CN113496070A - 地层俘获截面曲线的处理方法、装置、设备及介质 - Google Patents
地层俘获截面曲线的处理方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113496070A CN113496070A CN202010252454.3A CN202010252454A CN113496070A CN 113496070 A CN113496070 A CN 113496070A CN 202010252454 A CN202010252454 A CN 202010252454A CN 113496070 A CN113496070 A CN 113496070A
- Authority
- CN
- China
- Prior art keywords
- curve
- inversion
- section
- capture cross
- model
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000012545 processing Methods 0.000 title claims abstract description 65
- 238000004364 calculation method Methods 0.000 claims abstract description 26
- 238000012952 Resampling Methods 0.000 claims abstract description 13
- 230000015572 biosynthetic process Effects 0.000 claims description 35
- 230000008569 process Effects 0.000 claims description 31
- 238000010606 normalization Methods 0.000 claims description 25
- 238000012937 correction Methods 0.000 claims description 9
- 239000004215 Carbon black (E152) Substances 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 7
- 229930195733 hydrocarbon Natural products 0.000 claims description 7
- 150000002430 hydrocarbons Chemical class 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 abstract description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 10
- 239000007789 gas Substances 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 238000005070 sampling Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 239000011435 rock Substances 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000033558 biomineral tissue development Effects 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000005658 nuclear physics Effects 0.000 description 1
- 239000003129 oil well Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- -1 skeletons Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- 239000011800 void material Substances 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
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供一种地层俘获截面曲线的处理方法、装置、设备及介质,该方法中,通过对采集到的测井数据中的实测俘获截面曲线进行重采样,然后根据重采样得到的样本数据,采用预先训练的线性模型进行参数计算,得到反演参数,将这些反演参数代入计算俘获截面曲线的体积模型,得到最终的反演曲线,也就是能够得到地层原始的俘获截面曲线,以便在后续进行地层的水淹层进行评价,基于该反演曲线进行地层的评价,可以消除骨架和泥质对俘获截面的影响,提高评价精度。
Description
技术领域
本发明涉及石油、天然气的测井技术,尤其涉及一种地层俘获截面曲线的处理方法、装置、设备及介质。
背景技术
在石油和天然气的开发过程中,需要进行对于开发的矿井进行测井,以了解地层下的地层结构以及储藏情况。
目前,在套管井剩余油饱和度动态监测中使用的主流方法仍然是脉冲中子测井技术,该技术通过测量地层俘获截面、利用体积模型计算剩余油饱和度,进一步实现水淹层评价。随着油田的开发和井下动态监测的需要,通过多次测量俘获截面曲线来实现剩余油时间推移对比评价的井日益增多,但在评价过程中都存在如下问题:裸眼井测井过程中不存在脉冲中子测井项目,饱和度时间推移对比计算过程中缺乏一个统一的标准,导致每次计算的饱和度变动较大,严重影响了解释人员对油气层的评价精度。
发明内容
本发明实施例提供一种地层俘获截面曲线的处理方法、装置、设备及介质,以解决现有技术中饱和度时间推移对比计算过程中缺乏一个统一的标准,导致每次计算的饱和度变动较大,严重影响了解释人员对油气层的评价精度的问题。
第一方面,本发明实施例提供一种地层俘获截面曲线的处理方法,包括:
获取待处理地层的测井数据中的实测俘获截面曲线;
根据所述实测俘获截面曲线,按照预设间隔对所述地层进行重采样,得到样本数据;
根据所述样本数据和预先获取的线性模型获取反演参数,并根据所述反演参数获取俘获截面曲线的反演曲线;所述线性模型是根据俘获截面计算模型和模型矫正过程处理得到的,表示理论俘获截面和实测俘获截面关系的模型。
在一种具体实施方式中,所述根据所述样本数据和预先获取的线性模型获取反演参数,并根据所述反演参数获取俘获截面曲线的反演曲线,包括:
选取所述样本数据中在未水淹层段的数据,输入所述线性模型进行参数计算,得到所述反演参数;
根据所述反演参数以及体积模型,获取所述反演曲线;其中,所述体积模型是用于获取俘获截面曲线的模型。
在一种具体实施方式中,所述方法还包括:
接收用户输入的回归深度段参数;
根据所述回归深度段参数以及所述样本数据,采用所述线性模型计算获取标准化参数,并根据所述标准化参数获取标准化曲线。
在一种具体实施方式中,所述方法还包括:
根据所述反演曲线和/或所述标准化曲线,对所述地层的油气层进行评价;
和/或,
在图形用户界面上显示所述反演曲线和/或所述标准化曲线。
第二方面,本发明实施例提供一种地层俘获截面曲线的处理装置,包括:
获取模块,用于获取待处理地层的测井数据中的实测俘获截面曲线;
处理模块,用于根据所述实测俘获截面曲线,按照预设间隔对所述地层进行重采样,得到样本数据;
所述处理模块还用于根据所述样本数据和预先获取的线性模型获取反演参数,并根据所述反演参数获取俘获截面曲线的反演曲线;所述线性模型是根据俘获截面计算模型和模型矫正过程处理得到的,表示理论俘获截面和实测俘获截面关系的模型。
在一种具体实施方式中,所述处理模块具体用于:
选取所述样本数据中在未水淹层段的数据,输入所述线性模型进行参数计算,得到所述反演参数;
根据所述反演参数以及体积模型,获取所述反演曲线;其中,所述体积模型是用于获取俘获截面曲线的模型。
在一种具体实施方式中,
所述获取模块还用于接收用户输入的回归深度段参数;
所述处理模块还用于根据所述回归深度段参数以及所述样本数据,采用所述线性模型计算获取标准化参数,并根据所述标准化参数获取标准化曲线。
在一种具体实施方式中,
所述处理模块还用于根据所述反演曲线和/或所述标准化曲线,对所述地层的油气层进行评价;
和/或,
所述装置还包括:显示模块,用于在图形用户界面上显示所述反演曲线和/或所述标准化曲线。
第三方面,本发明实施例提供一种电子设备,包括:
显示器、处理器;以及,
存储器,用于存储所述处理器的可执行指令以及数据;
其中,所述处理器配置为经由执行所述可执行指令来执行第一方面任一项所述的地层俘获截面曲线的处理方法。
第四方面,本发明实施例提供一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现第一方面任一项所述的地层俘获截面曲线的处理方法。
本发明实施例提供的地层俘获截面曲线的处理方法、装置、设备及介质,通过对采集到的测井数据中的实测俘获截面曲线进行重采样,然后根据重采样得到的样本数据,采用预先训练的线性模型计算反演参数,然后将反演参数代入计算俘获截面曲线的体积模型进行反演,得到反演曲线,也就是能够得到地层原始的俘获截面曲线,以便在后续进行地层的水淹层进行评价,基于该反演曲线进行地层的评价,可以消除骨架和泥质对俘获截面的影响,提高评价精度。
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一简单地介绍,显而易见地,下面描述中的附图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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的地层俘获截面曲线的处理方法实施例一的流程示意图;
图2是本发明实施例提供的俘获截面体积模型示意图;
图3是本发明实施例提供的地层俘获截面曲线的处理方法实施例二的流程示意图;
图4是本发明实施例提供的俘获界面曲线的处理方法的一种应用流程图;
图5是本发明实施例提供的曲线重采样示意图;
图6是本发明实施例提供的俘获截面曲线反演的示意图;
图7是本发明实施例提供的俘获截面曲线反演的参数编辑界面示意图;
图8是本发明实施例提供的俘获截面曲线标准化的示意图;
图9是本发明实施例提供的地层俘获截面曲线的处理装置实施例一的结构示意图;
图10是本发明实施例提供的地层俘获截面曲线的处理装置实施例二的结构示意图;
图11是本发明实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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根据本实施例的启示下作出的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在目前的现有技术中,裸眼井测井过程中不存在脉冲中子测井项目,无法得到完井后的原始地层俘获截面,饱和度时间推移对比计算过程中缺乏一个统一的标准,导致每次计算的饱和度变动较大,严重影响了解释人员对油气层的评价精度。
另外,脉冲中子饱和度属于核物理测井,测井资料存在统计涨落,导致同一地层条件下不同次测井得到的俘获截面曲线重复率低、误差大,无法满足油气层评价的需要。
针对上述的问题,本发明实施例提供一种底层俘获截面曲线的处理方法,通过对测井过程中得到的俘获截面曲线进行反演处理和标准化处理,得到原始底层俘获截面曲线,然后基于该原始俘获截面曲线进行底层评价,可以消除骨架和泥质对俘获截面的影响,提高评价精度。并且通过本发明提供的处理方法,可以对俘获截面曲线进行标准化,以便再后续对底层进行评价过程中,对于每次测井的俘获截面曲线能够采用统一的标准之后再进行评价,提高了评价精度。
下面通过具体实施例对该地层俘获截面曲线的处理方法进行详细介绍。
图1是本发明实施例提供的地层俘获截面曲线的处理方法实施例一的流程示意图;如图1所示,该方案可以应用在手机,电脑,服务器等能够运行软件程序,具备数据输入分析处理功能的电子设备中,对此本方案不做限制。
该方法具体包括以下步骤:
S101:获取待处理地层的测井数据中的实测俘获截面曲线。
在本步骤中,在具体的侧经过程中,会记录每次测井得到的各种资料,得到测井数据,在该方案中,如果需要对某个底层或者矿井进行评价,则需要获取在该位置的测井数据,更具体一些,则可以获取每次测井得到的实测俘获截面曲线。
在本步骤的一种实现中,具体的获取实测俘获界面曲线的方式可以是工作人员输入,或者直接从数据库中调用测井数据得到。
S102:根据实测俘获截面曲线,按照预设间隔对地层进行重采样,得到样本数据。
在本步骤中,为了能够后续进行反演或者标准化处理,需要根据实测得到的俘获截面曲线进行重新采样,也就是说基于实测曲线得到一些需要的数据。该过程的具体实现可以通过软件实现,设置需要采样的曲线类型或者选择数据类型,并设置固定的采样间隔对实测俘获截面曲线进行重采样得到样本数据。这种固定间隔的采样有效保证后续采样时各曲线样本点数及相关性一致。
S103:根据样本数据和预先获取的线性模型获取反演参数,并根据反演参数获取俘获截面曲线的反演曲线。
在本步骤中,用于进行反演和标准化的线性模型是根据俘获截面计算模型和模型矫正过程处理得到的,表示理论俘获截面和实测俘获截面关系的模型。该线性模型是预先获取的,可以同时解决地层原始俘获截面反演和俘获截面曲线标准化问题。
在本步骤中,需要将得到的样本数据输入该线性模型,计算相关的系数和或参数,也就是上述的反演参数,然后根据该反演参数以及计算俘获截面曲线的体积模型计算得到反演曲线。
在一种具体实现方式中,将所述样本数据输入预先获取的线性模型进行处理,得到俘获截面曲线的反演曲线,包括:
选取所述样本数据中在未水淹层段的数据,输入所述线性模型进行参数计算,得到所述反演参数;根据所述反演参数以及体积模型,获取所述反演曲线;其中,所述体积模型是用于获取俘获截面曲线的模型。
该反演参数至少包括泥质,骨架,油以及水对应的参数。例如:泥质回归系数,骨架回归系数,油回归系数以及水回归系数。
由于未水淹层的变化较小,因此可以选择未水淹层的进行反演处理更准确。
下面对该线性模型的获取过程进行介绍。
首先根据俘获截面计算模型及校正过程建立统一的线性模型,根据模型需要选取合理地层进行样本采集,在一个线性模型中,有:
f(xi)=wTxi+b (1)
其中,w为权重向量,wT表示权重向量的转置运算,xi为样本统计量,b为偏置常数,令W=(w,b),X=(x,1),对上述公式(1)进行变形,得到下面的公式(2):
数据样本值可记为:Y=(y1,y2…ym)T,其中的y1,y2…ym用来表示测井俘获截面曲线中的多个样本点,m为样本个数。
该函数为凹函数,存在极小值:w*=argwmin(y-Xw)T(y-Xw) (4)
超定情况下,存在一般线性问题的最小二乘解:w*=(XTX)-1XTY (6)
式(6)表明在上述条件下,线性问题的最优解可由实际测量结果计算得到,若n为未知参数的个数,则其解w为一个长度为n的向量,图2是本发明实施例提供的俘获截面体积模型示意图,在俘获截面正演过程中,通常采用图2所示的体积模型进行计算,在该模型下,岩石体积为0时俘获截面不存在,此时b=0,据此可以将上述公式(1)简化改写为:
∑z=Vsh∑sh+Vma∑ma+Vw∑w+Vo∑o (7)
s.t.Vsh+Vma+Vw+Vo=1
其中,Vsh,Vma,Vw,Vo分别代表单位体积岩石中泥质、骨架、水、油气的组分含量。s.t.的意思是受约束,也就是说上述公式(7)的约束条件是各个成分的体积之和等于1。
Σz为理论俘获截面,Σc为测量俘获截面,Σsh、Σma、Σw、Σo分别为泥质、骨架、水和油气的俘获截面,为待求参数,此时的解依然满足(6)式,此时的目标函数可以写为:
此时n=4,在矿化度变化不大的砂泥岩剖面地层中,未水淹层段的俘获截面值不会随时间推移发生改变,可在其中选取一个标准层作为样本数据进行模型训练,此时Σz->Σc,即理论值与测量值之间均方误差要尽可能小,满足(5)式,若岩石体积用V表示,根据(6)式,其解为:
B=(VT·V)-1·VT·Σ (9)
将(9)式计算的模型参数代入(7)式,即可求得完井状况下地层原始俘获截面,在水淹层段,可以利用该俘获截面与实际测量的俘获截面差值进行时间推移饱和度评价。
在俘获截面曲线标准化过程中,由于系统误差的存在,不同次测井俘获截面曲线可以通过一个一元线性方程进行校正,依然满足线性关系式(1),即:
Σcj=aΣci+b (10)
其中,公式(10)中的参数a表示乘法因子(斜率)b表示加法因子(截距)为线性模型的特殊情况,并退化为一元线性问题,仍可得最小二乘解。
综合分析可知,采用上述线性模型可以同时解决地层原始俘获截面反演和俘获截面曲线标准化问题。
在该方案的一种具体应用中,在饱和度时间推移对比解释过程中,不同次测井俘获截面往往按各自的标准进行计算,得到的饱和度相差较大,在油井生产过程中,地层骨架与泥质含量一般不发生变化,只有孔隙流体发生变化,根据(7)式,两次俘获截面测井间的差值为:
Δ∑z=Σo-Σc=ΔVw∑w+ΔVo∑o (11)
其中Δ∑z为两次中子寿命测井俘获截面曲线变化量,ΣO与Σc分别为反演的原始地层俘获截面与当前实际测量的俘获截面,ΔVw与ΔVo为空隙流体水和油的体积变化,Σw与Σo分别为水和油俘获截面。
根据本发明计算出原始俘获截面Σo后,可以按(11)式进行饱和度推移计算,在地层孔隙度不变的情况下,地层俘获截面变化只与饱和度有关,从而消除骨架和泥质对俘获截面的影响,提高水淹层解释评价精度。
本实施例提供的俘获截面曲线的处理方法,通过对采集到的测井数据中的实测俘获截面曲线进行重采样,然后根据重采样得到的样本数据,采用预先训练的线性模型进行参数计算,根据计算的模型参数进一步得到反演曲线,也就是能够得到地层原始的俘获截面曲线,以便在后续进行地层的水淹层进行评价,基于该反演曲线进行地层的评价,可以消除骨架和泥质对俘获截面的影响,提高评价精度
图3是本发明实施例提供的地层俘获截面曲线的处理方法实施例二的流程示意图。如图3所示,在上述实施例的基础上,该方法还包括以下步骤:
S201:接收用户输入的回归深度段参数。
在本步骤中,为了对某一段俘获截面曲线进行标准化处理,也可以称为回归处理,首先要选取进行标准化的层段,选取的方式可以通过输入回归深度段参数的方式进行选取。
这里的回归深度段参数至少包括起始深度,终止深度以及深度段长。还可以包括待进行标准化的时间段等等。
S202:根据回归深度段参数以及样本数据,采用线性模型计算获取标准化参数,并根据所述标准化参数获取标准化曲线。
在本步骤中,根据上述输入的回归深度段参数以及得到的样本数据,输入预先获取的线性模型进行回归处理,得到需要的参数,也就是上述的标准化参数,再根据该标准化参数以及体积模型得到处理后的标准化曲线,也就是将俘获截面曲线进行了标准化,得到同一个标准情况下的俘获截面曲线。
在该方案的一种具体实现中,标准化参数包括斜率和截距。
上述实施例提供的技术方案可以通过软件编程实现,在具体的处理过程中,所有的测井数据均可以预先进行导入,在需要进行上述处理的时候只需要操作设置的控件,选择待处理的俘获截面曲线,设置相应的参数,例如采样间隔等,通过软件处理得到的反演曲线和/或标准化曲线,可以在软件的图形用户界面上进行显示,以便用户能够查看。
可选的,根据所述反演曲线和/或所述标准化曲线,对所述地层的油气层进行评价。该反演曲线表示的是地层原始的俘获截面曲线,随着时间推移,标准化处理后的每次测井得到的俘获截面曲线可以基于该地层原始的俘获截面曲线进行评价,有效提高评价精度。
下面通过一个具体的实例对本发明实施例提供的地层俘获截面曲线的处理方法进行说明。本发明实施例提供的技术方案可以通过在Forward.NET中利用C++语言编写程序与算法来实现。
图4是本发明实施例提供的俘获界面曲线的处理方法的一种应用流程图;如图4所示,该流程示出了本方案提供的俘获界面曲线的处理方法的全过程,首先获取完井、套后测井资料,也就是测井数据,然后选择合适的曲线进行深度矫正和重采样,再进行样本交互选择,对于得到的采样数据,选择合适模型分别进行反演和标准化处理,计算出反演参数(也就是图中的左侧分支的系数计算),代入相应的模型中进行曲线反演,得到反演曲线。或者计算出标准化参数(也就是图中右侧分支的系数计算),然后根据该标准化参数得到标准化曲线。具体的实现中通过一实例过程进行说明。
图5是本发明实施例提供的曲线重采样示意图,如图5所示,在具体的应用过程中,在曲线校深的基础上完成曲线的重采样,采样过程利用上述程序中如图5所示功能模块完成,选择要重采样的曲线名称,并输入采样间隔,使每条参与计算的曲线采样间隔保持一致,这样可以保证后续采样时各曲线样本点数及相关性一致。
图6是本发明实施例提供的俘获截面曲线反演的示意图;在曲线进行分反演过程中,首先选取样本回归段,对于俘获截面反演,选取未水淹层段,选取例程如图6中的(b)所示,可以直接通过线框选取(如图6中的(b)中的上半部分的方框中的曲线),也可以输入参数进行选择,例如,通过图6中的(a)所示的界面,输入起始深度,中止深度以及深度段长等参数进行选取。
图7是本发明实施例提供的俘获截面曲线反演的参数编辑界面示意图;如图7所示,针对俘获截面反演,通过一键复制功能将可将回归系数(包括图中的普通参数)复制到图7所示参数卡中,点击处理按钮即可进行原始地层俘获截面计算。该参数卡可以根据用户的操作在图形用户界面上进行显示。
图8是本发明实施例提供的俘获截面曲线标准化的示意图;如图8所示,对于俘获截面曲线的标准化,可选取重复性好的层段,如图8中的(b)中的上半部分的方框中的曲线,该过程回归深度段参数可直接通过鼠标交互或手动输入获得,如图8中的(a)所示,将需要输入的参数输入,并点击相应的控件即可进行标准化曲线处理。
结合在上述过程中,根据上述参数完成曲线反演或标准化,针对俘获截面曲线的反演,通过一键复制功能将可将回归系数复制到参数卡中,点击处理按钮即可进行原始地层俘获截面计算。针对俘获截面标准化,可直接通过点击标准化曲线按钮完成曲线标准化,并自动进行刷新,软件程序通过选择模型进行系数计算,调用统一算法完成参数回归,点击系数计算按钮后程序会自动根据算法对回归系数进行计算,并将处理得到的反演曲线或者标准化曲线显示在图形用户界面中。
本发明实施例提供的地层俘获截面曲线的处理方法,对单井应用效果显著,经过俘获截面曲线反演,在未水淹层段反演结果与实测俘获截面曲线保持一致,在下部水淹层段,实测俘获截面比反演结果明显变大(左大右小),且在中部干层段发生重合,说明该曲线反演效果明显,结果合理。俘获截面标准化过程中,标准化后的俘获截面曲线重复性明显提高,中部较稳定的泥岩层段尤其明显,下部水淹层段也表明该层近几年一直维持低水淹特征,开发较为稳定,与实际生产状况相符。
图9是本发明实施例提供的地层俘获截面曲线的处理装置实施例一的结构示意图;如图9所示,该地层俘获截面曲线的处理装置10,包括:
获取模块11,用于获取待处理地层的测井数据中的实测俘获截面曲线;
处理模块12,用于根据所述实测俘获截面曲线,按照预设间隔对所述地层进行重采样,得到样本数据;
所述处理模块12还用于根据所述样本数据和预先获取的线性模型获取反演参数,并根据所述反演参数获取俘获截面曲线的反演曲线;所述线性模型是根据俘获截面计算模型和模型矫正过程处理得到的,表示理论俘获截面和实测俘获截面关系的模型。
本实施例提供的地层俘获截面曲线的处理装置,用于实现上述任一方法实施例提供的技术方案,其实现原理和技术效果类似,在此不再赘述。
在地层俘获界面曲线的处理装置的一种具体实现中,所述处理模块12具体用于:
选取所述样本数据中在未水淹层段的数据,输入所述线性模型进行参数计算,得到所述反演参数;
根据所述反演参数以及体积模型,获取所述反演曲线;其中,所述体积模型是用于获取俘获截面曲线的模型。
可选的,所述获取模块11还用于接收用户输入的回归深度段参数;
所述处理模块12还用于根据所述回归深度段参数以及所述样本数据,采用所述线性模型计算获取标准化参数,并根据所述标准化参数获取标准化曲线。
可选的,所述处理模块12还用于根据所述反演曲线和/或所述标准化曲线,对所述地层的油气层进行评价;
和/或,
图10是本发明实施例提供的地层俘获截面曲线的处理装置实施例二的结构示意图;如图10所示,所述地层俘获截面曲线的处理装置10还包括:
显示模块13,用于在图形用户界面上显示所述反演曲线和/或所述标准化曲线。
上述实施例提供的地层俘获截面曲线的处理装置,用于实现上述任一方法实施例提供的技术方案,其实现原理和技术效果类似,在此不再赘述。
图11是本发明实施例提供的电子设备的结构示意图。如图11所示,本实施例提供的一种电子设备100包括:
显示器111、处理器112;以及,
存储器113,用于存储所述处理器的可执行指令,该存储器113还可以是flash(闪存);
其中,所述处理器112配置为经由执行所述可执行指令来执行上述方法中的地层俘获截面曲线的处理方法的各个步骤。具体可以参见前面方法实施例中的相关描述。
可选地,存储器113既可以是独立的,也可以跟处理器112集成在一起。
当所述存储器113是独立于处理器112之外的器件时,所述电子设备还可以包括:
总线,用于连接所述处理器以及所述存储器。
上述的电子设备可以实现为电脑,手机,服务器,处理终端等设备。
本实施例还提供一种存储介质,存储介质中存储有计算机程序,该计算机程序被处理器执行时,实现上述的各种实施方式提供的地层俘获截面曲线的处理方法。
本实施例还提供一种程序产品,该程序产品包括计算机程序,该计算机程序存储在存储介质中。电子设备的至少一个处理器可以从可读存储介质读取该计算机程序,至少一个处理器执行该计算机程序使得电子设备实施上述的各种实施方式提供的地层俘获截面曲线的处理方法。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或对其中部分或全部技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种地层俘获截面曲线的处理方法,其特征在于,包括:
获取待处理地层的测井数据中的实测俘获截面曲线;
根据所述实测俘获截面曲线,按照预设间隔对所述地层进行重采样,得到样本数据;
根据所述样本数据和预先获取的线性模型获取反演参数,并根据所述反演参数获取俘获截面曲线的反演曲线;所述线性模型是根据俘获截面计算模型和模型矫正过程处理得到的,表示理论俘获截面和实测俘获截面关系的模型。
2.根据权利要求1所述的方法,其特征在于,所述根据所述样本数据和预先获取的线性模型获取反演参数,并根据所述反演参数获取俘获截面曲线的反演曲线,包括:
选取所述样本数据中在未水淹层段的数据,输入所述线性模型进行参数计算,得到所述反演参数;
根据所述反演参数以及体积模型,获取所述反演曲线;其中,所述体积模型是用于获取俘获截面曲线的模型。
3.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
接收用户输入的回归深度段参数;
根据所述回归深度段参数以及所述样本数据,采用所述线性模型计算获取标准化参数,并根据所述标准化参数获取标准化曲线。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
根据所述反演曲线和/或所述标准化曲线,对所述地层的油气层进行评价;
和/或,
在图形用户界面上显示所述反演曲线和/或所述标准化曲线。
5.一种地层俘获截面曲线的处理装置,其特征在于,包括:
获取模块,用于获取待处理地层的测井数据中的实测俘获截面曲线;
处理模块,用于根据所述实测俘获截面曲线,按照预设间隔对所述地层进行重采样,得到样本数据;
所述处理模块还用于根据所述样本数据和预先获取的线性模型获取反演参数,并根据所述反演参数获取俘获截面曲线的反演曲线;所述线性模型是根据俘获截面计算模型和模型矫正过程处理得到的,表示理论俘获截面和实测俘获截面关系的模型。
6.根据权利要求5所述的装置,其特征在于,所述处理模块具体用于:
选取所述样本数据中在未水淹层段的数据,输入所述线性模型进行参数计算,得到所述反演参数;
根据所述反演参数以及体积模型,获取所述反演曲线;其中,所述体积模型是用于获取俘获截面曲线的模型。
7.根据权利要求5或6所述的装置,其特征在于,
所述获取模块还用于接收用户输入的回归深度段参数;
所述处理模块还用于根据所述回归深度段参数以及所述样本数据,采用所述线性模型计算获取标准化参数,并根据所述标准化参数获取标准化曲线。
8.根据权利要求7所述的装置,其特征在于,
所述处理模块还用于根据所述反演曲线和/或所述标准化曲线,对所述地层的油气层进行评价;
和/或,
所述装置还包括:显示模块,用于在图形用户界面上显示所述反演曲线和/或所述标准化曲线。
9.一种电子设备,其特征在于,包括:
显示器、处理器;以及,
存储器,用于存储所述处理器的可执行指令以及数据;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1至4任一项所述的地层俘获截面曲线的处理方法。
10.一种存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1至4任一项所述的地层俘获截面曲线的处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010252454.3A CN113496070B (zh) | 2020-04-01 | 2020-04-01 | 地层俘获截面曲线的处理方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010252454.3A CN113496070B (zh) | 2020-04-01 | 2020-04-01 | 地层俘获截面曲线的处理方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113496070A true CN113496070A (zh) | 2021-10-12 |
CN113496070B CN113496070B (zh) | 2024-03-01 |
Family
ID=77994278
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010252454.3A Active CN113496070B (zh) | 2020-04-01 | 2020-04-01 | 地层俘获截面曲线的处理方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113496070B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117153289A (zh) * | 2023-09-14 | 2023-12-01 | 大庆油田有限责任公司 | 一种适用于窄薄砂体的油层水淹程度预测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104500051A (zh) * | 2014-11-11 | 2015-04-08 | 中国石油天然气集团公司 | 一种确定水淹层混合地层水宏观俘获截面的方法 |
CN105114068A (zh) * | 2015-09-07 | 2015-12-02 | 中国地质大学(北京) | 一种利用测井资料预测煤层气区块高产水区的方法 |
CN105629310A (zh) * | 2014-11-05 | 2016-06-01 | 中国石油天然气股份有限公司 | 碳酸盐岩储层的无井约束地质统计学反演的方法和装置 |
US20160252648A1 (en) * | 2013-10-04 | 2016-09-01 | Schlumberger Technology Corporation | Inversion-based workflow for consistent interpretation of nuclear density images in horizontal wells |
CN106761675A (zh) * | 2016-12-16 | 2017-05-31 | 中国石油天然气股份有限公司 | 脉冲中子测井方法及装置 |
US20170176624A1 (en) * | 2015-12-17 | 2017-06-22 | Schlumberger Technology Corporation | Method and System for Petrophysical Quantity Estimation from Dielectric and Neutron Capture Cross Section Measurements |
CN109657258A (zh) * | 2017-10-12 | 2019-04-19 | 中国石油天然气股份有限公司 | 地层岩石力学特征剖面的处理方法和装置 |
-
2020
- 2020-04-01 CN CN202010252454.3A patent/CN113496070B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160252648A1 (en) * | 2013-10-04 | 2016-09-01 | Schlumberger Technology Corporation | Inversion-based workflow for consistent interpretation of nuclear density images in horizontal wells |
CN105629310A (zh) * | 2014-11-05 | 2016-06-01 | 中国石油天然气股份有限公司 | 碳酸盐岩储层的无井约束地质统计学反演的方法和装置 |
CN104500051A (zh) * | 2014-11-11 | 2015-04-08 | 中国石油天然气集团公司 | 一种确定水淹层混合地层水宏观俘获截面的方法 |
CN105114068A (zh) * | 2015-09-07 | 2015-12-02 | 中国地质大学(北京) | 一种利用测井资料预测煤层气区块高产水区的方法 |
US20170176624A1 (en) * | 2015-12-17 | 2017-06-22 | Schlumberger Technology Corporation | Method and System for Petrophysical Quantity Estimation from Dielectric and Neutron Capture Cross Section Measurements |
CN106761675A (zh) * | 2016-12-16 | 2017-05-31 | 中国石油天然气股份有限公司 | 脉冲中子测井方法及装置 |
CN109657258A (zh) * | 2017-10-12 | 2019-04-19 | 中国石油天然气股份有限公司 | 地层岩石力学特征剖面的处理方法和装置 |
Non-Patent Citations (1)
Title |
---|
肖承文;周波;吴刚;赵勃权;李强;邓瑞;: "PNN测井反演地层电阻率求取饱和度方法研究", 石油天然气学报, no. 09, pages 76 - 79 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117153289A (zh) * | 2023-09-14 | 2023-12-01 | 大庆油田有限责任公司 | 一种适用于窄薄砂体的油层水淹程度预测方法 |
CN117153289B (zh) * | 2023-09-14 | 2024-04-05 | 大庆油田有限责任公司 | 一种适用于窄薄砂体的油层水淹程度预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113496070B (zh) | 2024-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8504341B2 (en) | Methods, systems, and computer readable media for fast updating of oil and gas field production models with physical and proxy simulators | |
US6230101B1 (en) | Simulation method and apparatus | |
EP1984860B1 (en) | Methods, systems, and computer-readable media for fast updating of oil and gas field production models with physical and proxy simulators | |
US8359184B2 (en) | Method, program and computer system for scaling hydrocarbon reservoir model data | |
WO2018208634A1 (en) | Integrating geoscience data to predict formation properties | |
CN109709607B (zh) | 一种预测薄层砂岩储层厚度方法及装置 | |
WO2007061686A2 (en) | Method, system and apparatus for real-time reservoir model updating using ensemble kalman filter | |
EP3303763B1 (en) | Oilfield reservoir saturation and permeability modeling | |
US20180119523A1 (en) | Oilfield Reservoir Saturation and Permeability Modeling | |
US11066905B2 (en) | Oilfield reservoir saturation and permeability modeling | |
AU2014357650A1 (en) | Tuning digital core analysis to laboratory results | |
US11079581B2 (en) | Resolution preserving methodology to generate continuous log scale reservoir permeability profile from petrographic thin section images | |
AU2009332958B2 (en) | Method and apparatus for real time oil based mud contamination monitoring | |
NO20171058A1 (en) | Integrated a priori uncertainty parameter architecture in simulation model creation | |
CN113496070A (zh) | 地层俘获截面曲线的处理方法、装置、设备及介质 | |
CN113874864A (zh) | 使用硬约束和软约束训练机器学习系统 | |
CN111488666A (zh) | 一种气藏水平井产能预测模型建立、预测方法及装置 | |
US20220317332A1 (en) | Neural ordinary differential equation network for reservoir modeling | |
CN105989541B (zh) | 一种基于大数据的测井资料的处理方法 | |
CN114117654A (zh) | 一种基于机器学习的水平井射孔优化设计方法及装置 | |
US7340384B2 (en) | Process for determining the variation in the relative permeability of at least one fluid in a reservoir | |
Gerges et al. | Machine-Learning-Assisted Well-Log Data Quality Control and Preprocessing Lab | |
Bertolini | Probabilistic history matching methodology for real-time reservoir surveillance | |
Hunnur et al. | Application of Artificial Intelligence (AI) Based Algorithm to Predict Contamination During Formation Fluid Sampling | |
CN117610724A (zh) | 一种页岩气井的产量实时在线预测方法及系统 |
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 |