CN112596102B - 油藏渗流特征参数的地球物理预测方法、装置及介质 - Google Patents

油藏渗流特征参数的地球物理预测方法、装置及介质 Download PDF

Info

Publication number
CN112596102B
CN112596102B CN202011162374.5A CN202011162374A CN112596102B CN 112596102 B CN112596102 B CN 112596102B CN 202011162374 A CN202011162374 A CN 202011162374A CN 112596102 B CN112596102 B CN 112596102B
Authority
CN
China
Prior art keywords
reservoir
parameter
seepage characteristic
oil reservoir
characteristic parameter
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
CN202011162374.5A
Other languages
English (en)
Other versions
CN112596102A (zh
Inventor
赵平起
李国发
倪天禄
李皓
何书梅
李超琳
张家良
郭奇
魏朋朋
赵明
任瑞川
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 Co Ltd
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 Co Ltd filed Critical Petrochina Co Ltd
Priority to CN202011162374.5A priority Critical patent/CN112596102B/zh
Publication of CN112596102A publication Critical patent/CN112596102A/zh
Application granted granted Critical
Publication of CN112596102B publication Critical patent/CN112596102B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/282—Application of seismic models, synthetic seismograms
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/30—Analysis
    • G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/62—Physical property of subsurface
    • G01V2210/624—Reservoir parameters
    • G01V2210/6246—Permeability
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本申请关于一种油藏渗流特征参数的地球物理预测方法、装置及介质，涉及油藏地球物理勘探开发领域。该方法包括：获取储层的地质数据和地震数据；根据储层的地质数据和地震数据构建油藏渗流特征参数模型；将地震数据输入油藏渗流特征参数模型。通过对于地质数据与地震数据的获取以及对应上述数据的油藏渗流特征参数模型的构建，并将地震数据输入油藏渗流特征参数模型的方法，最终获取用于预测油藏剩余油情况的油藏渗流特征参数。通过根据地质数据以及地震数据直接构建油藏渗流特征参数模型，并将地震数据直接输入该模型的方法，避免了通过反演运算获取油藏渗流特征参数的过程，提高了对于储层中油藏剩余油情况的预测准确率。

Description

油藏渗流特征参数的地球物理预测方法、装置及介质
技术领域
本申请涉及油藏地球物理勘探开发领域，特别涉及一种油藏渗流特征参数的地球物理预测方法、装置及介质。
背景技术
在进行油气勘探的过程中，需要对于油田的储层情况进行确定，并获取量化的、用于指示储层的地质特征的油藏渗流特征参数，油藏渗流特征参数可以对油田储层的油气分布进行表征，并预测储层中油藏剩余油情况，为油田的开采提供指导作用。
相关技术中，通常通过实验的方式，首先对叠前地震数据进行获取。在获取跌前地震数据后，对于叠前地震数据进行至少两次反演运算，最终得到可以对油田的储层情况进行预测的油藏渗流特征参数。
然而，由于反演运算具有误差较大的特点，运用相关技术获取油藏渗流特征参数，会导致对于储层中油藏剩余油情况的预测准确率较低。
发明内容
本申请关于一种油藏渗流特征参数的地球物理预测方法、装置及介质，可以提高对于储层中油藏剩余油的预测准确率。该技术方案如下：
一方面，提供了一种油藏渗流特征参数的地球物理预测方法，该方法应用与服务器中，该方法包括：
一方面，提供了一种油藏渗流特征参数的预测方法，该方法应用于服务器中，该方法包括：
获取储层的地质数据和地震数据，地质数据指示储层所在位置的地质情况，地震数据为对储层进行地震波实验得到的数据；
根据储层的地质数据和地震数据构建油藏渗流特征参数模型；
将地震数据输入油藏渗流特征参数模型，输出得到与储层对应的油藏渗流特征参数，油藏渗流特征参数用于从油藏渗流场对应关系中获取储层中油藏剩余油情况的预测结果。
在一个可选的实施例中，根据地震数据确定油藏渗流特征参数模型中的第一结构参数；
根据地震数据以及储层的地质数据确定油藏渗流特征参数模型中的第二结构参数；
根据第一结构参数与第二结构参数构建油藏渗流特征参数模型。
在一个可选的实施例中，根据地震数据确定油藏渗流特征参数模型中的第二结构参数，包括：
根据第一结构参数构建渗流特征参数子模型；
将地震数据输入渗流特征参数子模型，输出得到第二结构参数。
在一个可选的实施例中，油藏渗流特征参数模型还对应有差异参数；
该方法，还包括：
将地震数据输入油藏渗流特征参数模型，输出得到模拟地震数据；
根据模拟地震数据与地震数据之间的误差，确定油藏渗流特征参数模型对应的差异参数；
根据差异参数对油藏渗流特征参数模型进行调整。
在一个可选的实施例中，差异参数为经过正则化处理得到的参数。
在一个可选的实施例中，油藏渗流特征参数模型还对应有经验参数；
该方法，还包括：
根据储层的地质数据，确定油藏渗流特征参数模型对应的经验参数。
在一个可选的实施例中，油藏渗流特征参数包括孔隙度、泥质含量和含水饱和度中的至少一种。
另一方面，提供了一种油藏渗流特征参数的地球物理预测装置，该装置包括：
获取模块，用于获取储层的地质数据和地震数据，地质数据指示储层所在位置的地质情况，地震数据为对储层进行地震波实验得到的数据；
构建模块，用于根据储层的地质数据和地震数据构建油藏渗流特征参数模型；
输入模块，用于将地震数据输入油藏渗流特征参数模型，输出得到与储层对应的油藏渗流特征参数，油藏渗流特征参数用于从油藏渗流场对应关系中获取储层中油藏剩余油情况的预测结果。
另一方面，提供了一种计算机设备，计算机设备包括处理器和存储器，存储器中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如上述本申请实施例中提供的油藏渗流特征参数的地球物理预测方法。
另一方面，提供了一种计算机可读存储介质，计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述任一所述的油藏渗流特征参数的地球物理预测方法。
另一方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述实施例中任一所述的油藏渗流特征参数的地球物理预测方法。
本申请提供的技术方案带来的有益效果至少包括：
通过对于地质数据与地震数据的获取以及对应上述数据的油藏渗流特征参数模型的构建，并将地震数据输入油藏渗流特征参数模型的方法，最终获取用于预测油藏剩余油情况的油藏渗流特征参数。通过根据地质数据以及地震数据直接构建油藏渗流特征参数模型，并将地震数据直接输入该模型的方法，避免了通过反演运算获取油藏渗流特征参数的过程，提高了对于储层中油藏剩余油情况的预测准确率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，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示出了本申请一个示例性实施例提供的一种地震数据图像的示意图；
图2示出了本申请一个示例性实施例提供的一种油藏渗流特征参数的地球物理预测方法的流程示意图；
图3示出了本申请一个示例性实施例提供的一种对于结构参数进行确定的流程图；
图4示出了本申请一个示例性实施例提供的一种油藏渗流特征参数的地球物理预测方法的流程示意图；
图5示出了本申请一个示例性实施例提供的一种油藏渗流特征参数的地球物理预测方法的过程示意图；
图6示出了本申请一个示例性实施例提供的一种油藏渗流特征参数的地球物理预测装置的结构框图；
图7示出了本申请另一个示例性实施例提供的一种油藏渗流特征参数的地球物理预测装置的结构框图；
图8示出了本申请一个示例性实施例提供的服务器的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
首先，对本申请实施例中涉及的名词进行简单的介绍：
地震数据：地震数据为从地震波实验中直接获取的参数，在一个示例中，在储层的预设位置上设置有声波采集装置，该声波采集方式按照预设时间间隔对地震波进行接收，并根据接收到的地震波生成地震数据。在本申请一个示例性的实施例中，在进行地震波实验的过程中服务器接收到地震数据之后，将会根据地震数据生成地震数据图像。图1示出了本申请一个示例性实施例提供的一种地震数据图像的示意图。请参考图1，该图像的横坐标为地震道道数101，纵坐标为102，且时间的单位为毫秒。图像体现的即为在不同时刻、不同地震道上所设置的声波采集装置叠加，显示出由地震数据表征的，位于声波采集装置的采集点上的地质状态。
弹性参数：弹性参数为在经过地震数据处理获得的，对地震波以及地震波所探测到的地质情况进行表征的参数。由于地震波实验中多使用弹性波进行地质情况的勘探，故本申请中，将诸如地震波的纵波速度、地震波的横波速度、储层的中的介质密度以及品质因子的参数确定为储层的弹性参数。在一个示例中，储层的弹性参数也可以由对于储层进行地震波实验而直接得到。本申请实施例对于弹性参数的获取方式不作限制。
油藏渗流特征参数：油藏渗流特征参数为可以直接表征储层的油藏渗流场情况的参数。即，油藏渗流特征参数可以从某一维度进行油藏渗流场情况的判断。在一个示例中，油藏渗流特征参数包括孔隙度、泥质含量、含水饱和度和渗透率中的至少一种。
相关技术中，由于无法直接通过地震波实验获取油藏渗流特征参数，以对油田储层中的剩余油情况进行预测，故通过两步反演的方式，由对于地震数据的迭代推演，得到与该地震数据所属的储层相对应的油藏渗流特征参数。目前通常采用两步法进行反演，即通过地震数据首次反演，得到与地震数据对应的弹性参数，再通过对于弹性参数的二次反演，得到与地震数据对应的油藏渗流特征参数。然而，由于二次反演仅是通过数学方法对于以特定公式对于数据进行反推，无法对应实际情况进行油藏渗流特征参数的预测，故预测准确度较低。
结合上述名词解释以及现有技术，对本申请涉及的油藏渗流特征参数的预测方法进行说明。图2示出了本申请一个示例性实施例提供的一种油藏渗流特征参数的地球物理预测方法的流程图，以该方法应用于服务器中为例进行说明，该方法包括：
步骤201，获取储层的地质数据和地震数据，地质数据指示储层所在位置的地质情况，地震数据为对储层进行地震波实验得到的数据。
在本申请实施例中，该电子设备可以实现为一个服务器，服务器接收到其他电子设备，如地震波检测装置通过通信网络连接发送的弹性参数后，进行油藏渗流特征参数的预测。储层即为贮藏有油藏的岩层。在一个示例中，储层的弹性参数是对地震数据进行处理得到的，该地震数据是在地震波实验的过程中采集的。地震波实验为对经过检测点的声波进行接收及处理，最终获得地震数据的实验。
在本申请实施例中，地质数据指示互层未知的地质情况，在一个示例中，储层为岩层，则地质数据即用于指示储层的岩层特点。例如，储层中岩层的岩石属性。在一个示例中，服务器中存储有地质数据与地震数据之间的对应关系，通过对于地震数据的获取，也即可以同时获取储层对应的地质数据；在另一个示例中，服务器从地震波实验中分别获取地质数据以及地震数据。
步骤202，根据储层的地质数据和地震数据构建油藏渗流特征参数模型。
在本申请实施例中，油藏渗流特征参数模型对应有至少两个参数，在一个示例中，该至少两个参数中包括由地质数据决定的第一参数、由地震数据决定的第二参数以及由地质数据和地震数据共同决定的第三参数；在另一个示例中，该至少两个参数中均由地质数据以及地震油藏参数共同决定。在确定了油藏渗流特征参数模型中的各个参数之后，油藏渗流特征参数模型即被构建。示例性地，油藏渗流特征参数模型包括支持向量机算法(Support Vector Machine，SVM)模型、自适应神经模糊推理系统(Adaptive Network-based Fuzzy Inference System，ANFIS)模型和小波神经网络(Wavelet Neural Network,WNN)模型中的至少一种。在本申请实施例中，油藏渗流特征参数模型为经验模型。在本申请的其他实施例中，油藏渗流特征参数模型可以为基于人工智能的参数模型，本申请对于油藏渗流特征参数模型的类别不作限制。
步骤203，将地震数据输入渗流特征参数模型，输出得到与储层对应的油藏渗流特征参数，油藏渗流特征参数用于从油藏渗流场对应关系中获取储层中油藏剩余油情况的预测结果。
在油藏渗流特征参数模型构建完毕之后，将地震数据输入该模型当中，即可输出得到直接表征储层中油藏剩余油情况的油藏渗流特征参数。在本申请实施例中，油藏渗流特征参数包括与储层对应的孔隙度、泥质含量和含水饱和度中的至少一种。
在本申请的一个实施例中，服务器中存储有油藏渗流特征参数与油藏渗流场之间的对应关系。示例性的，服务器中存储有油藏渗流特征参数与油藏渗流场的对应表格，通过该表格以及委员会机器模型输出得到的油藏渗流特征参数，即可确定储层中的油藏剩余油情况。
在一个示例中，油藏渗流场情况包括“油藏剩余油适合开采”以及“油藏剩余油不适合开采”，其中，“油藏剩余油适合开采”指示适合进行储层中油藏剩余油的开采。响应于油藏渗流场情况为“油藏剩余油适合开采”，服务器根据委员会机器模型确定的物性参数，指导进行储层中油藏的开采。油藏渗流场的情况即指示油藏剩余油的情况。
综上所述，本实施例提供的方法，通过对于地质数据与地震数据的获取以及对应上述数据的油藏渗流特征参数模型的构建，并将地震数据输入油藏渗流特征参数模型的方法，最终获取用于预测油藏剩余油情况的油藏渗流特征参数。通过根据地质数据以及地震数据直接构建油藏渗流特征参数模型，并将地震数据直接输入该模型的方法，避免了通过反演运算获取油藏渗流特征参数的过程，提高了对于储层中油藏剩余油情况的预测准确率。
在本申请中，在对于油藏渗流特征参数模型进行构建的过程当中，需要进行结构参数的确定。图3示出了本申请一个示例性实施例提供的一种对于结构参数进行确定的流程图，该方法可以替换图2所示的实施例中的步骤202实现为步骤301至步骤304，以该方法应用于服务器中进行说明，该方法包括：
步骤301，根据地震数据确定油藏渗流特征参数模型中的第一结构参数。
在本申请实施例中，油藏渗流特征参数模型对应有第一结构参数与第二结构参数，其中，第一结构参数用于指示利用地震数据获取弹性参数的结构参数，第二结构参数用于指示利用弹性参数获取油藏渗流特征参数的结构参数。可选地，油藏渗流特征参数中分别对应有渗流特征参数子模型，该渗流特征参数子模型即根据第一结构参数进行构建。
在本申请实施例中，第一结构参数参考如下公式1进行确定：
公式1：
式中，t表示储层的位置，θ表示地震波实验得到的地震波的入射角度。Rpp(t,θ)表示对应该入射角度和储层位置的反射纵波反射系数，t、θ以及Rpp(t,θ)为地震数据。K表示储层饱和流体岩石体积模量，μ表示剪切模量，ρ表示介质密度，K、μ以及ρ为弹性参数，γ是储层中与岩石压缩速度和剪切速度有关的参数，属于经验参数，在本申请实施例中，γ取值为0.85。可选地，该经验参数是根据储层的地质数据确定的。
步骤302，根据第一结构参数构建渗流特征参数子模型。
如步骤301中所述，根据公式1，可以得到公式2。
公式2：Rpp(t,θ)＝fAVO([K,μ,ρ])
式中，fAVO即表示渗流特征参数子模型，且其实根据第一结构参数进行构建的，故，通过第一结构参数，即可构建渗流特征参数子模型。也即，在本申请实施例中，第一结构参数即为构建渗流特征参数子模型对应的参数。
步骤303，将地震数据输入渗流特征参数子模型，输出得到第二结构参数。
在本申请实施例中，第二结构参数根据如下公式3进行构建：
公式3：Rpp(t,θ)＝fAVO(fPM(φ,Vsh,Sw))
在公式3中，φ表示孔隙度，Vsh表示泥质含量，Sw表示含水饱和度，上述三个参数即为油藏渗流特征参数，也即油藏渗流特征参数模型的最终输出量。该公式3建立了弹性参数与油藏渗流特征参数之间的之间关系。在此公式中，弹性参数可以有油藏渗流特征参数进行反演得到。fPM中包括第二结构参数，该第二结构参数由渗流特征参数子模型进行确定，故将地震数据输入渗流特征参数子模型中，即可输出得到第二结构参数。
步骤304，根据第一结构参数与第二结构参数构建油藏渗流特征参数模型。
在确定第一结构参数与第二结构参数之后，即可根据上述第一结构参数与第二结构参数进行渗流特征参数模型的构建。在本申请的另一个实施例中，服务器中对应存储有第一结构参数与第二结构参数的对应关系，在确定第一结构参数与第二结构参数中的任一结构参数时，服务器即可直接确定与油藏渗流特征参数模型对应的第二结构参数。
综上所述，本实施例提供的方法，通过第一结构参数和第二结构参数的确定，并相应进行渗流特征参数子模型的构建，由第一结构参数与第二结构参数最终构建得到油藏渗流特征参数模型。在构建的过程中对地震数据与油藏渗流特征参数之间的关系进行了直接确定，提高了对于油藏渗流特征参数模型构建的效率，进一步提高了对储层中油藏剩余油情况进行预测的准确度。
图4示出了本申请一个示例性实施例提供的一种油藏渗流特征参数的地球物理预测方法的流程图，以该方法应用于服务器中为例进行说明，该方法包括：
步骤401，获取储层的地质数据和地震数据，地质数据指示储层所在位置的地质情况，地震数据为对储层进行地震波实验得到的数据。
在本申请实施例中，地震数据是经过地震波实验得到的。在一个示例中，在储层的预设位置上设置有声波采集装置，该声波采集方式按照预设时间间隔对地震波进行接收，并根据接收到的地震波生成地震数据。
在本申请另一个可选的实施例中，地震数据为通过储层内所有声波采集装置接收到的地震波生成的。
在本申请实施例中，地质数据为对应储层位置的岩层所对应的数据。可选地，可以通过地质数据，构建与储层对应的岩石模型。
步骤402，根据地震数据确定油藏渗流特征参数模型中的第一结构参数。
在本申请实施例中，第一结构参数为油藏渗流特征参数模型中，用于指示地震数据与弹性参数之间的对应关系。可选地，第一结构参数用于构建油藏渗流特征参数中的一个子模型。
步骤403，根据第一结构参数构建渗流特征参数子模型。
在本申请实施例中，渗流特征参数子模型即为根据第一结构参数进行构建的模型。在本申请的其他实施例中，渗流特征参数子模型的数量为至少一个，每个渗流特征参数子模型从其对应的维度对第一结构参数进行确定。
步骤404，将地震数据输入渗流特征参数子模型，输出得到第二结构参数。
在本申请实施例中，在获得特征参数子模型后，将地震数据输入渗流特征参数子模型中，以获取地震数据与弹性参数之间的对应关系，并得到第二结构参数。可选地，第二结构参数用于指示弹性参数与油藏渗流特征参数之间的对应关系。
在本申请实施例中，地震数据包括储层的位置，地震波实验对应的地震波的入射角度中的至少一种；弹性数据包括地震波的横波速度、地震波的纵波速度、储层中的介质密度、品质因子的参数中的至少一种，油藏渗流特征参数包括孔隙度，泥质含量和含水饱和度中的至少一种。
步骤405，根据第一结构参数与第二结构参数构建渗流特征参数模型。
在确定第一结构参数和第二结构参数之后，根据第一结构参数与第二结构参数进行油藏渗流特征参数模型的构建。
步骤406，将地震数据输入油藏渗流特征参数模型，输出得到模拟地震数据。
在油藏渗流特征参数模型构建完毕之后，将地震数据输入该模型当中，即可输出得到直接表征储层中油藏剩余油情况的油藏渗流特征参数。在本申请实施例中，油藏渗流特征参数包括与储层对应的孔隙度、泥质含量和含水饱和度中的至少一种。
在本申请的一个实施例中，服务器中存储有油藏渗流特征参数与油藏渗流场之间的对应关系。示例性的，服务器中存储有油藏渗流特征参数与油藏渗流场的对应表格，通过该表格以及委员会机器模型输出得到的油藏渗流特征参数，即可确定储层中的油藏剩余油情况。
可选地，此时，可以通过步骤407至步骤408对油藏渗流特征参数模型中的参数进行调整。
步骤407，根据模拟地震数据与地震数据之间的误差，确定油藏渗流特征参数模型对应的差异参数。
在本申请实施例中，差异参数的确定方式根据如下公式4所示：
公式4：
请参考公式4，式中，m为油藏渗流特征参数，为观测的地震数据与模拟地震数据的误差，模拟地震数据为在油藏渗流特征参数模型的反演过程中得到的地震参数。/>为对于油藏渗流特征参数对应的储层的块状结构的表征，也即油藏渗流特征参数沿深度方向的变化梯度的绝对值的平方。根据上述公式4，即可进行差异参数的确定。
步骤408，根据差异参数对油藏渗流特征参数模型进行调整。
在本申请实施例中，可以将确定为差异参数，也可对其进行进一步处理，获取差异参数，并通过差异参数对油藏渗流特征参数模型进行调整，例如，通过正则化处理的方式对差异参数进行进一步处理。
综上所述，本实施例提供的方法，通过对于地质数据与地震数据的获取以及对应上述数据的油藏渗流特征参数模型的构建，并将地震数据输入油藏渗流特征参数模型的方法，最终获取用于预测油藏剩余油情况的油藏渗流特征参数。通过根据地质数据以及地震数据直接构建油藏渗流特征参数模型，并将地震数据直接输入该模型的方法，避免了通过反演运算获取油藏渗流特征参数的过程，提高了对于储层中油藏剩余油情况的预测准确率。
通过第一结构参数和第二结构参数的确定，并相应进行渗流特征参数子模型的构建，由第一结构参数与第二结构参数最终构建得到油藏渗流特征参数模型。在构建的过程中对地震数据与油藏渗流特征参数之间的关系进行了直接确定，提高了对于油藏渗流特征参数模型构建的效率，进一步提高了对储层中油藏剩余油情况进行预测的准确度。
通过在模型中设置差异参数，并对应样本地震数据进行差异参数的确定，进而通过差异参数对油藏渗流特征参数模型进行调整，使油藏渗流特征参数模型的预测结果更为准确。
图5示出了本申请一个示例性实施例提供的一种油藏渗流特征参数的地球物理预测方法的过程示意图，该过程包括：
步骤501，输入叠前地震数据。
该过程即对应从地震波实验中获取地震数据，并将地震数据输入至服务器的过程。在一个示例中，服务器连接有电子设备，该电子设备获取地震数据后，将地震数据发送至服务器中。
可选地，在该过程中，服务器还进行了地质数据的获取。
步骤502，建立弹性参数正演模型。
该过程即为根据地震数据确定第一结构参数，并构建第一参数子模型的过程。
步骤503，建立油藏渗流特征参数正演模型。
该过程即为根据第二数据以及第一结构参数，确定第二结构参数，并构建油藏渗流特征参数模型的过程。
步骤504，建立反演目标函数。
该过程即为根据差异参数，对油藏渗流特征参数模型进行调整的过程。
步骤505，输出油藏渗流特征参数反演结果。
该过程即为输出油藏渗流特征参数，并且根据油藏渗流特征参数进行储层中的油藏剩余油情况的预测的过程。
综上所述，本实施例提供的方法，通过对于地质数据与地震数据的获取以及对应上述数据的油藏渗流特征参数模型的构建，并将地震数据输入油藏渗流特征参数模型的方法，最终获取用于预测油藏剩余油情况的油藏渗流特征参数。通过根据地质数据以及地震数据直接构建油藏渗流特征参数模型，并将地震数据直接输入该模型的方法，避免了通过反演运算获取油藏渗流特征参数的过程，提高了对于储层中油藏剩余油情况的预测准确率。
图6示出了本申请一个示例性实施例提供的一种油藏渗流特征参数的地球物理预测装置的结构框图，该装置包括：
获取模块601，用于获取储层的地质数据和地震数据，地质数据指示储层所在位置的地质情况，地震数据为对储层进行地震波实验得到的数据；
构建模块602，用于根据储层的地质数据和地震数据构建油藏渗流特征参数模型；
输入模块603，用于将地震数据输入油藏渗流特征参数模型，输出得到与储层对应的油藏渗流特征参数，油藏渗流特征参数用于从油藏渗流场对应关系中获取储层中油藏剩余油情况的预测结果。
在一个可选的实施例中，请参考图7，该装置，还包括确定模块604，用于根据地震数据确定油藏渗流特征参数模型中的第一结构参数；
根据地震数据以及储层的地质数据确定油藏渗流特征参数模型中的第二结构参数；
根据第一结构参数与第二结构参数构建油藏渗流特征参数模型。
在一个可选的实施例中，构建模块602，还用于根据第一结构参数构建渗流特征参数子模型；
输入模块603，还用于将地震数据输入渗流特征参数子模型，输出得到第二结构参数。
在一个可选的实施例中，油藏渗流特征参数模型还对应有差异参数；
输入模块603，还用于将地震数据输入油藏渗流特征参数模型，输出得到模拟地震数据；
确定模块604，还用于根据模拟地震数据与地震数据之间的误差，确定油藏渗流特征参数模型对应的差异参数；
根据差异参数对油藏渗流特征参数模型进行调整。
在一个可选的实施例中，差异参数为经过正则化处理得到的参数。
在一个可选的实施例中，油藏渗流特征参数模型还对应有经验参数；
确定模块604，还用于根据储层的地质数据，确定油藏渗流特征参数模型对应的经验参数。
在一个可选的实施例中，油藏渗流特征参数包括孔隙度，泥质含量和含水饱和度中的至少一种。
综上所述，本实施例提供的装置，通过对于地质数据与地震数据的获取以及对应上述数据的油藏渗流特征参数模型的构建，并将地震数据输入油藏渗流特征参数模型的方法，最终获取用于预测油藏剩余油情况的油藏渗流特征参数。通过根据地质数据以及地震数据直接构建油藏渗流特征参数模型，并将地震数据直接输入该模型的方法，避免了通过反演运算获取油藏渗流特征参数的过程，提高了对于储层中油藏剩余油情况的预测准确率。
需要说明的是：油藏渗流特征参数的地球物理预测装置仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分内容。
本申请还提供了一种服务器，该服务器包括处理器和存储器，存储器中存储有至少一条指令，至少一条指令由处理器加载并执行以实现上述各个方法实施例提供的油藏渗流特征参数的地球物理预测方法。需要说明的是，该服务器可以是如下图8所提供的服务器。
请参考图8，其示出了本申请一个示例性实施例提供的服务器的结构示意图。具体来讲：服务器800包括中央处理单元(Central Processing Unit，CPU)801、包括随机存取存储器(Random Access Memory，RAM)802和只读存储器(Read-Only Memory，ROM)803的系统存储器804，以及连接系统存储器804和中央处理单元801的系统总线805。服务器800还包括帮助计算机内的各个器件之间传输信息的基本输入/输出(Input Output System，I/O)系统806，和用于存储操作系统813、应用程序814和其他程序模块815的大容量存储设备807。
基本输入/输出系统806包括有用于显示信息的显示器808和用于用户输入信息的诸如鼠标、键盘之类的输入设备809。其中显示器808和输入设备809都通过连接到系统总线805的输入输出控制器810连接到中央处理单元801。基本输入/输出系统806还可以包括输入输出控制器810以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地，输入输出控制器810还提供输出到显示屏、打印机或其他类型的输出设备。
大容量存储设备807通过连接到系统总线805的大容量存储控制器(未示出)连接到中央处理单元801。大容量存储设备807及其相关联的计算机可读介质为服务器800提供非易失性存储。也就是说，大容量存储设备807可以包括诸如硬盘或者CD-ROM驱动器之类的计算机可读介质(未示出)。
不失一般性，计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、可擦除可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、带电可擦可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)、闪存或其他固态存储其技术，CD-ROM、数字多功能光盘(Digital Video Disc，DVD)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知计算机存储介质不局限于上述几种。上述的系统存储器804和大容量存储设备807可以统称为存储器。
存储器存储有一个或多个程序，一个或多个程序被配置成由一个或多个中央处理单元801执行，一个或多个程序包含用于实现上述油藏渗流特征参数的预测方法的指令，中央处理单元801执行该一个或多个程序实现上述各个方法实施例提供的油藏渗流特征参数的地球物理预测方法。
根据本申请的各种实施例，服务器800还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即服务器800可以通过连接在系统总线805上的网络接口单元811连接到网络812，或者说，也可以使用网络接口单元811来连接到其他类型的网络或远程计算机系统(未示出)。可选地，本申请实施例中，服务器800可以通过网络接口单元811连接到通信网络，可选地，服务器800还可以通过无线网络与其他设备建立连接。
存储器还包括一个或者一个以上的程序，一个或者一个以上程序存储于存储器中，一个或者一个以上程序包含用于进行本申请实施例提供的油藏渗流特征参数的地球物理预测方法中由服务器所执行的步骤。
本申请实施例还提供一种计算机可读存储介质，该可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述油藏渗流特征参数的地球物理预测方法。
本申请还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述实施例中任一所述的油藏渗流特征参数的地球物理预测方法。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，该计算机可读存储介质可以是上述实施例中的存储器中所包含的计算机可读存储介质；也可以是单独存在，未装配入终端中的计算机可读存储介质。该计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述油藏渗流特征参数的预测方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本申请的可选实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (6)

1.一种油藏渗流特征参数的地球物理预测方法，其特征在于，所述方法应用于服务器中，所述方法包括：
获取储层的地质数据和地震数据，所述地质数据指示所述储层所在位置的地质情况，所述地震数据为对所述储层进行地震波实验得到的数据，其中，所述服务器从地震波实验中获取所述地质数据；
根据所述储层的地质数据和所述地震数据构建油藏渗流特征参数模型，所述油藏渗流特征参数模型包括支持向量机算法SVM模型、自适应神经模糊推理系统ANFIS模型和小波神经网络WNN模型中的至少一种；
将所述地震数据输入所述油藏渗流特征参数模型，输出得到与所述储层对应的油藏渗流特征参数，所述油藏渗流特征参数用于从油藏渗流场对应关系中获取所述储层中油藏剩余油情况的预测结果；
其中，在构建所述油藏渗流特征参数模型时，包括如下步骤：
根据所述地震数据确定所述油藏渗流特征参数模型中的第一结构参数；所述第一结构参数用于指示利用所述地震数据获取弹性参数的结构参数；第一结构参数通过公式1进行确定；
公式1：
t表示储层位置，θ表示所述地震波实验得到的地震波的入射角度，Rpp(t,θ)表示对应所述入射角度和所述储层位置的反射纵波反射系数，t、θ以及Rpp(t,θ)为所述地震数据；K表示储层饱和流体岩石体积模量，μ表示剪切模量，ρ表示介质密度，K、μ以及ρ为弹性参数，γ是储层中与岩石压缩速度和剪切速度有关的经验参数，γ取值为0.85，所述经验参数是根据所述地质数据确定的；
根据所述第一结构参数构建渗流特征参数子模型，基于公式1得到公式2；
公式2：；fAVO表示所述渗流特征参数子模型，是根据所述第一结构参数进行构建的；
将所述地震数据输入所述渗流特征参数子模型，输出得到第二结构参数；所述第二结构参数用于指示利用所述弹性参数获取所述油藏渗流特征参数的结构参数，所述第二结构参数根据公式3构建：
公式3：；φ表示孔隙度，Vsh表示泥质含量，Sw表示含水饱和度，上述三个参数即为油藏渗流特征参数，即油藏渗流特征参数模型的最终输出量；fPM中包括所述第二结构参数，所述第二结构参数由所述渗流特征参数子模型进行确定，将所述地震数据输入所述渗流特征参数子模型中，输出得到所述第二结构参数；
根据所述第一结构参数与所述第二结构参数构建所述油藏渗流特征参数模型。
2.根据权利要求1所述的方法，其特征在于，所述油藏渗流特征参数模型还对应有差异参数；
所述方法，还包括：
将所述地震数据输入所述油藏渗流特征参数模型，输出得到模拟地震数据；
根据所述模拟地震数据与所述地震数据之间的误差，确定所述油藏渗流特征参数模型对应的所述差异参数；
根据所述差异参数对所述油藏渗流特征参数模型进行调整。
3.根据权利要求2所述的方法，其特征在于，所述差异参数为经过正则化处理得到的参数。
4.一种油藏渗流特征参数的地球物理预测装置，其特征在于，所述装置包括：
获取模块，用于获取储层的地质数据和地震数据，所述地质数据指示所述储层所在位置的地质情况，所述地震数据为对所述储层进行地震波实验得到的数据；从所述地震波实验中获取所述地质数据；
构建模块，用于根据所述储层的地质数据和所述地震数据构建油藏渗流特征参数模型，所述油藏渗流特征参数模型包括支持向量机算法SVM模型、自适应神经模糊推理系统ANFIS模型和小波神经网络WNN模型中的至少一种；
输入模块，用于将所述地震数据输入所述油藏渗流特征参数模型，输出得到与所述储层对应的油藏渗流特征参数，所述油藏渗流特征参数用于从油藏渗流场对应关系中获取所述储层中油藏剩余油情况的预测结果；
其中，在所述构建模块构建所述油藏渗流特征参数模型时，所述构建模块，还用于：
根据所述地震数据确定所述油藏渗流特征参数模型中的第一结构参数；所述第一结构参数用于指示利用所述地震数据获取弹性参数的结构参数；第一结构参数通过公式1进行确定；
公式1：
t表示储层位置，θ表示所述地震波实验得到的地震波的入射角度，Rpp(t,θ)表示对应所述入射角度和所述储层位置的反射纵波反射系数，t、θ以及Rpp(t,θ)为所述地震数据；K表示储层饱和流体岩石体积模量，μ表示剪切模量，ρ表示介质密度，K、μ以及ρ为弹性参数，γ是储层中与岩石压缩速度和剪切速度有关的经验参数，γ取值为0.85，所述经验参数是根据所述地质数据确定的；
根据所述第一结构参数构建渗流特征参数子模型，基于公式1得到公式2；
公式2：；fAVO表示所述渗流特征参数子模型，是根据所述第一结构参数进行构建的；
将所述地震数据输入所述渗流特征参数子模型，输出得到第二结构参数；所述第二结构参数用于指示利用所述弹性参数获取所述油藏渗流特征参数的结构参数，所述第二结构参数根据公式3构建：
公式3：；φ表示孔隙度，Vsh表示泥质含量，Sw表示含水饱和度，上述三个参数即为油藏渗流特征参数，即油藏渗流特征参数模型的最终输出量；fPM中包括所述第二结构参数，所述第二结构参数由所述渗流特征参数子模型进行确定，将所述地震数据输入所述渗流特征参数子模型中，输出得到所述第二结构参数；
根据所述第一结构参数与所述第二结构参数构建所述油藏渗流特征参数模型。
5.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由所述处理器加载并执行以实现如权利要求1至3任一所述的油藏渗流特征参数的地球物理预测方法。
6.一种计算机可读存储介质，其特征在于，所述可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如权利要求1至3任一所述的油藏渗流特征参数的地球物理预测方法。
CN202011162374.5A 2020-10-27 2020-10-27 油藏渗流特征参数的地球物理预测方法、装置及介质 Active CN112596102B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011162374.5A CN112596102B (zh) 2020-10-27 2020-10-27 油藏渗流特征参数的地球物理预测方法、装置及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011162374.5A CN112596102B (zh) 2020-10-27 2020-10-27 油藏渗流特征参数的地球物理预测方法、装置及介质

Publications (2)

Publication Number Publication Date
CN112596102A CN112596102A (zh) 2021-04-02
CN112596102B true CN112596102B (zh) 2023-08-22

Family

ID=75180602

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011162374.5A Active CN112596102B (zh) 2020-10-27 2020-10-27 油藏渗流特征参数的地球物理预测方法、装置及介质

Country Status (1)

Country Link
CN (1) CN112596102B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108897042A (zh) * 2018-08-28 2018-11-27 中国石油天然气股份有限公司 有机质含量地震预测方法及装置
CN110954948A (zh) * 2018-09-27 2020-04-03 中国石油化工股份有限公司 一种岩石物理约束储层物性参数反演方法及系统
CN111239821A (zh) * 2020-02-20 2020-06-05 中国石油大学(北京) 碳酸盐岩储层孔隙结构预测方法、装置、设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005052639A1 (en) * 2003-10-28 2005-06-09 Western Geco, Llc A method for estimating porosity and saturation in a subsurface reservoir

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108897042A (zh) * 2018-08-28 2018-11-27 中国石油天然气股份有限公司 有机质含量地震预测方法及装置
CN110954948A (zh) * 2018-09-27 2020-04-03 中国石油化工股份有限公司 一种岩石物理约束储层物性参数反演方法及系统
CN111239821A (zh) * 2020-02-20 2020-06-05 中国石油大学(北京) 碳酸盐岩储层孔隙结构预测方法、装置、设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于粒子群算法与委员会模型的孔隙度预测方法与应用;李超琳 等;2019年油气地球物理学术年会论文集;第1-4页 *

Also Published As

Publication number Publication date
CN112596102A (zh) 2021-04-02

Similar Documents

Publication Publication Date Title
Zhong et al. Predicting CO2 plume migration in heterogeneous formations using conditional deep convolutional generative adversarial network
Pham et al. Missing well log prediction using convolutional long short-term memory network
EP3894902B1 (en) Subsurface models with uncertainty quantification
Liu et al. Critical evaluation of the ensemble Kalman filter on history matching of geologic facies
US8855987B2 (en) Method for optimization with gradient information
Chan et al. Parametrization of stochastic inputs using generative adversarial networks with application in geology
CN111175818B (zh) Co2气驱前缘位置的判断方法及其模型训练方法、装置
Eikrem et al. Iterated extended Kalman filter method for time‐lapse seismic full‐waveform inversion
CN112882100B (zh) 一种储层参数确定方法、装置、电子设备和存储介质
EP4004607B1 (en) System and method for building reservoir property models
CN111443384B (zh) 确定节点深度和水柱通过速度
CN113330439A (zh) 浅海多层海底地声参数反演方法、装置、计算机设备及存储介质
Rwechungura et al. Application of particle swarm optimization for parameter estimation integrating production and time lapse seismic data
Golsanami et al. Synthesis of capillary pressure curves from post-stack seismic data with the use of intelligent estimators: a case study from the Iranian part of the South Pars gas field, Persian Gulf Basin
CN112882123B (zh) 一种基于两步法的cnn井震联合反演方法、系统及应用
CN112596102B (zh) 油藏渗流特征参数的地球物理预测方法、装置及介质
CN113433587B (zh) 岩石物理反演方法及系统
GB2584449A (en) Apparatus method and computer-program product for calculating a measurable geological metric
CA2913247A1 (en) 2.75d meshing algorithm
US10310116B2 (en) Method for determining a stacked model describing architectural elements
Golmohammadi et al. Reducing uncertainty in conceptual prior models of complex geologic systems via integration of flow response data
CN113075747B (zh) 储层裂缝发育区域的预测方法及装置
CN112099087A (zh) 油藏渗流特征参数的地球物理智能预测方法、装置及介质
US10585199B2 (en) Method for determining a lithology map
US11150377B2 (en) System and method for optimizing hydrocarbon production from subsurface reservoirs

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