CN115201912A - 基于聚类分析的岩石矿物体积含量曲线转换岩性剖面方法 - Google Patents

Abstract

本发明涉及图像数据处理技术领域，具体涉及基于聚类分析的岩石矿物体积含量曲线转换岩性剖面方法，包括最优化反演岩石矿物组分的体积含量曲线；基于最优化反演的体积含量曲线，通过测井曲线半幅点方波化确定地层界面；通过聚类算法对地层界面之间的曲线数据进行分析，得到不同深度段地层的岩性；根据含油孔隙度确定含油级别；基于不同深度段地层的岩性和含油级别，得到测井岩性柱剖面。本发明通过矿物体积含量曲线半幅点方波化确定地层界面，以及采用聚类分析自动划分岩性，最后结合含油级别自动转化为岩性柱剖面，从而解决现有的岩性识别方法岩性识别精度不高的问题。

Description

基于聚类分析的岩石矿物体积含量曲线转换岩性剖面方法

技术领域

本发明涉及图像数据处理技术领域，尤其涉及基于聚类分析的岩石矿物体积含量曲线转换岩性剖面方法。

背景技术

传统的岩性识别方法有岩屑录井识别、钻井取心鉴定及测井资料识别等，其中岩屑录井纵向分辨率低(大于1米)，而钻井取心不仅很难对目标地层做出完整的描述，成本还比较高，不能在生产中大规模普及应用。测井资料种类丰富，成本低易于获得，具备纵向连续、横向对比性强的特点，因此，测井资料识别法是目前识别岩性的主要手段。

在测井岩性识别方面，针对火山岩、页岩油气储层等复杂岩性，利用常用的双变量交会图版进行岩性识别的效果不理想，存在地层界面不清晰、识别精度不高和人工依赖性强的问题。

发明内容

本发明的目的在于提供基于聚类分析的岩石矿物体积含量曲线转换岩性剖面方法，旨在解决现有的岩性识别方法岩性识别精度不高的问题。

为实现上述目的，本发明提供了基于聚类分析的岩石矿物体积含量曲线转换岩性剖面方法，包括以下步骤：

最优化反演岩石矿物组分的体积含量曲线；

基于最优化反演的体积含量曲线，通过测井曲线半幅点方波化确定地层界面；

通过聚类算法对所述地层界面之间的曲线数据进行分析，得到不同深度段地层的岩性；

根据含油孔隙度确定含油级别；

基于所述不同深度段地层的岩性和所述含油级别，得到测井岩性柱剖面。

其中，所述基于最优化反演的体积含量曲线，通过测井曲线半幅点方波化确定地层界面的具体方式为：

确定测井曲线的半幅点；

基于所述测井曲线的半幅点对测井曲线方波化；

基于方波化后的体积含量曲线确定地层界面。

其中，所述通过聚类算法对所述地层界面之间的曲线数据进行分析，得到不同深度段地层的岩性的具体方式为：

对典型岩性进行划分，得到聚类中心数；

基于所述地层界面获取样本集；

基于所述聚类中心数从所述样本集中的选取对应数量的样本，得到初始聚类中心；

计算每个所述样本至所述聚类中心的距离，得到计算数据；

基于所述计算数据对所述样本进行聚类更新，得到聚类簇；

用所述聚类簇的所有样本的平均值代替所述初始聚类中心，得到当前聚类中心；

基于所述当前聚类中心判定所述聚类中心的归属岩性；

基于所述归属岩性对所述地层界面之间的曲线数据进行分析，得到不同深度段地层的岩性。

其中，所述根据含油孔隙度确定含油级别的具体方式为：

根据总孔隙度和含水饱和度进行计算，得到岩石含油孔隙度；

对所述岩石含油孔隙度进行划分，得到含油级别。

其中，所述聚类更新包括批量更新和在线更新；

所述批量更新为根据样本点到聚类中心的距离，将样本点分配给离其最近的聚类中心；

所述在线更新为在批量更新的基础上，若样本点分配到其最邻近的簇内，能够使簇内样本点到聚类中心的距离平方和的总和减少，则执行此分配。

本发明的基于聚类分析的岩石矿物体积含量曲线转换岩性剖面方法，包括最优化反演岩石矿物组分的体积含量曲线；基于最优化反演的体积含量曲线，通过测井曲线半幅点方波化确定地层界面；通过聚类算法对所述地层界面之间的曲线数据进行分析，得到不同深度段地层的岩性；根据含油孔隙度确定含油级别；基于所述不同深度段地层的岩性和所述含油级别，得到测井岩性柱剖面。针对矿物组分曲线不能准确对应具体岩性、地层界面不清晰等问题，本发明通过矿物体积含量曲线半幅点方波化确定地层界面，以及采用聚类分析自动划分岩性，最后结合含油级别自动转化为岩性柱剖面，从而解决现有的岩性识别方法岩性识别精度不高的问题。

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是本发明提供的基于聚类分析的岩石矿物体积含量曲线转换岩性剖面方法的流程图。

图2是测井半幅点图。

图3是测井曲线方波化图。

图4是岩石矿物体积含量地层界面图。

图5是岩石矿物体积含量聚类分析转换成岩性的示意图。

图6是岩性剖面含油级别图。

图7矿物含量转换成测井岩性柱剖面的示意图。

图8井岩石矿物组分体积含量曲线转换岩性柱剖面与岩心描述对比分析图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

请参阅图1至图8，本发明提供基于聚类分析的岩石矿物体积含量曲线转换岩性剖面方法，包括以下步骤：

S1最优化反演岩石矿物组分的体积含量曲线；

具体的，首先构建集合泥质、无机骨架、有机骨架和孔隙度为一体的双骨架”矿物组分岩石物理体积模型，再采用最最优化反演方法得到泥质(Vsh,％)、干酪根(Vkor,％)、方解石(Vclc,％)、白云石(Vdol,％)、石英(Vqua,％)等岩石矿物组分体积含量曲线。

S2基于最优化反演的体积含量曲线，通过测井曲线半幅点方波化确定地层界面；

S21确定测井曲线的半幅点；

具体的，在测井曲线上找到对应的最大值和最小值，并作出过最值点且平行于井轴连线MM’和NN’，然后作任意两条垂线相交于M、N和M’、N’，再连接MN和M’N’中点得到PP’连线，PP’与Vsh测井曲线交与A、B两点，即为该段曲线的半幅点。

S22基于所述测井曲线的半幅点对测井曲线方波化；

具体的，假设夹在测井曲线两个半幅点之间对应的测井属性可视为近乎均质，那夹在两个半幅点之间的测井值可以取该段曲线的均值，实现测井曲线方波化。

S23基于方波化后的体积含量曲线确定地层界面。

具体的，将多条矿物组分体积含量曲线方波化，按照“最精细刻画”或“最粗略刻画”方式进行耦合，得到一簇曲线的公共半幅点位置。

S3通过聚类算法对所述地层界面之间的曲线数据进行分析，得到不同深度段地层的岩性；

S31对典型岩性进行划分，得到聚类中心数；

具体的，根据区域地质研究成果，确定区域典型岩性，以XX研究区页岩油储层为例，典型岩性为：泥页岩、碳质泥岩、粉砂岩、(砂屑)白云岩，由此确定聚类中心数k＝4。

S32基于所述地层界面的所述不同地层的体积含量曲线获取样本集；

具体的，得到的岩石矿物组分体积含量方波化曲线，每一小段地层取公共半幅点处的均值作为一个样本，那么一口井n段小层可获取n个样本点，构成样本集V＝{v1,v2,…,vn}，其中vi＝{vshi,vkori,vclci,vdoli,vquai}，即每个样本是由泥(Vsh,％)、干酪根(Vkor,％)、方解石(Vclc,％)、白云石(Vdol,％)和石(Vqua,％)5条岩石矿物组分体积含量曲线构成m(以m＝5为例)维数据空间。

S33基于所述聚类中心数从所述样本集中的选取对应数量的样本，得到初始聚类中心；

具体的，随机选择k个样本作为初始聚类中心C＝{c1,c2,c3,c4}。

S34计算每个所述样本至所述聚类中心的距离，得到计算数据；

具体的，初始聚类中心选取后，将n个样本点，通过欧式距离公式(公式1)计算与聚类中心的距离d。

(i代表样本序数，i＝1,…n，j代表聚类中心的序数，j＝1,…kd(v1,c1)表示第一个样本点v1到第一个聚类中心c1的距离)。

S35基于所述计算数据对所述样本进行聚类更新，得到聚类簇；

所述聚类更新包括批量更新和在线更新；

所述批量更新为根据样本点到聚类中心的距离，将样本点分配给离其最近的聚类中心；

所述在线更新为在批量更新的基础上，若样本点分配到其最邻近的簇内，能够使簇内样本点到聚类中心的距离平方和的总和减少，则执行此分配。

具体的，首先进行批量更新，然后进行在线更新。

S36用所述聚类簇的所有样本的平均值代替所述初始聚类中心，得到当前聚类中心；

具体的，用每个聚类簇的所有样本的平均值代替原聚类中心。

S37基于所述当前聚类中心判定所述聚类中心的归属岩性；

具体的，根据各聚类中心的泥质(Vsh,％)、干酪根(Vkor,％)、方解石(Vclc,％)、白云石(Vdol,％)和石英(Vqua,％)数值范围，以及结合区域x衍射全岩实验确定的岩性矿物组分的数值范围，最终判定聚类中心归属岩性。

S38基于所述归属岩性对所述地层界面之间的曲线数据进行分析，得到不同深度段地层的岩性。

具体的，算全井段不同深度地层的样本与4个聚类中心的距离，将距离最近的聚类中心代表岩性归属到该地层。

S4根据含油孔隙度确定含油级别；

S41根据总孔隙度和含水饱和度进行计算，得到岩石含油孔隙度；

具体的，根据总孔隙度与含水饱和度计算得到岩石含油孔隙度。

φ₀＝φ_e·(1-S_w)

S42对所述岩石含油孔隙度进行划分，得到含油级别。

具体的，针对含油孔隙度，设定不同的截止值(根据区域实际情况定)，可以划分出不同的含油级别，例如：油斑、油浸、含油以及富含油等。

S5基于所述不同深度段地层的岩性和所述含油级别，得到测井岩性柱剖面。

具体的，将含油级别和聚类识别的岩性进行组合得到测井岩性柱剖面。

有益效果：

(1)相对于人工岩性识别如通过常规双变量交会图方式去识别，此本发明采用了基于聚类分析的岩石矿物体积含量曲线自动转换岩性柱剖面方法来自动识别岩性，能准确识别目标层段岩性，并自动生成测井岩性柱剖面，减少了对人工经验的依赖。

(2)针对钻井取心有限且不连续、费用昂贵、耗时耗力等现状，本发明采用基于聚类分析的岩石矿物体积含量曲线自动转换岩性柱剖面的方法能够提供全井段的岩性柱剖面，准确识别出岩性，解决了取心有限且不连续、费用昂贵等问题，有利于地质研究人员的使用。

(3)针对矿物组分曲线不能准确对应具体岩性、地层界面不清晰等问题。本发明通过矿物体积含量曲线转化为岩性柱剖面，以及采用聚类分析自动划分岩性，最后结合含油级别自动转化为岩性柱剖面，能直接对应各层段岩性，以及地层界面。解决了矿物组分曲线不能准确对应具体岩性、地层界面不清晰等问题。

(4)本发明选取的K-Means算法具有的优势，在针对维度较低、样本数量较多的数学样本空间计算速度快，产生类的大小相差不会很大，对于脏数据很敏感。

以上所揭露的仅为本发明基于聚类分析的岩石矿物体积含量曲线转换岩性剖面方法较佳实施例而已，当然不能以此来限定本发明之权利范围，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流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。

Claims (5)

1.基于聚类分析的岩石矿物体积含量曲线转换岩性剖面方法，其特征在于，包括以下步骤：

最优化反演岩石矿物组分的体积含量曲线；

基于最优化反演的体积含量曲线，通过测井曲线半幅点方波化确定地层界面；

通过聚类算法对所述地层界面之间的曲线数据进行分析，得到不同深度段地层的岩性；

根据含油孔隙度确定含油级别；

基于所述不同深度段地层的岩性和所述含油级别，得到测井岩性柱剖面。

2.如权利要求1所述的基于聚类分析的岩石矿物体积含量曲线转换岩性剖面方法，其特征在于，

所述基于最优化反演的体积含量曲线，通过测井曲线半幅点方波化确定地层界面的具体方式为：

确定测井曲线的半幅点；

基于所述测井曲线的半幅点对测井曲线方波化；

基于方波化后的体积含量曲线确定地层界面。

3.如权利要求2所述的基于聚类分析的岩石矿物体积含量曲线转换岩性剖面方法，其特征在于，

所述通过聚类算法对所述地层界面之间的曲线数据进行分析，得到不同深度段地层的岩性的具体方式为：

对典型岩性进行划分，得到聚类中心数；

基于所述地层界面的所述不同地层的体积含量曲线获取样本集；

基于所述聚类中心数从所述样本集中的选取对应数量的样本，得到初始聚类中心；

计算每个所述样本至所述聚类中心的距离，得到计算数据；

基于所述计算数据对所述样本进行聚类更新，得到聚类簇；

用所述聚类簇的所有样本的平均值代替所述初始聚类中心，得到当前聚类中心；

基于所述当前聚类中心判定所述聚类中心的归属岩性；

基于所述归属岩性对所述地层界面之间的曲线数据进行分析，得到不同深度段地层的岩性。

4.如权利要求3所述的基于聚类分析的岩石矿物体积含量曲线转换岩性剖面方法，其特征在于，

所述根据含油孔隙度确定含油级别的具体方式为：

根据总孔隙度和含水饱和度进行计算，得到岩石含油孔隙度；

对所述岩石含油孔隙度进行划分，得到含油级别。

5.如权利要求3所述的基于聚类分析的岩石矿物体积含量曲线转换岩性剖面方法，其特征在于，

所述聚类更新包括批量更新和在线更新；

所述批量更新为根据样本点到聚类中心的距离，将样本点分配给离其最近的聚类中心；

所述在线更新为在批量更新的基础上，若样本点分配到其最邻近的簇内，能够使簇内样本点到聚类中心的距离平方和的总和减少，则执行此分配。

Images