CN111339719A - 一种缝洞型油藏注水数值模拟自动历史拟合的方法 - Google Patents

Abstract

本发明公开一种缝洞型油藏注水数值模拟自动历史拟合的方法，该方法构建由缝洞油藏空间介质表征指标和注水驱油渗流关键指标组成的缝洞型油藏注水数值模拟自动历史拟合指标体系，通过计算指标体系在初始合理范围内的敏感度，采用线性差值计算方法，计算得到对应取值范围内的特征指标敏感系数曲线，并作为敏感因子引入到神经网络隐含层中，参与迭代回归计算。本发明针对缝洞型油藏注水数值模拟历史拟合问题，可以实现自动的历史拟合，并提高拟合的质量和最终模型的可靠程度。

Description

一种缝洞型油藏注水数值模拟自动历史拟合的方法

技术领域

本发明涉及缝洞型油藏开发领域技术，特别是一种缝洞型油藏注水数值模拟自动历史拟合的方法。

背景技术

油气藏数值模型通过历史拟合过程对其进行精确地校验调整，使其能够真实的反应地层的渗流情况。通常在地质模型建立完成后通过模型粗化、岩石参数测试、流体参数测试以及生产数据的加载等过程来构建数值模型，但是由于不同参数的合理性以及与模型的配合性通常不确定，因此，需要通过历史拟合过程来对数值模型反馈的渗流过程进行精确地调整，使其最终能够完全反映或在较高程度的反应地层流动的实际状况。

缝洞型油藏储集空间类型多，主要包括孔隙，溶洞，裂缝等。不同尺度类型的储集空间造成了渗流过程规律的多样性；同时，不同类型储集空间的分布状况以及交替结构造成了传质过程的复杂性。因此，对数值模型的历史拟合过程需要对缝洞型油藏溶洞、孔隙以及裂缝内部的流动状况进行精确描述，同时需要对不同介质间的传质状况进行精准的表达。

因此，传统数值模拟方法需要在历史拟合过程中对缝洞体规模、裂缝沟通状况、岩石性质以及流体属性等多种参数进行多次的手动模拟尝试，其组合过程极大的依赖于操作者的感性认识和个人经验。

发明内容

本发明的目的是提供缝洞型油藏数值模型注水数值模拟自动历史拟合的方法。

本发明提供的一种基于改进的神经网络的缝洞型油藏注水数值模拟自动历史拟合的方法，包括如下步骤：

S1、构建缝洞型油藏注水数值模型，收集模型基本参数。建立在注水开发模式下的缝洞型油藏数值模型，加载注水开发后以日为单位的产水量数据，产气量数据、产油量数据以及井口压力变化数据；整理模型溶洞及裂缝的体积模型；整理模型溶洞及裂缝的渗透率场以及孔隙度场；整理模型的水体类型以及控制参数；

S2、确定模型参数变化范围：结合数值模型的工区面积大小、油井产能状况以及注水后模型油井响应情况，确定缝洞型油藏注水数值模型历史拟合参数变化范围。一般而言，溶洞体积变化系数为0.8～1.2倍之间，溶洞渗透率变化系数为0.2～1000倍之间，溶洞孔隙度变化系数为0.2～2倍之间；裂缝体积变化系数为0.7～1.3倍之间；裂缝渗透率变化系数为0.2～2000倍之间，裂缝孔隙度变化系数为0.2～1.5倍之间；模型水体一般采用Fetkovich水体，水体倍数变化系数一般为0～5倍之间。

S3、基于改进的神经网络进行单因素模拟训练，确定模型输入层参数对不同拟合参数的敏感系数：将数值模型的溶洞体积变化系数、溶洞孔隙度变化系数、溶洞渗透率变化系数、裂缝体积变化系数、裂缝孔隙度变化系数、裂缝渗透率变化系数、水体倍数变化系数分别取5～10个参数点，逐次输入到数值模型中，记录模型在对应条件下的产气量、产油量、产水量以及压力变化情况。整理不同参数在不同变化系数的条件下对产气量、产油量、产水量以及压力情况四个输出层参数的敏感性。

S4、结合单因素模型训练结果进行多因素模拟训练：将数值模型的溶洞体积变化系数、溶洞孔隙度变化系数、溶洞渗透率变化系数、裂缝体积变化系数、裂缝孔隙度变化系数、裂缝渗透率变化系数、水体倍数变化系数作为输入层参数，将对应的参数单因素训练敏感参数作为输入层对应的乘子进行综合训练。多次训练当模型拟合误差小于10％后，即可获得最佳收敛模型，结束训练。100次训练后若仍不能达到合理的拟合误差(10％)，即在训练的模型中选取最佳收敛模型进行下一步S5。

S5、结合模型训练结果进行综合分析，提出模型修改建议：通过对前期多因素训练模型阶段最佳的收敛模型进行自动化分析，重点对模型拟合目的参数(产气量、产油量、产水量)以及压力未能达到的最佳的拟合效果的输入层参数(溶洞体积变化系数、溶洞孔隙度变化系数、溶洞渗透率变化系数、裂缝体积变化系数、裂缝孔隙度变化系数、裂缝渗透率变化系数、水体倍数变化系数)所对应的值以及该数字的敏感度变化范围，提出现阶段最佳拟合模型未能达到合理的拟合误差(10％)的原因以及参数修改的建议。

S6、结合参数修改建议，对模型的输入层参数范围进行修改，重复进行步骤S3和S4，直至达到合理的拟合误差(10％)。

与现有技术相比，本发明的有益之处在于：

常规缝洞型油藏注水数值模拟方法设计多变量因素进行综合修改，严重的依靠技术人员对不同参数的拟合经验和个人理解。该项发明能够依靠数据优势，结合神经网络的模糊预测能力，快速的确定不同参数在不同的取值范围内的敏感性，找到最佳的拟合参数；同时通过对溶洞和裂缝的体积参数进行控制，实现了对模型体积大小的自动化修改，更快速的确定数值模型的实际情况，完成历史拟合目标。

本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。

附图说明

图1一种缝洞体结构模式图

图2加载历史数据图

图3神经网络分析模式图

图4缝洞型油藏注水数值模拟自动历史拟合方法流程图

图5实施改进的神经网络自动历史拟合效果图

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

本发明提供的一种基于改进的神经网络的缝洞型油藏注水数值模拟自动历史拟合的方法，包括如下步骤：

S1、构建缝洞型油藏注水数值模型，收集模型基本参数。建立在注水开发模式下的缝洞型油藏数值模型，见图1。加载注水开发后以日为单位的产水量数据，产气量数据、产油量数据以及井口压力变化数据，见图2；整理模型溶洞及裂缝的体积模型；整理模型溶洞及裂缝的渗透率场以及孔隙度场；整理模型的水体类型以及控制参数；

S2、确定模型参数变化范围：结合数值模型的工区面积大小、油井产能状况以及注水后模型油井响应情况，确定缝洞型油藏注水数值模型历史拟合参数变化范围。第一次自动拟合设计参数变化范围如下所示。

表1输入层初始参数设计范围

S3、基于改进的神经网络进行单因素模拟训练，确定模型输入参数对不同拟合参数的敏感因素：根据输入层7个参数的最小倍数和最大倍数(如表1)之间的差值，每个参数平均取10个敏感参数计算点。逐次输入到数值模型中(如图3)，记录对应的敏感参数计算点的数值模型在对应条件下的产气量、产油量、产水量以及压力数值。整理不同参数在不同变化系数的条件下对产气量、产油量、产水量以及压力情况四个输出参数的敏感性，形成敏感系数，进入下一敏感参数的计算过程中。

S4、结合单因素模型训练结果进行多因素模拟训练：将数值模型的溶洞体积变化系数、溶洞孔隙度变化系数、溶洞渗透率变化系数、裂缝体积变化系数、裂缝孔隙度变化系数、裂缝渗透率变化系数、水体倍数变化系数作为输入层参数，将对应的参数单因素训练敏感参数作为输入层对应的乘子进行综合训练(如图3)。100次训练当模型拟合误差为26％，结束次轮次训练，并在训练的模型中选取最佳收敛模型进行下一步S5(如图4)。

S5、结合模型训练结果进行综合分析，提出模型修改建议：通过对前期多因素训练模型阶段最佳的收敛模型进行自动化分析，本模型中压力数据较低，与实际曲线差异达到26％，数值模型建议提高水体倍数。

S6、根据模型的修改建议提高水体倍数，因此调整输入层初始参数设计范围(如表2)。然后重复进行步骤S3和S4(如图4)，直至拟合误差小于10％(如图5)。

表2输入层初始参数设计范围(第二次调整)

Claims (5)

1.一种缝洞型油藏注水数值模拟自动历史拟合的方法，其特征在于，基于缝洞型油藏孔隙、溶洞和裂缝的三重介质组成，结合在注水驱油过程中复杂的渗流和传质过程，提出考虑缝洞型油藏地质特征的特殊指标以及水驱油过程中重要的影响指标，使缝洞型油藏注水数值模型能够精确地反应溶洞及裂缝空间介质内的油、气、水三相的流动过程。

2.根据权利要求1所述的方法，其特征在于，提出了由缝洞油藏空间介质表征指标和注水驱油渗流关键指标组成的缝洞型油藏注水数值模拟自动历史拟合指标体系；其中，提出了缝洞油藏空间介质表征指标：溶洞体积变化系数和裂缝体积变化系数；表征缝洞型油藏复杂注水渗流过程的影响指标：溶洞渗透率变化系数、溶洞孔隙度变化系数、裂缝渗透率变化系数、裂缝孔隙度变化系数和水体倍数变化系数。

3.根据权利要求2所述的方法，其特征在于，设定缝洞型油藏注水数值模拟自动历史拟合指标体系中各个指标的规定初始范围，并在初始范围内平均取5～10个数值计算点，以最终驱替增油量为计算标准，采用线性差值计算方法，计算得到对应取值范围内的特征指标敏感系数曲线。

4.根据权利要求3所述的方法，其特征在于，将缝洞型油藏注水数值模拟自动历史拟合指标体系对应的指标敏感系数引入神经网络隐含层中，作为隐含层特征的计算乘子，在每一次迭代过程中作为固定参数参与神经网络拟合计算过程，快速的提高神经网络的拟合速度和拟合质量。

5.根据权利要求4所述的方法，其特征在于，将缝洞型油藏注水数值模拟自动历史拟合指标体系在规定的初始范围内进行油藏数值模拟拟合，在一定的拟合次数不能达到收敛范围后，选择最优的拟合模型，通过敏感模型的敏感性分析，给出缝洞型油藏注水数值模拟自动历史拟合指标体系调整参数建议，以继续进行数值模拟过程，直到完成拟合。

Images