CN113297748B - 基于改进搜索策略的缝洞型油藏井间连通模式自动评价方法 - Google Patents
基于改进搜索策略的缝洞型油藏井间连通模式自动评价方法 Download PDFInfo
- Publication number
- CN113297748B CN113297748B CN202110623377.2A CN202110623377A CN113297748B CN 113297748 B CN113297748 B CN 113297748B CN 202110623377 A CN202110623377 A CN 202110623377A CN 113297748 B CN113297748 B CN 113297748B
- Authority
- CN
- China
- Prior art keywords
- node
- data
- well
- path
- inter
- 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
- 238000004891 communication Methods 0.000 title claims abstract description 70
- 238000011156 evaluation Methods 0.000 title claims abstract description 26
- 230000001427 coherent effect Effects 0.000 claims abstract description 22
- 230000004927 fusion Effects 0.000 claims abstract description 9
- 239000002131 composite material Substances 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 15
- 238000004519 manufacturing process Methods 0.000 claims description 13
- 238000002347 injection Methods 0.000 claims description 10
- 239000007924 injection Substances 0.000 claims description 10
- 235000019994 cava Nutrition 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 8
- 230000009191 jumping Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 238000012800 visualization Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 3
- 230000003068 static effect Effects 0.000 abstract description 12
- 238000004458 analytical method Methods 0.000 abstract description 7
- 238000009826 distribution Methods 0.000 abstract description 4
- 206010017076 Fracture Diseases 0.000 description 18
- 208000010392 Bone Fractures Diseases 0.000 description 16
- 230000006870 function Effects 0.000 description 10
- 239000000700 radioactive tracer Substances 0.000 description 7
- 238000005553 drilling Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 239000002002 slurry Substances 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 208000013201 Stress fracture Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Agronomy & Crop Science (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及一种基于改进搜索策略的缝洞型油藏井间连通模式自动评价方法,其目的是基于地震多属性数据,分别采用相干和均方根振幅属性刻画裂缝和溶洞储集体。在属性融合基础上,建立反映缝洞型油藏地质构造的评价函数,设计改进A*算法搜索井间最优静态连通路径。根据路径途径区域获取对应储集体类型,实现井间连通模式自动识别。传统静态连通性分析方法多采取地层剖面对比、地震属性分析等,多为人工分析,主观性强、效率低,本发明在多地震属性融合基础上提出改进A*算法评价井间连通模式,可自动获取井间缝连通、缝洞复合连通和洞连通等主要的井间连通模式,进一步刻画井间缝洞配置关系及空间展布特征。
Description
技术领域
本发明涉及缝洞型油藏井间连通性分析方法领域,具体涉及一种基于改进搜索策略的缝洞型油藏井间连通模式自动评价方法。
背景技术
传统井间静态连通关系研究多基于地震属性数据分析,通过不同地震属性刻画不同的储集体。其中裂缝不仅是有效的储集体,还是储集体间沟通的高渗通道。相干、曲率等多地震属性分别描述不同尺度的裂缝,相干属性常用于描述大型断裂特征;曲率属性多用于反映某些微小断裂、裂缝和褶皱;溶洞可采用波阻抗、均方根振幅等地震属性体刻画,基于多尺度地震属性数据进行静态连通性分析,分析井间储集空间发育和展布情况。2012年杨坚根据地震属性等确定缝连通、缝-洞复合连通及洞连通等基本连通模式;2016年谭亦然根据研究区动静态分析结果,建立溶洞-裂缝-溶洞、裂缝-溶洞、裂缝-溶洞-裂缝三种简化的井间连通模式。复杂的实际连通模式可以视为主要连通模式的组合,针对井间沟通通道追踪描述注采井间的静态连通关系,为预测注水受效方向提供地质依据。
考虑到缝洞型油藏储集空间分布包含不同尺度、不同规模、不同充填程度的溶蚀孔洞和裂缝,基于地震多属性数据,融合多地震属性改进评估函数,提出改进A*算法计算连通井间最优路径,根据最优沟通路径途径搜索区域所属缝或洞,自动评价井间连通模式,表征井间静态连通关系。
发明内容
本发明要解决的技术问题是针对以上不足,提供一种基于改进搜索策略的缝洞型油藏井间连通模式自动评价方法。
为解决以上技术问题,本发明采用以下技术方案:
基于改进搜索策略的缝洞型油藏井间连通模式自动评价方法,包括以下步骤:
步骤1、对相干数据和振幅数据进行归一化处理,得到归一化相干数据和归一化振幅数据三维数据体;
步骤2、读取井轨迹数据获取生产井坐标,注水井作为起始点start,其余生产井作为终止点集合{END};
步骤3、遍历终止点集合{END},获取当前终止点end,向基于多地震属性融合的改进A*算法中输入起始点start、当前终止点end、归一化相干数据和归一化振幅数据,获取start与end之间的最优路径path;
步骤4、沿着end父节点依次获取path各节点的归一化相干值和振幅值;
步骤5、计算path各个节点所属的大裂缝或溶洞之间的井间连通模式,将结果保存至{connectPath};
步骤6、终止点集合{end}遍历完毕后输出井间连通模式{connectPath}。
进一步的,所述步骤1具体包括以下步骤:
步骤1.1、读取地震属性数据,包括相干数据和振幅数据,分别记录数据中的最大值和最小值;
步骤1.2、采用VTK技术将地震属性数据进行三维可视化处理,得到地震属性三维数据体;
步骤1.3、对上一步处理后的地震属性数据进行归一化处理:
其中,node为采样点下标编号,ξnode是采样点node对应的地震属性数据,υnode为地震属性数据值;max(υ)和min(υ)分别为数据的最大值和最小值;
步骤1.4、保存归一化处理后的地震属性数据。
进一步的,所述步骤3中的基于多地震属性融合的改进A*算法具体包括以下步骤:
步骤3.1、读取归一化处理后的相干和振幅地震属性三维数据体,分别记为X和Y;
步骤3.2、初始化开放列表open表及封闭列表close表;
步骤3.3、将X和Y作为搜索区域,并把起始点start加入open表;
步骤3.4、遍历open表,基于评价函数,筛选open表中值最大的节点,将该节点作为当前节点node,并将该点移除open表,放入close表中;
步骤3.5、筛选当前节点node周围相邻节点中与当前节点node连通的节点,记为集合{CONNODE};
步骤3.6、遍历集合{CONNODE},从集合{CONNODE}中选取后继节点next,判断next节点是否为终止点end,是则将该节点设置为当前节点并跳转至步骤3.10;否则判断next节点是否在close表中,若是则跳转至步骤3.8,若否则则执行步骤3.7;
步骤3.7、判断next节点是否在open表中,否则将next节点加入open表,并将next节点的parent设置为node;是则利用以下公式计算形成闭环的两条路径的评分,若node节点所在路径评分更高,则将open表中next节点的parent设为node,否则执行步骤3.8:
其中,n表示闭环中某条路径的节点个数,pNode节点为闭环入口节点,next节点表示node节点的相邻节点,路径评价函数主要用来量化路径优劣程度。
步骤3.8、集合{CONNODE}遍历完毕后判断open表是否为空,否则重复执行步骤3.4至步骤3.7,是则跳转至下一步;
步骤3.9、判断当前节点node是否为终止点,是则沿着父节点parent获取最优路径path,否则判断当前节点node和起始点start之间没有连通关系;
步骤3.10、保存最优路径path。
进一步的,所述评价函数为:
式中,μ代表预估损失值,Hmax表示相邻节点到目标节点距离最大值,Hmin表示相邻节点到目标节点距离最小值;
式中,λ为损失常数用于融合相干、均方根振幅属性特征。
H(node)为当前节点node与目标节点end间的预算代价评价函数为曼哈顿距离:
H(node)=|nodex-endx|+|nodey-endy|+|nodez-endz|。
进一步的,所述步骤5计算path各个节点所属的大裂缝或溶洞之间的井间连通模式的具体方法包括以下步骤:
步骤5.1、沿着end父节点依次获取最优路径path各节点的归一化相干值和振幅值;
步骤5.2、计算path各个节点所属储集体类型:
式中,0代表大裂缝,1代表溶洞,node表示当前节点,Y代表归一化均方根振幅数据,waveThreshold代表预设溶洞阈值;得到path中溶洞节点的个数;
步骤5.3、计算溶洞个数与path中所有节点个数的比值,得到缝洞占比p;
步骤5.4、根据以下式子判断path的井间连通模式并保存:
式中,0代表井间缝连通,1代表井间缝洞复合连通,2代表井间洞连通,ζ1代表预设缝连通阈值,ζ2代表预设洞连通阈值。
有益效果:1、传统地质和物探(如测井、试井、地质建模等方法)多采用人工分析静态连通关系,主观性强、多解、效率低,无法有效认识缝洞体的连通性。新方法融合多地震属性,更有效反映实际的静态连通情况。2、实现数据输入到连通模式评价的全自动判别,采用改进A*算法自动搜索井间最优路径,自动评价井间连通模式,表征静态连通关系。
下面结合附图和实施例对本发明进行详细说明。
附图说明
图1为本发明的井间连通模式自动评价方法流程图;
图2为基于多地震属性融合的改进A*算法流程图;
图3为TK634注水井组最优路径可视化图;
图4为TK634注采井组连通曲线图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
如图1所示,井间静态连通关系通过自动判断井间连通模式,描述缝洞配置关系及空间展布。其自动判断思路,读取、融合相干、均方根振幅等地震属性数据得到缝洞展布特征,基于流体在缝洞型油藏不同储层的流动特征,定义反映地质构造的评价函数,采用改进A*算法自动搜索井间最优路径,评价路径途径搜索区域栅格所属的储集体类型,根据缝洞占比情况评价井间连通模式。主要包括以下几个部分:
1、数据预处理
缝洞型油藏井间非均质性强,连通通道上分布不同尺度的溶洞、裂缝等。在搜索策略上,利用均方根振幅数据描述溶洞,相干数据描述大尺度裂缝。基本步骤如下:
1)读取相干、振幅等地震属性数据,分别记录数据中的最大值和最小值;
2)采用VTK技术将地震属性数据三维可视化;
3)对地震属性数据预处理:
式中,node为采样点下标编号,ξnode是采样点node对应的地震属性数据,υnode为地震属性数据值;max(υ)和min(υ)分别为数据的最大值和最小值。
4)保存预处理后的地震属性数据。
2、井间最优路径搜索
缝洞型油藏井间沟通多以大尺度裂缝沟通通道为主,传统A*算法设计没有考虑数据的地质特征,基于单一地震属性进行搜索会导致存在局部最优问题。研究通过相干、均方根振幅数据刻画井间构造特征,在评估函数设计中融合多地震属性,提出改进评估函数的A*算法。如图2所示,具体步骤如下:
1)读取预处理后的相干和振幅地震属性三维数据体,分别记为X和Y;
2)初始化开放列表open表及封闭列表close表;
3)将X和Y作为搜索区域,并把起始点start加入open表;
4)遍历open表,基于以下公式,筛选open表中值最大的节点,将该节点作为当前节点node,并将该点移除open表,放入close表中:
式中,μ代表预估损失值,Hmax表示相邻节点到目标节点距离最大值,Hmin表示相邻节点到目标节点距离最小值。
式中,λ为损失常数用于融合相干、均方根振幅属性特征。
当前节点node与目标节点end间的预算代价评价函数为曼哈顿距离。
H(node)=|nodex-endx|+|nodey-endy|+|nodez-endz| (4)
5)判断与node节点周围相邻节点中的连通节点,记为集合{CONNODE};
6)遍历集合{CONNODE},选取后继节点next,判断next节点是否为终止点end,是则将该节点设置为当前节点并跳转至10);否则判断next节点是否在close表中,若存在跳转至8),不存在则执行7);
7)判断next节点是否在open表中,不存在,则将next节点加入open表,并将next节点的parent设置为node;存在则利用以下公式评价形成闭环的两条路径,若node节点所在路径最优,则将open表中next节点的parent设为node,否则执行8):
式中,n表示闭环中某条路径的节点个数,pNode节点为闭环入口节点,next节点表示node节点的相邻节点,路径评价函数主要用来量化路径优劣程度。
8)判断集合{CONNODE}是否遍历完毕,否则重复执行6)至7);
9)判断open表是否为空,否则重复执行4)至8);
10)判断当前节点node是否为终止点,是则沿着父节点parent获取最
优路径path,否则判断获取最优路径失败;
11)保存最优路径path。
3、井间连通模式自动评价
基于多地震属性融合的改进A*算法搜索到井间最优路径,进一步设计井间连通模式自动评价算法,确定途径搜索区域所属储集体类型,实现井间连通模式自动识别,刻画井间静态连通关系。具体步骤如下:
1)读取预处理后的相干和振幅地震属性三维数据体,记为X和Y;
2)读取生产井坐标,注水井作为起始点start,其余生产井作为终止点集合{END};
3)遍历终止点集合{END},获取当前终止点end,输入X和Y执行基于多地震属性融合的改进A*算法获取start与end之间的最优路径path;
4)沿着end父节点依次获取path各节点的归一化相干值和振幅值;
5)计算path各个节点所属储集体类型:
式中,0代表大裂缝,1代表溶洞,node表示当前节点,Y代表归一化均方根振幅数据,waveThreshold代表溶洞阈值。
6)计算path的井间连通模式,将结果保存至{connectPath}:
式中,0代表井间缝连通,1代表井间缝洞复合连通,2代表井间洞连通,ζ1代表缝连通阈值,ζ2代表洞连通阈值,p表示缝洞占比,即溶洞栅格个数比上最优路径所有栅格个数。
7)判断终止点集合{end}是否遍历完毕,否则重复执行3)到6);
8)输出井间连通模式。
实验测试对象选取的是塔河油田六区的S80单元中TK634注水井组,TK634井位于TK7-607单元与S67单元,以及东北部位的T606单元区域的结合部位。该井2002年5月24日投产,投产时无水生产,无水采油期较长。该井在钻井过程中没有泥浆漏失和放空现象,其邻井TK648在钻井过程中有放空和泥浆漏失现象,TK642井在钻井过程中有泥浆漏失现象,说明区域缝洞发育。算法运行环境:Windows 10系统,8G运行内存,2.94GHz Pentium(R)Dual-Core CPU;运行工具:VS2010;编程语言:C/C++。实验测试对象选取的是塔河油田的S80单元。
对TK634注水井组采用基于改进A*算法的井间连通模式计算,最优路径可视化结果如图3所示。
TK634注采井组连通井浓度曲线图如图4所示。
TK634注采井组不同方法计算参数对比如表1所示:
表1实验对比
其中TK713井最优路径中段途径较多的溶洞类储集空间;示踪剂浓度产出曲线前期呈铅锤上升,整体为平缓式抛物线特征,与算法计算的最优路径特征吻合;示踪剂突破时间为30天较长,峰值个数4个,表明有多条尺度不一的裂缝,推进速度较慢,沟通能力一般,与洞缝占比p值一致。
TK715井最优路径中段存在零星溶洞类储集体,沟通能力较强;示踪剂浓度产出曲线前期呈铅锤上升,后期受其他裂缝带影响再次出现裂缝特征,与算法计算的最优路径特征吻合;示踪剂突破时间为19天,峰值个数2个,推进速度较快,沟通能力较强,与0.017的洞缝占比p一致。
TK747井最优路径只存在裂缝类储集体,沟通能力较强;示踪剂浓度产出曲线前期呈铅锤上升,后期趋于稳定,为典型缝连通,符合算法计算的最优路径特征;示踪剂突破时间为8天较短,峰值个数2个,推进速度很快,与算法计算为0的洞缝占比p一致。
该井组实验结果与示踪剂测试结果基本一致,从TK634井组生产数据看,部分生产井在钻探过程中没有放空、漏失现象,说明单元内储集体以缝洞、裂缝发育为主,与算法评价结果吻合。
以上所述为本发明最佳实施方式的举例,其中未详细述及的部分均为本领域普通技术人员的公知常识。本发明的保护范围以权利要求的内容为准,任何基于本发明的技术启示而进行的等效变换,也在本发明的保护范围之内。
Claims (4)
1.基于改进搜索策略的缝洞型油藏井间连通模式自动评价方法,其特征在于,包括以下步骤:
步骤1、对相干数据和振幅数据进行归一化处理,得到归一化相干数据和归一化振幅数据三维数据体;
步骤2、读取井轨迹数据获取生产井坐标,注水井作为起始点start,其余生产井作为终止点集合{END};
步骤3、遍历终止点集合{END},获取当前终止点end,向基于多地震属性融合的改进A*算法中输入起始点start、当前终止点end、归一化相干数据和归一化振幅数据,获取start与end之间的最优路径path;
所述步骤3中的基于多地震属性融合的改进A*算法具体包括以下步骤:
步骤3.1、读取归一化处理后的相干和振幅地震属性三维数据体,分别记为X和Y;
步骤3.2、初始化开放列表open表及封闭列表close表;
步骤3.3、将X和Y作为搜索区域,并把起始点start加入open表;
步骤3.4、遍历open表,基于评价函数,筛选open表中值最大的节点,将该节点作为当前节点node,并将该点移除open表,放入close表中;
步骤3.5、筛选当前节点node周围相邻节点中与当前节点node连通的节点,记为集合{CONNODE};
步骤3.6、遍历集合{CONNODE},从集合{CONNODE}中选取后继节点next,判断next节点是否为终止点end,是则将该节点设置为当前节点并跳转至步骤3.10;否则判断next节点是否在close表中,若是则跳转至步骤3.8,若否则执行步骤3.7;
步骤3.7、判断next节点是否在open表中,否则将next节点加入open表,并将next节点的parent设置为node;是则利用以下公式计算形成闭环的两条路径的评分,若node节点所在路径评分更高,则将open表中next节点的parent设为node,否则执行步骤3.8:
其中,n表示闭环中某条路径的节点个数,pNode节点为闭环入口节点,next节点表示node节点的相邻节点;
步骤3.8、集合{CONNODE}遍历完毕后判断open表是否为空,否则重复执行步骤3.4至步骤3.7,是则跳转至下一步;
步骤3.9、判断当前节点node是否为终止点,是则沿着父节点parent获取最优路径path,否则判断当前节点node和起始点start之间没有连通关系;
步骤3.10、保存最优路径path;
步骤4、沿着end父节点依次获取path各节点的归一化相干值和振幅值;
步骤5、计算path各个节点所属的大裂缝或溶洞之间的井间连通模式,将结果保存至{connectPath};
步骤6、终止点集合{end}遍历完毕后输出井间连通模式{connectPath}。
4.根据权利要求1所述的基于改进搜索策略的缝洞型油藏井间连通模式自动评价方法,其特征在于,所述步骤5计算path各个节点所属的大裂缝或溶洞之间的井间连通模式的具体方法包括以下步骤:
步骤5.1、沿着end父节点依次获取最优路径path各节点的归一化相干值和振幅值;
步骤5.2、计算path各个节点所属储集体类型:
式中,0代表大裂缝,1代表溶洞,node表示当前节点,Y代表归一化均方根振幅数据,waveThreshold代表预设溶洞阈值;得到path中溶洞节点的个数;
步骤5.3、计算溶洞个数与path中所有节点个数的比值,得到缝洞占比p;
步骤5.4、根据以下式子判断path的井间连通模式并保存:
式中,0代表井间缝连通,1代表井间缝洞复合连通,2代表井间洞连通,ζ1代表预设缝连通阈值,ζ2代表预设洞连通阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110623377.2A CN113297748B (zh) | 2021-06-04 | 2021-06-04 | 基于改进搜索策略的缝洞型油藏井间连通模式自动评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110623377.2A CN113297748B (zh) | 2021-06-04 | 2021-06-04 | 基于改进搜索策略的缝洞型油藏井间连通模式自动评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113297748A CN113297748A (zh) | 2021-08-24 |
CN113297748B true CN113297748B (zh) | 2022-04-19 |
Family
ID=77327284
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110623377.2A Active CN113297748B (zh) | 2021-06-04 | 2021-06-04 | 基于改进搜索策略的缝洞型油藏井间连通模式自动评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113297748B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110069797A (zh) * | 2018-01-24 | 2019-07-30 | 中国石油化工股份有限公司 | 缝洞型油藏井间连通性的判断方法及系统 |
CN110593829A (zh) * | 2019-08-14 | 2019-12-20 | 中国地质大学(武汉) | 一种缝洞型油藏井间连通模式的自动判断方法和装置 |
CN111506975A (zh) * | 2020-04-10 | 2020-08-07 | 中国石油化工股份有限公司 | 一种井间连通关系判别的方法、装置及计算设备 |
CN111753423A (zh) * | 2020-06-24 | 2020-10-09 | 厦门大学 | 一种基于XGBoost的井间动态连通性量化方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2761340B1 (fr) * | 2011-09-30 | 2016-01-13 | Total SA | Procédé d'extraction de vignette d'une image d'entraînement pour contraindre la modélisation géostatistique multipoint du sous-sol |
-
2021
- 2021-06-04 CN CN202110623377.2A patent/CN113297748B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110069797A (zh) * | 2018-01-24 | 2019-07-30 | 中国石油化工股份有限公司 | 缝洞型油藏井间连通性的判断方法及系统 |
CN110593829A (zh) * | 2019-08-14 | 2019-12-20 | 中国地质大学(武汉) | 一种缝洞型油藏井间连通模式的自动判断方法和装置 |
CN111506975A (zh) * | 2020-04-10 | 2020-08-07 | 中国石油化工股份有限公司 | 一种井间连通关系判别的方法、装置及计算设备 |
CN111753423A (zh) * | 2020-06-24 | 2020-10-09 | 厦门大学 | 一种基于XGBoost的井间动态连通性量化方法 |
Non-Patent Citations (3)
Title |
---|
基于改进A~*算法的无人机航路规划方法研究;穆中林等;《弹箭与制导学报》;20070330(第01期);全文 * |
缝洞型油藏连通单元地质建模研究――以哈拉哈塘油田为例;薛江龙等;《地质与勘探》;20161115(第06期);全文 * |
缝洞型碳酸盐岩油藏注水井间干扰特征及其影响因素;王敬等;《石油勘探与开发》;20200710(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113297748A (zh) | 2021-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2669948C2 (ru) | Оптимизация многоступенчатого проекта нефтяного месторождения в условиях неопределенности | |
EP2502093B1 (en) | System and method for microseismic analysis | |
RU2661489C1 (ru) | Способ комплексирования исходных данных для уточнения фильтрационного строения неоднородных карбонатных коллекторов | |
US9422800B2 (en) | Method of developing a petroleum reservoir from a technique for selecting the positions of the wells to be drilled | |
CN104818982A (zh) | 一种缝洞型储层连通性定量分析方法及装置 | |
CN113094924B (zh) | 一种水力喷射压裂施工参数的优化方法及系统 | |
CN111612899B (zh) | 一种碳酸盐岩缝洞型油藏地质建模方法 | |
CN107895092B (zh) | 一种基于复杂非线性注采建模的井间连通定量评价方法 | |
CN115166853A (zh) | 页岩气藏天然裂缝模型建立方法、装置、电子设备及介质 | |
WO2014116948A1 (en) | Hazard avoidance analysis | |
CN109597129A (zh) | 基于目标检测的缝洞型油藏串珠状反射特征识别方法 | |
CN113608265A (zh) | 一种基于深度混合神经网络的储层预测方法 | |
CN112861890B (zh) | 一种储层评价模型构建方法及储层识别方法 | |
CN113297748B (zh) | 基于改进搜索策略的缝洞型油藏井间连通模式自动评价方法 | |
CN112489208A (zh) | 基于蚂蚁算法的裂缝片提取方法和三维地质模型构建方法 | |
CN111830558B (zh) | 一种断裂带雕刻方法 | |
CN112198551A (zh) | 一种通用的定量化评价储层裂缝强度的新方法 | |
CN116733453A (zh) | 基于蚂蚁追踪的致密气藏水侵预警的方法及系统 | |
CN107329168B (zh) | 一种沉积体岩性识别方法及系统 | |
CN113761699A (zh) | 裂缝模型构建方法、装置、电子设备及介质 | |
CN117633658B (zh) | 岩石储层岩性识别方法及系统 | |
Wu et al. | Real‐Time Intelligent Recognition Method for Horizontal Well Marker Bed | |
CN117807857A (zh) | 断裂连通性评价方法、装置及存储介质 | |
CN116840900A (zh) | 基于地震数据的断层两盘砂体连通性评价方法 | |
Zhao et al. | Approaches of Combining Machine Learning with NMR-Based Pore Structure Characterization for Reservoir Evaluation |
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 |