CN112098449B - 一种储层毛管压力曲线的获取方法和装置 - Google Patents
一种储层毛管压力曲线的获取方法和装置 Download PDFInfo
- Publication number
- CN112098449B CN112098449B CN202010946527.9A CN202010946527A CN112098449B CN 112098449 B CN112098449 B CN 112098449B CN 202010946527 A CN202010946527 A CN 202010946527A CN 112098449 B CN112098449 B CN 112098449B
- Authority
- CN
- China
- Prior art keywords
- capillary pressure
- value
- distribution
- magnetic resonance
- nuclear magnetic
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N24/00—Investigating or analyzing materials by the use of nuclear magnetic resonance, electron paramagnetic resonance or other spin effects
- G01N24/08—Investigating or analyzing materials by the use of nuclear magnetic resonance, electron paramagnetic resonance or other spin effects by using nuclear magnetic resonance
- G01N24/081—Making measurements of geologic samples, e.g. measurements of moisture, pH, porosity, permeability, tortuosity or viscosity
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- High Energy & Nuclear Physics (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本说明书实施例提供一种储层毛管压力曲线的获取方法和装置。所述方法包括:获取目标储层多个岩心样品的核磁共振T2分布和毛管压力曲线;所述毛管压力曲线为非湿润相饱和度随毛管压力变化的关系曲线;建立核磁共振T2分布转换毛管压力曲线的非线性转换关系式,所述关系式包括多个未知系数;将所述各个岩心样品的核磁共振T2分布的T2值和毛管压力的实测值代入所述转换关系式中,根据预设算法求取所述多个未知系数的解;其中,所述毛管压力的实测值为所述毛管压力曲线的毛管压力值;将目标储层的核磁共振T2分布和所述多个未知系数的解代入所述转换关系式中,计算得到目标储层的毛管压力曲线,从而提高储层的毛管压力曲线的预测精度。
Description
技术领域
本说明书实施例涉及油气田勘探开发技术领域,特别涉及一种储层毛管压力曲线的获取方法和装置。
背景技术
储层孔隙结构的分析对储层性质的表征与储层预测具有重要意义。毛管压力曲线可以用于表征储层岩石的孔喉大小及分布,通过分析毛管压力曲线形态以及计算毛管压力曲线参数,可以评价储层岩石的孔隙结构,估算储集层的渗流能力,计算油水饱和度、渗透率等。
毛管压力曲线的测定是在大量原始测量数据的基础上分析出岩样通用属性,并将这些属性结合相应的测定方法和测定标准计算得出毛管压力曲线的坐标点,再通过数据处理技术绘制曲线。由于岩石的物理特性不同,所以需要选取适当的测定方法才可以得到完整及准确的曲线。目前,用于评价储层岩石孔隙结构所用的毛管压力曲线主要是通过对岩心进行高压压汞实验获得。
高压压汞实验的基本原理是:汞与大多数流体相比较都是非湿润相,如果要把汞注入到洗净烘干了的岩心孔隙中,就必须克服孔隙系统的毛管压力。也就是说,要对汞施加一定的压力,而注入汞的过程就是测量毛管压力的过程。注入汞的每一个压力就代表一个相应的孔隙大小下的毛管压力,随着压力的提高,记录施加的压力值和相应的进入岩样的汞体积,便可以得到岩样的毛管压力曲线。
高压压汞实验需要对大量岩心进行测量。然而在实际生产中,取心数量有限,费用高,且进行高压压汞实验会破坏岩心,上述因素在一定程度上限制了毛管压力曲线的获取数量,使得储层的毛管压力曲线的预测精度不高。
发明内容
本说明书实施例的目的是提供一种储层毛管压力曲线的获取方法和装置,以提高储层的毛管压力曲线的预测精度。
为解决上述问题,本说明书实施例提供一种储层毛管压力曲线的获取方法,所述方法包括:获取目标储层多个岩心样品的核磁共振T2分布和毛管压力曲线;所述毛管压力曲线为非湿润相饱和度随毛管压力变化的关系曲线;建立核磁共振T2分布转换毛管压力曲线的非线性转换关系式,所述关系式包括多个未知系数;将所述各个岩心样品的核磁共振T2分布的T2值和毛管压力实测值代入所述转换关系式中,根据预设算法求取所述多个未知系数的解;其中,所述毛管压力实测值为所述毛管压力曲线的毛管压力值;将目标储层的核磁共振T2分布和所述多个未知系数的解代入所述转换关系式中,计算得到目标储层的毛管压力曲线。
为解决上述问题,本说明书实施例还提供一种储层毛管压力曲线的获取装置,所述装置包括:获取模块,用于获取目标储层多个岩心样品的核磁共振T2分布和毛管压力曲线;所述毛管压力曲线为毛管压力随非湿润相饱和度变化的关系曲线;建立模块,用于建立核磁共振T2分布转换毛管压力曲线的非线性转换关系式,所述关系式包括多个未知系数;求取模块,用于将所述各个岩心样品的核磁共振T2分布的T2值和毛管压力实测值代入所述转换关系式中,根据预设算法求取所述多个未知系数的解;其中,所述毛管压力实测值为所述毛管压力曲线的毛管压力值;计算模块,用于将目标储层的核磁共振T2分布和所述多个未知系数的解代入所述转换关系式中,计算得到目标储层的毛管压力曲线。
由以上本说明书实施例提供的技术方案可见,本说明书实施例中,可以获取目标储层多个岩心样品的核磁共振T2分布和毛管压力曲线;所述毛管压力曲线为非湿润相饱和度随毛管压力变化的关系曲线;建立核磁共振T2分布转换毛管压力曲线的非线性转换关系式,所述关系式包括多个未知系数;将所述各个岩心样品的核磁共振T2分布的T2值和毛管压力实测值代入所述转换关系式中,根据预设算法求取所述多个未知系数的解;其中,所述毛管压力实测值为所述毛管压力曲线的毛管压力值;将目标储层的核磁共振T2分布和所述多个未知系数的解代入所述转换关系式中,计算得到目标储层的毛管压力曲线。本说明书实施例提供的方法,可以通过建立非线性转换关系式,并对目标储层所取的岩心样品进行分析,求取转换关系式的未知系数从而准确地获得随测井深度连续的储层岩石毛管压力曲线。
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的前提下,还可以根据这些附图获得其他的附图。
图1为本说明书实施例一种储层毛管压力曲线的获取方法的流程图;
图2为本说明书实施例目标函数的收敛情况示意图;
图3为本说明书实施例计算大小孔隙分段点的示意图;
图4a为本说明书实施例某岩心样品的毛管压力曲线示意图;
图4b为本说明书实施例某岩心样品的毛管压力曲线示意图;
图4c为本说明书实施例某岩心样品的毛管压力曲线示意图;
图5a为本说明书实施例岩心样品的进汞饱和度点为0.5%时实测的注汞压力值与预测的注汞压力值的交会图;
图5b为本说明书实施例岩心样品的进汞饱和度点为10%时实测的注汞压力值与预测的注汞压力值的交会图;
图5c为本说明书实施例岩心样品的进汞饱和度点为20%时实测的注汞压力值与预测的注汞压力值的交会图;
图5d为本说明书实施例岩心样品的进汞饱和度点为30%时实测的注汞压力值与预测的注汞压力值的交会图;
图5e为本说明书实施例岩心样品的进汞饱和度点为40%时实测的注汞压力值与预测的注汞压力值的交会图;
图5f为本说明书实施例岩心样品的进汞饱和度点为50%时实测的注汞压力值与预测的注汞压力值的交会图;
图5g为本说明书实施例岩心样品的进汞饱和度点为60%时实测的注汞压力值与预测的注汞压力值的交会图;
图5h为本说明书实施例岩心样品的进汞饱和度点为69%时实测的注汞压力值与预测的注汞压力值的交会图;
图6为本说明书实施例一种储层毛管压力曲线的获取装置的功能模块示意图。
具体实施方式
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一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有做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保护的范围。
在本说明书实施例中,对于毛管压力的定义为:当互不相溶的两相流体在岩石孔隙内相互接触时,流体之间有一弯月形的分界面,由于界面张力和湿润性的作用,使得在分界面上两侧流体的压力是不相等的,其压力差就定义为毛管压力。
由于表面张力的作用,任何弯曲液面都存在毛管压力,其方向总是指向非润湿相的一方。储油岩石的孔隙系统由无数大小不等的孔隙组成,其间被一个或数个喉道所连结,构成复杂的孔隙网络。对于一定流体,一定半径的孔隙喉道具有一定的毛管压力。在驱替过程中,只有当外加压力(非润湿相压力)等于或者超过喉道的毛管压力时,非润湿相才能通过喉道进入孔隙,将润湿相从其中排出,此时,外加压力就相当于喉道的毛管压力。毛管压力是饱和度的函数,随着压力升高,非润湿相饱和度增大,润湿相饱和度降低。在排驱过程中起控制作用的是喉道的大小,一旦排驱压力克服喉道的毛管压力,非润湿相即可进入孔隙。因此,毛管压力曲线可以用于表征储层岩石的孔喉大小及分布,通过分析毛管压力曲线形态以及计算毛压力曲线参数,可以评价储层岩石的孔隙结构。
高压压汞实验是获取毛管压力曲线的重要方法。高压压汞实验的基本原理是:汞与大多数流体相比较都是非湿润相,如果要把汞注入到洗净烘干了的岩心孔隙中,就必须克服孔隙系统的毛管压力。也就是说,要对汞施加一定的压力,而注入汞的过程就是测量毛管压力的过程。注入汞的每一个压力就代表一个相应的孔隙大小下的毛管压力,随着压力的提高,记录施加的压力值和相应的进入岩样的汞体积,便可以得到岩样的毛管压力曲线。由于取心数量有限,费用高,且进行高压压汞实验会破坏岩心,因此测量的毛管压力曲线的数量是有限的,无法得到连续的储层岩石毛管压力曲线。
核磁共振横向弛豫时间T2分布(核磁共振T2分布)在一定程度上可以反映岩石孔隙大小及其分布信息,利用核磁共振T2分布获得储层岩石毛管压力曲线,可以弥补高压压汞实验测量无法获得随测井深度连续的储层岩石毛管压力曲线的不足。因此现有技术中提出可以利用核磁共振T2分布线性转换获得储层岩石的毛管压力曲线。线性转化方法在预测常规储层的毛管压力曲线中取得了较好的效果,但在储层孔隙结构更加复杂的致密砂岩储层,孔隙和喉道之间不完全是简单的线性关系,基于线性转化方法预测的毛管压力曲线的误差很大。因此现有技术中还提出可以利用幂函数转化方法预测储层毛管压力曲线,虽然幂函数转化法相对于线性转化法,预测精度有了提高,但在致密砂岩和页岩等非常规储层中,仍然存在预测精度不高等问题。
基于上述问题,本说明书实施例提供了一种储层毛管压力曲线的获取方法。在本说明书实施例中,执行所述储层毛管压力曲线的获取方法的主体可以是具有逻辑运算功能的电子设备,所述电子设备可以是服务器。所述服务器可以是具有一定运算处理能力的电子设备。其可以具有网络通信单元、处理器和存储器等。当然,所述服务器并不限于上述具有一定实体的电子设备,其还可以为运行于上述电子设备中的软体。所述服务器还可以为分布式服务器,可以是具有多个处理器、存储器、网络通信模块等协同运作的系统。或者,服务器还可以为若干服务器形成的服务器集群。
具体请参阅图1所示的根据本说明书实施例提供的一种储层毛管压力曲线的获取方法的处理流程图。本说明书实施例提供的储层毛管压力曲线的获取方法,具体实施时,可以包括以下步骤。
S110:获取目标储层多个岩心样品的核磁共振T2分布和毛管压力曲线;所述毛管压力曲线为非湿润相饱和度随毛管压力变化的关系曲线。
在一些实施例中,所述多个岩心样品可以是在目标储层不同深度采集的。
在一些实施例中,可以通过对所述多个岩心样品进行核磁共振实验,得到多个岩心样品的核磁共振T2分布。其中,所述核磁共振T2分布可以包括T2横向弛豫时间分量(T2值)和核磁共振T2分布的幅值分量。
在一些实施例中,可以通过对所述多个岩心样品进行高压压汞实验,得到多个岩心样品的毛管压力曲线。其中所述毛管压力曲线为非湿润相饱和度随毛管压力变化的关系曲线,相应的,在高压压汞实验中,非湿润相为汞,注汞压力值为毛管压力。
在一些实施例中,服务器可以采用任何方式获取目标储层多个岩心样品的核磁共振T2分布和毛管压力曲线。例如,用户可以直接向服务器发送目标储层多个岩心样品的核磁共振T2分布和毛管压力曲线,服务器可以进行接收;又如除去所述服务器以外的其它电子设备可以向服务器发送目标储层多个岩心样品的核磁共振T2分布和毛管压力曲线,服务器可以进行接收,在本说明书实施例中,对服务器采用何种方式获取目标储层多个岩心样品的核磁共振T2分布和毛管压力曲线不作限定。
S120:建立核磁共振T2分布转换毛管压力曲线的非线性转换关系式,所述关系式包括多个未知系数。
在一些实施例中,可以建立核磁共振T2分布转换毛管压力曲线的非线性转换关系式:
其中,Pc,i表示毛管压力的预测值,T2,i表示核磁共振T2分布的T2值,其中,i=1,2,…,n,n表示T2值的个数;A2、B2、C2、D2、E2为未知系数;Ampi表示核磁共振T2分布的幅值;Shg,i表示非湿润相饱和度,由核磁共振T2分布从右到左对幅度依次累加计算得到。
在一些实施例中,可以通过公式(1)和公式(2)计算得到由核磁共振T2分布转换的毛管压力和非湿润相饱和度,进而得到由核磁共振T2分布转换的毛管压力曲线。
S130:将所述各个岩心样品的核磁共振T2分布的T2值和毛管压力的实测值代入所述转换关系式中,根据预设算法求取所述多个未知系数的解;其中,所述毛管压力的实测值为所述毛管压力曲线的毛管压力值。
在一些实施例中,从公式(1)中可以看出,若通过公式(1)计算得到由核磁共振T2分布转换的毛管压力值,还需求出未知系数A2、B2、C2、D2、E2的值。因此,可以将所述各个岩心样品的核磁共振T2分布的T2值和毛管压力的实测值代入所述转换关系式中,根据预设算法求取所述多个未知系数的解。其中,所述毛管压力的实测值为获取的岩心样品的实测毛管压力曲线的毛管压力值。
在一些实施例中,所述预设算法可以为遗传算法、模拟退火算法与非线性规划相结合的算法。
在一些实施例中,所述遗传算法(Genetic Algorithm,GA)是根据大自然中生物体进化规律而设计提出的。是一种模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型,通过模拟自然进化过程搜索最优解。该算法可以通过数学的方式,利用计算机仿真运算,将问题的求解过程转换成类似生物进化中的染色体基因的交叉、变异等过程。
在一些实施例中,所述模拟退火算法(Simulated Annealing,SA)是基于Monte-Carlo迭代求解策略的一种随机寻优算法,其出发点是基于物理中固体物质的退火过程与一般组合优化问题之间的相似性。模拟退火算法从某一较高初温出发,伴随温度参数的不断下降,结合概率突跳特性在解空间中随机寻找目标函数的全局最优解,即在局部最优解能概率性地跳出并最终趋于全局最优。
在一些实施例中,所述非线性规划是一种求解目标函数或约束条件中有一个或几个非线性函数的最优化问题的方法。
在一些实施例中,根据预设算法求取所述多个未知系数的解可以包括以下步骤。
S1:给定目标函数;所述目标函数表征毛管压力的预测值与毛管压力的实测值之间的误差;其中,所述毛管压力的预测值为通过所述转换关系式得到的毛管压力值。
在一些实施例中,所述目标函数包括:
其中,Pc,i表示毛管压力的预测值,Pcm,i表示毛管压力的实测值,i=1,2,…,n。
S2:生成初始种群P1,所述初始种群P1包括多个染色体;其中,每个染色体包括由所述多个未知系数的随机解组成的矩阵。
S3:设定最大进化次数N、遗传概率p1、交叉概率p2、初始温度Tem1、最低温度Tem2以及降温梯度q(q<1);
S4:根据所述目标函数以及初始种群P1计算得到多个初始适应度值Detaori,并根据多个初始适应度值中的最小初始适应度值Deta1寻找初始最优染色体Chrom1;其中,所述适应度为目标函数值,所述最优染色体为所述多个未知系数的最优解。
在该步骤中,可以将初始种群P1中的每个染色体分别代入公式(1)中,求得多个毛管压力的预测值,再将多个毛管压力的预测值和毛管压力的实测值代入目标函数中,得到多个初始适应度值Detaori。其中,每个染色体对应一个初始适应度值,最小初始适应度值Deta1对应的染色体Chrom1即为初始最优染色体。
S5:初始进化次数gen,使gen=0。
S6:对所述初始种群P1进行选择、交叉和变异,完成一次进化,得到新种群P2,并计算得到P2对应的多个适应度值Detashift1。
S7:基于P1对应的初始适应度值Detaori和P2对应的适应度值Detashift1,根据模拟退火算法得到新种群P3。
对于种群P2中的每一个染色体,若计算的Detashift1<Detaori,则接受P2中的染色体为当前染色体,否则以概率exp[-(Detashift1-Detaori)/Temi]接受P2中的染色体为当前染色体,否则拒绝P2中的染色体而保留P1中的染色体位当前染色体,从而得到新种群P3;其中Temi为当前温度值。首次执行S7时的当前温度Temi等于初始温度Tem1。
S8:当每进化一定次数时,以P3为输入,根据非线性规划方法得到新种群P4。
S9:根据目标函数以及当前新种群P4计算P4对应的多个适应度值,并根据多个P4对应的适应度值中的最小适应度值Deta2寻找当前最优染色体Chrom2。
在该步骤中,若Deta2<Deta1,则接受Chrom2为当前最优染色体。
S10:判断当前是否达到最大进化次数,若达到则转至步骤S11;若未达到,则更新进化次数gen,使gen=gen+1,并转至S6,以新种群P4替换初始种群P1进行输入。
在该步骤中,若当前进化次数小于设定的最大进化次数N,则可以更新进化次数,使得更新后的当前进化次数等于更新前的当前进化次数的基础上加一次。
S11:判断当前温度是否达到最低温度,若没有达到最低温度,则以降温梯度执行降温操作,并转至S5,以新种群P4替换初始种群P1进行输入;若达到最低温度,则根据适应度值输出当前最优染色体Chrom2。
在该步骤中,初始温度为Tem1,即首次执行S11时的当前温度等于初始温度Tem1。若当前温度未达到最低温度Tem2,则执行降温操作,更新当前温度,使更新后的当前温度等于更新前的当前温度与降温梯度的乘积。
在一些实施例中,如图2所示,图2为根据预设算法求取所述多个未知系数的解过程中,目标函数的收敛情况。
S140:将目标储层的核磁共振T2分布和所述多个未知系数的解代入所述转换关系式中,计算得到目标储层的毛管压力曲线。
在一些实施例中,可以将预先获取的目标储层的核磁共振T2分布,以及所述多个未知系数的解代入所述转换关系式中,计算得到目标储层的毛管压力曲线。
在一些实施例中,由于不同储层中岩石的孔隙大小及其分布信息是不同的,同一储层中岩石中各个部分的孔隙大小也是不同的,若不对储层中岩石各个部分的孔隙大小进行区分,从整体上构建储层的毛管压力曲线可能会产生误差。基于此,本说明书实施例提供的储层毛管压力曲线的获取方法还可以包括:获取多个岩心样品的孔隙度和渗透率;根据各个岩心样品的毛管压力曲线、孔隙度和渗透率确定目标储层大孔隙与小孔隙的分段点;相应的,将所述各个岩心样品的核磁共振T2分布的T2值和毛管压力的实测值代入所述转换关系式中,根据预设算法分别求取大孔隙和小孔隙对应的多个未知系数的解;将目标储层大孔隙部分的核磁共振T2分布和大孔隙对应的多个未知系数的解代入所述转换关系式中,将目标储层小孔隙部分的核磁共振T2分布和小孔隙对应的多个未知系数的解代入所述转换关系式中,计算得到目标储层大孔隙对应的的毛管压力曲线和小孔隙对应的毛管压力曲线。
在一些实施例中,可以通过对岩心样品进行物性分析,得到多个岩心样品的孔隙度和渗透率。
在一些实施例中,所述根据各个岩心样品的毛管压力曲线、孔隙度和渗透率确定目标储层大孔隙与小孔隙的分段点包括:
建立非润湿相饱和度为x%时的孔喉半径rx与渗透率之间的关系:
其中,k表示渗透率;φ表示孔隙度;s表示均质系数,用于表征储层孔隙结构的均一性;A1、B1、C1、D1为系数;
根据所述关系计算不同孔喉半径rx下的渗透率;计算不同孔喉半径rx下的渗透率与所述岩心样品的渗透率相关性,将相关性最大值对应的孔喉半径作为大孔隙与小孔隙分段点,如图3所示,其中R表示相关系数。
在一些实施例中,所述将所述各个岩心样品的核磁共振T2分布的T2值和毛管压力的实测值代入所述转换关系式中,根据预设算法分别求取大孔隙和小孔隙对应的多个未知系数的解可以包括:根据所述分段点,将各个岩心样品大孔隙部分对应的核磁共振T2分布的T2值和毛管压力的实测值代入所述转换关系式中,根据预设算法求取大孔隙对应的多个未知系数的解;将各个岩心样品小孔隙部分对应的核磁共振T2分布T2值和毛管压力的实测值代入所述转换关系式中,根据预设算法求取小孔隙对应的多个未知系数的解。
在一些实施例中,所述方法还可以包括:根据各个岩心样品的核磁共振T2分布、孔隙度和渗透率确定目标储层的类别;相应的,将所述各个岩心样品的核磁共振T2分布的T2值和毛管压力的实测值代入所述转换关系式中,根据预设算法分别求取不同类别下大孔隙和小孔隙对应的多个未知系数的解;根据所述目标储层的类别,将目标储层大孔隙部分的核磁共振T2分布和大孔隙对应的多个未知系数的解代入所述转换关系式中,将目标储层小孔隙部分的核磁共振T2分布和小孔隙对应的多个未知系数的解代入所述转换关系式中,计算得到目标储层大孔隙对应的的毛管压力曲线和小孔隙对应的毛管压力曲线。
在一些实施例中,所述根据各个岩心样品的核磁共振T2分布、孔隙度和渗透率确定岩心样品的类别包括:
根据以下公式计算各个岩心样品的储层因子:
其中,RQI_reservoir表示储层因子,k表示渗透率;φ表示孔隙度;
根据以下公式计算各个岩心样品的T2几何均值:
其中,T2lm_reservoir表示T2几何均值,T2,i表示核磁共振T2分布的T2值,其中,i=1,2,…,n,n表示T2的个数,Ampi表示核磁共振T2分布的幅值;
根据各个岩心样品的储层因子和T2几何均值确定岩心样品的类别。
本说明书实施例提供的脉冲循环水力压裂的泵注频率选取方法,可以获取目标储层多个岩心样品的核磁共振T2分布和毛管压力曲线;所述毛管压力曲线为非湿润相饱和度随毛管压力变化的关系曲线;建立核磁共振T2分布转换毛管压力曲线的非线性转换关系式,所述关系式包括多个未知系数;将所述各个岩心样品的核磁共振T2分布的T2值和毛管压力的实测值代入所述转换关系式中,根据预设算法求取所述多个未知系数的解;其中,所述毛管压力的实测值为所述毛管压力曲线的毛管压力值;将目标储层的核磁共振T2分布和所述多个未知系数的解代入所述转换关系式中,计算得到目标储层的毛管压力曲线。本说明书实施例提供的方法,可以通过建立非线性转换关系式,只需目标储层所取的岩心样品进行分析求取转换关系式的未知系数,从而准确地获得随测井深度连续的储层岩石毛管压力曲线。
下面结合图4a-图4c和图5a-图5h说明本说明书实施例提供的储层毛管压力曲线的获取方法的一个具体实施例。
在本说明书实施例中,获取了三块物性差别较大的岩心样品,这些岩心样品的毛管压力曲线如图4a-图4c所示,其中,实线为通过本说明书实施例提供的方法获取的毛管压力曲线,圆圈表示实测数据。由图4a-图4c可知,通过本说明书实施例提供的方法获取的毛管压力曲线具有较高的精度,说明了方法的可靠性与准确性。
图5a-图5h是本说明书实施例中岩心样品的不同进汞饱和度(非湿润相饱和度)点下实验测量的注汞压力值(毛管压力值)与通过核磁共振T2分布预测的注汞压力值(毛管压力值)的交会图。其中,Snw表示进汞饱和度,R表示相关系数,RMSE表示均方根误差。可以看出在每一个进汞饱和度点下,由本说明书实施例提供的方法转换的注汞压力值与实际测量的注汞压力值相关性较高,均方根误差较低,说明该方法预测精度高,误差小。
参阅图6,在软件层面上,本说明书实施例还提供了一种储层毛管压力曲线的获取装置,该装置具体可以包括以下的结构模块。
获取模块610,用于获取目标储层多个岩心样品的核磁共振T2分布和毛管压力曲线;所述毛管压力曲线为非湿润相饱和度随毛管压力变化的关系曲线;
建立模块620,用于建立核磁共振T2分布转换毛管压力曲线的非线性转换关系式,所述关系式包括多个未知系数;
求取模块630,用于将所述各个岩心样品的核磁共振T2分布的T2值和毛管压力的实测值代入所述转换关系式中,根据预设算法求取所述多个未知系数的解;其中,所述毛管压力的实测值为所述毛管压力曲线的毛管压力值;
计算模块640,用于将目标储层的核磁共振T2分布和所述多个未知系数的解代入所述转换关系式中,计算得到目标储层的毛管压力曲线。
需要说明的是,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或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它实施例的不同之处。尤其,对于装置实施例和设备实施例而言,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。
本领域技术人员在阅读本说明书文件之后,可以无需创造性劳动想到将本说明书列举的部分或全部实施例进行任意组合,这些组合也在本说明书公开和保护的范围内。
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Verilog2。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。
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、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。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本说明书可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本说明书的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本说明书各个实施例或者实施例的某些部分所述的方法。
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。
本说明书可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
虽然通过实施例描绘了本说明书,本领域普通技术人员知道,本说明书有许多变形和变化而不脱离本说明书的精神,希望所附的权利要求包括这些变形和变化而不脱离本说明书的精神。
Claims (7)
1.一种储层毛管压力曲线的获取方法,其特征在于,所述方法包括:
获取目标储层多个岩心样品的核磁共振T2分布和毛管压力曲线;所述毛管压力曲线为非湿润相饱和度随毛管压力变化的关系曲线;
建立核磁共振T2分布转换毛管压力曲线的非线性转换关系式,所述关系式包括多个未知系数;
将各个岩心样品的核磁共振T2分布的T2值和毛管压力的实测值代入所述转换关系式中,根据预设算法求取所述多个未知系数的解;其中,所述毛管压力的实测值为所述毛管压力曲线的毛管压力值;
将目标储层的核磁共振T2分布和所述多个未知系数的解代入所述转换关系式中,计算得到目标储层的毛管压力曲线;
其中,所述转换关系式包括:
其中,Pc,i表示毛管压力的预测值,T2,i表示核磁共振T2分布的T2值,其中,i=1,2,…,n,n表示T2值的个数;A2、B2、C2、D2、E2为未知系数;Ampi表示核磁共振T2分布的幅值;Shg,i表示非湿润相饱和度,由核磁共振T2分布从右到左对幅值依次累加计算得到;
所述将各个岩心样品的核磁共振T2分布的T2值和毛管压力的实测值代入所述转换关系式中,根据预设算法求取所述多个未知系数的解包括以下步骤:
S1:给定目标函数;所述目标函数表征毛管压力的预测值与毛管压力的实测值之间的误差;其中,所述毛管压力的预测值为通过所述转换关系式得到的毛管压力值;
S2:生成初始种群P1,所述初始种群P1包括多个染色体;其中,每个染色体包括由所述多个未知系数的随机解组成的矩阵;
S3:设定最大进化次数N、遗传概率p1、交叉概率p2、初始温度Tem1、最低温度Tem2以及降温梯度q,其中,q<1;
S4:根据所述目标函数以及初始种群P1计算得到多个初始适应度值Detaori,并根据多个初始适应度值中的最小初始适应度值Deta1寻找初始最优染色体Chrom1;其中,所述适应度为目标函数值,所述最优染色体为所述多个未知系数的最优解;
S5:初始进化次数gen,使gen=0;
S6:对所述初始种群P1进行选择、交叉和变异,完成一次进化,得到新种群P2,并计算得到P2对应的多个适应度值Detashift1;
S7:基于P1对应的初始适应度值Detaori和P2对应的适应度值Detashift1,根据模拟退火算法得到新种群P3;
S8:当每进化一定次数时,以P3为输入,根据非线性规划方法得到新种群P4;
S9:根据目标函数以及当前新种群P4计算多个P4对应的适应度值,并根据P4对应的多个适应度值中的最小适应度值Deta2寻找当前最优染色体Chrom2;
S10:判断当前是否达到最大进化次数,若达到则转至步骤S11;若未达到,则更新进化次数gen,使gen=gen+1,并转至S6,以新种群P4替换初始种群P1进行输入;
S11:判断当前温度是否达到最低温度,若没有达到最低温度,则以降温梯度执行降温操作,并转至S5,以新种群P4替换初始种群P1进行输入;若达到最低温度,则根据适应度值输出当前最优染色体Chrom2。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取多个岩心样品的孔隙度和渗透率;
根据各个岩心样品的毛管压力曲线、孔隙度和渗透率确定目标储层大孔隙与小孔隙的分段点;
相应的,将各个岩心样品的核磁共振T2分布的T2值和毛管压力的实测值代入所述转换关系式中,根据预设算法分别求取大孔隙和小孔隙对应的多个未知系数的解;将目标储层大孔隙部分的核磁共振T2分布和大孔隙对应的多个未知系数的解代入所述转换关系式中,将目标储层小孔隙部分的核磁共振T2分布和小孔隙对应的多个未知系数的解代入所述转换关系式中,计算得到目标储层大孔隙对应的的毛管压力曲线和小孔隙对应的毛管压力曲线。
5.根据权利要求3所述的方法,其特征在于,所述方法还包括:
根据各个岩心样品的核磁共振T2分布、孔隙度和渗透率确定目标储层的类别;
相应的,将各个岩心样品的核磁共振T2分布的T2值和毛管压力的实测值代入所述转换关系式中,根据预设算法分别求取不同类别下大孔隙和小孔隙对应的多个未知系数的解;根据所述目标储层的类别,将目标储层大孔隙部分的核磁共振T2分布和大孔隙对应的多个未知系数的解代入所述转换关系式中,将目标储层小孔隙部分的核磁共振T2分布和小孔隙对应的多个未知系数的解代入所述转换关系式中,计算得到目标储层大孔隙对应的毛管压力曲线和小孔隙对应的毛管压力曲线。
7.一种储层毛管压力曲线的获取装置,其特征在于,所述装置包括:
获取模块,用于获取目标储层多个岩心样品的核磁共振T2分布和毛管压力曲线;所述毛管压力曲线为非湿润相饱和度随毛管压力变化的关系曲线;
建立模块,用于建立核磁共振T2分布转换毛管压力曲线的非线性转换关系式,所述关系式包括多个未知系数;
求取模块,用于将各个岩心样品的核磁共振T2分布的T2值和毛管压力实测值代入所述转换关系式中,根据预设算法求取所述多个未知系数的解;其中,所述毛管压力实测值为所述毛管压力曲线的毛管压力值;
计算模块,用于将目标储层的核磁共振T2分布和所述多个未知系数的解代入所述转换关系式中,计算得到目标储层的毛管压力曲线;
其中,所述转换关系式包括:
其中,Pc,i表示毛管压力的预测值,T2,i表示核磁共振T2分布的T2值,其中,i=1,2,…,n,n表示T2值的个数;A2、B2、C2、D2、E2为未知系数;Ampi表示核磁共振T2分布的幅值;Shg,i表示非湿润相饱和度,由核磁共振T2分布从右到左对幅值依次累加计算得到;
所述将各个岩心样品的核磁共振T2分布的T2值和毛管压力的实测值代入所述转换关系式中,根据预设算法求取所述多个未知系数的解包括以下步骤:
S1:给定目标函数;所述目标函数表征毛管压力的预测值与毛管压力的实测值之间的误差;其中,所述毛管压力的预测值为通过所述转换关系式得到的毛管压力值;
S2:生成初始种群P1,所述初始种群P1包括多个染色体;其中,每个染色体包括由所述多个未知系数的随机解组成的矩阵;
S3:设定最大进化次数N、遗传概率p1、交叉概率p2、初始温度Tem1、最低温度Tem2以及降温梯度q,其中,q<1;
S4:根据所述目标函数以及初始种群P1计算得到多个初始适应度值Detaori,并根据多个初始适应度值中的最小初始适应度值Deta1寻找初始最优染色体Chrom1;其中,所述适应度为目标函数值,所述最优染色体为所述多个未知系数的最优解;
S5:初始进化次数gen,使gen=0;
S6:对所述初始种群P1进行选择、交叉和变异,完成一次进化,得到新种群P2,并计算得到P2对应的多个适应度值Detashift1;
S7:基于P1对应的初始适应度值Detaori和P2对应的适应度值Detashift1,根据模拟退火算法得到新种群P3;
S8:当每进化一定次数时,以P3为输入,根据非线性规划方法得到新种群P4;
S9:根据目标函数以及当前新种群P4计算多个P4对应的适应度值,并根据P4对应的多个适应度值中的最小适应度值Deta2寻找当前最优染色体Chrom2;
S10:判断当前是否达到最大进化次数,若达到则转至步骤S11;若未达到,则更新进化次数gen,使gen=gen+1,并转至S6,以新种群P4替换初始种群P1进行输入;
S11:判断当前温度是否达到最低温度,若没有达到最低温度,则以降温梯度执行降温操作,并转至S5,以新种群P4替换初始种群P1进行输入;若达到最低温度,则根据适应度值输出当前最优染色体Chrom2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010946527.9A CN112098449B (zh) | 2020-09-10 | 2020-09-10 | 一种储层毛管压力曲线的获取方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010946527.9A CN112098449B (zh) | 2020-09-10 | 2020-09-10 | 一种储层毛管压力曲线的获取方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112098449A CN112098449A (zh) | 2020-12-18 |
CN112098449B true CN112098449B (zh) | 2021-09-28 |
Family
ID=73752153
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010946527.9A Active CN112098449B (zh) | 2020-09-10 | 2020-09-10 | 一种储层毛管压力曲线的获取方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112098449B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11249001B2 (en) * | 2019-05-23 | 2022-02-15 | Saudi Arabian Oil Company | Determination of scanning loops of capillary pressure and relative permeability curves and wettability distribution of rock samples |
CN112858367B (zh) * | 2021-01-22 | 2022-04-08 | 中国科学院武汉岩土力学研究所 | 一种测定储层温压环境下岩石毛细管压力的方法及装置 |
CN112881449B (zh) * | 2021-01-22 | 2021-12-28 | 中国石油大学(北京) | 一种气体突破压力测定方法和校正方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014137863A2 (en) * | 2013-03-08 | 2014-09-12 | Saudi Arabian Oil Company | Determining continuous capillary pressure curves for subsurface earth formations using saturation and nmr log data |
CN105386753A (zh) * | 2015-10-28 | 2016-03-09 | 中国地质大学(北京) | 一种利用核磁共振测井构造伪毛管压力曲线方法 |
CN108763648A (zh) * | 2018-04-26 | 2018-11-06 | 中国石油大学(北京) | 基于核磁共振t2分布获取毛管压力曲线的方法和装置 |
CN110618158A (zh) * | 2019-10-28 | 2019-12-27 | 中石化石油工程技术服务有限公司 | 利用核磁共振信息构建岩心毛管压力曲线的方法 |
CN111721685A (zh) * | 2019-03-22 | 2020-09-29 | 中国石油化工股份有限公司 | 复杂储层t2谱转换毛管压力曲线的方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6008645A (en) * | 1997-03-11 | 1999-12-28 | Conoco Inc. | Prediction of permeability from capillary pressure curves derived from nuclear magnetic resonance pore size distributions |
EP1655617B1 (en) * | 2004-10-29 | 2011-10-12 | Green Imaging Technologies Inc. | Methods and apparatus for measuring capillary pressure in a sample |
US10247684B2 (en) * | 2013-10-11 | 2019-04-02 | Schlumberger Technology Corporation | Nuclear magnetic resonance (NMR) distributions and pore information |
-
2020
- 2020-09-10 CN CN202010946527.9A patent/CN112098449B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014137863A2 (en) * | 2013-03-08 | 2014-09-12 | Saudi Arabian Oil Company | Determining continuous capillary pressure curves for subsurface earth formations using saturation and nmr log data |
CN105386753A (zh) * | 2015-10-28 | 2016-03-09 | 中国地质大学(北京) | 一种利用核磁共振测井构造伪毛管压力曲线方法 |
CN108763648A (zh) * | 2018-04-26 | 2018-11-06 | 中国石油大学(北京) | 基于核磁共振t2分布获取毛管压力曲线的方法和装置 |
CN111721685A (zh) * | 2019-03-22 | 2020-09-29 | 中国石油化工股份有限公司 | 复杂储层t2谱转换毛管压力曲线的方法及系统 |
CN110618158A (zh) * | 2019-10-28 | 2019-12-27 | 中石化石油工程技术服务有限公司 | 利用核磁共振信息构建岩心毛管压力曲线的方法 |
Non-Patent Citations (1)
Title |
---|
利用核磁共振T2分布构造毛管压力曲线的新方法;何雨丹 等;《吉林大学学报(地球科学版)》;20050331;第35卷(第2期);177-181 * |
Also Published As
Publication number | Publication date |
---|---|
CN112098449A (zh) | 2020-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112098449B (zh) | 一种储层毛管压力曲线的获取方法和装置 | |
Priest | Determination of discontinuity size distributions from scanline data | |
Elmorsy et al. | Generalizable permeability prediction of digital porous media via a novel multi‐scale 3D convolutional neural network | |
Lejarza et al. | Data-driven discovery of the governing equations of dynamical systems via moving horizon optimization | |
CN111025409B (zh) | 一种水淹层评价方法、装置及存储介质 | |
CN114154427A (zh) | 基于深度学习的体积压裂裂缝扩展预测方法和系统 | |
Hou et al. | Application of mixed-integer nonlinear optimization programming based on ensemble surrogate model for dense nonaqueous phase liquid source identification in groundwater | |
CN113236228A (zh) | 一种单井产量快速预测方法及系统 | |
Wang et al. | Hybrid application of unsupervised and supervised learning in forecasting absolute open flow potential for shale gas reservoirs | |
CN116522334A (zh) | 基于图神经网络的rtl级硬件木马检测方法及存储介质 | |
CN110362911A (zh) | 一种面向设计过程的代理模型选择方法 | |
CN117933103B (zh) | 一种基于贝叶斯深度学习的碳封存模型不确定性分析方法 | |
He et al. | Adaptive material balance method for reserve evaluation: A combination of machine learning and reservoir engineering | |
He et al. | Oil Production Rate Forecasting by SA-LSTM Model in Tight Reservoirs | |
CN114563823B (zh) | 一种储层岩性和物性参数的联合贝叶斯反演方法和系统 | |
Luo et al. | Production Forecast for Multistage Hydraulically Fractured Shale Gas Well Based on Integration of Domain Knowledge and Deep Learning Algorithm | |
CN112559582A (zh) | 一种基于样本对关系传播的小样本学习方法和装置 | |
CN113254428A (zh) | 一种基于决策树的缺失数据填充方法及系统 | |
CN115146849A (zh) | 一种粒子群优化cnn预测页岩油产能的方法 | |
Han et al. | Prediction of Porous Media Fluid Flow with Spatial Heterogeneity Using Criss-Cross Physics-Informed Convolutional Neural Networks | |
Suh et al. | Data-driven discovery of interpretable water retention models for deformable porous media | |
Kang et al. | Description of ResFrac automated history matching and optimization workflow | |
CN105649610B (zh) | 一种获取油藏压力的方法及装置 | |
CN117575106B (zh) | 一种煤层气井产气剖面预测方法、系统、电子设备及介质 | |
CN113031064B (zh) | 一种低含油饱和度油层识别方法、装置及设备 |
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 |