CN112836393A - 一种基于多尺度熵分析储层非均质性的方法 - Google Patents

Abstract

本发明公开了一种基于多尺度熵分析储层非均质性的方法，包括：采集待测井中储层在不同井段的测井信号，并得到待测井不同井段的测井曲线；将测井曲线进行归一化处理和粗粒化处理，并计算得到测井曲线所表征的储层非均质性在不同时间尺度下对应的样本熵值；依据时间尺度与其对应的样本熵值之间的关系绘制函数图，并依据函数图构建不同井段的储层的多尺度熵曲线；比对分析不同井段的多尺度熵曲线，来评价不同井段的储层非均质性强弱。以归一化和粗粒化的处理方式，将测井信号根据不同尺度得到多个不同的信息，多方位、多角度地提高待处理数据的信息量，同时构建多尺度熵曲线，实现全方位的比对，提高分析信息的准确可靠性。

Description

一种基于多尺度熵分析储层非均质性的方法

技术领域

本发明涉及储层非均质性的分析方法领域，具体涉及一种基于多尺度熵分析储层非均质性的方法。

背景技术

在过去的几十年中，各国致力于开发传统的石油和天然气，但是，随着全球能源格局的巨大变化，当前许多国家正在将其勘探和开发目标转向非常规资源。然而，在实际开采过程中，会受到很多因素的影响，特别是非均质性问题在低孔隙度和低渗透率的非常规油藏开发中的影响则更为突出，因此，大量学者对储层非均质性研究给予了极大的关注。

然而，目前主要还是针对孔隙度以及渗透率的静态资料进行统计计算来分析非均质性。虽然有一些学者从测井信号的复杂度研究，表明测井信号度越高，地层的非均质性越强，但是，这些方法受到算法和成本的限制，导致结果不准确和不恰当，并且，由于他们大多数单纯从信号的复杂度出发，没有考虑到地层系统的固有的复杂波动以及多期性。

例如：2016年，D.Subhakar应用去趋势波动分析法以及多重分形去趋势波动方法分析测井曲线的自相似性并结合赫斯特指数分析测井曲线的复杂程度；2017年，GauravS.Gairola应用希尔伯特黄变换，分析通过分析测井信号分解除的固有模态函数分量的个数以及所含能量的大小来分析原始测井信号的复杂程度，进而评价储层的非均质性；2019年，肖子亢通过R/S分形理论表分析测井曲线的长期自相似性表征测井曲线的复杂程度，然后通过应用经验模态分解方法分析井曲线的短期自相似性表征测井曲的复杂程度，最后将两个复杂程度结合提出新的复杂度评价指标。

上述几种方式中，去趋势波动分析与R/S分形理论的核心都是通过分析测井信号的自相关性，希尔伯特黄变换以及经验模态分解方法通过分析分解后所得信号的个数以及所含的能量高低作为指标来评价原始信号的复杂程度，这些方法都忽视了信号内在的固有联系以及地层单元的复杂情况，均是在单一尺度(分辨率)下进行的复杂度分析，因此，会造成分析结果偏差较大。

尽管人们正在花费很多精力来克服这些缺点，但尚未开发出一种高效有效的方法。

熵是描述系统在物理领域中的复杂性的度量(Grassberger，1991)。后来，学者们将熵理论引入信号分析领域，以描述信号的复杂性，并提出了香农(Shannon)熵，Kolmogorov熵，KS熵，近似熵和样本熵(Benettin等人，1976年；Pincus，1911年；Richman和Moorman，2000；香农，1948年)。与其他熵分析相比，样本熵分析(Sampleentropyanalysis,SEA)具有较强的抗干扰能力和抗噪声性能。样本熵分析提供了一种在时间尺度上量化数据复杂性的工具。样本熵分析有两个有点：1)对时间序列长度的依赖性低2)复杂度的一致性，也就是如果某一段数据的样本熵值高于另一段数据的样本熵值，则无论如何改变算法参数都不会改变最终的分析结果(Richman and Moorman，2000)。由于测井信号的采样频率固定，因此可以将测井信号视为一个时间序列(Subhakar和Chandrasekhar，2016年；Xiao等人，2019年)。

尽管样本熵分析可以分析时间序列的复杂性，但它也有局限性。仅基于单尺度样本熵分析，得出的复杂度信息不足。

发明内容

为此，本发明提供一种基于多尺度熵分析储层非均质性的方法，以解决现有技术中尽管样本熵分析可以分析时间序列的复杂性，但它也有局限性，仅基于单尺度样本熵分析，得出的复杂度信息不足提出的问题。

为了实现上述目的，本发明的实施方式提供如下技术方案：

本发明提供了一种基于多尺度熵分析储层非均质性的方法，包括如下步骤：

步骤100、采集待测井中储层在不同井段的测井信号，并得到所述待测井不同井段的测井曲线；

步骤200、将所述测井曲线进行归一化处理和粗粒化处理，并计算得到所述测井曲线所表征的储层非均质性在不同时间尺度下对应的样本熵值；

步骤300、依据所述时间尺度与其对应的样本熵值之间的关系绘制函数图，并依据所述函数图构建不同井段的储层的多尺度熵曲线；

步骤400、比对分析不同井段的多尺度熵曲线，来评价不同井段的储层非均质性强弱。

作为本发明一种优选地方案，所述步骤S200中所述样本熵值的计算包括：

归一化处理，将所述测井曲线中的振幅以0～1或者-1～1之间的小数表示进行数据化，得到归一化测井曲线；

粗粒化处理，测井曲线为N个元素组成的时间序列，将所述时间尺度的数值设定为τ，对不同个数的时间尺度τ内的连续点取平均值，以创建粗粒化后不同时间尺度的时间序列，即为：

当时间尺度τ＝1时，粗粒化数据的结果就是原始的时间序列；

当时间尺度τ＝2时，粗粒化数据的结果是通过计算两个连续元素的平均值形成的，变为长度为N/2的时间序列；

当时间尺度τ＝3时，粗粒化数据的结果是通过计算两个连续元素的平均值形成的，变为长度为N/3的时间序列；

以此类推，以获得粗粒化后的时间序列，即为粗粒化测井曲线；

由此，归纳总结得到：

每个粗粒化后时间序列中的元素为：

其中，τ为正整数，x_i为粗粒化前的时间序列中的元素。

作为本发明一种优选地方案，步骤200中，步骤200中，样本熵值的计算具体包括：

步骤201、所述粗粒化曲线组构建成N₁个数据点组成的时间序列，记为：

{x}＝{x(1),x(2),x(3),…,x(N₁)}，其中，N₁＝N/τ；

步骤202、自i点开始选择m个连续的x值形成一组维数为m的向量序列，记为：

X_m(i)＝{x(i),x(i+1),x(i+2),…,x(i+m-1)},1≤i≤N₁-m+1；

步骤203、定义向量X_m(i)与X_m(j)之间的最大距离d[X_m(i),X_m(j)]为两者对应元素中最大差值的绝对值，i，j均为元素的位置，得到：

d[X_m(i),X_m(j)]＝max_{k＝0,…,m-1}(|x(i+k)-x(j+k)|),0≤k≤m-1，

其中，1≤j≤N₁-m+1,1≤i≤N₁-m+1,且j≠i，k为递增个数；

步骤204、对于给定的X_m(i)，统计X_m(i)与X_m(j)之间距离小于r的j的数目，并记为B_j，当i的取值范围位于1≤i≤N₁-m时，设定

得到

其中，r为约束条件，B^(m)(r)为X_m(i)与X_m(j)在r下匹配m个点的概率，r为相似容限；

步骤205、重复步骤S202-S204，以m+1作为维数，得到

其中，B^(m+1)(r)为X_m+1(i)与X_m+1(j)在r下匹配m+1个点的概率；

步骤206、根据步骤S204和步骤S205得到样本熵值为：

换算得到

作为本发明一种优选地方案，时间尺度τ对应连续粗粒化时间序列为；依据步骤S201至步骤S206计算每个时间尺度下粗粒化的时间序列的样本熵值：、

MSE(x,τ,m,r)＝SE(y^(τ),m,r)。

作为本发明一种优选地方案，所述相似容限r＝0.1～0.25std，其中，std为所述测井曲线对应时间序列的标准差。

作为本发明一种优选地方案，还包括步骤500，依据不同井段的储层的测井曲线的信息复杂度，评估不同测井的储存非均质性强弱，包括如下步骤：

步骤501、计算每个井段的测井信号在每个时间尺度下的样本熵值；

步骤502、比较每个井段的所有样本熵值；

步骤503、当一个井段的样本熵值超过一半大于另一个测井的样本熵值时，则说明前一个井段的测井信号的复杂度高，则储存非均质性强；反之亦然。

作为本发明一种优选地方案，步骤100还包括：

步骤101、将多个测井仪器按照标记顺序装配在测量通道的多个均匀分布的测量节点上，并将所述测量通道以固定速率下放，并在测井中标注采集测井信号的起始线，依据所述固定速率和相邻所述测量节点的单元距离设定所述测井仪器采集并记录一次测井信号的单元时间；

步骤102、依据所述测量通道上多个所述测量节点的分布，将测井内待分析储层分为多个储层井段，设定的储层井段的初始单元厚度为所述相邻所述测量节点的单元距离，在第一个所述测井仪器到达所述起始线的同时启动第一个所述测井仪器进行采集；

步骤103、以所述固定速率将所述测量通道继续下放，并按照顺序且以所述单元时间为间隔依次开启每个所述测井仪器进行采集，且已开启的所述测井仪器继续采集下一个所述储层井段的测井信号；

步骤104、对在每个所述储层井段采集所述测井信号进行整合处理，剔除存在明显测量误差的测井信号并获得每个储层井段的储层优化数据，并对所述储层优化数据进行处理以获得每个所述储层井段的测井曲线。

作为本发明一种优选地方案，还包括：将所述测井仪器的采集记录一次测井信号的时间设定为至少2倍的单元时间，以获取不同厚度的所述储层井段的测井曲线，即获取不同时间尺度的井段的测井曲线。

作为本发明一种优选地方案，所述步骤100还包括：

在测量通道上设置用于连通每个所述测井仪器并接收采集数据的数据处理模块，并按照所述测量仪器启动采集的顺序进行编号；

在所述数据处理模块中设定储层井段的初始单元厚度u，设定时间尺度τ为所述测量仪器采集记录一次测井信号的时间T的调节因子，记固定速率为v，则T＝τu/v，则采集的实际井段厚度H＝τu；

在所述数据处理模块中以所述实际井段厚度H为第一参数，以测量仪器的编号为第二参数，以测井信号为第三参数存储每一种时间尺度τ下在每一个储层井段中每个所述测井仪器采集的测井信号的数据集合。

作为本发明一种优选地方案，将所述测量通道按照所述测井仪器的编号的正反顺序分别在所述测井内采集一次测井信号，以使得每个所述储层井段的数据采集次数相同。

本发明的实施方式具有如下优点：

以归一化和粗粒化的处理方式，将原始的测井信号根据不同尺度得到多个不同的信息，多方位、多角度地提高待处理数据的信息量；将多组信息数据分别计算得到样本熵值并采用一一对应的方式构建多尺度熵曲线，在完成整体信息的多元化构建的基础上，实现全方位的比对，提高分析信息的准确可靠性。

附图说明

为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式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示例性的，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，还可以根据提供的附图引伸获得其它的实施附图。

本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。

图1为本发明实施方式中基于多尺度熵分析储层非均质性的方法的流程图；

图2为本发明实施方式中τ＝2时，粗粒化处理的过程；

图3为本发明实施方式中τ＝3时，粗粒化处理的过程；

图4为本发明实施方式中A、B、C、D四个油井的尺度与样本熵值的对应函数曲线及产量图；

图5为本发明实施方式中C、E、F、G四个油井的尺度与样本熵值的对应函数曲线及月产量值图；

图6为本发明实施方式中同一油井不同位置的尺度与样本熵值的对应函数曲线图。

具体实施方式

以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

如图1所示，本发明提供了一种基于多尺度熵分析储层非均质性的方法，包括如下步骤：

步骤100、采集待测井中储层在不同井段的测井信号，并得到所述待测井不同井段的测井曲线；

步骤200、将所述测井曲线进行归一化处理和粗粒化处理，并计算得到所述测井曲线所表征的储层非均质性在不同时间尺度下对应的样本熵值；

步骤300、依据所述时间尺度与其对应的样本熵值之间的关系绘制函数图，并依据所述函数图构建不同井段的储层的多尺度熵曲线；

步骤400、比对分析不同井段的多尺度熵曲线，来评价不同井段的储层非均质性强弱。

本发明以以归一化和粗粒化的处理方式，将原始的测井信号根据不同尺度得到多个不同的信息，多方位、多角度地提高待处理数据的信息量；将多组信息数据分别计算得到样本熵值并采用一一对应的方式构建多尺度熵曲线，在完成整体信息的多元化构建的基础上，实现全方位的比对，提高分析信息的准确可靠性。

其中，时间尺度是指完成某一种物理过程所花费时间的平均度量，物理过程的演变越慢，其时间尺度越长，物理过程涉及的空间范围越大，其时间尺度也越长。在储层的应用中可以理解为不同深度的储层。

其中，如图2和图3所示，所述步骤S200中所述样本熵值的计算包括：

归一化处理，将所述测井曲线中的振幅以0～1或者-1～1之间的小数表示进行数据化，得到归一化测井曲线；

粗粒化处理，测井曲线为N个元素组成的时间序列，将所述时间尺度的数值设定为τ，对不同个数的时间尺度τ内的连续点取平均值，以创建粗粒化后不同时间尺度的时间序列，即为：

当时间尺度τ＝1时，粗粒化数据的结果就是原始的时间序列；

当时间尺度τ＝2时，粗粒化数据的结果是通过计算两个连续元素的平均值形成的，变为长度为N/2的时间序列；

当时间尺度τ＝3时，粗粒化数据的结果是通过计算两个连续元素的平均值形成的，变为长度为N/3的时间序列；

以此类推，以获得粗粒化后的时间序列，即为粗粒化测井曲线；

由此，归纳总结得到：

每个粗粒化后时间序列中的元素为：

其中，τ为正整数，x_i为粗粒化前的时间序列中的元素。

其中，骤200中，样本熵值的计算具体包括：

步骤201、所述粗粒化曲线组构建成N₁个数据点组成的时间序列，记为：

{x}＝{x(1),x(2),x(3),…,x(N₁)}，其中，N₁＝N/τ；

步骤202、自i点开始选择m个连续的x值形成一组维数为m的向量序列，记为：

X_m(i)＝{x(i),x(i+1),x(i+2),…,x(i+m-1)},1≤i≤N₁-m+1；

步骤203、定义向量X_m(i)与X_m(j)之间的最大距离d[X_m(i),X_m(j)]为两者对应元素中最大差值的绝对值，i，j均为元素的位置，得到：

d[X_m(i),X_m(j)]＝max_{k＝0,…,m-1}(|x(i+k)-x(j+k)|),0≤k≤m-1，

其中，1≤j≤N₁-m+1,1≤i≤N₁-m+1,且j≠i，k为递增个数；

步骤204、对于给定的X_m(i)，统计X_m(i)与X_m(j)之间距离小于r的j的数目，并记为B_j，当i的取值范围位于1≤i≤N₁-m时，设定

得到

其中，r为约束条件，B^(m)(r)为X_m(i)与X_m(j)在r下匹配m个点的概率，r为相似容限；

步骤205、重复步骤S202-S204，以m+1作为维数，得到

其中，B^(m+1)(r)为X_m+1(i)与X_m+1(j)在r下匹配m+1个点的概率；

步骤206、根据步骤S204和步骤S205得到样本熵值为：

换算得到

时间尺度τ对应连续粗粒化时间序列为；依据步骤201至步骤206计算每个时间尺度下粗粒化的时间序列的样本熵值：

MSE(x,τ,m,r)＝SE(y^(τ),m,r)。

相似容限r＝0.1～0.25std，其中，std为所述测井曲线对应时间序列的标准差。

为了使得分析比对结果与实际差距更小，提高结果的准确度，步骤S400具体包括：

S401、将两个不同的待分析储层中在同一尺度下得到的样本熵值一一对应进行比对，设定比对组数为n；

S402、对于样本熵值较高占比超过n/2的，则判定其测井信号复杂度高，非均质性强；

S403、重复步骤S401和S402，完成多个待分析储层之间的比对。

本实施方式还包括步骤500，依据不同井段的储层的测井曲线的信息复杂度，评估不同测井的储存非均质性强弱，包括如下步骤：

步骤501、计算每个井段的测井信号在每个时间尺度下的样本熵值；

步骤502、比较每个井段的所有样本熵值；

步骤503、当一个井段的样本熵值超过一半大于另一个测井的样本熵值时，则说明前一个井段的测井信号的复杂度高，则储存非均质性强；反之亦然。

同样的，利用这种方式也可以用于判断不同测井的储层非均质性强弱。

上述样本熵值较高的理解为：设定其中一个待分析储层在尺度1下的样本熵值为a1，在尺度2下的样本熵值为a2…依此类推，直至an；另一个待分析储层在尺度1下的样本熵值为b1，在尺度2下的样本熵值为b2…依此类推，直至bn；

将a1与b1进行比对，a2与b2进行比对，依此进行一一比对，每组比对结果对数值较大的分别计数在对应的待分析储层下，当数值较大的样本熵值占比超过n/2的，则判定其测井信号复杂度高，非均质性强。相应地，能够根据非均质性强弱判定其能源的产量。

上述方式从测井曲线出发，通过多维度多角度的分析方式，减少了对岩心、录井等资料依赖，降低储层非均质性分析的成本，为储层非均质性评价以及后期的产能预测与对比提供一个新手段。

采用上述方式分别对A、B、C、D四个油井为一组构建其函数图，具体如图4所示，同时右侧为其产量，通过图的左侧可以直观地看出，C、D的样本熵值的整体趋势在高位，而A、B的样本熵值的整体趋势在低位，因此，在此基础上，则可以看出A、B产量应大于C、D，比对右侧产量实际值，完全符合本申请中的判定方法得到的结论。

同时采用上述方式分别对C、E、F、G四个油井为一组构建其函数图，具体如图5所示，同时右侧为其月产量值，可以直观看出，E油井的复杂程度最低，非均质性弱，产量最高；F油井的样本熵值较高的最多，复杂程度最高，非均质性高，产量也最低；C油井和G油井虽部分样本熵值较为接近，但G油井部分样本熵值明显低于C油井，很直观地能够看出其复杂程度整体相对低于C油井，而其月产量值也很明显地给出了这个结果。

当然，这里可以为不同的油井之间的对比，也可以为同一油井不同位置的对比，例如，如图6所示，为单井中不同深度的函数图的构建，分别对应1067.8-1077.2m深度和1077.2-1087.4m深度下的储层。

上述步骤100还包括如下步骤：

步骤101、将多个测井仪器按照标记顺序装配在测量通道的多个均匀分布的测量节点上，并将所述测量通道以固定速率下放，并在测井中标注采集测井信号的起始线，依据所述固定速率和相邻所述测量节点的单元距离设定所述测井仪器采集并记录一次测井信号的单元时间；

步骤102、依据所述测量通道上多个所述测量节点的分布，将测井内待分析储层分为多个储层井段，设定的储层井段的初始单元厚度为所述相邻所述测量节点的单元距离，在第一个所述测井仪器到达所述起始线的同时启动第一个所述测井仪器进行采集；

步骤103、以所述固定速率将所述测量通道继续下放，并按照顺序且以所述单元时间为间隔依次开启每个所述测井仪器进行采集，且已开启的所述测井仪器继续采集下一个所述储层井段的测井信号；

步骤104、对在每个所述储层井段采集所述测井信号进行整合处理，剔除存在明显测量误差的测井信号并获得每个储层井段的储层优化数据，并对所述储层优化数据进行处理以获得每个所述储层井段的测井曲线。

本步骤100的实施例主要是能够充分利用测量仪器在测井内上下移动的时间获得更全面的数据，提高对测井内不同储层井段的测井信号的准确性，进而提高储层非均质性强弱的判断准确性。

在本实施例中，随着测井通道不断的下放，测井仪器不断的间歇性的采集和记录每一个按照预设要求而被区分的多个储层井段的测井信号，从而在一个测井仪器中记录了多个不同储层井段的测井信号，按照上述方法，第一个测井仪器记录全部的储层井段的测井信号，其他测井仪器采集的测井信号数量依次递减，(例如第二个测井仪器无法采集最底部的一个储层井段，依次类推)。

通过这种方式，在一次下放测井仪器的单次过程中，能够最大化的获得最多的数据，为了进一步抬高每一个储层井段的测井信号准确性，可以将所述测量通道按照所述测井仪器的编号的正反顺序分别在所述测井内采集一次测井信号，以使得每个所述储层井段的数据采集次数相同。

进一步的，为了分析不同厚度的储层井段，将所述测井仪器的采集记录一次测井信号的时间设定为至少2倍的单元时间，以获取不同厚度的所述储层井段的测井曲线，即获取不同时间尺度的井段的测井曲线。

上述步骤100还包括：

在测量通道上设置用于连通每个所述测井仪器并接收采集数据的数据处理模块，并按照所述测量仪器启动采集的顺序进行编号；

在所述数据处理模块中设定储层井段的初始单元厚度u，设定时间尺度τ为所述测量仪器采集记录一次测井信号的时间T的调节因子，记固定速率为v，则T＝τu/v，则采集的实际井段厚度H＝τu；

在所述数据处理模块中以所述实际井段厚度H为第一参数，以测量仪器的编号为第二参数，以测井信号为第三参数存储每一种时间尺度τ下在每一个储层井段中每个所述测井仪器采集的测井信号的数据集合。

通过这种方式，能够以时间尺度为唯一的调节因子，通过数据处理模块控制每一个测量仪器的动作(采集起始动作，采集频率等)。

本实施例可以通过人工控制测量通道的下方速率，也可以通过机械设备更为准确的控制测量通道的下放速率。

虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (10)

1.一种基于多尺度熵分析储层非均质性的方法，其特征在于：包括如下步骤：

步骤100、采集待测井中储层在不同井段的测井信号，并得到所述待测井不同井段的测井曲线；

步骤200、将所述测井曲线进行归一化处理和粗粒化处理，并计算得到所述测井曲线所表征的储层非均质性在不同时间尺度下对应的样本熵值；

步骤300、依据所述时间尺度与其对应的样本熵值之间的关系绘制函数图，并依据所述函数图构建不同井段的储层的多尺度熵曲线；

步骤400、比对分析不同井段的多尺度熵曲线，来评价不同井段的储层非均质性强弱。

2.根据权利要求1所述的一种基于多尺度熵分析储层非均质性的方法，其特征在于，所述步骤S200中所述样本熵值的计算包括：

归一化处理，将所述测井曲线中的振幅以0～1或者-1～1之间的小数表示进行数据化，得到归一化测井曲线；

粗粒化处理，测井曲线为N个元素组成的时间序列，将所述时间尺度的数值设定为τ，对不同个数的时间尺度τ内的连续点取平均值，以创建粗粒化后不同时间尺度的时间序列，即为：

当时间尺度τ＝1时，粗粒化数据的结果就是原始的时间序列；

当时间尺度τ＝2时，粗粒化数据的结果是通过计算两个连续元素的平均值形成的，变为长度为N/2的时间序列；

当时间尺度τ＝3时，粗粒化数据的结果是通过计算两个连续元素的平均值形成的，变为长度为N/3的时间序列；

以此类推，以获得粗粒化后的时间序列，即为粗粒化测井曲线；

由此，归纳总结得到：

每个粗粒化后时间序列中的元素为：

其中，τ为正整数，x_i为粗粒化前的时间序列中的元素。

3.根据权利要求2所述的一种基于多尺度熵分析储层非均质性的方法，其特征在于，步骤200中，样本熵值的计算具体包括：

步骤201、所述粗粒化曲线组构建成N₁个数据点组成的时间序列，记为：

{x}＝{x(1),x(2),x(3),…,x(N₁)}，其中，N₁＝N/τ；

步骤202、自i点开始选择m个连续的x值形成一组维数为m的向量序列，记为：

X_m(i)＝{x(i),x(i+1),x(i+2),…,x(i+m-1)},1≤i≤N₁-m+1；

步骤203、定义向量X_m(i)与X_m(j)之间的最大距离d[X_m(i),X_m(j)]为两者对应元素中最大差值的绝对值，i，j均为元素的位置，得到：

d[X_m(i),X_m(j)]＝max_{k＝0,…,m-1}(|x(i+k)-x(j+k)|),0≤k≤m-1，

其中，1≤j≤N₁-m+1,1≤i≤N₁-m+1,且j≠i，k为递增个数；

步骤204、对于给定的X_m(i)，统计X_m(i)与X_m(j)之间距离小于r的j的数目，并记为B_j，当i的取值范围位于1≤i≤N₁-m时，设定

得到

其中，r为约束条件，B^(m)(r)为X_m(i)与X_m(j)在r下匹配m个点的概率，r为相似容限；

步骤205、重复步骤S202-S204，以m+1作为维数，得到

其中，B^(m+1)(r)为X_m+1(i)与X_m+1(j)在r下匹配m+1个点的概率；

步骤206、根据步骤S204和步骤S205得到样本熵值为：

换算得到

4.根据权利要求3所述的一种基于多尺度熵分析储层非均质性的方法，其特征在于，

时间尺度τ对应连续粗粒化时间序列为；依据步骤201至步骤206计算每个时间尺度下粗粒化的时间序列的样本熵值：

MSE(x,τ,m,r)＝SE(y^(τ),m,r)。

5.根据权利要求3或4所述的一种基于多尺度熵分析储层非均质性的方法，其特征在于，所述相似容限r＝0.1～0.25std，其中，std为所述测井曲线对应时间序列的标准差。

6.根据权利要求4所述的一种基于多尺度熵分析储层非均质性的方法，其特征在于，还包括步骤500，依据不同井段的储层的测井曲线的信息复杂度，评估不同测井的储存非均质性强弱，包括如下步骤：

步骤501、计算每个井段的测井信号在每个时间尺度下的样本熵值；

步骤502、比较每个井段的所有样本熵值；

步骤503、当一个井段的样本熵值超过一半大于另一个测井的样本熵值时，则说明前一个井段的测井信号的复杂度高，则储存非均质性强；反之亦然。

7.根据权利要求6所述的一种基于多尺度熵分析储层非均质性的方法，其特征在于，步骤100还包括：

步骤101、将多个测井仪器按照标记顺序装配在测量通道的多个均匀分布的测量节点上，并将所述测量通道以固定速率下放，并在测井中标注采集测井信号的起始线，依据所述固定速率和相邻所述测量节点的单元距离设定所述测井仪器采集并记录一次测井信号的单元时间；

步骤102、依据所述测量通道上多个所述测量节点的分布，将测井内待分析储层分为多个储层井段，设定的储层井段的初始单元厚度为所述相邻所述测量节点的单元距离，在第一个所述测井仪器到达所述起始线的同时启动第一个所述测井仪器进行采集；

步骤103、以所述固定速率将所述测量通道继续下放，并按照顺序且以所述单元时间为间隔依次开启每个所述测井仪器进行采集，且已开启的所述测井仪器继续采集下一个所述储层井段的测井信号；

步骤104、对在每个所述储层井段采集所述测井信号进行整合处理，剔除存在明显测量误差的测井信号并获得每个储层井段的储层优化数据，并对所述储层优化数据进行处理以获得每个所述储层井段的测井曲线。

8.根据权利要求7所述的一种基于多尺度熵分析储层非均质性的方法，其特征在于，还包括：将所述测井仪器的采集记录一次测井信号的时间设定为至少2倍的单元时间，以获取不同厚度的所述储层井段的测井曲线，即获取不同时间尺度的井段的测井曲线。

9.根据权利要求8所述的一种基于多尺度熵分析储层非均质性的方法，其特征在于，所述步骤100还包括：

在测量通道上设置用于连通每个所述测井仪器并接收采集数据的数据处理模块，并按照所述测量仪器启动采集的顺序进行编号；

在所述数据处理模块中设定储层井段的初始单元厚度u，设定时间尺度τ为所述测量仪器采集记录一次测井信号的时间T的调节因子，记固定速率为v，则T＝τu/v，则采集的实际井段厚度H＝τu；

在所述数据处理模块中以所述实际井段厚度H为第一参数，以测量仪器的编号为第二参数，以测井信号为第三参数存储每一种时间尺度τ下在每一个储层井段中每个所述测井仪器采集的测井信号的数据集合。

10.根据权利要求7所述的一种基于多尺度熵分析储层非均质性的方法，其特征在于，将所述测量通道按照所述测井仪器的编号的正反顺序分别在所述测井内采集一次测井信号，以使得每个所述储层井段的数据采集次数相同。

Images