CN115358285A - 待勘测区块关键地质参数的选取方法、装置、及设备 - Google Patents
待勘测区块关键地质参数的选取方法、装置、及设备 Download PDFInfo
- Publication number
- CN115358285A CN115358285A CN202210814605.9A CN202210814605A CN115358285A CN 115358285 A CN115358285 A CN 115358285A CN 202210814605 A CN202210814605 A CN 202210814605A CN 115358285 A CN115358285 A CN 115358285A
- Authority
- CN
- China
- Prior art keywords
- block
- surveyed
- geological
- key
- parameter
- 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 47
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 239000007789 gas Substances 0.000 claims description 41
- 239000011159 matrix material Substances 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 18
- 238000010187 selection method Methods 0.000 claims description 6
- 239000003079 shale oil Substances 0.000 claims description 6
- 239000003034 coal gas Substances 0.000 claims description 5
- 239000006185 dispersion Substances 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000001179 sorption measurement Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000005755 formation reaction Methods 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 208000035126 Facies Diseases 0.000 description 1
- 238000009933 burial Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 150000004677 hydrates Chemical class 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Mathematical Optimization (AREA)
- Computing Systems (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Artificial Intelligence (AREA)
- Algebra (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供一种待勘测区块关键地质参数的选取方法、装置、及设备,该方法包括:获取待勘测区块的所有地质参数的多组样本数据;将预设的目标对照区块的每个关键参数的多组样本数据、以及待勘测区块的第一地质参数的多组样本数据分别输入至预先构建的判别模型中,得到待勘测区块相对于目标对照区块的相似度概率;基于待勘测区块与所有目标对照区块的相似度概率,确定与待勘测区块类比概率最大的对照区块为最相关区块;在待勘测区块的所有地质参数中选取与最相关区块相同的关键地质参数,作为待勘测区块的关键地质参数。本发明可以排除主观人为因素的影响,使得后续资源量计算的结构可以更加准确。
Description
技术领域
本发明涉及非常规油气资源技术领域,尤其涉及一种待勘测区块关键地质参数的选取方法、装置、及设备。
背景技术
非常规油气是指在目前技术条件下不能采出,或采出不具有经济效益的石油和天然气资源。一般包括致密和超致密砂岩油气、页岩油气、超重(稠)油、沥青砂岩、煤层气、水溶气、天然气水合物等。
以页岩气为例,页岩气是蕴藏于页岩层可供开采的天然气资源。页岩气的资源量在三维时空中的规模与分布总是难以精确获取,所以页岩气的资源评价工作始终具有测不准的特点,这对中早期的页岩气的勘探评价增加了一定的风险性。
页岩气较特殊,其具有较多的地质参数,主要包括地层和构造特征、岩石和矿物成分、储层厚度和埋深、储集空间类型和储集物性、泥页岩储层的非均质性、岩石力学参数、有机地球化学参数、页岩的吸附特征和聚气机理、区域现今应力场的特征、流体压力和储层温度、流体饱和度与流体的性质、开发区的基本条件等。
由于页岩气区块的地质条件不同,页岩气区块具有特殊性及唯一性,不同区块在进行资源量计算时,选取的关键地质参数也不相同,从而会在后续分析中出现误差。然而,目前在资源量计算之前,关键地质参数的选取过程中人为因素过强,从而直接影响后续资源量计算的准确性。
发明内容
本发明实施例提供了一种待勘测区块关键地质参数的选取方法、装置及设备,以解决目前关键地质参数的选取过程中人为因素过强的问题。
第一方面,本发明实施例提供了一种待勘测区块关键地质参数的选取方法,包括:
获取待勘测区块的所有地质参数的多组样本数据;其中,待勘测区块储藏有非常规油气资源;
将预设的目标对照区块的每个关键参数的多组样本数据、以及待勘测区块的第一地质参数的多组样本数据分别输入至预先构建的判别模型中,得到待勘测区块相对于目标对照区块的相似度概率;其中,第一地质参数为与目标对照区块的关键地质参数相同的地质参数;
基于待勘测区块与所有目标对照区块的相似度概率,确定与待勘测区块类比概率最大的对照区块为最相关区块;
在待勘测区块的所有地质参数中选取与最相关区块相同的关键地质参数,作为待勘测区块的关键地质参数。
在一种可能的实现方式中,将预设的目标对照区块的每个关键参数的多组样本数据、以及待勘测区块的第一地质参数的多组样本数据分别输入至预先构建的判别模型中,包括:
将已知的多个地质区块根据地质条件进行分类,得到多个不同类别的对照区块;
获取目标对照区块的每个关键地质参数的多组样本数据;其中,目标对照区块为多个不同类别的对照区块中的任意一个区块;
将目标对照区块的每个关键地质参数的多组样本数据、以及第一地质参数的多组样本数据分别输入至预先构建的判别模型中。
在一种可能的实现方式中,预先构建的判别模型为基于贝叶斯准则建立的贝叶斯判别模型。
在一种可能的实现方式中,预先构建的判别模型Fg(Y)为:
xgjk为第g个对照区块的第j个地质参数的第k个样本数据,xgk为第g个对照区块的第k个样本数据的均值,ng为第g个对照区块的地质参数的个数,N为所有对照区块的地质参数的个数,qg为第g个对照区块的先验概率,Sg为第g个对照区块的离差阵,S-1为S的逆矩阵,Y′为待勘测区块中采用的与第g个对照区块相同每个关键地质参数的多组样本数据的转置矩阵,为的转置矩阵。
在一种可能的实现方式中,基于待勘测区块与所有目标对照区块的相似度概率,确定与待勘测区块类比概率最大的对照区块为最相关区块,包括:
将待勘测区块与所有目标对照区块的相似度概率,输入至预先构建的区块类比概率模型中,得到待勘测区块与所有目标对照区块的类比概率;
将类比概率最大的对照区块确定为最相关区块。
在一种可能的实现方式中,预先构建的区块类比概率模型p{g/Y}为:
其中,qg=ng/N,qj=nj/N,qg为第g个对照区块的先验概率,Fg(Y)为待勘测区块Y与第g个对照区块的概率,qj为第j个对照区块的先验概率,nj为第g个对照区块的地质参数的个数,Fj(Y)为待勘测区块Y与第j个对照区块的概率,g、j和m均为正整数,m为所有对照区块的总数。
在一种可能的实现方式中,非常规油气资源包括以下任一项:页岩气、页岩油、煤气层、致密砂岩气、超致密砂岩气、致密砂岩油。
第二方面,本发明实施例提供了一种待勘测区块关键地质参数的选取装置,包括:
获取模块,用于获取待勘测区块的所有地质参数的多组样本数据;其中,待勘测区块储藏有非常规油气资源;
计算概率模块,用于将预设的目标对照区块的每个关键参数的多组样本数据、以及待勘测区块的第一地质参数的多组样本数据分别输入至预先构建的判别模型中,得到待勘测区块相对于目标对照区块的相似度概率;其中,第一地质参数为与目标对照区块的关键地质参数相同的地质参数;
确定最相关区块模块,用于基于待勘测区块与所有目标对照区块的相似度概率,确定与待勘测区块类比概率最大的对照区块为最相关区块;
确定关键参数模块,用于在待勘测区块的所有地质参数中选取与最相关区块相同的关键地质参数,作为待勘测区块的关键地质参数。
在一种可能的实现方式中,计算概率模块,用于将已知的多个地质区块根据地质条件进行分类,得到多个不同类别的对照区块;
获取目标对照区块的每个关键地质参数的多组样本数据;其中,目标对照区块为多个不同类别的对照区块中的任意一个区块;
将目标对照区块的每个关键地质参数的多组样本数据、以及第一地质参数的多组样本数据分别输入至预先构建的判别模型中。
在一种可能的实现方式中,预先构建的判别模型为基于贝叶斯准则建立的贝叶斯判别模型。
在一种可能的实现方式中,预先构建的判别模型Fg(Y)为:
xgjk为第g个对照区块的第j个地质参数的第k个样本数据,xgk为第g个对照区块的第k个样本数据的均值,ng为第g个对照区块的地质参数的个数,N为所有对照区块的地质参数的个数,Sg为第g个对照区块的离差阵,S-1为S的逆矩阵,Y′为待勘测区块中采用的与第g个对照区块相同每个关键地质参数的多组样本数据的转置矩阵,为的转置矩阵。
在一种可能的实现方式中,确定最相关区块模块,用于将待勘测区块与所有目标对照区块的相似度概率,输入至预先构建的区块类比概率模型中,得到待勘测区块与所有目标对照区块的类比概率;
将类比概率最大的对照区块确定为最相关区块。
在一种可能的实现方式中,预先构建的区块类比概率模型p{g/Y}为:
其中,qg=ng/N,qj=nj/N,qg为第g个对照区块的先验概率,Fg(Y)为待勘测区块Y与第g个对照区块的概率,qj为第j个对照区块的先验概率,nj为第g个对照区块的地质参数的个数,Fj(Y)为待勘测区块Y与第j个对照区块的概率,g、j和m均为正整数,m为所有对照区块的总数。
在一种可能的实现方式中,非常规油气资源包括以下任一项:页岩气、页岩油、煤气层、致密砂岩气、超致密砂岩气、致密砂岩油。
第三方面,本发明实施例提供了一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述待勘测区块关键地质参数的选取方法的步骤。
第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述待勘测区块关键地质参数的选取方法的步骤。
本发明实施例提供一种待勘测区块关键地质参数的选取方法、装置、及设备,首先,获取待勘测区块的所有地质参数的多组样本数据。然后,将预设的目标对照区块的每个关键参数的多组样本数据、以及待勘测区块的第一地质参数的多组样本数据分别输入至预先构建的判别模型中,得到待勘测区块相对于目标对照区块的相似度概率。接着,基于待勘测区块与所有目标对照区块的相似度概率,确定与待勘测区块类比概率最大的对照区块为最相关区块。最后,在待勘测区块的所有地质参数中选取与最相关区块相同的关键地质参数,作为待勘测区块的关键地质参数。从而,通过预先构建的判别模型对待勘测区块和所有对照区块的比对,确定待勘测区块的关键地质参数,可以排除主观人为因素的影响,使得后续资源量计算的结构可以更加准确。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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待勘测区块关键地质参数的选取方法的实现流程图;
图2是本发明实施例提供的待勘测区块关键地质参数的选取装置的结构示意图;
图3是本发明实施例提供的电子设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图通过具体实施例来进行说明。
正如背景中所介绍的,由于每个页岩气区块的地质条件是不同的,而不同区块的资源量计算时选取的方法也是不同的,不同的方法对应着不同的关键参数,从而由于计算方法及关键参数的选取不同,最终导致计算得到的资源量也是不尽相同的,后续评价中就会出现较多的误差。
同时由于页岩气区块地质条件不同,不同地区资源量计算要选取不同的方法,页岩气区块具有特殊性和唯一性,因此,其关键影响参数均不同。面对待分析的区块,应进行先期判断来减小后续工作中可能出现的误差。
目前,对于一些定量参数较少或者定性参数较多的区块,大多采用类比法对待勘测区块进行先期分析,但是类比法为一种采取了较多专家主观的方法,客观性较差。此外,类比法大多类比于指定区块,为有限目标类比,选择区块人为因素过强,范围较小,类比较为有限,结果不一定准确。
在对待勘测区块进行先期评价时,选取哪些关键参数进行评价,进而提高资源量评价的可信度,成为目前亟需解决的技术问题。
为了解决现有技术问题,本发明实施例提供了一种待勘测区块关键地质参数的选取方法、装置、及设备。下面首先对本发明实施例所提供的待勘测区块关键地质参数的选取方法进行介绍。
待勘测区块关键地质参数的选取方法的执行主体,可以是待勘测区块关键地质参数的选取装置,该待勘测区块关键地质参数的选取装置可以是具有处理器和存储器的电子设备,例如移动电子设备或者非移动电子设备。本发明实施例不作具体限定。
参见图1,其示出了本发明实施例提供的待勘测区块关键地质参数的选取方法的实现流程图,详述如下:
步骤S110、获取待勘测区块的所有地质参数的多组样本数据。
待勘测区块储藏有非常规油气资源,非常规油气资源包括以下任一项:页岩气、页岩油、煤气层、致密砂岩气、超致密砂岩气、致密砂岩油。
待勘测区块具有很多地质参数,由于区块地质条件的不同,不同的地质参数对后续资源量计算会有不同的影响,因此,为了减少后续资源量评价中出现较大的误差,需要在先期对所有的地质参数进行初步的预测,作为提高页岩气资源量准确求取前期工作的一环,可以有效提高页岩气资源评价的可信度。
步骤S120、将预设的目标对照区块的每个关键参数的多组样本数据、以及待勘测区块的第一地质参数的多组样本数据分别输入至预先构建的判别模型中,得到待勘测区块相对于目标对照区块的相似度概率。
其中,第一地质参数为与目标对照区块的关键地质参数相同的地质参数。
由于每个待勘测区块的地质条件不同,且页岩气区块具有特殊性和唯一性,因此,可以通过对待勘测区块进行先期分析,然后对已知区块进行有效选取,准确判断其相似点进行对比判断,是资源评价中重要的一步。
由于每个对照区块和待勘测区块均具有唯一性,因此,可以通过将待勘测区块与已知区块的地质参数进行点位对比,从而找到与待勘测区块相似度高的对照区块,即可参照对照区块的资源量求取方法或采样吸附等现场经验,对待勘测区块进行后期的研究。
一些实施例中,首先,可以将已知的多个地质区块根据地质条件进行分类,得到多个不同类别的对照区块。
由于地质条件的不同,可以分为多种不同类型的对照区块,每种不同类型的对照区块的关键地质参数是不一样的。
具体的,把现有的已知多个地质时空中的沉积盆地,按地理位置、构造作用、沉积相带等地质条件的不同进行划分,即划分出具有特殊性和唯一性的有利选区,称其为地质时空的一个划分,作为不同类别的对照区块。
可以将全部已知区块定义为对照区块,即类似生物对照实验中的对照组,利用对照区块的地质参数信息来提取其关键地质参数的样本数据,将待勘测区块信息缩小至地质参数的样本数据,进行目标区块样本数据的对比。
将关键地质参数依照性质分为定性或定量不同的性质,分类进行对比更为精确。同时可以减少其它非关键影响因素的干扰。当面对资料较少或需要对比分析的目标区块时,可以利用定性关键地质参数的样本数据对比。当面对定量点位较多的区块时可以进行资源量求取前的先期预测,可进行较为精确的初步判断。即还可以分为定性的对比和定量的对比。从而,利用区块性质的唯一性和特殊性将有限类比扩大到无限类比,并同时将定性定量两种参数分开考虑,排除无关因素的干扰,判断更为精确。
然后,获取目标对照区块的每个关键地质参数的多组样本数据。
其中,目标对照区块为多个不同类别的对照区块中的任意一个区块。这里的多组样本数据均为有效的样本数据。
最后,将目标对照区块的每个关键地质参数的多组样本数据、以及第一地质参数的多组样本数据分别输入至预先构建的判别模型中。
其中,利用判别分析进行预测处理。判别分析的定义是将已知研究对象分成若干类型,并已取得各种类型的一批已知样品的观测数据,在此基础上根据某些准则建立判别式,然后对未知类型的样品进行判别分类。
具体的,预先构建的判别模型为基于贝叶斯准则建立的贝叶斯判别模型。对于一个待勘测的目标区块X,根据贝叶斯准则,若X落入某对照区块的概率最大,则可将X与该已知对照区块进行初步类比。
具体的,预先构建的判别模型Fg(Y)为:
xgjk为第g个对照区块的第j个地质参数的第k个样本数据,xgk为第g个对照区块的第k个样本数据的均值,ng为第g个对照区块的地质参数的个数,N为所有对照区块的地质参数的个数,qg为第g个对照区块的先验概率,Sg为第g个对照区块的离差阵,S-1为S的逆矩阵,Y′为待勘测区块中采用的与第g个对照区块相同每个关键地质参数的多组样本数据的转置矩阵,为的转置矩阵,Fg(Y)的结果为待勘测区块Y相对于第g个对照区块的相似度概率。
依次将每个对照区块的每个关键参数的多组样本数据、以及待勘测区块的第一地质参数的多组样本数据分别输入至预先构建的判别模型中,即可得到待勘测区块相对于所有目标对照区块的相似度概率。
步骤S130、基于待勘测区块与所有目标对照区块的相似度概率,确定与待勘测区块类比概率最大的对照区块为最相关区块。
一些实施例中,将待勘测区块与所有目标对照区块的相似度概率,输入至预先构建的区块类比概率模型中,得到待勘测区块与所有目标对照区块的类比概率。类比概率最大的对照区块即可确定为最相关区块。
首先,计算待勘测区块Y类比各对照区块的类比概率p{g/Y}(g=1,2,…,m),然后比较p{1/Y},p{2/Y},…,p{m/Y}的大小,最后,将待勘测区块Y类比成功概率较大的那一组。
具体的,预先构建的区块类比概率模型p{g/Y}为:
其中,qg=ng/N,qj=nj/N,qg为第g个对照区块的先验概率,Fg(Y)为待勘测区块Y与第g个对照区块的概率,qj为第j个对照区块的先验概率,nj为第g个对照区块的地质参数的个数,Fj(Y)为待勘测区块Y与第j个对照区块的概率,g、j和m均为正整数,m为所有对照区块的总数。
一些实施例中,由于区块类比概率模型p{g/Y}必须通过预先构建的判别模型Fg(Y)得到待勘测区块相对于每个对照区块的相似度概率得到最终的类比概率。因此,可以通过步骤S120中得到的待勘测区块相对于每个对照区块的相似度概率,将得到的最大的相似度概率对应的对照区块确定为与待勘测区块类比概率最大的对照区块为最相关区块。
步骤S140、在待勘测区块的所有地质参数中选取与最相关区块相同的关键地质参数,作为待勘测区块的关键地质参数。
由于每个页岩气区块具有特殊性和唯一性,通过基于贝叶斯准则建立的贝叶斯判别模型判别后,即可确定与待勘测区块类比概率最大的对照区块。从而,待勘测区块的关键地质参数即与最相关区块的关键地质参数相同。
本发明中采用的选取方法,通过利用不同对照区块地质条件和关键地质参数均不同,所提供的关键地质参数的样本数据自然不同,因此,每一对照区块的样本数据具有唯一性。同时构建相似度模型,即贝叶斯判别模型,根据对照区块的唯一性,判断目标区块相似样本数据达到一定数量时,则可设定其相似,可以参考对照区块资源量求取方法或采样吸附等现场经验,对待勘测区块进行相应的操作。
通过首先对已知区块的大类进行认定统一,即在地质领域利用沉积构造基本约束条件开展下一步工作。然后,基于地质类比就高原则,并遵循小范围包含大范围的信息特点原则,即盆地中某地层或点位包含该盆地家族性要素,从各个已知区块提取信息点。最后进行点位分析法的具体类比过程。
在确定待勘测区块的最相关区块后,即可优先考虑最相关区块的资源量分析方法,优先有针对性的选取参数取样,可以提高目标区块资源潜力的计算效率和预测工作效率。有效提高勘探开发工作人员对区块的了解程度,并对后续研究的顺利开展具有较大意义。
本发明实施例提供的选取方法,首先,获取待勘测区块的所有地质参数的多组样本数据。然后,将预设的目标对照区块的每个关键参数的多组样本数据、以及待勘测区块的第一地质参数的多组样本数据分别输入至预先构建的判别模型中,得到待勘测区块相对于目标对照区块的相似度概率。接着,基于待勘测区块与所有目标对照区块的相似度概率,确定与待勘测区块类比概率最大的对照区块为最相关区块。最后,在待勘测区块的所有地质参数中选取与最相关区块相同的关键地质参数,作为待勘测区块的关键地质参数。从而,通过预先构建的判别模型对待勘测区块和所有对照区块的比对,确定待勘测区块的关键地质参数,作为待勘测区块进行下一步页岩气资源量其他求取的先期预测,其扩大了对比的对照范围,同时精确了对比的目标,降低了人为主观因素的影响。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
基于上述实施例提供的待勘测区块关键地质参数的选取方法,相应地,本发明还提供了应用于该待勘测区块关键地质参数的选取方法的待勘测区块关键地质参数的选取装置的具体实现方式。请参见以下实施例。
如图2所示,提供了一种待勘测区块关键地质参数的选取装置200,该装置包括:
获取模块210,用于获取待勘测区块的所有地质参数的多组样本数据;其中,待勘测区块储藏有非常规油气资源;
计算概率模块220,用于将预设的目标对照区块的每个关键参数的多组样本数据、以及待勘测区块的第一地质参数的多组样本数据分别输入至预先构建的判别模型中,得到待勘测区块相对于目标对照区块的相似度概率;其中,第一地质参数为与目标对照区块的关键地质参数相同的地质参数;
确定最相关区块模块230,用于基于待勘测区块与所有目标对照区块的相似度概率,确定与待勘测区块类比概率最大的对照区块为最相关区块;
确定关键参数模块240,用于在待勘测区块的所有地质参数中选取与最相关区块相同的关键地质参数,作为待勘测区块的关键地质参数。
在一种可能的实现方式中,计算概率模块220,用于将已知的多个地质区块根据地质条件进行分类,得到多个不同类别的对照区块;
获取目标对照区块的每个关键地质参数的多组样本数据;其中,目标对照区块为多个不同类别的对照区块中的任意一个区块;
将目标对照区块的每个关键地质参数的多组样本数据、以及第一地质参数的多组样本数据分别输入至预先构建的判别模型中。
在一种可能的实现方式中,预先构建的判别模型为基于贝叶斯准则建立的贝叶斯判别模型。
在一种可能的实现方式中,预先构建的判别模型Fg(Y)为:
xgjk为第g个对照区块的第j个地质参数的第k个样本数据,xgk为第g个对照区块的第k个样本数据的均值,ng为第g个对照区块的地质参数的个数,N为所有对照区块的地质参数的个数,Sg为第g个对照区块的离差阵,S-1为S的逆矩阵,Y′为待勘测区块中采用的与第g个对照区块相同每个关键地质参数的多组样本数据的转置矩阵,为的转置矩阵。
在一种可能的实现方式中,确定最相关区块模块230,用于将待勘测区块与所有目标对照区块的相似度概率,输入至预先构建的区块类比概率模型中,得到待勘测区块与所有目标对照区块的类比概率;
将类比概率最大的对照区块确定为最相关区块。
在一种可能的实现方式中,预先构建的区块类比概率模型p{g/Y}为:
其中,qg=ng/N,qj=nj/N,qg为第g个对照区块的先验概率,Fg(Y)为待勘测区块Y与第g个对照区块的概率,qj为第j个对照区块的先验概率,nj为第g个对照区块的地质参数的个数,Fj(Y)为待勘测区块Y与第j个对照区块的概率,g、j和m均为正整数,m为所有对照区块的总数。
在一种可能的实现方式中,非常规油气资源包括以下任一项:页岩气、页岩油、煤气层、致密砂岩气、超致密砂岩气、致密砂岩油。
图3是本发明实施例提供的电子设备的示意图。如图3所示,该实施例的电子设备3包括:处理器30、存储器31以及存储在所述存储器31中并可在所述处理器30上运行的计算机程序32。所述处理器30执行所述计算机程序32时实现上述各个待勘测区块关键地质参数的选取实施例中的步骤,例如图1所示的步骤110至步骤140。或者,所述处理器30执行所述计算机程序32时实现上述各装置实施例中各模块的功能,例如图2所示模块210至240的功能。
示例性的,所述计算机程序32可以被分割成一个或多个模块,所述一个或者多个模块被存储在所述存储器31中,并由所述处理器30执行,以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序32在所述电子设备3中的执行过程。例如,所述计算机程序32可以被分割成图2所示的模块210至240。
所述电子设备3可包括,但不仅限于,处理器30、存储器31。本领域技术人员可以理解,图3仅仅是电子设备3的示例,并不构成对电子设备3的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述电子设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器30可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器31可以是所述电子设备3的内部存储单元,例如电子设备3的硬盘或内存。所述存储器31也可以是所述电子设备3的外部存储设备,例如所述电子设备3上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器31还可以既包括所述电子设备3的内部存储单元也包括外部存储设备。所述存储器31用于存储所述计算机程序以及所述电子设备所需的其他程序和数据。所述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/电子设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/电子设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个待勘测区块关键地质参数的选取方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质等。
以上所述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,或者对其中部分技术特征进行等同替换;而这些修改或者替换,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精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种待勘测区块关键地质参数的选取方法,其特征在于,包括:
获取待勘测区块的所有地质参数的多组样本数据;其中,所述待勘测区块储藏有非常规油气资源;
将预设的目标对照区块的每个关键参数的多组样本数据、以及所述待勘测区块的第一地质参数的多组样本数据分别输入至预先构建的判别模型中,得到所述待勘测区块相对于所述目标对照区块的相似度概率;其中,所述第一地质参数为与所述目标对照区块的关键地质参数相同的地质参数;
基于所述待勘测区块与所有所述目标对照区块的相似度概率,确定与所述待勘测区块类比概率最大的对照区块为最相关区块;
在所述待勘测区块的所有地质参数中选取与所述最相关区块相同的关键地质参数,作为所述待勘测区块的关键地质参数。
2.如权利要求1所述的选取方法,其特征在于,所述将预设的目标对照区块的每个关键参数的多组样本数据、以及所述待勘测区块的第一地质参数的多组样本数据分别输入至预先构建的判别模型中,包括:
将已知的多个地质区块根据地质条件进行分类,得到多个不同类别的对照区块;
获取所述目标对照区块的每个关键地质参数的多组样本数据;其中,所述目标对照区块为多个不同类别的对照区块中的任意一个区块;
将所述目标对照区块的每个关键地质参数的多组样本数据、以及所述第一地质参数的多组样本数据分别输入至预先构建的判别模型中。
3.如权利要求1所述的选取方法,其特征在于,所述预先构建的判别模型为基于贝叶斯准则建立的贝叶斯判别模型。
5.如权利要求4所述的选取方法,其特征在于,所述基于所述待勘测区块与所有所述目标对照区块的相似度概率,确定与所述待勘测区块类比概率最大的对照区块为最相关区块,包括:
将所述待勘测区块与所有所述目标对照区块的相似度概率,输入至预先构建的区块类比概率模型中,得到所述待勘测区块与所有所述目标对照区块的类比概率;
将类比概率最大的对照区块确定为最相关区块。
7.如权利要求1至6任一项所述的方法,其特征在于:
所述非常规油气资源包括以下任一项:页岩气、页岩油、煤气层、致密砂岩气、超致密砂岩气、致密砂岩油。
8.一种待勘测区块关键地质参数的选取装置,其特征在于,包括:
获取模块,用于获取待勘测区块的所有地质参数的多组样本数据;其中,所述待勘测区块储藏有非常规油气资源;
计算概率模块,用于将预设的目标对照区块的每个关键参数的多组样本数据、以及所述待勘测区块的第一地质参数的多组样本数据分别输入至预先构建的判别模型中,得到所述待勘测区块相对于所述目标对照区块的相似度概率;其中,所述第一地质参数为与所述目标对照区块的关键地质参数相同的地质参数;
确定最相关区块模块,用于基于所述待勘测区块与所有所述目标对照区块的相似度概率,确定与所述待勘测区块类比概率最大的对照区块为最相关区块;
确定关键参数模块,用于在所述待勘测区块的所有地质参数中选取与所述最相关区块相同的关键地质参数,作为所述待勘测区块的关键地质参数。
9.一种电子设备,其特征在于,包括存储器和处理器,所述存储器用于存储计算机程序,所述处理器用于调用并运行所述存储器中存储的计算机程序,执行如权利要求1至7任一项所述的待勘测区块关键地质参数的选取方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述待勘测区块关键地质参数的选取方法的步骤。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210814605.9A CN115358285B (zh) | 2022-07-11 | 2022-07-11 | 待勘测区块关键地质参数的选取方法、装置、及设备 |
PCT/CN2023/103971 WO2024012222A1 (zh) | 2022-07-11 | 2023-06-29 | 待勘测区块关键地质参数的选取方法、装置、及设备 |
US18/431,472 US20240177033A1 (en) | 2022-07-11 | 2024-02-02 | Method, Device and Equipment for Selecting Key Geological Parameters of a To-Be-Prospected Block |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210814605.9A CN115358285B (zh) | 2022-07-11 | 2022-07-11 | 待勘测区块关键地质参数的选取方法、装置、及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115358285A true CN115358285A (zh) | 2022-11-18 |
CN115358285B CN115358285B (zh) | 2023-06-20 |
Family
ID=84031700
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210814605.9A Active CN115358285B (zh) | 2022-07-11 | 2022-07-11 | 待勘测区块关键地质参数的选取方法、装置、及设备 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20240177033A1 (zh) |
CN (1) | CN115358285B (zh) |
WO (1) | WO2024012222A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024012222A1 (zh) * | 2022-07-11 | 2024-01-18 | 中国地质大学(北京) | 待勘测区块关键地质参数的选取方法、装置、及设备 |
WO2024103921A1 (zh) * | 2023-07-27 | 2024-05-23 | 中国地质大学(北京) | 地质参数门槛值的确定方法、装置、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3121622A1 (en) * | 2015-07-24 | 2017-01-25 | Bergen Teknologioverforing AS | Method of predicting parameters of a geological formation |
CN106556867A (zh) * | 2015-09-29 | 2017-04-05 | 中国石油天然气股份有限公司 | 基于贝叶斯分类的相控孔隙度反演方法 |
CN109522578A (zh) * | 2017-09-20 | 2019-03-26 | 中国石油化工股份有限公司 | 基于贝叶斯模糊判别的复杂岩相预测方法及系统 |
CA3035734A1 (en) * | 2019-03-05 | 2020-09-05 | Suncor Energy Inc. | A system and method for estimating permeability using previously stored data, data analytics and imaging |
CN114186879A (zh) * | 2021-12-15 | 2022-03-15 | 中国地质大学(北京) | 地质参数对资源量计算误差影响的评估方法及设备 |
CN114240212A (zh) * | 2021-12-22 | 2022-03-25 | 中国地质大学(北京) | 地质参数对资源量影响权重的确定方法及设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9152745B2 (en) * | 2012-03-06 | 2015-10-06 | Ion Geophysical Corporation | Model predicting fracturing of shale |
CN111399042B (zh) * | 2020-03-20 | 2021-02-02 | 清华大学 | 一种储层物性参数的预测方法及电子设备 |
CN114254960A (zh) * | 2022-02-28 | 2022-03-29 | 中国地质科学院地质力学研究所 | 一种低勘探程度区油气资源的评价方法 |
CN115358285B (zh) * | 2022-07-11 | 2023-06-20 | 中国地质大学(北京) | 待勘测区块关键地质参数的选取方法、装置、及设备 |
-
2022
- 2022-07-11 CN CN202210814605.9A patent/CN115358285B/zh active Active
-
2023
- 2023-06-29 WO PCT/CN2023/103971 patent/WO2024012222A1/zh unknown
-
2024
- 2024-02-02 US US18/431,472 patent/US20240177033A1/en active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3121622A1 (en) * | 2015-07-24 | 2017-01-25 | Bergen Teknologioverforing AS | Method of predicting parameters of a geological formation |
CN106556867A (zh) * | 2015-09-29 | 2017-04-05 | 中国石油天然气股份有限公司 | 基于贝叶斯分类的相控孔隙度反演方法 |
CN109522578A (zh) * | 2017-09-20 | 2019-03-26 | 中国石油化工股份有限公司 | 基于贝叶斯模糊判别的复杂岩相预测方法及系统 |
CA3035734A1 (en) * | 2019-03-05 | 2020-09-05 | Suncor Energy Inc. | A system and method for estimating permeability using previously stored data, data analytics and imaging |
CN114186879A (zh) * | 2021-12-15 | 2022-03-15 | 中国地质大学(北京) | 地质参数对资源量计算误差影响的评估方法及设备 |
CN114240212A (zh) * | 2021-12-22 | 2022-03-25 | 中国地质大学(北京) | 地质参数对资源量影响权重的确定方法及设备 |
Non-Patent Citations (2)
Title |
---|
李延钧;刘欢;刘家霞;曹利春;贾学成;: "页岩气地质选区及资源潜力评价方法", no. 02 * |
陈晓智: "致密气储量计算方法研究", pages 2 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024012222A1 (zh) * | 2022-07-11 | 2024-01-18 | 中国地质大学(北京) | 待勘测区块关键地质参数的选取方法、装置、及设备 |
WO2024103921A1 (zh) * | 2023-07-27 | 2024-05-23 | 中国地质大学(北京) | 地质参数门槛值的确定方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2024012222A1 (zh) | 2024-01-18 |
US20240177033A1 (en) | 2024-05-30 |
CN115358285B (zh) | 2023-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115358285A (zh) | 待勘测区块关键地质参数的选取方法、装置、及设备 | |
CN111458767B (zh) | 一种基于交汇图法识别岩性的方法及系统 | |
CN113792936A (zh) | 一种随钻岩性智能识别方法、系统、设备和存储介质 | |
CN103345566A (zh) | 基于地质内涵的化探异常识别与评价方法 | |
CN114529110A (zh) | 一种基于深度神经网络模型的岩相反演方法及系统 | |
CN115146976A (zh) | 影响待勘测区块评价的主要地质参数的选取方法及设备 | |
CN117576335B (zh) | 面向矿产区域勘查的三维空间模型数据处理方法及系统 | |
CN111626377B (zh) | 一种岩相识别方法、装置、设备及存储介质 | |
CN114328475A (zh) | 一种城市地质数据清洗方法 | |
CN111859709B (zh) | 一种含水层结构变异转移概率的地质统计模拟方法及装置 | |
CN111580179B (zh) | 一种有机碳含量确定方法、装置及系统 | |
CN116927771A (zh) | 一种预测页岩储层总有机碳数据的方法、装置、设备及介质 | |
CN113887076A (zh) | 基于数学模型对页岩地质条件进行综合评价与分析的方法及装置 | |
CN114239655A (zh) | 地震相识别模型训练方法及装置、地震相预测方法及装置 | |
Yu et al. | Training image optimization method based on convolutional neural network and its application in discrete fracture network model selection | |
CN112926260A (zh) | 一种岩土材料物理力学参数准确估值新方法 | |
CN113720952A (zh) | 用于储层解释评价的图版生成方法、装置、设备及介质 | |
Ashayeri et al. | Using the Adaptive Variable Structure Regression Approach in Data Selection and Data Preparation for Improving Machine Learning-Based Performance Prediction in Unconventional Plays | |
CN110656924A (zh) | 一种超低渗透油藏分类方法 | |
CN116226623B (zh) | 基于SegNet分段模型的标志层划分方法、装置和计算机设备 | |
CN116842327B (zh) | 资源量评价中异常数据的处理方法、装置及设备 | |
Scheidt et al. | A workflow for spatial uncertainty quantification using distances and kernels | |
CN117150207B (zh) | 伴生氦气资源量的评价方法、设备及存储介质 | |
CN114063169B (zh) | 一种波阻抗反演方法、系统、设备和存储介质 | |
CN109740636B (zh) | 基于AdaBoost结合GRU的地层油水层识别方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |