CN116432811A - 裂缝网络连通性确定方法、装置、电子设备及存储介质 - Google Patents

裂缝网络连通性确定方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN116432811A
CN116432811A CN202310004081.1A CN202310004081A CN116432811A CN 116432811 A CN116432811 A CN 116432811A CN 202310004081 A CN202310004081 A CN 202310004081A CN 116432811 A CN116432811 A CN 116432811A
Authority
CN
China
Prior art keywords
target
fracture network
factor data
determining
influence factor
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
Application number
CN202310004081.1A
Other languages
English (en)
Inventor
胡亚斐
胡水清
雷征东
张景
董岩
顾明翔
何辉
汪莉彬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Petrochina Co Ltd
Original Assignee
Petrochina Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Petrochina Co Ltd filed Critical Petrochina Co Ltd
Priority to CN202310004081.1A priority Critical patent/CN116432811A/zh
Publication of CN116432811A publication Critical patent/CN116432811A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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"
    • 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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Agronomy & Crop 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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种裂缝网络连通性确定方法、装置、电子设备及存储介质，该方法包括：确定目标致密砾岩油藏关联的目标裂缝网络连通系数与对应的目标影响因素数据的目标灰色关联度，目标裂缝网络连通系数用于表征目标致密砾岩油藏的井间裂缝的连通性；依据目标灰色关联度确定目标影响因素数据对目标裂缝网络连通系数的目标影响权重；确定目标影响因素数据相对目标裂缝网络连通系数的目标隶属度；依据目标影响权重与所述目标隶属度，对目标致密砾岩油藏的裂缝网络连通性进行预测评价。本方法获取参数简单，并通过连通性评价指数确定井间裂缝网络连通性的概率，为致密砾岩油藏的开发提供理论支撑，具有较强的普适性。

Description

裂缝网络连通性确定方法、装置、电子设备及存储介质
技术领域
本发明涉及地质勘探开发技术领域，尤其涉及一种裂缝网络连通性确定方法、装置、电子设备及存储介质。
背景技术
致密砾岩油藏渗透率低、非均质性强、应力条件复杂，储层难以形成自然产能，常采用水平井加水力压裂的方法建立人工缝网以保证开采。
随着水平井井距缩小及压裂规模增加，裂缝几何形态和渗流规律更加复杂，大量同平台或同井组水平井的井间出现了人工裂缝导致的裂缝贯通及缝间干扰的情况，甚至发生套损或者支撑剂侵入等生产问题，引起同平台或同井组水平井产量和压力快速下降，造成不同平台或井组水平井产量差异较大，油藏动用程度评价困难，导致致密砾岩油藏单井产量面临巨大挑战。因此，在水平井投产前快速准确地开展致密砾岩油藏压后裂缝网络连通性评价变得尤为重要。
发明内容
本发明提供了一种裂缝网络连通性确定方法、装置、电子设备及存储介质，以解决确定裂缝网络连通性困难的问题。
根据本发明的一方面，提供了一种裂缝网络连通性确定方法，该方法包括：
确定目标致密砾岩油藏关联的目标裂缝网络连通系数与对应的目标影响因素数据的目标灰色关联度，所述目标裂缝网络连通系数用于表征目标致密砾岩油藏的井间裂缝的连通性，所述目标影响因素为对井间裂缝的连通性产生影响的指标因素；
依据所述目标灰色关联度确定目标影响因素数据对目标裂缝网络连通系数的目标影响权重；
确定目标影响因素数据相对目标裂缝网络连通系数的目标隶属度；
依据所述目标影响权重与所述目标隶属度，对目标致密砾岩油藏的裂缝网络连通性进行预测评价。
根据本发明的另一方面，提供了一种裂缝网络连通性确定装置，该装置包括：关联度确定模块，用于确定目标致密砾岩油藏关联的目标裂缝网络连通系数与对应的目标影响因素数据的目标灰色关联度，所述目标裂缝网络连通系数用于表征目标致密砾岩油藏的井间裂缝的连通性，所述目标影响因素为对井间裂缝的连通性产生影响的指标因素；
目标影响权重确定模块，用于依据所述目标灰色关联度确定目标影响因素数据对目标裂缝网络连通系数的目标影响权重；
目标隶属度确定模块，用于确定目标影响因素数据相对目标裂缝网络连通系数的目标隶属度；
预测评价模块，用于依据所述目标影响权重与所述目标隶属度，对目标致密砾岩油藏的裂缝网络连通性进行预测评价。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的裂缝网络连通性确定方法。
根据本发明的另一方面，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指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的裂缝网络连通性确定方法。
在本申请实施例中，通过确定目标影响因素数据与目标裂缝网络连通系数之间的目标灰色关联度，根据目标灰色关联度确定目标影响因素数据对目标裂缝网络连通系数的目标影响权重，确定目标影响因素数据相对目标裂缝网络连通系数的目标隶属度，通过目标影响权重与目标隶属度，对目标致密砾岩油藏的裂缝网络连通性进行预测评价。本技术方案获取参数简单，通过易实现的公式组确定裂缝网络连通性评价指数，根据连通性评价指数确定目标致密砾岩油藏的裂缝网络连通性的概率，本方法为致密砾岩油藏的开发提供理论支撑，方法普适性强。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
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是根据本发明实施例一提供的一种裂缝网络连通性确定方法的流程图；
图2是根据本发明实施例二提供的一种裂缝网络连通性确定方法的流程图；
图3是根据本发明实施例三提供的一种裂缝网络连通性确定装置的结构示意图；
图4是实现本发明实施例的裂缝网络连通性确定方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。
需要说明的是，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”等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。
实施例一
图1为本发明实施例一提供了一种裂缝网络连通性确定方法的流程图，本实施例可适用于致密砾岩油藏井裂缝网络的连通性评价的情况，该方法可以由裂缝网络连通性确定装置来执行，该裂缝网络连通性确定装置可以采用硬件和/或软件的形式实现，该裂缝网络连通性确定装置可配置于任何具有网络通信功能的电子设备中。如图1所示，该方法包括：
S110、确定目标致密砾岩油藏关联的目标裂缝网络连通系数与对应的目标影响因素数据的目标灰色关联度，所述目标裂缝网络连通系数用于表征目标致密砾岩油藏的井间裂缝的连通性，所述目标影响因素为对井间裂缝的连通性产生影响的指标因素。
具体的，目标影响因素对井间裂缝的连通性产生影响，不同的目标影响因素对裂缝网络连通系数产生影响的比重不同，需要计算裂缝网络连通系数与对应目标影响因素之间的目标灰色关联度，来判断目标影响因素对裂缝网络连通性影响程度的大小。
可选的，所述裂缝网络连通系数为通过裂缝模拟、微地震、示踪剂或者试井监测得到的裂缝长度与井间距离之间的比值；所述目标影响因素数据包括粘土含量、脆性、应力差、最大主应力、垂向应力、加砂强度以及加液强度。其中，裂缝模拟可以是根据裂缝的可能扩展方向，通过网格加密处理裂缝，应用加密程度确定裂缝网络是否连通的方法。微地震可以是由于目标致密砾岩油藏井深部被开采时发生的岩石破裂和地震活动。示踪剂可以是通过溶解在裂缝网络内的标志性物质，研究目标致密砾岩油藏内裂缝网络的连通性的方法。试井监测可以是检测目标致密砾岩油藏井获取井间信息的方法。
作为一种可选的但不限定的实现方式，确定目标致密砾岩油藏关联的目标裂缝网络连通系数与目标影响因素数据的目标灰色关联度，具体包括步骤A1-A2：
步骤A1、确定目标裂缝网络连通系数与目标影响因素数据的目标关联系数，所述关联系数用于表征裂缝网络连通系数与影响因素数据在相同时刻的紧密程度；
具体的，为了表征目标致密砾岩油藏的井间裂缝的连通性，设定了与目标致密砾岩油藏相关联的目标裂缝网络连通系数，目标影响因素数据与目标裂缝网络连通系数存在关联关系，每种目标影响因素数据与目标裂缝网络连通系数的紧密程度不同，需要通过计算目标裂缝网络连通系数与目标影响因素数据的目标关联系数，确定每种目标影响因素数据与目标裂缝网络连通系数的紧密程度。
示例性的，目标影响因素数据具体包括：黏土含量、脆性、应力差、最大主应力、垂向应力、加砂强度、加液强度和井距等，每种目标影响因素数据与目标裂缝网络连通性存在着关联关系，通过算法可以计算目标裂缝网络连通系数与目标影响因素数据的目标关联系数。
作为一种可选的但不限定的实现方式，确定目标裂缝网络连通系数与目标影响因素数据的目标关联系数，具体包括以下步骤A11-A12:
步骤A11、对目标裂缝网络连通系数与目标影响因素数据进行无量纲处理；
其中，无量纲处理可以是用于消除目标影响因素数据和目标裂缝网络连通系数之间量纲影响的操作。
具体的，对目标裂缝网络连通系数与目标影响因素数据进行无量纲处理，使得目标裂缝网络连通系数和每种目标影响因素数据在同一数量级上进行综合对比。
示例性的，表1示出了目标致密砾岩油藏井的数据，即没有对目标裂缝网络连通系数和目标影响因素数据进行无量纲处理操作之前的数据。
表1：目标致密砾岩油藏井的数据
Figure BDA0004035454160000061
目标裂缝网络连通系数和目标影响因素数据进行无量纲处理操作方法如下：
Figure BDA0004035454160000071
其中，k＝1，2，…，n，k表示目标致密砾岩油藏井的序号，n表示目标致密砾岩油藏井的总数,i＝0，1，2，…，t，i表示目标影响因素数据的序号，t表示目标影响因素数据的总数。Xi′(k)为消除量纲影响的目标裂缝网络连通系数和目标影响因素数据的矩阵。Xi(k)为存在量纲影响的目标裂缝网络连通系数和目标影响因素数据的序列。xi′(n)为第n号目标致密砾岩油藏井消除量纲影响的目标裂缝网络连通系数和目标影响因素数据的序列，表2示出了目标裂缝网络连通系数和目标影响因素数据进行无量纲处理操作之后的数据。
表2：无量纲的目标裂缝网络连通系数和目标影响因素数据
Figure BDA0004035454160000072
步骤A12、确定无量纲处理后的目标裂缝网络连通系数与目标影响因素数据之间的目标关联系数。
示例性的，目标裂缝网络连通系数与目标影响因素数据之间的目标关联系数的确定方法如下：
Δi(k)＝|x1′(k)-xi′(k)|
Δi＝(Δi(1)，Δi(2)，……，Δi(n))
以上公式的计算对象为表2中的数据，其中，Δi(k)表示第k号目标致密砾岩油藏井的目标裂缝网络连通系数与目标影响因素数i之间差的绝对值，x′1(k)为目标裂缝网络连通系数，Δi为目标裂缝网络连通系数与目标影响因素数之间的差矩阵，如表3所示。
表3：目标裂缝网络连通系数与目标影响因素数之间的差矩阵
Figure BDA0004035454160000081
根据以下公式：
M＝maximaxkΔi(k)
m＝miniminkΔi(k)
从上表中获取最大值M＝1.51，并获取目标最小值m＝0,根据目标关联系数计算公式，获取目标裂缝网络连通系数和目标影响因素之间的目标关联系数矩阵，目标关联系数计算公式如下：
Figure BDA0004035454160000082
其中，γ0i(k)为目标裂缝网络连通系数和目标影响因素之间的目标关联系数，如表4所示。
表4：目标裂缝网络连通系数和目标影响因素之间的目标关联系数
Figure BDA0004035454160000091
步骤A2、将不同时刻的目标关联系数进行累加平均得到目标裂缝网络连通系数与目标影响因素数据之间的目标灰色关联度，所述灰色关联度为对裂缝网络连通系数与影响因素数据之间关联性大小的度量。
具体的，将所有目标致密砾岩油藏井的同一种影响因素数据进行累加，并除以目标致密砾岩油藏井的总数，获取目标裂缝网络连通系数和这种目标影响因素数据之间的目标灰色关联度，直到计算完所有目标影响因素和目标裂缝网络连通系数之间的关系。
示例性的，根据以下公式计算目标裂缝网络连通系数与目标影响因素之间的目标灰色关联度。
Figure BDA0004035454160000092
其中，k表示目标致密砾岩油藏井的序号，n表示目标致密砾岩油藏井的数量,γ0i表示目标裂缝网络连通系数与目标影响因素之间的目标灰色关联度。
示例性的，计算目标裂缝网络连通系数与黏土含量的目标灰色关联度的方法为：
Figure BDA0004035454160000101
其中，γ0i为目标裂缝网络连通系数与粘土含量的目标灰色关联度，γ0i(k)为不同目标致密砾岩油藏井中与粘土含量相关的目标关联系数，将n＝12代入以上公式，并根据表4的第一列计算γ0i。
γ0i＝0.53
依次计算目标裂缝网络连通系数与目标影响因素之间的目标灰色关联度：
γ0i＝(0.53 0.72 0.77 0.78 0.72 0.86 0.87 0.58)
i＝1,2,…,t
S120、依据所述目标灰色关联度确定目标影响因素数据对目标裂缝网络连通系数的目标影响权重。
具体的，依据上述步骤计算得到的目标灰色关联度计算目标影响因素对目标裂缝网络连通系数的目标影响权重。
Figure BDA0004035454160000102
其中，Vi为目标影响因素对目标裂缝网络连通系数的目标影响权重，t表示目标影响因素数据的总数。
可选的，所述目标灰色关联度越大时，所述目标影响因素数据对目标裂缝网络连通系数的目标影响权重越大。
具体的，分母为目标裂缝网络连通系数与目标影响因素的所有目标灰灰色关联度之和
Figure BDA0004035454160000103
为固定值，当目标灰色关联度γ0i越大，目标影响因素数据对目标裂缝网络连通系数的目标影响权重越大Vi。
示例性的，根据目标关联度γ0i，获取所有的目标灰色关联度之和
Figure BDA0004035454160000104
应用每个目标影响因素除以/>
Figure BDA0004035454160000105
获得目标影响权重，如下所示：
Vi＝(0.09 0.12 0.13 0.13 0.12 0.15 0.15 0.1)
S130、确定目标影响因素数据相对目标裂缝网络连通系数的目标隶属度。
具体的，根据表2中无量纲影响的目标影响因素数据，确定各个目标影响因素数据的最大值和最小值，并应用目标隶属度计算公式计算目标隶属度μik。
S140、依据所述目标影响权重与所述目标隶属度，对目标致密砾岩油藏的裂缝网络连通性进行预测评价。
具体的，根据以上步骤获取目标影响权重Vi和目标隶属度μik，建立目标致密砾岩油藏的裂缝网络连通性的评估模型，进行预测评价。
在本申请实施例中，通过确定目标影响因素数据与目标裂缝网络连通系数之间的目标灰色关联度，根据目标灰色关联度确定目标影响因素数据对目标裂缝网络连通系数的目标影响权重，确定目标影响因素数据相对目标裂缝网络连通系数的目标隶属度，通过目标影响权重与目标隶属度，对目标致密砾岩油藏的裂缝网络连通性进行预测评价。本技术方案获取参数简单，通过易实现的公式组确定裂缝网络连通性评价指数，根据连通性评价指数确定目标致密砾岩油藏的裂缝网络连通性的概率，本方法为致密砾岩油藏的开发提供理论支撑，方法普适性强。
实施例二
图2为本发明实施例二提供的一种裂缝网络连通性确定方法的流程图，本实施例在上述实施例的基础上细化了裂缝网络连通性的确定方法。如图2所示，该方法包括：
S210、确定目标致密砾岩油藏关联的目标裂缝网络连通系数与对应的目标影响因素数据的目标灰色关联度，所述目标裂缝网络连通系数用于表征目标致密砾岩油藏的井间裂缝的连通性，所述目标影响因素为对井间裂缝的连通性产生影响的指标因素；
具体的，目标裂缝网络连通系数与目标影响因素数据的目标灰色关联度的确定方法已在上述实施例中说明，在此不做赘述。
S220、依据所述目标灰色关联度确定目标影响因素数据对目标裂缝网络连通系数的目标影响权重；
具体的，根据步骤210的目标灰色关联度计算方法获取目标灰色关联度，以及目标影响权重计算公式确定目标影响因素数据对目标裂缝网络连通系数的目标影响权重。
S230、确定各个目标影响因素数据中的影响因素数据指标最大值与影响因素数据指标最小值。
具体的，根据表2的无量纲影响的目标影响因素数据，确定每个目标影响因数数据的最大值和目标影响因素数据的最小值。
示例性的，查看表2，目标影响因素数据之一黏土含量的最大值和最小值分别为1.76、0.39；脆性的最大值和最小值分别为1.25、0.87；应力差的最大值和最小值分别为1.09、0.65；最大应力差的最大值和最小值分别为1.00、0.84；垂向应力的最大值和最小值分别为1.04、0.99；加砂强度的最大值和最小值分别为1.53、0.63；加液强度的最大值和最小值分别为1.30、0.65；井距的最大值和最小值分别为1.92和0.77.
S240、将第一差值与第二差值的比值确定为目标影响因素数据相对目标裂缝网络连通系数的目标隶属度，所述第一差值为目标影响因素数据与影响因素数据指标最小值的差值，所述第二差值为影响因素数据指标最大值与影响因素数据指标最小值的差值。
具体的，获取表2中各个目标影响因素的最大值和最小值，并应用目标隶属度计算公式计算，目标隶属度计算公式如下：
Figure BDA0004035454160000121
Figure BDA0004035454160000131
其中，t表示目标影响因素数据的总数，i表示当前的目标影响因素，n表示目标致密砾岩油藏井的总数，k表示当前目标致密砾岩油藏井的序号，ximax为当前目标影响因素在所有目标致密砾岩油藏井的最大值，ximin为当前目标影响因素在所有目标致密砾岩油藏井的最小值，得到目标致密砾岩油藏井的各个目标影响因素数据的目标隶属度，如表5所示：
表5：目标影响因素数据的目标隶属度
Figure BDA0004035454160000132
S250、将所述目标影响权重与所述目标隶属度的取值代入预设模糊综合评判模型中，通过预设模糊综合评判模型输出对目标致密砾岩油藏的裂缝网络连通性的预测评价结果。
具体的，将上述过程中获取的目标影响权重Vi和目标隶属度μik代入预设的模糊综合评判模型中，根据预设评价指数计算目标致密砾岩油藏的裂缝网络连通性的预测评价结果。
示例性的，预设模糊综合评判模型根据目标影响因素权重Vi和目标隶属度μik，计算井间的裂缝网络连通性的预测评价结果，如表6所示，根据预设评价结果对目标致密砾岩油藏的裂缝网络连通性进行预测。
表6：裂缝网络连通性的评价结果
Figure BDA0004035454160000141
其中，模糊综合评判模型输出的模糊综合评价指数表征致密砾岩油藏的压后裂缝网络的连通概率，指数取值越高时井间裂缝连通的概率越大，指数取值越低时井间裂缝连通的概率越小。
具体的，上述过程获取目标致密砾岩油藏的裂缝网络连通性的预测评价结果，其中，模糊综合评价指数可以是预测评价结果，用于评价致密砾岩油藏的压后裂缝网络的连通概率，当模糊综合评价指数的取值越大时，井间裂缝连通的概率越大，当模糊综合评价指数的取值越小时，井间裂缝连通的概率越小。
在本申请实施例中，通过确定目标影响因素数据与目标裂缝网络连通系数之间的目标灰色关联度，根据目标灰色关联度确定目标影响因素数据对目标裂缝网络连通系数的目标影响权重，确定目标影响因素数据相对目标裂缝网络连通系数的目标隶属度，通过目标影响权重与目标隶属度，对目标致密砾岩油藏的裂缝网络连通性进行预测评价。本技术方案获取参数简单，通过易实现的公式组确定裂缝网络连通性评价指数，根据连通性评价指数确定目标致密砾岩油藏的裂缝网络连通性的概率，本方法为致密砾岩油藏的开发提供理论支撑，方法普适性强。
实施例三
图3为本发明实施例三提供的一种裂缝网络连通性确定装置的结构示意图。如图3所示，该装置包括：
关联度确定模块310，用于确定目标致密砾岩油藏关联的目标裂缝网络连通系数与对应的目标影响因素数据的目标灰色关联度，所述目标裂缝网络连通系数用于表征目标致密砾岩油藏的井间裂缝的连通性，所述目标影响因素为对井间裂缝的连通性产生影响的指标因素；
目标影响权重确定模块320，用于依据所述目标灰色关联度确定目标影响因素数据对目标裂缝网络连通系数的目标影响权重；
目标隶属度确定模块330，用于确定目标影响因素数据相对目标裂缝网络连通系数的目标隶属度；
预测评价模块340，用于依据所述目标影响权重与所述目标隶属度，对目标致密砾岩油藏的裂缝网络连通性进行预测评价。
在本申请实施例中，关联度确定模块310包括：
关联系数确定单元，用于确定目标裂缝网络连通系数与目标影响因素数据的目标关联系数，所述关联系数用于表征裂缝网络连通系数与影响因素数据在相同时刻的紧密程度；
关联度获取单元，用于将不同时刻的目标关联系数进行累加平均得到目标裂缝网络连通系数与目标影响因素数据之间的目标灰色关联度，所述灰色关联度为对裂缝网络连通系数与影响因素数据之间关联性大小的度量。
在本申请实施例中，关联度获取单元具体用于：确定目标裂缝网络连通系数与目标影响因素数据的目标关联系数，所述关联系数用于表征裂缝网络连通系数与影响因素数据在相同时刻的紧密程度；
将不同时刻的目标关联系数进行累加平均得到目标裂缝网络连通系数与目标影响因素数据之间的目标灰色关联度，所述灰色关联度为对裂缝网络连通系数与影响因素数据之间关联性大小的度量。
所述裂缝网络连通系数为通过裂缝模拟、微地震、示踪剂或者试井监测得到的裂缝长度与井间距离之间的比值；所述影响因素数据包括粘土含量、脆性、应力差、最大主应力、垂向应力、加砂强度以及加液强度。
在本申请实施例中，目标影响权重确定模块320包括：
目标影响权重变化单元，所述目标灰色关联度越大时，所述目标影响因素数据对目标裂缝网络连通系数的目标影响权重越大。
在本申请实施例中，目标隶属度确定模块330包括：
影响因素确定单元，用于确定各个目标影响因素数据中的影响因素数据指标最大值与影响因素数据指标最小值；
目标隶属度确定单元，用于将第一差值与第二差值的比值确定为目标影响因素数据相对目标裂缝网络连通系数的目标隶属度，所述第一差值为目标影响因素数据与影响因素数据指标最小值的差值，所述第二差值为影响因素数据指标最大值与影响因素数据指标最小值的差值。
在本申请实施例中，目标隶属度确定单元具体用于：
将所述目标影响权重与所述目标隶属度的取值代入预设模糊综合评判模型中，通过预设模糊综合评判模型输出对目标致密砾岩油藏的裂缝网络连通性的预测评价结果；
其中，模糊综合评判模型输出的模糊综合评价指数表征致密砾岩油藏的压后裂缝网络的连通概率，指数取值越高时井间裂缝连通的概率越大，指数取值越低时井间裂缝连通的概率越小。
本发明实施例中所提供的裂缝网络连通性确定装置可执行上述本发明任意实施例中所提供的裂缝网络连通性确定方法，具备执行该裂缝网络连通性确定方法相应的功能和有益效果，详细过程参见前述实施例中裂缝网络连通性确定方法的相关操作。
实施例四
图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如裂缝网络连通性确定方法。
在一些实施例中，裂缝网络连通性确定方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的裂缝网络连通性确定方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行裂缝网络连通性确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种裂缝网络连通性确定方法，其特征在于，所述方法包括：
确定目标致密砾岩油藏关联的目标裂缝网络连通系数与对应的目标影响因素数据的目标灰色关联度，所述目标裂缝网络连通系数用于表征目标致密砾岩油藏的井间裂缝的连通性，所述目标影响因素为对井间裂缝的连通性产生影响的指标因素；
依据所述目标灰色关联度确定目标影响因素数据对目标裂缝网络连通系数的目标影响权重；
确定目标影响因素数据相对目标裂缝网络连通系数的目标隶属度；
依据所述目标影响权重与所述目标隶属度，对目标致密砾岩油藏的裂缝网络连通性进行预测评价。
2.根据权利要求1所述的方法，其特征在于，确定目标致密砾岩油藏关联的目标裂缝网络连通系数与目标影响因素数据的目标灰色关联度，包括：
确定目标裂缝网络连通系数与目标影响因素数据的目标关联系数，所述关联系数用于表征裂缝网络连通系数与影响因素数据在相同时刻的紧密程度；
将不同时刻的目标关联系数进行累加平均得到目标裂缝网络连通系数与目标影响因素数据之间的目标灰色关联度，所述灰色关联度为对裂缝网络连通系数与影响因素数据之间关联性大小的度量。
3.根据权利要求2所述的方法，其特征在于，确定目标裂缝网络连通系数与目标影响因素数据的目标关联系数，包括：
对目标裂缝网络连通系数与目标影响因素数据进行无量纲处理；
确定无量纲处理后的目标裂缝网络连通系数与目标影响因素数据之间的目标关联系数。
4.根据权利要求1至3中任一所述的方法，其特征在于，所述裂缝网络连通系数为通过裂缝模拟、微地震、示踪剂或者试井监测得到的裂缝长度与井间距离之间的比值；所述目标影响因素数据包括粘土含量、脆性、应力差、最大主应力、垂向应力、加砂强度以及加液强度。
5.根据权利要求1所述的方法，其特征在于，所述目标灰色关联度越大时，所述目标影响因素数据对目标裂缝网络连通系数的目标影响权重越大。
6.根据权利要求1所述的方法，其特征在于，确定目标影响因素数据相对目标裂缝网络连通系数的目标隶属度，包括：
确定各个目标影响因素数据中的影响因素数据指标最大值与影响因素数据指标最小值；
将第一差值与第二差值的比值确定为目标影响因素数据相对目标裂缝网络连通系数的目标隶属度，所述第一差值为目标影响因素数据与影响因素数据指标最小值的差值，所述第二差值为影响因素数据指标最大值与影响因素数据指标最小值的差值。
7.根据权利要求1所述的方法，其特征在于，依据所述目标影响权重与所述目标隶属度，对目标致密砾岩油藏的裂缝网络连通性进行预测评价，包括：
将所述目标影响权重与所述目标隶属度的取值代入预设模糊综合评判模型中，通过预设模糊综合评判模型输出对目标致密砾岩油藏的裂缝网络连通性的预测评价结果；
其中，模糊综合评判模型输出的模糊综合评价指数表征致密砾岩油藏的压后裂缝网络的连通概率，指数取值越高时井间裂缝连通的概率越大，指数取值越低时井间裂缝连通的概率越小。
8.一种裂缝网络连通性确定装置，其特征在于，包括：
关联度确定模块，用于确定目标致密砾岩油藏关联的目标裂缝网络连通系数与对应的目标影响因素数据的目标灰色关联度，所述目标裂缝网络连通系数用于表征目标致密砾岩油藏的井间裂缝的连通性，所述目标影响因素为对井间裂缝的连通性产生影响的指标因素；
目标影响权重确定模块，用于依据所述目标灰色关联度确定目标影响因素数据对目标裂缝网络连通系数的目标影响权重；
目标隶属度确定模块，用于确定目标影响因素数据相对目标裂缝网络连通系数的目标隶属度；
预测评价模块，用于依据所述目标影响权重与所述目标隶属度，对目标致密砾岩油藏的裂缝网络连通性进行预测评价。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的裂缝网络连通性确定方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的裂缝网络连通性确定方法。
CN202310004081.1A 2023-01-03 2023-01-03 裂缝网络连通性确定方法、装置、电子设备及存储介质 Pending CN116432811A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310004081.1A CN116432811A (zh) 2023-01-03 2023-01-03 裂缝网络连通性确定方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310004081.1A CN116432811A (zh) 2023-01-03 2023-01-03 裂缝网络连通性确定方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN116432811A true CN116432811A (zh) 2023-07-14

Family

ID=87082146

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310004081.1A Pending CN116432811A (zh) 2023-01-03 2023-01-03 裂缝网络连通性确定方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN116432811A (zh)

Similar Documents

Publication Publication Date Title
CN117786500A (zh) 一种盾构施工地表沉降预测方法、装置、设备及存储介质
CN116432811A (zh) 裂缝网络连通性确定方法、装置、电子设备及存储介质
CN115984501A (zh) 一种地质三维模型建立方法、装置、设备及存储介质
CN115977615A (zh) 压裂效果评价方法、系统、介质及电子设备
CN117829580A (zh) 压裂套变风险评估方法、装置、电子设备及存储介质
CN117823041B (zh) 地质导向模型的建立方法、装置、电子设备及存储介质
CN117829395A (zh) 一种储气层库存气量的预测方法、装置、设备及存储介质
CN118407752A (zh) 试油井段的含水率确定方法、装置、电子设备及存储介质
CN117927219B (zh) 一种井筒稳定性确定方法、装置、设备及介质
CN116933968A (zh) 一种含油气饱和度的测量方法、装置、电子设备以及介质
CN118640001A (zh) 一种致密气藏目标气井的绝对无阻流量确定方法及装置
CN116201524A (zh) 断块型圈闭体积校正系数确定方法、装置、设备及介质
CN116881776A (zh) 一种储层类型确定方法、装置、设备及介质
CN118673626A (zh) 压裂参数优化方法、装置、电子设备和存储介质
CN118607372A (zh) 基于apso-bp算法的水幕钻孔三维模型构建方法
CN117972823A (zh) 层状边水油藏的水侵前缘检测方法、装置以及电子设备
CN117892475A (zh) 一种井筒摩阻系数确定方法、装置、电子设备及介质
CN117972469A (zh) 一种火成岩分类识别方法、装置、设备及存储介质
CN115239148A (zh) 测井遇卡风险评估方法、装置、电子设备及可读介质
CN118601855A (zh) 钻井泵故障检测方法、装置、电子设备和存储介质
CN118690906A (zh) 页岩气井分段产量的预测方法、装置、设备和存储介质
CN118734668A (zh) 碳酸盐岩储层渗透率预测方法、装置、电子设备及介质
CN118346267A (zh) 基于随钻电阻率的地层压力预测方法、装置、设备及介质
CN118346265A (zh) 纵向多层气藏储层产能识别方法、装置、设备及介质
CN116205057A (zh) 低渗油田产能的确定方法、装置、电子设备及存储介质

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