中的静噪比、置信度、能量、震级、强度进行归一化处理,且将归一化后的能量、震级、强度统一视为裂缝的能量属性参数,然后根据静噪比和置信度对微震事件进行过滤,筛选掉静噪比和置信度值较低的微震事件,得到确定性较高的可用于裂缝分析的微震事件,即通过对微震事件的去噪,获得第一微震事件。进一步地,根据能量属性参数将微震事件进行分级,得到用于表征主裂缝F1、次一级裂缝F2、次二级裂缝F3的微震事件,即第一表征的裂缝。
优选的,主裂缝F1表征可以通过如下方式实现:首先可以将用于表征主裂缝的微震事件由时间参数聚为n类,假定为T1、T2、T3、...、Tn,且T1<T2<T3<...<Tn,然后微震点从射孔点A0出发,依次在T1中寻找最优裂缝破裂点A1,将A1作为新的出发点,在T2中寻找最优裂缝破裂点A2,以此类推,以Tn-1中An-1为出发点,在Tn中寻找最优裂缝破裂点An,最后将A0、A1、A2、...、An作为主裂缝点。其中,最优裂缝破裂点依据的最大值选取,E1表示出发点Aa-1的能量,E2表示Ta中微震事件能量,d12表示出发点Aa-1与Ta中被选取的微震事件的距离,1≤a≤n。进一步地,次级裂缝表征可以通过如下方式实现:将主裂缝的每个节点A0、A1、A2、...、An作为出发点,在距每一条主裂缝每个节点一个给定范围R1内的表征次一级裂缝的微震事件中寻找时间较之更长同时距之最近的点作为次一级裂缝破裂点,最终寻找到次一级裂缝点B1、B2、...、Bn。相似地,以次一级每个裂缝节点B1、B2、...、Bn作为出发点,在距每一条次一级裂缝每个节点一个给定范围R2内的表征次二级裂缝的微震事件中寻找时间较之更长同时距之最近的点作为次二级裂缝破裂点,最终寻找到次二级裂缝点C1、C2、...、Cn。如此,就可以获得主裂缝及两级次级裂缝的破裂路径,即微震事件表征的裂缝。其中,在次一/二级微震事件中寻找时间较之更长同时距之最近的点是指在所有次一/二级微震事件中,时间较表征主裂缝的微震事件长同时距表征主裂缝的微震事件最近的点。裂缝路径的确定可以通过算法程序实现的,从而通过微震事件分析及算法处理,得到主裂缝、次一级裂缝、次二级裂缝的扩展路径、裂缝几何形态及分布状态等。
需要说明的是,上述实现裂缝表征的方式还可以是本领域人员知晓的其它方式,对此不做限定。本说明书实施例中实现主裂缝、次一级裂缝、次二级裂缝的表征只是示例性说明,本说明书对此并不进行限定,即也可以是只实现主裂缝的表征或者实现更多次级裂缝的表征,可以根据实际情况进行处理。
S4:将所述次级裂缝等效为单重孔隙介质,获得第二表征的裂缝。
其中,将所述次级裂缝等效为单重孔隙介质的方式可以是本领域人员知晓的任何等效处理方式,本说明书对此不做限定。如:根据等效渗透率公式将次级裂缝等效为单重孔隙介质。
本说明书实施例中通过对次级裂缝进行等效处理,可以粗略表征压裂改造区即渗透率显著提升的区域范围,为反演提供依据。
S6:基于所述第二表征的裂缝建立嵌入式离散裂缝网格先验模型,所述先验模型包括待反演特征数据。
其中,嵌入式离散裂缝网格先验模型可以理解为是包括待反演特征数据的初始模型的集合,也可以称为初始反演模型,其是基于微震属性参数反推得到的先验模型,即通过微震事件表征裂缝、次级裂缝等效等步骤得到的模型,相当于由步骤S0的已知的理想模型得到的不确定的未知模型,即先验模型,该模型随着参数的更新在不断更新,更新后的模型可以称为反演模型。所述待反演特征数据包括基质网格渗透率、裂缝渗透率、等效网格渗透率。
本说明书一个或多个实施例中,基于第二表征的裂缝、油气藏的地质因素、储层物性、主裂缝形态以及渗流特征的研究认识上,首先建立嵌入式离散裂缝数学模型,然后利用嵌入式离散裂缝非常规油气藏模拟器建立嵌入式离散裂缝页岩气藏的数值模型,即得到初始的油气藏裂缝反演模型。其中,将初始油气藏裂缝反演模型的基质网格渗透率,裂缝渗透率、等效网格渗透率参数作为初始状态参数,也就是之后需要反演的参数。具体的,根据油气藏现场需求,选取待反演的参数并设置待反演数据的范围,假设模型误差满足高斯分布,生成N个待反演特征数据呈高斯分布的模型,即生成初始模型的集合。
S8:利用所述先验模型进行模拟生产,获取所述先验模型的生产数据。
本说明书一个或多个实施例中,所述生产数据可以是一个先验模型产生的一组生产数据,也可以是多个先验模型产生的多组生产数据,具体可以根据实际情况确定,本说明书对此不做限定。
具体的,本说明书一个实施例中,可以利用包括Ne个反演模型的集合进行模拟生产,获得Ne个反演模型的Ne组生产数据。
S10:根据所述生产数据和所述观测数据更新所述待反演特征数据,获得自动历史拟合结果。
其中,油气藏自动历史拟合也被称为数据同化或参数反演,其是根据所观测到的实际油藏动态来反求和修正油藏参数,直到模拟结果同实测动态数据达到允许的误差为止,这对于检验和改进油藏模型、分析油藏现状、验证和识别油藏开采机理有着重要意义。
本说明书一个或多个实施例中,所述根据所述生产数据和所述观测数据更新所述待反演特征数据,获得自动历史拟合结果,包括:根据集合卡尔曼滤波算法,获取集合状态向量的误差协方差矩阵和集合生产数据的误差协方差矩阵,所述集合状态向量包括所述生产数据和所述待反演特征数据,所述集合生产数据是在反演过程中不断更新的模型集合获得的生产数据的集合;根据所述集合状态向量的误差协方差矩阵、所述集合生产数据的误差协方差矩阵以及所述观测数据,获得卡尔曼增益;基于所述卡尔曼增益和初始待反演特征数据,更新所述待反演特征数据,获得自动历史拟合结果。
在一些实施例中,所述集合状态向量是由一个或多个状态向量组成的集合,而状态向量由三种类型的参数组成:静态参数、动态参数和生产数据,其中,所述静态参数是在历史拟合油气藏模拟过程中不随时间变化的参数,所述动态参数包括流动模拟的基本变量,所述生产数据包括反演过程中不断更新的模型的生产数据,所述待反演数据包括所述静态参数中的基质网格渗透率、裂缝渗透率、等效网格渗透率。
具体的,首先用状态向量y定义集合成员:y=[ms,mp,d]T,则集合状态向量Ψ可以表示为其中,ms表示Nm维静态参数向量,mp表示Np维动态参数向量,d表示Nd维需要拟合的生产数据向量,状态向量y的维数为Ny=Nm+Np+Nd,Ne表示集合成员的个数;其次,通过数值模拟软件计算得到预测状态向量yp=F[y]+vw,则预测集合状态向量Ψp可以表示为其中,F定义为数值模拟软件对状态向量控制计算的函数,vw定义为过程噪声;然后,假设Ke可以表示卡尔曼增益矩阵,则按照下述公式可以获得卡尔曼增益矩阵:
其中,CΨ可以表示集合状态向量的误差协方差矩阵,CD可以表示集合生产数据的误差协方差矩阵,可以表示Ne个集合成员的均值,H可以表示状态向量与观测数据相关的矩阵算子,上标p可以表示预测状态,Ne可以表示一个集合中状态向量的个数,可以表示第j个包含不确定油气藏参数及生产数据的集合成员状态预测向量,可以表示Ne个集合成员状态预测向量的均值。
进一步的,基于卡尔曼增益矩阵,对待反演特征数据进行调整获得新的反演特征数据。具体的,可以根据下述公式更新集合状态向量:
Ψu=ΨP+Ke(D-HΨP) (4)
其中,Ψu、Ψp分别可以表示更新集合状态向量与预测集合状态向量,上标u表示更新,上标p表示预测,D表示集合的采样观测数据,也就是从理想模型中获得的Ne个观测数据。
由于集合状态向量包括生产数据和待反演特征数据,所以通过不断更新集合状态向量,可以获得更新后的待反演特征数据,然后将更新后的待反演特征数据作为初始待反演特征数据,进一步循环更新集合状态向量,直到输出最优的待反演特征数据,作为自动历史拟合结果。
需要说明的是,本说明书实施例中只是示例性说明了对模型的基质、裂缝、等效基质网格的渗透率参数和生产数据进行反演拟合,在其他实施例中,本方法也可以适应于更多参数的反演拟合,即本方法适用于其他进行反演拟合的场景,本说明书对此不做限定。
本说明书一个或多个实施例中,在获得最佳的自动历史拟合结果后,可以基于所述自动历史拟合结果建立最终反演模型;根据所述最终反演模型对油气藏生产数据进行预测,其中,所述生产数据可以包括油气产量、油气动态、区域采出程度、估计油气藏最终采收率等。具体的,由于模型参数在不断的更新,所以可以基于最终更新的参数即自动历史拟合结果建立更新后的反演模型,根据更新后的反演模型对油气藏生产数据进行预测,将预测结果作为进行开发与管理决策的重要依据,进而为油田生产开发提供指导。
本说明书实施例提供的一种基于微震事件的裂缝油气藏历史拟合的方法,一方面,通过采用微震监测数据即微震事件进行裂缝表征,可以即时的监测出裂缝所延伸的方向、以及裂缝的长、宽、高等相关的参数,为后续油田的开发和管理提供重要的指导。另一方面,通过利用嵌入式离散裂缝模型模拟裂缝,能精确描述裂缝内流体流动,采用多尺度模拟有限差分法对嵌入式离散裂缝模型进行求解,可以在保证计算精度的同时大幅度减少计算量、提高计算速度,实现模拟精度高计算量少的裂缝性油气藏流动的模拟。再一方面,通过引入集合卡尔曼滤波算法进行自动历史拟合可以有效提高传统油气藏历史拟合精度和效率。因此,利用本说明书各个实施例,不仅可以提高裂缝油气藏的反演精度、效率,而且可以利用拟合历史生产数据的反演模型参数对未来的生产数据进行预测,进而为油田生产开发提供指导。
基于上述实施例描述,为了进一步说明本发明提出微震描述裂缝及自动历史拟合效果,本说明书还提供了应用上述方案的一个具体实例,具体的,如图2所示,图2是本说明书提供的基于微震事件的裂缝油气藏历史拟合的方法的一个具体实施例的流程示意图。以典型压裂性裂缝油气藏为例,具体实现步骤如下:
(1)建立理想油气藏模型,获取观测数据。
在典型压裂性裂缝油气藏参数基础上,建立油气藏作为实际生产油气藏,然后利用该油气藏拟合生产数据作为油气藏实际生产数据,将该生产数据根据高斯分布加扰动生成观测数据文件。具体的,建立一个1500×1600×50m3的油气藏作为实际生产油气藏,假定油气藏的基质渗透率为1×10e-4mD,主裂缝渗透率为1000mD,主裂缝半长为175m,次一级裂缝垂直于主裂缝,次一级裂缝半长20m,渗透率为40mD,次二级裂缝垂直于次一级裂缝,次二级裂缝半长8m,渗透率为5mD,所有裂缝倾角为90°,如图3所示,以HW井为例,图3是本说明书提供的具体实施例中建立的理想油气藏模型示意图,利用该油气藏模型拟合生产数据作为油气藏实际生产数据,将该生产数据根据高斯分布加扰动生成100个观测数据文件。
(2)随机生成微震事件。
根据理想模型的裂缝分布状态结合现场微震事件的属性参数以及理想模型的裂缝分布特征,随机生成合理的微震事件。其中,微震事件所具有的属性参数值来源于现场微震事件属性值,微震事件的属性参数包括:X、Y、Z坐标值,时间,静噪比,置信度,能量,震级,强度,压裂级数。如图4所示,图4是本说明书提供的具体实施例中随机生成的微震事件的示意图,其中,图中的每一个点可以表示一个微震事件。其中,灰度图中不同灰度只是为了区别不同的压裂段,没有特别含义,也就是说,也可以通过相同灰度显示。
(3)微震事件去噪。
对步骤(2)中生成的微震事件去噪。具体的,根据静噪比和置信度进行微震数据过滤,得到确定性较高的用于裂缝分析的微震事件。
(4)微震事件表征裂缝。
将能量、震级、强度归一化处理,统一视为裂缝的能量属性参数,然后根据能量属性参数将微震事件进行分级,得到用于表征主裂缝、次一级裂缝、次二级裂缝的微震事件。如图5所示,图5是本说明书提供的具体实施例中10个压裂段微震点表征裂缝的示意图。其中,不同裂缝表征可以通过不同颜色表示(由于对附图颜色要求的限制,附图5中通过不同灰度表征不同裂缝)。
(5)次级裂缝等效处理。
根据等效渗透率公式将次级裂缝等效为单重孔隙介质。如图6所示,图6是本说明书提供的具体实施例中次级裂缝做等效渗透率处理后油气藏渗透率的示意图。其中,网格表示基质,次级裂缝等效后的渗透率场通过不同颜色表示(由于对附图颜色要求的限制,附图6中通过不同灰度表示不同次级裂缝等效处理后的渗透率)。
(6)建立嵌入式离散裂缝网格先验模型,并利用先验模型模拟生产。
设定待反演数据及其参数范围,根据拉丁超立方建立100个裂缝先验模型,利用100个裂缝先验模型进行模拟生产,获取100个先验模型的100组生产数据。如图7所示,图7是本说明书提供的具体实施例中自动历史拟合前累产气量的示意图,其中,横坐标表示时间,纵坐标表示累产气量,Initial Ensemble表示初始集合预测,Observation表示观测数据,其中,初始集合预测是根据初始待反演特征数据获得的累产气量,观测数据是根据理想模型获得的累产气量。
(7)获得卡尔曼增益。
根据集合卡尔曼滤波算法,计算集合生产数据的误差协方差矩阵和集合状态向量的误差协方差矩阵,进而根据集合状态向量的误差协方差矩阵、集合生产数据的误差协方差矩阵以及观测数据,获得卡尔曼增益。其中,集合状态向量包括生产数据和待反演特征数据,集合生产数据指模型集合的100组生产数据。
(8)观测数据同化,更新模型参数。
所述参数主要包括基质渗透率、裂缝渗透率、等效渗透率及生产动态数据。
(9)输出最终的迭代更新的特征参数。
判断迭代次数是否达到预设次数,若没达到,则返回步骤(7)继续原来的流程进行更新迭代,直到完成预设次数,输出最终迭代更新的特征参数,作为自动历史拟合结果。如图8所示,图8是本说明书提供的具体实施例中自动历史拟合后累产气量的示意图,其中,横坐标表示时间,纵坐标表示累产气量,History Matching表示集合预测,Prediction表示生产预测,Observation表示观测数据,预设次数为20个时间步,每个时间步60天,在获得自动历史拟合结果后,生产预测了30个时间步,其中,竖线对应的横坐标为20个时间步,集合预测可以表示在更新过程中每一时间步的集合参数的预测,也就是拟合了当前时间步的观测值,对模型状态向量参数进行预测得到的累产气量,生产预测可以表示在得到最终更新后的反演模型后进行生产得到的累产气量,观测数据表示通过理想模型获得的累产气量。由图可知,生产预测值与观测值保持一致,说明拟合效果良好。
结果表明,利用本申请实施提供的方案,不仅可以提高裂缝油气藏的拟合精度、效率,而且可以利用拟合历史生产数据的模型参数对未来的生产数据进行预测,进而为油田生产开发提供指导。
本说明书中上述方法的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参加即可,每个实施例重点说明的都是与其他实施例的不同之处。相关之处参加方法实施例的部分说明即可。
基于上述所述的一种基于微震事件的裂缝油气藏历史拟合的方法,本说明书一个或多个实施例还提供一种基于微震事件的裂缝油气藏历史拟合的装置。所述的装置可以包括使用了本说明书实施例所述方法的系统(包括分布式系统)、软件(应用)、模块、组件、服务器、客户端等并结合必要的实施硬件的装置。基于同一创新构思,本说明书实施例提供的一个或多个实施例中的装置如下面的实施例所述。由于装置解决问题的实现方案与方法相似,因此本说明书实施例具体的装置的实施可以参见前述方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
具体地,图9是本说明书提供的一种基于微震事件的裂缝油气藏历史拟合的装置的一个实施例的模块结构示意图,如图9所示,本说明书提供的一种基于微震事件的裂缝油气藏历史拟合的装置可以包括:理想模型建立模块120,裂缝获得模块122,等效模块124,先验模型建立模块126,数据获得模块128,更新模块130。
理想模型建立模块120,可以用于基于嵌入式离散裂缝网格模型建立理想油气藏模型并获取观测数据;
裂缝获得模块122,可以用于根据所述理想油气藏模型的裂缝分布状态以及现场微震事件的属性参数生成微震事件,并对所述微震事件按照第一预设方式进行处理,获得第一表征的裂缝,所述裂缝包括主裂缝、次级裂缝;
等效模块124,可以用于将所述次级裂缝等效为单重孔隙介质,获得第二表征的裂缝;
先验模型建立模块126,可以用于基于所述第二表征的裂缝建立嵌入式离散裂缝网格先验模型,所述先验模型包括待反演特征数据;
数据获得模块128,可以用于利用所述先验模型进行模拟生产,获取所述先验模型的生产数据;
更新模块130,可以用于根据所述生产数据和所述观测数据更新所述待反演特征数据,获得自动历史拟合结果。
所述装置的另一个实施例中,还可以包括:
反演模型建立模块,可以用于基于所述自动历史拟合结果建立最终反演模型;
预测模块,可以用于根据所述最终反演模型对油气藏生产数据进行预测。
所述装置的另一个实施例中,所述对所述微震事件按照第一预设方式进行处理,获得第一表征的裂缝,可以包括:
属性参数获取模块,可以用于获取所述微震事件的属性参数,所述属性参数包括坐标值、时间、静噪比、置信度、能量、震级、强度、压裂级数;
去噪模块,可以用于根据所述属性参数对所述微震事件进行去噪,获得第一微震事件,所述第一微震事件可用于裂缝分析;
裂缝获取模块,可以用于根据所述属性参数对所述第一微震事件进行分级,获得第一表征的裂缝。
所述装置的另一个实施例中,所述去噪模块,可以包括:
归一化处理单元,可以用于将所述微震事件属性参数中的静噪比和所述置信度进行归一化处理,获得归一化后的静噪比和归一化后的置信度;
过滤单元,可以用于根据所述归一化后的静噪比和归一化后的置信度对所述微震事件进行过滤,获得所述第一微震事件。
所述装置的另一个实施例中,所述裂缝获取模块,可以包括:
能量属性参数获得单元,可以用于将所述微震事件属性参数中的能量、震级、强度进行归一化处理,获得能量属性参数;
裂缝获得单元,可以用于根据所述能量属性参数将所述微震事件进行分级,获得第一表征的裂缝。
所述装置的另一个实施例中,所述更新模块130,可以包括:
矩阵获取单元,可以用于根据集合卡尔曼滤波算法,获取集合状态向量的误差协方差矩阵和集合生产数据的误差协方差矩阵,所述集合状态向量包括所述生产数据和所述待反演特征数据,所述集合生产数据是在反演过程中不断更新的模型集合获得的生产数据的集合;
增益获得单元,可以用于根据所述集合状态向量的误差协方差矩阵、所述集合生产数据的误差协方差矩阵以及所述观测数据,获得卡尔曼增益;
更新单元,可以用于基于所述卡尔曼增益和初始待反演特征数据,更新所述待反演特征数据,获得自动历史拟合结果。
本说明书实施例提供的一种基于微震事件的裂缝油气藏历史拟合的装置,一方面,通过采用微震监测数据即微震事件进行裂缝表征,可以即时的推测出裂缝所延伸的方向、以及裂缝的长、宽、高等相关的参数,为后续油田的开发和管理提供重要的指导。另一方面,通过利用嵌入式离散裂缝模型模拟裂缝,能精确描述裂缝内流体流动,采用多尺度模拟有限差分法对嵌入式离散裂缝模型进行求解,可以在保证计算精度的同时大幅度减少计算量、提高计算速度,实现模拟精度高计算量少的裂缝性油气藏流动的模拟。再一方面,通过引入集合卡尔曼滤波算法进行自动历史拟合可以有效提高传统油气藏历史拟合精度和效率。因此,利用本说明书各个实施例,不仅可以提高裂缝油气藏的反演精度、效率,而且可以利用拟合历史生产数据的反演模型参数对未来的生产数据进行预测,进而为油田生产开发提供指导。
需要说明的,上述所述的装置根据方法实施例的描述还可以包括其他的实施方式,具体的实现方式可以参照相关方法实施例的描述,在此不作一一赘述。
本说明书实施例还提供一种基于微震事件的裂缝油气藏历史拟合的设备,包括处理器及用于存储处理器可执行指令的存储器,所述指令被所述处理器执行时实现包括以下步骤:
基于嵌入式离散裂缝网格模型建立理想油气藏模型并获取观测数据;
根据所述理想油气藏模型的裂缝分布状态以及现场微震事件的属性参数生成微震事件,并对所述微震事件按照第一预设方式进行处理,获得第一表征的裂缝,所述裂缝包括主裂缝、次级裂缝;
将所述次级裂缝等效为单重孔隙介质,获得第二表征的裂缝;
基于所述第二表征的裂缝建立嵌入式离散裂缝网格先验模型,所述先验模型包括待反演特征数据;
利用所述先验模型进行模拟生产,获取所述先验模型的生产数据;
根据所述生产数据和所述观测数据更新所述待反演特征数据,获得自动历史拟合结果。
需要说明的,上述所述的设备根据方法实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照相关方法实施例的描述,在此不作一一赘述。
本说明书实施例还提供一种基于微震事件的裂缝油气藏历史拟合的系统,包括至少一个处理器以及存储计算机可执行指令的存储器,所述处理器执行所述指令时实现上述任意一个或者多个实施例中所述方法的步骤,例如包括:基于嵌入式离散裂缝网格模型建立理想油气藏模型并获取观测数据;根据所述理想油气藏模型的裂缝分布状态以及现场微震事件的属性参数生成微震事件,并对所述微震事件按照第一预设方式进行处理,获得第一表征的裂缝,所述裂缝包括主裂缝、次级裂缝;将所述次级裂缝等效为单重孔隙介质,获得第二表征的裂缝;基于所述第二表征的裂缝建立嵌入式离散裂缝网格先验模型,所述先验模型包括待反演特征数据;利用所述先验模型进行模拟生产,获取所述先验模型的生产数据;根据所述生产数据和所述观测数据更新所述待反演特征数据,获得自动历史拟合结果。所述的系统可以为单独的服务器,也可以包括使用了本说明书的一个或多个所述方法或一个或多个实施例装置的服务器集群、系统(包括分布式系统)、软件(应用)、实际操作装置、逻辑门电路装置、量子计算机等并结合必要的实施硬件的终端装置。
本说明书实施例所提供的方法实施例可以在移动终端、计算机终端、服务器或者类似的运算装置中执行。以运行在服务器上为例,图10是本说明书提供的一种基于微震事件的裂缝油气藏历史拟合的服务器的一个实施例的硬件结构框图,该服务器可以是上述实施例中的基于微震事件的裂缝油气藏历史拟合装置或基于微震事件的裂缝油气藏历史拟合系统。如图10所示,服务器10可以包括一个或多个(图中仅示出一个)处理器100(处理器100可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器200、以及用于通信功能的传输模块300。本领域普通技术人员可以理解,图10所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,服务器10还可包括比图10中所示更多或者更少的组件,例如还可以包括其他的处理硬件,如数据库或多级缓存、GPU,或者具有与图7所示不同的配置。
存储器200可用于存储应用软件的软件程序以及模块,如本说明书实施例中的基于微震事件的裂缝油气藏历史拟合方法对应的程序指令/模块,处理器100通过运行存储在存储器200内的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器200可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器200可进一步包括相对于处理器100远程设置的存储器,这些远程存储器可以通过网络连接至计算机终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输模块300用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端的通信供应商提供的无线网络。在一个实例中,传输模块300包括一个网络适配器(Network Interface Controller,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输模块300可以为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书提供的上述实施例所述的方法或装置可以通过计算机程序实现业务逻辑并记录在存储介质上,所述的存储介质可以计算机读取并执行,实现本说明书实施例所描述方案的效果。
所述存储介质可以包括用于存储信息的物理装置,通常是将信息数字化后再以利用电、磁或者光学等方式的媒体加以存储。所述存储介质有可以包括:利用电能方式存储信息的装置如,各式存储器,如RAM、ROM等;利用磁能方式存储信息的装置如,硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘;利用光学方式存储信息的装置如,CD或DVD。当然,还有其他方式的可读存储介质,例如量子存储器、石墨烯存储器等等。
本说明书实施例提供的上述基于微震事件的裂缝油气藏历史拟合方法或装置可以在计算机中由处理器执行相应的程序指令来实现,如使用windows操作系统的c++语言在PC端实现、linux系统实现,或其他例如使用android、iOS系统程序设计语言在智能终端实现,以及基于量子计算机的处理逻辑实现等。
需要说明的是说明书上述所述的装置、计算机存储介质、系统根据相关方法实施例的描述还可以包括其他的实施方式,具体的实现方式可以参照对应方法实施例的描述,在此不作一一赘述。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于硬件+程序类实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书实施例并不局限于必须是符合行业通信标准、标准计算机数据处理和数据存储规则或本说明书一个或多个实施例所描述的情况。某些行业标准或者使用自定义方式或实施例描述的实施基础上略加修改后的实施方案也可以实现上述实施例相同、等同或相近、或变形后可预料的实施效果。应用这些修改或变形后的数据获取、存储、判断、处理方式等获取的实施例,仍然可以属于本说明书实施例的可选实施方案范围之内。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、车载人机交互设备、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
虽然本说明书一个或多个实施例提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的装置或终端产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境,甚至为分布式数据处理环境)。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、产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、产品或者设备所固有的要素。在没有更多限制的情况下,并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本说明书一个或多个时可以把各模块的功能在同一个或多个软件和/或硬件中实现,也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
本发明是参照根据本发明实施例的方法、装置(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储、石墨烯存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
本领域技术人员应明白,本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此,本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上所述仅为本说明书一个或多个实施例的实施例而已,并不用于限制本本说明书一个或多个实施例。对于本领域技术人员来说,本说明书一个或多个实施例可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在权利要求范围之内。
Claims (15)
1.一种基于微震事件的裂缝油气藏历史拟合的方法,其特征在于,包括:
基于嵌入式离散裂缝网格模型建立理想油气藏模型并获取观测数据;
根据所述理想油气藏模型的裂缝分布状态以及现场微震事件的属性参数生成微震事件,并对所述微震事件按照第一预设方式进行处理,获得第一表征的裂缝,所述裂缝包括主裂缝、次级裂缝;
将所述次级裂缝等效为单重孔隙介质,获得第二表征的裂缝;
基于所述第二表征的裂缝建立嵌入式离散裂缝网格先验模型,所述先验模型包括待反演特征数据;
利用所述先验模型进行模拟生产,获取所述先验模型的生产数据;
根据所述生产数据和所述观测数据更新所述待反演特征数据,获得自动历史拟合结果。
2.如权利要求1所述的方法,其特征在于,还包括:
基于所述自动历史拟合结果建立最终反演模型;
根据所述最终反演模型对油气藏生产数据进行预测。
3.如权利要求1所述的方法,其特征在于,所述对所述微震事件按照第一预设方式进行处理,获得第一表征的裂缝,包括:
获取所述微震事件的属性参数,所述属性参数包括坐标值、时间、静噪比、置信度、能量、震级、强度、压裂级数;
根据所述属性参数对所述微震事件进行去噪,获得第一微震事件,所述第一微震事件可用于裂缝分析;
根据所述属性参数对所述第一微震事件进行分级,获得第一表征的裂缝。
4.如权利要求3所述的方法,其特征在于,所述根据所述属性参数对所述微震事件进行去噪,获得第一微震事件,包括:
将所述微震事件属性参数中的静噪比和所述置信度进行归一化处理,获得归一化后的静噪比和归一化后的置信度;
根据所述归一化后的静噪比和归一化后的置信度对所述微震事件进行过滤,获得所述第一微震事件。
5.如权利要求3所述的方法,其特征在于,所述根据所述属性参数对所述第一微震事件进行分级,获得第一表征的裂缝,包括:
将所述微震事件属性参数中的能量、震级、强度进行归一化处理,获得能量属性参数;
根据所述能量属性参数将所述微震事件进行分级,获得第一表征的裂缝。
6.如权利要求1所述的方法,其特征在于,所述待反演特征数据包括基质网格渗透率、裂缝渗透率、等效网格渗透率。
7.如权利要求1所述的方法,其特征在于,所述根据所述生产数据和所述观测数据更新所述待反演特征数据,获得自动历史拟合结果,包括:
根据集合卡尔曼滤波算法,获取集合状态向量的误差协方差矩阵和集合生产数据的误差协方差矩阵,所述集合状态向量包括所述生产数据和所述待反演特征数据,所述集合生产数据是在反演过程中不断更新的模型集合获得的生产数据的集合;
根据所述集合状态向量的误差协方差矩阵、所述集合生产数据的误差协方差矩阵以及所述观测数据,获得卡尔曼增益;
基于所述卡尔曼增益和初始待反演特征数据,更新所述待反演特征数据,获得自动历史拟合结果。
8.一种基于微震事件的裂缝油气藏历史拟合的装置,其特征在于,包括:
理想模型建立模块,用于基于嵌入式离散裂缝网格模型建立理想油气藏模型并获取观测数据;
裂缝获得模块,用于根据所述理想油气藏模型的裂缝分布状态以及现场微震事件的属性参数生成微震事件,并对所述微震事件按照第一预设方式进行处理,获得第一表征的裂缝,所述裂缝包括主裂缝、次级裂缝;
等效模块,用于将所述次级裂缝等效为单重孔隙介质,获得第二表征的裂缝;
先验模型建立模块,用于基于所述第二表征的裂缝建立嵌入式离散裂缝网格先验模型,所述先验模型包括待反演特征数据;
数据获得模块,用于利用所述先验模型进行模拟生产,获取所述先验模型的生产数据;
更新模块,用于根据所述生产数据和所述观测数据更新所述待反演特征数据,获得自动历史拟合结果。
9.如权利要求8所述的装置,其特征在于,还包括:
反演模型建立模块,用于基于所述自动历史拟合结果建立最终反演模型;
预测模块,用于根据所述最终反演模型对油气藏生产数据进行预测。
10.如权利要求8所述的装置,其特征在于,所述对所述微震事件按照第一预设方式进行处理,获得第一表征的裂缝,包括:
属性参数获取模块,用于获取所述微震事件的属性参数,所述属性参数包括坐标值、时间、静噪比、置信度、能量、震级、强度、压裂级数;
去噪模块,用于根据所述属性参数对所述微震事件进行去噪,获得第一微震事件,所述第一微震事件可用于裂缝分析;
裂缝获取模块,用于根据所述属性参数对所述第一微震事件进行分级,获得第一表征的裂缝。
11.如权利要求10所述的装置,其特征在于,所述去噪模块,包括:
归一化处理单元,用于将所述微震事件属性参数中的静噪比和所述置信度进行归一化处理,获得归一化后的静噪比和归一化后的置信度;
过滤单元,用于根据所述归一化后的静噪比和归一化后的置信度对所述微震事件进行过滤,获得所述第一微震事件。
12.如权利要求10所述的装置,其特征在于,所述裂缝获取模块,包括:
能量属性参数获得单元,用于将所述微震事件属性参数中的能量、震级、强度进行归一化处理,获得能量属性参数;
裂缝获得单元,用于根据所述能量属性参数将所述微震事件进行分级,获得第一表征的裂缝。
13.如权利要求8所述的装置,其特征在于,所述更新模块,包括:
矩阵获取单元,用于根据集合卡尔曼滤波算法,获取集合状态向量的误差协方差矩阵和集合生产数据的误差协方差矩阵,所述集合状态向量包括所述生产数据和所述待反演特征数据,所述集合生产数据是在反演过程中不断更新的模型集合获得的生产数据的集合;
增益获得单元,用于根据所述集合状态向量的误差协方差矩阵、所述集合生产数据的误差协方差矩阵以及所述观测数据,获得卡尔曼增益;
更新单元,用于基于所述卡尔曼增益和初始待反演特征数据,更新所述待反演特征数据,获得自动历史拟合结果。
14.一种基于微震事件的裂缝油气藏历史拟合的设备,其特征在于,包括处理器及用于存储处理器可执行指令的存储器,所述指令被所述处理器执行时实现包括以下步骤:
基于嵌入式离散裂缝网格模型建立理想油气藏模型并获取观测数据;
根据所述理想油气藏模型的裂缝分布状态以及现场微震事件的属性参数生成微震事件,并对所述微震事件按照第一预设方式进行处理,获得第一表征的裂缝,所述裂缝包括主裂缝、次级裂缝;
将所述次级裂缝等效为单重孔隙介质,获得第二表征的裂缝;
基于所述第二表征的裂缝建立嵌入式离散裂缝网格先验模型,所述先验模型包括待反演特征数据;
利用所述先验模型进行模拟生产,获取所述先验模型的生产数据;
根据所述生产数据和所述观测数据更新所述待反演特征数据,获得自动历史拟合结果。
15.一种基于微震事件的裂缝油气藏历史拟合的系统,其特征在于,包括至少一个处理器以及存储计算机可执行指令的存储器,所述处理器执行所述指令时实现权利要求1-7中任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910613225.7A CN110414723B (zh) | 2019-07-09 | 2019-07-09 | 基于微震事件的裂缝油气藏历史拟合的方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910613225.7A CN110414723B (zh) | 2019-07-09 | 2019-07-09 | 基于微震事件的裂缝油气藏历史拟合的方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110414723A true CN110414723A (zh) | 2019-11-05 |
CN110414723B CN110414723B (zh) | 2022-05-17 |
Family
ID=68360766
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910613225.7A Active CN110414723B (zh) | 2019-07-09 | 2019-07-09 | 基于微震事件的裂缝油气藏历史拟合的方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110414723B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112228054A (zh) * | 2020-11-06 | 2021-01-15 | 中国石油大学(北京) | 基于卷积神经网络的页岩气产量确定方法、装置和设备 |
CN112539049A (zh) * | 2020-11-25 | 2021-03-23 | 中国石油大学(华东) | 基于生产动态自动历史拟合的压裂裂缝参数反演方法 |
CN113435059A (zh) * | 2021-07-13 | 2021-09-24 | 中国石油大学(北京) | 模型建立方法、裂缝起裂事件诊断方法和装置 |
CN113486556A (zh) * | 2021-07-08 | 2021-10-08 | 山东大学 | 一种改进的油气藏高效自动历史拟合方法 |
CN115526114A (zh) * | 2022-10-20 | 2022-12-27 | 中国地质大学(北京) | 基于集合卡尔曼滤波法的水力裂缝形态反演方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106407503A (zh) * | 2016-08-22 | 2017-02-15 | 南京特雷西能源科技有限公司 | 储层裂缝预测方法及装置 |
CN108535773A (zh) * | 2018-07-13 | 2018-09-14 | 广东石油化工学院 | 一种微地震事件检测方法及系统 |
CN108846307A (zh) * | 2018-04-12 | 2018-11-20 | 中南大学 | 一种基于波形图像的微震与爆破事件识别方法 |
CN109558631A (zh) * | 2018-10-24 | 2019-04-02 | 北京大学 | 一种致密油气藏多尺度裂缝性介质自动历史拟合方法 |
CN109670195A (zh) * | 2018-07-30 | 2019-04-23 | 长江大学 | 融合单井敏感性局域化的EnKF油藏辅助历史拟合方法 |
-
2019
- 2019-07-09 CN CN201910613225.7A patent/CN110414723B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106407503A (zh) * | 2016-08-22 | 2017-02-15 | 南京特雷西能源科技有限公司 | 储层裂缝预测方法及装置 |
CN108846307A (zh) * | 2018-04-12 | 2018-11-20 | 中南大学 | 一种基于波形图像的微震与爆破事件识别方法 |
CN108535773A (zh) * | 2018-07-13 | 2018-09-14 | 广东石油化工学院 | 一种微地震事件检测方法及系统 |
CN109670195A (zh) * | 2018-07-30 | 2019-04-23 | 长江大学 | 融合单井敏感性局域化的EnKF油藏辅助历史拟合方法 |
CN109558631A (zh) * | 2018-10-24 | 2019-04-02 | 北京大学 | 一种致密油气藏多尺度裂缝性介质自动历史拟合方法 |
Non-Patent Citations (1)
Title |
---|
MAHMOOD SHAKIBA: ""Using Embedded Discrete Fracture Model (EDFM) and Microseismic Monitoring Data to Characterize the Complex Hydraulic Fracture Networks"", 《SPE ANNUAL TECHNICAL CONFERENCE AND EXHIBITION》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112228054A (zh) * | 2020-11-06 | 2021-01-15 | 中国石油大学(北京) | 基于卷积神经网络的页岩气产量确定方法、装置和设备 |
CN112539049A (zh) * | 2020-11-25 | 2021-03-23 | 中国石油大学(华东) | 基于生产动态自动历史拟合的压裂裂缝参数反演方法 |
CN113486556A (zh) * | 2021-07-08 | 2021-10-08 | 山东大学 | 一种改进的油气藏高效自动历史拟合方法 |
CN113486556B (zh) * | 2021-07-08 | 2022-03-11 | 山东大学 | 一种改进的油气藏高效自动历史拟合方法 |
CN113435059A (zh) * | 2021-07-13 | 2021-09-24 | 中国石油大学(北京) | 模型建立方法、裂缝起裂事件诊断方法和装置 |
CN113435059B (zh) * | 2021-07-13 | 2022-09-27 | 中国石油大学(北京) | 模型建立方法、裂缝起裂事件诊断方法和装置 |
CN115526114A (zh) * | 2022-10-20 | 2022-12-27 | 中国地质大学(北京) | 基于集合卡尔曼滤波法的水力裂缝形态反演方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110414723B (zh) | 2022-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110414723A (zh) | 基于微震事件的裂缝油气藏历史拟合的方法、装置及系统 | |
CN104297785B (zh) | 岩相约束储层物性参数反演方法及装置 | |
CN104755960B (zh) | 基于盆地建模对用于处理地震数据的速度模型的改进 | |
EP3077618B1 (en) | Tuning digital core analysis to laboratory results | |
CN109636094A (zh) | 低渗透油田储层类型识别方法和装置 | |
CN108153933A (zh) | 一种致密储层生产预测方法及装置 | |
CN108614293A (zh) | 砂体预测方法及装置 | |
CN109115987A (zh) | 一种基于岩石物理模型的流体因子的评价方法及装置 | |
CN106353820A (zh) | 一种基于知识模型的测井解释方法 | |
CN106772680B (zh) | 基于二维叠后地震资料微观裂缝表征确定方法和装置 | |
CN110097069A (zh) | 一种基于深度多核学习的支持向量机岩相识别方法及装置 | |
CN110927793B (zh) | 一种基于序贯随机模糊模拟的储层预测方法及系统 | |
Rwechungura et al. | Application of particle swarm optimization for parameter estimation integrating production and time lapse seismic data | |
Hatampour et al. | Hydraulic flow units' estimation from seismic data using artificial intelligence systems, an example from a gas reservoir in the Persian Gulf | |
CN108131127B (zh) | 一种泡沫油型超重油油田的生产气油比的获取方法及装置 | |
CN110068860A (zh) | 一种时移地震数据处理方法、装置及系统 | |
Guerreiro et al. | Integrated reservoir characterisation of a fractured carbonate reservoir | |
CN111677486A (zh) | 致密油二氧化碳吞吐模拟方法、装置及存储介质 | |
CN109358364B (zh) | 一种建立地下暗河储集体地质模型的方法、装置及系统 | |
CN112347707B (zh) | 油藏流动非均质性的表征方法及装置 | |
CN106842318B (zh) | 微观溶蚀孔隙地球物理二维表征确定方法和装置 | |
US10705235B2 (en) | Method of characterising a subsurface volume | |
CN106405638A (zh) | 一种含气饱和度确定方法和装置 | |
CN114153002A (zh) | 储层天然裂缝三维地质建模方法、装置、电子设备及介质 | |
Stephen | Seismic history matching with saturation indicators combined with multiple objective function optimization |
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 |