CN113129426A - 基于测井资料的含不确定度地层压力区域三维模型构建方法 - Google Patents
基于测井资料的含不确定度地层压力区域三维模型构建方法 Download PDFInfo
- Publication number
- CN113129426A CN113129426A CN201911425132.8A CN201911425132A CN113129426A CN 113129426 A CN113129426 A CN 113129426A CN 201911425132 A CN201911425132 A CN 201911425132A CN 113129426 A CN113129426 A CN 113129426A
- Authority
- CN
- China
- Prior art keywords
- formation
- pressure
- constructing
- dimensional model
- well
- 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.)
- Pending
Links
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 104
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012706 support-vector machine Methods 0.000 claims description 27
- 239000011159 matrix material Substances 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 9
- 230000002068 genetic effect Effects 0.000 claims description 7
- 230000035772 mutation Effects 0.000 claims description 7
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 238000002474 experimental method Methods 0.000 claims description 6
- 210000000349 chromosome Anatomy 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 3
- 238000005457 optimization Methods 0.000 description 14
- 238000005553 drilling Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 239000011148 porous material Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012800 visualization Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Genetics & Genomics (AREA)
- Physiology (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了基于测井资料的含不确定度地层压力区域三维模型构建方法,包括:步骤100、获取已钻井含不确定度地层压力;步骤200、基于步骤100,部署虚拟井;步骤300、基于步骤200,利用Kriging插值算法计算目标区域内各个虚拟井的地层压力估计值;步骤400、基于步骤300中的目标区域内各个虚拟井的地层压力估计值,构建含不确定度的地层压力区域三维模型。在本方案中,通过部署虚拟井,以目标地层组为基本单元,考虑目标地层的地质特征,并基于各个虚拟井的地层压力估计值,建立该地层压力区域三维模型,使得更加清晰地了解区块内地层压力的空间分布及变化规律,为区块减少井下复杂事故的发生提供必要的技术基础。
Description
技术领域
本发明涉及深层页岩气复杂地层钻井技术领域,特别涉及基于测井资料的含不确定度地层压力区域三维模型构建方法。
背景技术
随着油气勘探开发逐步向深井复杂地层以及海洋深水迈进,钻井遇到的地质环境越来越复杂,如褶皱断裂带强烈、地层软硬交错、地层倾角大以及地层各向异性强等。由于构造条件的复杂性,对区块地层压力空间分布规律的认识难度较大,导致了钻井过程中频繁出现喷、漏、塌、卡、断钻具等各种井下复杂情况和事。单纯的一维沿井深方向的压力评价已经很难满足钻井工程需要;为了符合工程要求,需要从三维角度研究地层压力分布规律。目前常用的三维地层压力计算方法主要有测井约束地震反演方法、单点假设和空间插值算法等。但是,这些方法都是基于地震资料求取三维地层压力;如果区块内缺少区域地震勘探资料,或区域地震资料品质较差,仅仅能够采用的资料只有区块内已钻井的测井资料。如何利用测井资料,进行区域地层压力的分析,缺乏切实可行的方法。
发明内容
有鉴于此,本发明提供了基于测井资料的含不确定度地层压力区域三维模型构建方法,充分利用测井资料连续性好、分辨率高的特性,旨在建立地质构造复杂区域内的三维地层压力,更加清晰地了解区块内地层压力的空间分布及变化规律,为区块减少井下复杂事故的发生提供必要的技术基础。
为实现上述目的,本发明提供如下技术方案:
基于测井资料的含不确定度地层压力区域三维模型构建方法,包括:
步骤100、获取已钻井含不确定度地层压力;
步骤200、基于步骤100,部署虚拟井;
步骤300、基于步骤200,利用Kriging插值算法计算目标区域内各个虚拟井的地层压力估计值;
步骤400、基于步骤300中的目标区域内各个虚拟井的地层压力估计值,构建含不确定度的地层压力区域三维模型。
优选地,在所述步骤300中,利用Kriging插值算法计算目标区域内各个虚拟井的地层压力估计值,包括:
步骤310、构建基于支持向量机算法的Kriging插值算法;
步骤320、利用步骤310中的基于支持向量机算法的Kriging插值算法计算目标区域内各个虚拟井的地层压力估计值。
优选地,在所述步骤310中,构建基于支持向量机算法的Kriging插值算法,包括:
步骤311、选取高斯基RBF核函数作为支持向量机的核函数,回归函数形式为:
步骤312、选择能反映SVM回归性能的函数作为适应度函数:
式中:F(xi)为第i个个体的适应值;yj、qj分别表示由第i个个体组成的SVM的期望输出值和训练样本输出值;m为训练样本的个数。
优选地,在所述步骤311中,选取高斯基RBF核函数作为支持向量机的核函数还包括:
确定SVM回归模型中的三个参数,其中,所述三个参数分别为:不敏感损失参数ε、惩罚参数C和高斯基RBF核函数的核参数σ。
优选地,所述确定SVM回归模型中的三个参数,包括:
基于遗传算法对SVM回归模型中的三个参数进行优选确认,包括:
①、初始化种群:采用二进制编码随机产生M个初始种群,预置迭代次数为N;
②、计算适应值:用群体中每个个体对应的参数训练SVM,计算每个个体的适应值;
③、选择:按照轮盘赌的方法确定初始种群G(0)中个体被选中的次数及个体的选择概率,选择概率大的优秀个体,然后将其信息遗传到下一代新种群中;
④、交叉:设交叉概率Pc,对父代种群进行随机配对生成新个体;
⑤、变异:对于给定的变异概率Pm,先随机选择M×Pm个个体,让其第k个字符进行突变运算,替换所选染色体相应位置上的信息,产生新个体;
⑥、终止条件判断:满足终止条件,停止计算输出结果。否则转到步骤②继续计算;
⑦、解码:对最优个体进行解码,最终得到的SVM模型中三个参数的最优解。
优选地,在所述步骤320中,利用步骤310中的基于支持向量机算法的Kriging插值算法计算目标区域内各个虚拟井的地层压力估计值,包括:
步骤321、计算实验变异系数γ*(h);
步骤322、采用步骤310中的支持向量机算法对实验变异系数γ*(h)进行回归拟合,得到理论变异系数γ(h);
步骤323、对于待估位置点xo,求取其对应的权重向量[λ1,λ2,...λn],然后代入Kriging插值算法公式计算得到在xo位置上的估计值p*(x0)。
优选地,在所述步骤200中,基于步骤100,部署虚拟井,包括:
在步骤100中已钻井所在的目标区域建立网格体。
优选地,所述在步骤100中已钻井所在的目标区域建立网格体,包括:
将目标地层用等步长划分为体积大小相同的区域,在平面上x、y方向划分网格数NX、NY,在深度上z方向划分网格数NZ,且用(NX×NY×NZ)代表地层三维空间位置,P(i,j,k)代表三维地层中对应的地层压力信息。
优选地,在所述步骤400中,构建含不确定度的地层压力区域三维模型,包括:
步骤410、对虚拟井沿z向的深度H,加上x、y方向进行重构,建立三维地层空间位置矩阵H3;
步骤420、对虚拟井沿z向的地层压力P重构,建立三维地层压力矩阵P3;
步骤430、基于步骤410中的三维地层空间位置矩阵H3和步骤420中的三维地层压力矩阵P3,得到目标地层的地层压力区域三维模型。
优选地,在所述步骤400后,还包括:
步骤500、可视化所述步骤400中的地层压力区域三维模型。
从上述的技术方案可以看出,本发明提供的基于测井资料的含不确定度地层压力区域三维模型构建方法,具有以下的有益效果:
1、本发明建立了基于已钻井测井资料描述含不确定度地层压力区域三维模型的方法,提出了Kriging插值优化算法,以地层层组为单位,逐层构建区域三维地层压力体,并通过实例计算验证了方法的可靠性;
2、本发明提出了利用已钻井测井资料构建区域含不确定度地层压力三维模型的算法,充分利用测井资料连续性好、分辨率高的特性,解决了缺少地震资料或地震资料品质较差区域的三维地层压力模型构建问题。
附图说明
为了更清楚地说明本发明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发明的一些实施例,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为本发明实施例提供的基于测井资料的含不确定度地层压力区域三维模型构建方法流程图;
图2为本发明实施例提供的含不确定度的地层压力信息示意图;
图3为本发明实施例提供的虚拟井部署示意图;
图4为本发明实施例提供的GA优化SVM参数的Kriging插值算法流程图;
图5为本发明实施例提供的XX区块的井位部署图;
图6为本发明实施例提供的已钻井地层压力均值剖面;
图7为本发明实施例提供的目标井N102井地层压力移植结果与测井解释结果对比示意图;
图8为本发明实施例提供的XX区块LLH组地层压力均值空间分布三维模型;
图9为本发明实施例提供的XX区块LLH组地层压力变异系数空间分布三维模型。
具体实施方式
本发明公开了一种基于测井资料构建含不确定度地层压力区域三维模型的方法,充分利用测井资料连续性好、分辨率高的特性,旨在建立地质构造复杂区域内的三维地层压力,更加清晰地了解区块内地层压力的空间分布及变化规律,为区块减少井下复杂事故的发生提供必要的技术基础。
下面将结合本发明实施例中的附图,对本发明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。
本发明实施例提供的基于测井资料的含不确定度地层压力区域三维模型构建方法,如图1所示,包括:
步骤100、获取已钻井含不确定度地层压力;需要说明的是,对于已钻井含不确定度的地层压力,可以根据Eaton法计算可得,此处不再赘述;
步骤200、基于步骤100,部署虚拟井;
步骤300、基于步骤200,利用Kriging插值算法计算目标区域内各个虚拟井的地层压力估计值;
步骤400、基于步骤300中的目标区域内各个虚拟井的地层压力估计值,构建含不确定度的地层压力区域三维模型。
从上述的技术方案可以看出,本发明实施例提供的基于测井资料的含不确定度地层压力区域三维模型构建方法,具有以下的有益效果:
1、本发明建立了基于已钻井测井资料描述含不确定度地层压力区域三维模型的方法,提出了Kriging插值优化算法,以地层层组为单位,逐层构建区域三维地层压力体,并通过实例计算验证了方法的可靠性;
2、本发明提出了利用已钻井测井资料构建区域含不确定度地层压力三维模型的算法,充分利用测井资料连续性好、分辨率高的特性,解决了缺少地震资料或地震资料品质较差区域的三维地层压力模型构建问题。
在本方案中,常规Kriging插值算法仍存在如下的缺陷:
常规空间插值算法计算复杂,并且需要人为主观判断空间差值模型。对此,本发明提出了一种基于支持向量机算法的Kriging插值算法,即为基于支持向量机的Kriging插值优化算法。具体地,在所述步骤300中,利用Kriging插值算法计算目标区域内各个虚拟井的地层压力估计值,包括:
步骤310、构建基于支持向量机算法的Kriging插值算法;
步骤320、利用步骤310中的基于支持向量机算法的Kriging插值算法计算目标区域内各个虚拟井的地层压力估计值。
具体地,在所述步骤310中,构建基于支持向量机算法的Kriging插值算法,包括:
步骤311、选取高斯基RBF核函数作为支持向量机的核函数,回归函数形式为:
步骤312、选择能反映SVM回归性能的函数作为适应度函数:
式中:F(xi)为第i个个体的适应值;yj、qj分别表示由第i个个体组成的SVM的期望输出值和训练样本输出值;m为训练样本的个数。
在本方案中,在所述步骤311中,选取高斯基RBF核函数作为支持向量机的核函数还包括:
确定SVM回归模型中的三个参数,其中,所述三个参数分别为:不敏感损失参数ε、惩罚参数C和高斯基RBF核函数的核参数σ。需要说明的是,通过对SVM回归模型中的三个参数的优化,以便于获得更为准确的回归结果。
为了进一步优化上述的技术方案,所述确定SVM回归模型中的三个参数,包括:
基于遗传算法对支持向量机回归模型中的三个参数进行优选确认,包括:
①、初始化种群:采用二进制编码随机产生M个初始种群,预置迭代次数为N;
②、计算适应值:用群体中每个个体对应的参数训练SVM,计算每个个体的适应值;
③、选择:按照轮盘赌的方法确定初始种群G(0)中个体被选中的次数及个体的选择概率,选择概率大的优秀个体,然后将其信息遗传到下一代新种群中;
④、交叉:设交叉概率Pc,对父代种群进行随机配对生成新个体;
⑤、变异:对于给定的变异概率Pm,先随机选择M×Pm个个体,让其第k个字符进行突变运算,替换所选染色体相应位置上的信息,产生新个体;
⑥、终止条件判断:满足终止条件,停止计算输出结果。否则转到步骤②继续计算;
⑦、解码:对最优个体进行解码,最终得到的SVM模型中三个参数的最优解。
需要说明的是,本方案采用遗传算法对SVM模型中三个重要参数进行优选确定,有助于增大基于GA优化SVM参数的Kriging算法变异函数拟合优度系数;并且基于GA优化SVM参数的Kriging算法无需进行理论变异函数模型的选择,以便于得到更为准确的回归结果;因此,基于GA优化SVM参数的Kriging算法优于普通Kriging算法。
在本方案中,在所述步骤320中,利用步骤310中的基于支持向量机算法的Kriging插值算法计算目标区域内各个虚拟井的地层压力估计值,如图4所示,包括:
步骤321、计算实验变异系数γ*(h);
步骤322、采用步骤310中的支持向量机算法对实验变异系数γ*(h)进行回归拟合,得到理论变异系数γ(h);需要说明的是,采用支持向量机算法对实验变异函数进行拟合,该方法无需进行理论变异系数的优选拟合,这样就弥补了普通Kriging插值方法的不足。进一步地,在本步骤中,所述采用步骤310中的支持向量机算法对实验变异系数γ*(h)进行回归拟合具体为:采用经过遗传算法优化参数的SVM算法对实验变异系数γ*(h)进行回归拟合,以便于增大Kriging算法变异函数拟合优度系数;
步骤323、对于待估位置点xo,求取其对应的权重向量[λ1,λ2,...λn],然后代入Kriging插值算法公式计算得到在xo位置上的估计值p*(x0)。
对于此步骤,需要作进一步说明的是:
设定这个区域内有N口已钻井,已钻井的井位坐标为(Xi,Yi),i=1,2,…,N。在某一层组j中,第i口已钻井共有n个离散点地质力学参数,将其表示成如下形式:
若目标井井位为(Xo,Yo),应用GA-SVM-Kriging插值算法,在地层j中,第i口已地层压力移植到目标井上为:
式中:λi为第i口井的权重系数。
将所有N口已地层压力按照上述方法移植到目标井上,最终得到目标井在层组j上的地层压力为:
为了进一步优化上述的技术方案,在所述步骤200中,基于步骤100,部署虚拟井,包括:
在步骤100中已钻井所在的目标区域建立网格体。需要说明的是,如此设计,方便以目标区域内的目标地层组为基本单元,而且区域范围内的同地层组、段内地质关键参数具有连贯性,再考虑目标地层组的地质特征,以此建立目标区域含不确定度的地层压力区域三维模型。
具体地,所述在步骤100中已钻井所在的目标区域建立网格体,如图3所示,包括:
将目标地层用等步长划分为体积大小相同的区域,在平面上x、y方向划分网格数NX、NY,以此分别表示两个方向上虚拟井的井网密度;相应地,在深度上z方向划分网格数NZ,以此代表虚拟井沿垂直井深方向的地层压力离散点密度;且用一个大小为(NX×NY×NZ)的矩阵代表地层三维空间位置,P(i,j,k)代表三维地层中对应的地层压力信息,包括均值和变异系数,用P=[μ,cv]表示,如图2所示。
需要说明的是,虚拟井部署就是建立目标区域网格体,包括横向(即对应在平面上x、y方向划分网格数NX、NY)和纵向(即对应在深度上z方向划分网格数NZ)网格体;纵向方向的网格由纵向主层位控制划分,考虑地层沉积,主层位之间划分小层时,小层和下部主层位应为整合接触;由纵向网格和水平网格组成工区总网格。
在本方案中,在所述步骤400中,构建含不确定度的地层压力区域三维模型,包括:
步骤410、对虚拟井沿z向的深度H,加上x、y方向进行重构,建立三维地层空间位置矩阵H3;
步骤420、对虚拟井沿z向的地层压力P重构,建立三维地层压力矩阵P3;
步骤430、基于步骤410中的三维地层空间位置矩阵H3和步骤420中的三维地层压力矩阵P3,得到目标地层的地层压力区域三维模型。
对于步骤410至步骤430,需要进一步说明的是,根据步骤300中的基于支持向量机算法的Kriging插值算法,可以计算得到目标区域内各个虚拟井的地层压力,然后基于计算结果,对虚拟井沿z向的深度H,加上x、y方向进行重构,形成三维地层空间位置矩阵H3,矩阵大小为(NX×NY×NZ);其中,第一、第二维代表虚拟井井位坐标,第三维表示虚拟井深度方向上的插值点。同理,对虚拟井沿z向的地层压力P重构,得到三维地层压力矩阵P3。通过上述两种算法,可以得到目标地层的地层压力三维区域模型。
为了进一步优化上述的技术方案,在所述步骤400后,还包括:
步骤500、可视化所述步骤400中的地层压力区域三维模型。需要说明的是,将区域地层压力进行三维可视化,能够更加直观地了解地层的区域分布情况,对于定向井的优化设计、风险规避及区域勘探开发具有重要意义。另外,本发明提出的可视化地层压力区域三维模型,可对区域地层压力进行逐层显示、旋转、任意切割剖面显示等,还可以获得区域内任意一口待钻井的压力剖面,为待钻井井身结构及钻井液密度的精细化设计提供了依据。具体地,在构建地层矩阵的基础上,通过分析三维深度矩阵H3和三维地层压力矩阵P3,可以得到:(1)目标地层的地层压力三维分布情况;(2)某深度上的横向二维区域地层压力云图;(3)井深纵向上全井段的压力曲线。而且,可以通过编制程序,以实现了地层压力区域三维模型的可视化。
下面结合图表和实施例对本发明进行详细的描述:
XX区块的地质研究结果表明,该地区褶皱断裂带强烈,地质情况复杂,地层软硬交错,地层倾角大,地层各向异性强。由于其复杂的构造条件,对区块地层压力空间分布规律的认识难度较大,导致了钻井过程中频繁出现喷、漏、塌、卡、断钻具等各种井下复杂情况和事故。单纯的一维沿井深方向的压力分布评价结果已经很难满足钻井工程需要;为了符合工程要求,需要从三维角度研究地层压力分布规律。选取XX区块的N102、N104、N1-2-10、N2、N1、N3、N5、N7井进行实例分析,井位部署图如图5所示。以含不确定度地层孔隙压力区域化描述为例,具体阐述本算法的计算流程和应用效果。选取该区域内N102井为待钻目标井,其余井为相邻已钻井;选取LLH组为研究层位,具体步骤如下:
步骤一、已钻井含不确定度地层压力求取:
计算各已钻井全井段含不确定度的地层孔隙压力剖面,选择各井地层孔隙压力均值进行作图,结果如图6所示。
步骤二、虚拟井部署:
将全区划分为:纵向网格3000和横向网格31×11,总共约100万个网格。
步骤三、基于GA-SVM-Kriging算法计算虚拟井地层压力:
将计算得到的各井地层孔隙压力均值分层组进行统计,分别计算各层组地层孔隙压力的期望;然后,基于GA-SVM-Kriging算法计算得到理论变异函数;在本发明中,设定进化遗传算法的参数和变量:群体规模M为50,进化代数N为100,交叉概率Pc为0.8,变异概率Pm为0.2;经过遗传迭代得到各参数的最优值,通过解码得到最优参数:不敏感损失参数ε为0.06、惩罚参数C为55.68和高斯基RBF核函数的核参数σ为0.316,各参数值如表1所示。以LLH组为例进行具体计算,得到基于SVM的变异函数回归拟合结果,经过理论计算发现:基于GA优化SVM参数的Kriging算法变异函数拟合优度系数R2=0.9870,大于普通Kriging算法的变异函数拟合优度系数R2=0.8673;并且基于GA优化SVM参数的Kriging算法无需进行理论变异函数模型的选择,即可得到更为准确的回归结果;说明建立的GA-SVM-Kriging算法优于普通Kriging算法。
表1(GA优化SVM算法参数要素控制值)
步骤四、构建含不确定度的地层压力区域三维模型:
基于本发明提出的算法将7口邻井地层压力移植到待钻目标井井深位置上,然后在综合考虑区块地质构造的基础上,得到待钻目标井压力空间插值曲线,结果如图7中虚线所示,待钻井的压力插值结果与该井测井资料解释结果的对比如图7所示。通过误差分析可知:二者之间的最大相对误差为4.5%,说明本文建立的算法能够满足工程实际要求。同理,用上述方法可以求得区域内任意一口虚拟井的地层压力,基于虚拟井的压力插值结果构建目标层组的地层压力区域三维模型。
步骤五、模型可视化:
通过编程实现了模型的三维可视化,地层压力均值以及变异系数的三维模型,结果如图8、9所示。
综上所述,本发明实施例提供的基于测井资料的含不确定度地层压力区域三维模型构建方法,首先,收集了区域内重点已钻井的测井资料,并根据Eaton法计算已钻井地层压力;然后,建立了基于支持向量机的Kriging插值优化算法,利用已钻井含不确定度地层压力,分层组逐层构建了地层压力区域三维模型。理论和实践证明,同地层组、段内的地层具有相同或相近的地质、地震、测井等参数的响应;因此,区域范围内的同地层组、段内地质关键参数具有连贯性。本发明提出的方法以区域内的目标地层组为基本单元,考虑目标地层的地质特征,建立目标区域含不确定度的地层压力区域三维模型。该方法主要分为以下几个步骤:(1)已钻井含不确定度地层压力求取;(2)虚拟井部署;(3)基于GA-SVM-Kriging算法计算虚拟井地层压力;(4)构建含不确定度的地层压力区域三维模型;(5)模型可视化。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于测井资料的含不确定度地层压力区域三维模型构建方法,其特征在于,包括:
步骤100、获取已钻井含不确定度地层压力;
步骤200、基于步骤100,部署虚拟井;
步骤300、基于步骤200,利用Kriging插值算法计算目标区域内各个虚拟井的地层压力估计值;
步骤400、基于步骤300中的目标区域内各个虚拟井的地层压力估计值,构建含不确定度的地层压力区域三维模型。
2.根据权利要求1所述的基于测井资料的含不确定度地层压力区域三维模型构建方法,其特征在于,在所述步骤300中,利用Kriging插值算法计算目标区域内各个虚拟井的地层压力估计值,包括:
步骤310、构建基于支持向量机算法的Kriging插值算法;
步骤320、利用步骤310中的基于支持向量机算法的Kriging插值算法计算目标区域内各个虚拟井的地层压力估计值。
4.根据权利要求3所述的基于测井资料的含不确定度地层压力区域三维模型构建方法,其特征在于,在所述步骤311中,选取高斯基RBF核函数作为支持向量机的核函数还包括:
确定SVM回归模型中的三个参数,其中,所述三个参数分别为:不敏感损失参数ε、惩罚参数C和高斯基RBF核函数的核参数σ。
5.根据权利要求4所述的基于测井资料的含不确定度地层压力区域三维模型构建方法,其特征在于,所述确定SVM回归模型中的三个参数,包括:
基于遗传算法对SVM回归模型中的三个参数进行优选确认,包括:
①、初始化种群:采用二进制编码随机产生M个初始种群,预置迭代次数为N;
②、计算适应值:用群体中每个个体对应的参数训练SVM,计算每个个体的适应值;
③、选择:按照轮盘赌的方法确定初始种群G(0)中个体被选中的次数及个体的选择概率,选择概率大的优秀个体,然后将其信息遗传到下一代新种群中;
④、交叉:设交叉概率Pc,对父代种群进行随机配对生成新个体;
⑤、变异:对于给定的变异概率Pm,先随机选择M×Pm个个体,让其第k个字符进行突变运算,替换所选染色体相应位置上的信息,产生新个体;
⑥、终止条件判断:满足终止条件,停止计算输出结果。否则转到步骤②继续计算;
⑦、解码:对最优个体进行解码,最终得到的SVM模型中三个参数的最优解。
6.根据权利要求2所述的基于测井资料的含不确定度地层压力区域三维模型构建方法,其特征在于,在所述步骤320中,利用步骤310中的基于支持向量机算法的Kriging插值算法计算目标区域内各个虚拟井的地层压力估计值,包括:
步骤321、计算实验变异系数γ*(h);
步骤322、采用步骤310中的支持向量机算法对实验变异系数γ*(h)进行回归拟合,得到理论变异系数γ(h);
步骤323、对于待估位置点xo,求取其对应的权重向量[λ1,λ2,...λn],然后代入Kriging插值算法公式计算得到在xo位置上的估计值p*(x0)。
7.根据权利要求1所述的基于测井资料的含不确定度地层压力区域三维模型构建方法,其特征在于,在所述步骤200中,基于步骤100,部署虚拟井,包括:
在步骤100中已钻井所在的目标区域建立网格体。
8.根据权利要求7所述的基于测井资料的含不确定度地层压力区域三维模型构建方法,其特征在于,所述在步骤100中已钻井所在的目标区域建立网格体,包括:
将目标地层用等步长划分为体积大小相同的区域,在平面上x、y方向划分网格数NX、NY,在深度上z方向划分网格数NZ,且用(NX×NY×NZ)代表地层三维空间位置,P(i,j,k)代表三维地层中对应的地层压力信息。
9.根据权利要求1所述的基于测井资料的含不确定度地层压力区域三维模型构建方法,其特征在于,在所述步骤400中,构建含不确定度的地层压力区域三维模型,包括:
步骤410、对虚拟井沿z向的深度H,加上x、y方向进行重构,建立三维地层空间位置矩阵H3;
步骤420、对虚拟井沿z向的地层压力P重构,建立三维地层压力矩阵P3;
步骤430、基于步骤410中的三维地层空间位置矩阵H3和步骤420中的三维地层压力矩阵P3,得到目标地层的地层压力区域三维模型。
10.根据权利要求1所述的基于测井资料的含不确定度地层压力区域三维模型构建方法,其特征在于,在所述步骤400后,还包括:
步骤500、可视化所述步骤400中的地层压力区域三维模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911425132.8A CN113129426A (zh) | 2019-12-31 | 2019-12-31 | 基于测井资料的含不确定度地层压力区域三维模型构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911425132.8A CN113129426A (zh) | 2019-12-31 | 2019-12-31 | 基于测井资料的含不确定度地层压力区域三维模型构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113129426A true CN113129426A (zh) | 2021-07-16 |
Family
ID=76770805
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911425132.8A Pending CN113129426A (zh) | 2019-12-31 | 2019-12-31 | 基于测井资料的含不确定度地层压力区域三维模型构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113129426A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080210470A1 (en) * | 2007-02-27 | 2008-09-04 | Precision Energy Services, Inc. | System and Method for Reservoir Characterization Using Underbalanced Drilling Data |
US20100250206A1 (en) * | 2008-09-18 | 2010-09-30 | Terra Nova Sciences Llc | N-phasic element method for calculating a fully coupled response of multiphase compositional fluid flow and a system for uncertainty estimation |
CN104765973A (zh) * | 2015-04-22 | 2015-07-08 | 西安石油大学 | 一种煤层气采动条件下数值模拟方法 |
CN107945271A (zh) * | 2017-09-20 | 2018-04-20 | 中国石油化工股份有限公司 | 基于地质块体追踪的三维压力场建模方法 |
CN108561127A (zh) * | 2018-03-26 | 2018-09-21 | 上海电力学院 | 一种基于随机模拟的地层压力预测方法 |
CN109143358A (zh) * | 2018-08-31 | 2019-01-04 | 中国石油大学(北京) | 一种获得深层、超深层碎屑岩地层压力结构的方法及装置 |
-
2019
- 2019-12-31 CN CN201911425132.8A patent/CN113129426A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080210470A1 (en) * | 2007-02-27 | 2008-09-04 | Precision Energy Services, Inc. | System and Method for Reservoir Characterization Using Underbalanced Drilling Data |
US20100250206A1 (en) * | 2008-09-18 | 2010-09-30 | Terra Nova Sciences Llc | N-phasic element method for calculating a fully coupled response of multiphase compositional fluid flow and a system for uncertainty estimation |
CN104765973A (zh) * | 2015-04-22 | 2015-07-08 | 西安石油大学 | 一种煤层气采动条件下数值模拟方法 |
CN107945271A (zh) * | 2017-09-20 | 2018-04-20 | 中国石油化工股份有限公司 | 基于地质块体追踪的三维压力场建模方法 |
CN108561127A (zh) * | 2018-03-26 | 2018-09-21 | 上海电力学院 | 一种基于随机模拟的地层压力预测方法 |
CN109143358A (zh) * | 2018-08-31 | 2019-01-04 | 中国石油大学(北京) | 一种获得深层、超深层碎屑岩地层压力结构的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10838108B2 (en) | Method and system for interpolating discontinuous functions in a subsurface model | |
CA2577845C (en) | Method for creating facies probability cubes based upon geologic interpretation | |
Holden et al. | Modeling of fluvial reservoirs with object models | |
US11209560B2 (en) | Assignment of systems tracts | |
EP3293552B1 (en) | System and method for editing geological models by switching between volume-based models and surface-based structural models augmented with stratigraphic fiber bundles | |
US10995592B2 (en) | Method and system for analyzing the uncertainty of subsurface model | |
US20140222403A1 (en) | Geologic model via implicit function | |
US11042676B2 (en) | Representing structural uncertainty in a mesh representing a geological environment | |
US10387583B2 (en) | Rotations from gradient directions | |
EP3374596B1 (en) | Fracture network triangle mesh adjustment | |
CA2908934C (en) | Gridless simulation of a fluvio-deltaic environment | |
US20210405250A1 (en) | Conditioning of Surface-Based Geologic Models | |
US20230088307A1 (en) | Hierarchical Building and Conditioning of Geological Models with Machine Learning Parameterized Templates and Methods for Using the Same | |
EP3374970B1 (en) | Fracture network simulation using meshes of different triangle sizes | |
CN113129426A (zh) | 基于测井资料的含不确定度地层压力区域三维模型构建方法 | |
EP3374804B1 (en) | Target object simulation using orbit propagation | |
CN115857008A (zh) | 相控随机模拟驱动的地震反演储层孔隙度建模方法 | |
CN115469361A (zh) | 一种碎屑岩地层三维地质建模方法 | |
CN115421181A (zh) | 一种基于深度学习的三维地质模型相控属性建模方法 |
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 |