CN116881776A - 一种储层类型确定方法、装置、设备及介质 - Google Patents
一种储层类型确定方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116881776A CN116881776A CN202310870321.6A CN202310870321A CN116881776A CN 116881776 A CN116881776 A CN 116881776A CN 202310870321 A CN202310870321 A CN 202310870321A CN 116881776 A CN116881776 A CN 116881776A
- Authority
- CN
- China
- Prior art keywords
- reservoir
- fracturing
- drilling parameters
- determining
- reservoir type
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000005553 drilling Methods 0.000 claims abstract description 141
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 30
- 238000012549 training Methods 0.000 claims abstract description 25
- 238000007621 cluster analysis Methods 0.000 claims abstract description 17
- 238000010586 diagram Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 13
- 230000001186 cumulative effect Effects 0.000 claims description 11
- 238000009825 accumulation Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 239000004973 liquid crystal related substance Substances 0.000 claims description 5
- 238000010276 construction Methods 0.000 abstract description 10
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000005336 cracking Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 101150068276 ERT1 gene Proteins 0.000 description 1
- 108700027649 Mitogen-Activated Protein Kinase 3 Proteins 0.000 description 1
- 102100024193 Mitogen-activated protein kinase 1 Human genes 0.000 description 1
- 108700015928 Mitogen-activated protein kinase 13 Proteins 0.000 description 1
- 102100024192 Mitogen-activated protein kinase 3 Human genes 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000005755 formation reaction Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- 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
Abstract
本申请实施例公开了一种储层类型确定方法、装置、电子设备及介质。该方法包括：获取水平井压裂段的破裂压力，并对破裂压力进行统计与归类，确定各压裂段对应的储层类型；基于聚类算法对不同储层类型的压裂段的钻井参数进行聚类分析，确定不同储层类型与钻井参数的对应关系；根据不同储层类型与钻井参数的对应关系确定样本集进行模型训练，得到储层类型预测模型，以基于储层类型预测模型以及未压裂的目标钻井参数进行储层类型预测。通过本申请实施例的技术方案，可以通过聚类分析准确挖掘不同储层类型对应的钻井参数的差异化特征，确定两者的对应关系，实现通过储层类型预测模型对目标压裂段的储层类型的精准预测，降低施工作业成本。
Description
技术领域
本申请涉及油气田开发工程领域，尤其涉及一种储层类型确定方法、装置、电子设备及介质。
背景技术
随着非常规油气勘探开发规模的扩大和作业领域的拓展，页岩气水平井钻井和分段压裂技术难度越来越大，质量安全风险和施工成本也越来越高，施工作业中出现的储层类型预测难度大的问题日益突出。因此，亟需一种对储层类型精准预测的方法。
发明内容
本申请提供了一种储层类型确定方法、装置、电子设备及介质，以通过聚类分析准确挖掘不同储层类型对应的钻井参数的差异化特征，确定两者的对应关系，实现通过储层类型预测模型对目标压裂段的储层类型的精准预测，降低施工作业成本。
根据本申请的一方面，提供了一种储层类型确定方法，所述方法包括：
获取水平井压裂段的破裂压力，并对破裂压力进行统计与归类，确定各压裂段对应的储层类型；
基于聚类算法对不同储层类型的压裂段的钻井参数进行聚类分析，确定不同储层类型与钻井参数的对应关系；
根据不同储层类型与钻井参数的对应关系确定样本集进行模型训练，得到储层类型预测模型，以基于储层类型预测模型以及未压裂的目标钻井数据进行储层类型预测。
根据本申请的另一方面，提供了一种储层类型确定装置，所述装置包括：
储层类型确定模块，用于获取水平井压裂段的破裂压力，并对破裂压力进行统计与归类，确定各压裂段对应的储层类型；
对应关系确定模块，用于基于聚类算法对不同储层类型的压裂段的钻井参数进行聚类分析，确定不同储层类型与钻井参数的对应关系；
储层类型预测模块，用于根据不同储层类型与钻井参数的对应关系确定样本集进行模型训练，得到储层类型预测模型，以基于储层类型预测模型以及未压裂的目标钻井数据进行储层类型预测。
根据本申请的另一方面，提供了一种电子设备，该设备包括：
至少一个处理器；以及
与至少一个处理器通信连接的存储器；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，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行本申请任一实施例的储层类型确定方法。
根据本申请的另一方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行时实现本申请任一实施例的储层类型确定方法。
本申请实施例的技术方案，获取水平井压裂段的破裂压力，并对破裂压力进行统计与归类，确定各压裂段对应的储层类型；基于聚类算法对不同储层类型的压裂段的钻井参数进行聚类分析，确定不同储层类型与钻井参数的对应关系；根据不同储层类型与钻井参数的对应关系确定样本集进行模型训练，得到储层类型预测模型，以基于储层类型预测模型以及未压裂的目标钻井参数进行储层类型预测。通过本申请实施例的技术方案，可以通过聚类分析准确挖掘不同储层类型对应的钻井参数的差异化特征，确定两者的对应关系，实现通过储层类型预测模型对目标压裂段的储层类型的精准预测，降低施工作业成本。
应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请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申请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申请的一些实施例，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是根据本申请实施例一提供的一种储层类型确定方法的流程图；
图2是根据本申请实施例二提供的一种储层类型确定方法的流程图；
图3是根据本申请实施例二提供的一种劳伦兹累积概率曲线法工程储层类型分类图；
图4是根据本申请实施例二提供的一种各工程储层类型的部分钻井参数特征分析图；
图5是根据本申请实施例二提供的一种基于网格密度的聚类算法的不同储层类型的钻井参数重叠度矩阵图；
图6是根据本申请实施例三提供的一种储层类型确定装置的结构示意图；
图7是实现本申请实施例四提供的一种储层类型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申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
需要说明的是，本申请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”、“实际”、“预设”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，以便这里描述的本申请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、方法、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为本申请实施例一提供的一种储层类型确定方法的流程图，本申请实施例可适用于对油气的储层类型进行确定的情况。该方法可以由储层类型确定装置来执行，该储层类型确定装置可以采用硬件和/或软件的形式实现，该储层类型确定装置可配置于电子设备中。如图1所示，该方法包括：
S110、获取水平井压裂段的破裂压力，并对破裂压力进行统计与归类，确定各压裂段对应的储层类型。
其中，水平井压裂段是指在油气勘探开发过程中，通过钻探水平井并在其水平段中进行压裂作业的区域。水平井是一种特殊类型的井，其钻井方向在一定地层范围内呈水平或接近水平。为了增加水平井的产能，通常需要对水平段进行压裂作业。压裂是指通过高压液体注入，将储层断裂和扩张，以便增加裂缝网络和有效渗透率，促进油气从储层中流出。破裂压力是指施加在储层上使其发生破裂的最小压力，是衡量储层的抗破裂强度的重要参数，对于油气勘探开发具有重要意义。
可以理解的是，不同的储层类型对应了不同的抗破裂强度，即施加在不同的储层上使其发生破裂的最小压力不同。因此，可以通过获取水平井压裂段的破裂压力，并对其进行统计与归类，来确定各压裂段对应的储层类型。在现场作业中，通常使用井下测量技术获取破裂压力，如在注入管道或井筒内安装压力传感器、在井壁或井筒设备周围布置应变计等。
S120、基于聚类算法对不同储层类型的压裂段的钻井参数进行聚类分析，确定不同储层类型与钻井参数的对应关系。
其中，聚类算法是一种去监督学习算法，用于将数据集中的对象划分为具有相似特征的组或簇。常见的聚类算法包括K均值聚类、层次聚类和DBSCAN(Density-BasedSpatial Clustering of Applications with Noise，密度聚类算法)等。
在根据压裂段的破裂压力确定出各压裂段对应的储层类型后，可以通过聚类算法来对不同储层类型的钻井参数进行聚类分析，将钻井参数根据储层类型划分为不同的组，即确定不同储层类型与钻井参数之间的对应关系。
S130、根据不同储层类型与钻井参数的对应关系确定样本集进行模型训练，得到储层类型预测模型，以基于储层类型预测模型以及未压裂的目标钻井参数进行储层类型预测。
在确定了不同储层类型与钻井参数的对应关系之后，即可将压裂段的储层类型与该压裂段的钻井参数之间的对应关系作为样本集，进行模型训练，得到储层类型预测模型。在得到储层类型预测模型之后，即可根据未进行压裂作业的目标压裂段的目标钻井参数，对目标压裂段的储层类型进行精准预测，降低施工成本。
本申请实施例的技术方案，获取水平井压裂段的破裂压力，并对破裂压力进行统计与归类，确定各压裂段对应的储层类型；基于聚类算法对不同储层类型的压裂段的钻井参数进行聚类分析，确定不同储层类型与钻井参数的对应关系；根据不同储层类型与钻井参数的对应关系确定样本集进行模型训练，得到储层类型预测模型，以基于储层类型预测模型以及未压裂的目标钻井参数进行储层类型预测。通过本申请实施例的技术方案，可以通过聚类分析准确挖掘不同储层类型对应的钻井参数的差异化特征，确定两者的对应关系，实现通过储层类型预测模型对目标压裂段的储层类型的精准预测，降低施工作业成本。
实施例二
图2为本申请实施例二提供的一种储层类型确定方法的流程图，本申请实施例以上述实施例为基础进行优化，未在本申请实施例中详尽描述的方案见上述实施例。如图2所示，本申请实施例的方法具体包括如下步骤：
S210、获取水平井压裂段的破裂压力，并对破裂压力进行统计与归类，确定各压裂段对应的储层类型。
不同的储层类型对应了不同的抗破裂强度，即施加在不同的储层上使其发生破裂的最小压力不同。因此，可以通过获取水平井压裂段的破裂压力，并对其进行统计与归类，来确定各压裂段对应的储层类型。
具体地，对破裂压力进行统计与归类，确定各压裂段对应的储层类型，包括：
绘制破裂压力与破裂压力累积概率的关系图；其中，破裂压力累积概率为同一破裂压力值的个数与破裂压力值总个数的比值；
根据关系图对破裂压力进行归类，确定各压裂段对应的储层类型。
本申请实施例中，在获取到水平井压裂段的破裂压力之后，根据同一破裂压力值的个数，计算其占破裂压力值的总个数的比值，即破裂压力累积概率，并绘制破裂压力与破裂压力累积概率的关系图，根据关系图对破裂压力进行归类，确定各压裂段对应的储层类型。
具体地，根据关系图对破裂压力进行归类，确定各压裂段对应的储层类型，包括：
基于劳伦兹累积概率曲线法对关系图进行归类，确定破裂压力范围对应的储层类型；
根据各压裂段对应的破裂压力，以及破裂压力范围对应的储层类型，确定各压裂段对应的储层类型。
其中，劳伦兹曲线是一种衡量不平等分布的方法，劳伦兹累积概率曲线则可以对破裂压力以及破裂压力的分布范围进行表征。本申请实施例中，可以基于劳伦兹累积概率曲线法对关系图进行归类，确定破裂压力范围对应的储层类型。在确定出破裂压力范围对应的储层类型之后，就可以根据各压裂段对应的破裂压力所在的破裂压力范围，确定出各压裂段对应的储层类型。本申请实施例通过应用劳伦兹累积概率曲线分类方法以破裂压力基本参数计算累积概率曲线进行数据升维，将单一维度的破裂压力升级为二维特征数据，根据数据分布折线图进行储层类型的定量分类评价。
示例性地，图3示出了一种劳伦兹累积概率曲线法工程储层类型分类图，如图所示，X轴代表的是破裂压力，Y轴代表的是破裂压力累积概率。图中的折线从左至右依次代表了一类工程储层、二类工程储层、三类工程储层以及四类工程储层，不同的工程储层对应了不同的破裂压力范围。
S220、采用基于网格密度的聚类算法对不同储层类型的压裂段的钻井参数进行聚类分析，确定不同储层类型的钻井参数的重叠度。
其中，常见的基于网格密度的聚类算法包括DBSCAN(Density-Based SpatialClustering of Applications with Noise，密度聚类算法)和DENCLUE(DENsity basedCLUstEring，密度峰值聚类算法)。一般来说，基于网格密度的聚类算法的工作流程如下：1、网格划分：将数据空间划分为规则的网格单元，每个网格单元可以是正方形、矩形或其他形状，具体取决于算法的实现方式和输入数据类型。2、密度计算：遍历数据集中的每个数据点，统计每个网格单元内包含的数据点数量，计算每个网格单元的密度值。3、聚类生成：根据设定的阈值或者密度门限值，确定哪些网格单元具有足够高的密度以形成一个聚类。4、聚类扩展：对于初始聚类生成的结果，可以考虑将低密度的网格与其相邻的该密度网格合并到相应的聚类中而扩展聚类的覆盖范围。5、聚类标记：对于生成的聚类，可以通过为每个数据点分配所属的聚类ID或标签来标识它们。
可以理解的是，不同的储层类型的压裂段的钻井参数的特征整体上是不同的，但不同储层类型对应的钻井参数之间会存在发生重叠的部分。因此，需要通过采用基于网格密度的聚类算法对不同储层类型的压裂段的钻井参数的特征进行聚类分析，确定不同储层类型的钻井参数的重叠度。
示例性地，图4示出了各工程储层类型的部分钻井参数特征分析图，如图4所示，由上到下分别是一类工程储层、二类工程储层、三类工程储层以及四类工程储层所对应的钻井参数的特征分析图。横向是同一工程储层对应的不同钻井参数之间的对比，而纵向是不同工程储层对应的同一钻井参数之间的对比。其中，MSE是指钻井过程中的均方误差，Zuansu是指钻井过程中的钻进速度，DGFH为大钩负荷，Frequency为频次，也就是个数。由图4可知，不同储层类型对应的各钻井参数整体上都是不同的，但其中会存在一些发生重叠的部分，因此，还需要对不同储层类型的压裂段的钻井参数的特征进行聚类分析。图5示出了基于网格密度的聚类算法的不同储层类型的钻井参数重叠度矩阵图，图5中为不同储层类型对应的同一钻井参数之间的重叠度矩阵图。其中，ERT1表示一类工程储层，ERT2表示二类工程储层，ERT3表示三类工程储层，ERT4表示四类工程储层。可以理解的是，两个相同储层类型的钻井参数的重叠度为1，而与其他的储层类型对应的钻井参数的重叠度则是从0到1的值。
S230、根据重叠度确定不同储层类型与钻井参数的对应关系。
可以理解的是，重叠度可以用于表征不同储层类型对应的钻井参数之间的相似程度，重叠度越大，相似程度越高，反之则越低。由此，可以通过选择特定的钻井参数，来使该钻井参数用于表示特定的储层类型，由此对不同的储层类型做出区分，即根据重叠度确定不同储层类型与钻井参数的对应关系。
具体地，根据重叠度确定不同储层类型与钻井参数的对应关系，包括：
确定不同储层类型对应的重叠度最小的钻井参数，并建立该钻井参数与不同储层类型的对应关系。
不同储层类型对应的钻井参数之间的重叠度越小，则说明不同储层类型对应的钻井参数之间的相似程度越低，则通过该钻井参数对不同的储层类型进行区分就越准确。本申请实施例中，确定不同储层类型对应的重叠度最小的钻井参数，并建立该钻井参数与不同储层类型的对应关系，可以最大程度地保证钻井参数与不同储层类型之间的对应关系的准确性。
示例性地，如图5所示，二类工程储层对应的该钻井参数与四类工程储层对应的该钻井参数之间的重叠度为0，则说明二类工程储层对应的该钻井参数与四类工程储层对应的该钻井参数毫不相关，此时，就可以建立起该钻井参数与二类工程储层以及四类工程储层之间的对应关系，并可以通过该钻井参数对二类工程储层以及四类工程储层进行区分。
S240、根据不同储层类型与钻井参数的对应关系确定样本集进行模型训练，得到储层类型预测模型，以基于储层类型预测模型以及未压裂的目标钻井参数进行储层类型预测。
本申请实施例中，建立起不同储层类型与钻井参数的对应关系之后，即可根据不同储层类型与钻井参数的对应关系确定样本集，进行模型训练，得到用于储层类型预测的训练模型，并通过未压裂的目标压裂段的目标钻井参数，对目标压裂段的储层类型进行预测。
具体地，根据不同储层类型与钻井参数的对应关系确定样本集进行模型训练，得到储层类型预测模型，包括：
根据不同储层类型与钻井参数的对应关系，将钻井参数作为特征数据，将钻井参数对应的储层类型作为标签数据，构建样本集；
根据样本集进行模型训练以及迭代优化，直到满足迭代条件得到储层类型预测模型。
本申请实施例中，可以将钻井参数作为特征数据，而将钻井参数对应的储层类型作为标签数据，构建样本集，并根据样本集进行模型训练以及迭代优化，直到满足迭代条件得到储层类型预测模型。可选地，在进行样本集的构建时，可以利用交叉验证的方法，将样本集中的60％的数据作为训练集，30％的数据作为检验集，而剩下的10％数据作为测试集。在进行模型训练时，以训练集数据进行模型训练，以检验集预测残差最小作为参数的迭代优化参数，以测试集预测残差最小作为算法的迭代优化算法，最终得到储层类型预测误差最低、精度最高的储层类型预测模型。
S250、针对未压裂的目标钻井，确定划分得到的各目标压裂段。
需要注意的是，水平井的压裂段划分是一个复杂的工程问题，需要考虑多个因素和专业知识。在实际操作中，通常需要利用地质勘探和模拟技术、水平井测试数据以及现场进行综合分析和判断，以确定最佳的压裂段划分方案。
S260、将各目标压裂段的目标钻井参数输入至储层类型预测模型中，确定各目标压裂段的目标储层类型。
在针对未压裂的目标钻井，确定划分得到的各目标压裂段之后，即可将各目标压裂段的目标钻井参数输入至储层类型预测模型中，通过该储层类型预测模型，准确地确定出各目标压裂段的目标储层类型，降低生产作业成本。
本申请实施例提供了一种储层类型确定方法，获取水平井压裂段的破裂压力，并对破裂压力进行统计与归类，确定各压裂段对应的储层类型；采用基于网格密度的聚类算法对不同储层类型的压裂段的钻井参数进行聚类分析，确定不同储层类型的钻井参数的重叠度；根据重叠度确定不同储层类型与钻井参数的对应关系；根据不同储层类型与钻井参数的对应关系确定样本集进行模型训练，得到储层类型预测模型，以基于储层类型预测模型以及未压裂的目标钻井数据进行储层类型预测；针对未压裂的目标钻井，确定划分得到的各目标压裂段；将各目标压裂段的目标钻井参数输入至储层类型预测模型中，确定各目标压裂段的目标储层类型。通过本申请实施例的技术方案，可以通过聚类分析准确挖掘不同储层类型对应的钻井参数的差异化特征，确定两者的对应关系，实现通过储层类型预测模型对目标压裂段的储层类型的精准预测，降低施工作业成本。
实施例三
图6为本申请实施例三提供的一种储层类型确定装置的结构示意图，该装置可执行本申请任意实施例所提供的储层类型确定方法，具备执行方法相应的功能模块和有益效果。如图6所示，所述装置包括：
储层类型确定模块310，用于获取水平井压裂段的破裂压力，并对破裂压力进行统计与归类，确定各压裂段对应的储层类型；
对应关系确定模块320，用于基于聚类算法对不同储层类型的压裂段的钻井参数进行聚类分析，确定不同储层类型与钻井参数的对应关系；
储层类型预测模块330，用于根据不同储层类型与钻井参数的对应关系确定样本集进行模型训练，得到储层类型预测模型，以基于储层类型预测模型以及未压裂的目标钻井数据进行储层类型预测。
本申请实施例中，储层类型确定模块310，包括：
关系图绘制单元，用于绘制破裂压力与破裂压力累积概率的关系图；其中，破裂压力累积概率为同一破裂压力值的个数与破裂压力值总个数的比值；
储层类型确定单元，用于根据所述关系图对破裂压力进行归类，确定各压裂段对应的储层类型。
可选地，所述储层类型确定单元，包括：
关系图归类子单元，用于基于劳伦兹累积概率曲线法对所述关系图进行归类，确定破裂压力范围对应的储层类型；
储层类型确定子单元，用于根据各压裂段对应的破裂压力，以及破裂压力范围对应的储层类型，确定各压裂段对应的储层类型。
本申请实施例中，对应关系确定模块320，包括：
重叠度确定单元，用于采用基于网格密度的聚类算法对不同储层类型的压裂段的钻井参数进行聚类分析，确定不同储层类型的钻井参数的重叠度；
对应关系确定单元，用于根据重叠度确定不同储层类型与钻井参数的对应关系。
可选地，所述对应关系确定单元，包括：
对应关系建立子单元，用于确定不同储层类型对应的重叠度最小的钻井参数，并建立该钻井参数与不同储层类型的对应关系。
本申请实施例中，储层类型预测模块330，包括：
样本集构建单元，用于根据不同储层类型与钻井参数的对应关系，将钻井参数作为特征数据，将钻井参数对应的储层类型作为标签数据，构建样本集；
模型训练单元，用于根据样本集进行模型训练以及迭代优化，直到满足迭代条件得到储层类型预测模型。
可选地，所述装置，还包括：
目标压裂段确定模块，用于针对未压裂的目标钻井，确定划分得到的各目标压裂段；
目标压裂段储层预测模块，用于将各目标压裂段的目标钻井参数输入至储层类型预测模型中，确定各目标压裂段的目标储层类型。
本申请实施例所提供的一种储层类型确定装置可执行本申请任意实施例所提供的一种储层类型确定方法，具备执行方法相应的功能模块和有益效果。
实施例四
图7示出了可以用来实施本申请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/或者要求的本申请的实现。
如图7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，例如储层类型确定方法。
在一些实施例中，储层类型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储层类型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)而被配置为执行储层类型确定方法。
本文中以上描述的方法和技术的各种实施方式可以在数字电子电路方法、集成电路方法、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上方法的方法(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方法上执行和/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，可以从存储方法、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方法、该至少一个输入装置、和该至少一个输出装置。
用于实施本申请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储层类型确定装置的处理器，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。
在本申请的上下文中，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方法、装置或设备使用或与指令执行方法、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、或半导体方法、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方法和技术，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。
可以将此处描述的方法和技术实施在包括后台部件的计算方法(例如，作为数据服务器)、或者包括中间件部件的计算方法(例如，应用服务器)、或者包括前端部件的计算方法(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方法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方法中。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)来将方法的部件相互连接。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。
计算方法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，本申请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，只要能够实现本申请的技术方案所期望的信息，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。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。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
Claims (10)
1.一种储层类型确定方法，其特征在于，所述方法包括：
获取水平井压裂段的破裂压力，并对破裂压力进行统计与归类，确定各压裂段对应的储层类型；
基于聚类算法对不同储层类型的压裂段的钻井参数进行聚类分析，确定不同储层类型与钻井参数的对应关系；
根据不同储层类型与钻井参数的对应关系确定样本集进行模型训练，得到储层类型预测模型，以基于储层类型预测模型以及未压裂的目标钻井参数进行储层类型预测。
2.根据权利要求1所述的方法，其特征在于，对破裂压力进行统计与归类，确定各压裂段对应的储层类型，包括：
绘制破裂压力与破裂压力累积概率的关系图；其中，破裂压力累积概率为同一破裂压力值的个数与破裂压力值总个数的比值；
根据所述关系图对破裂压力进行归类，确定各压裂段对应的储层类型。
3.根据权利要求2所述的方法，其特征在于，根据所述关系图对破裂压力进行归类，确定各压裂段对应的储层类型，包括：
基于劳伦兹累积概率曲线法对所述关系图进行归类，确定破裂压力范围对应的储层类型；
根据各压裂段对应的破裂压力，以及破裂压力范围对应的储层类型，确定各压裂段对应的储层类型。
4.根据权利要求1所述的方法，其特征在于，基于聚类算法对不同储层类型的压裂段的钻井参数进行聚类分析，确定不同储层类型与钻井参数的对应关系，包括：
采用基于网格密度的聚类算法对不同储层类型的压裂段的钻井参数进行聚类分析，确定不同储层类型的钻井参数的重叠度；
根据重叠度确定不同储层类型与钻井参数的对应关系。
5.根据权利要求4所述的方法，其特征在于，根据重叠度确定不同储层类型与钻井参数的对应关系，包括：
确定不同储层类型对应的重叠度最小的钻井参数，并建立该钻井参数与不同储层类型的对应关系。
6.根据权利要求1所述的方法，其特征在于，根据不同储层类型与钻井参数的对应关系确定样本集进行模型训练，得到储层类型预测模型，包括：
根据不同储层类型与钻井参数的对应关系，将钻井参数作为特征数据，将钻井参数对应的储层类型作为标签数据，构建样本集；
根据样本集进行模型训练以及迭代优化，直到满足迭代条件得到储层类型预测模型。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
针对未压裂的目标钻井，确定划分得到的各目标压裂段；
将各目标压裂段的目标钻井参数输入至储层类型预测模型中，确定各目标压裂段的目标储层类型。
8.一种储层类型确定装置，其特征在于，所述装置包括：
储层类型确定模块，用于获取水平井压裂段的破裂压力，并对破裂压力进行统计与归类，确定各压裂段对应的储层类型；
对应关系确定模块，用于基于聚类算法对不同储层类型的压裂段的钻井参数进行聚类分析，确定不同储层类型与钻井参数的对应关系；
储层类型预测模块，用于根据不同储层类型与钻井参数的对应关系确定样本集进行模型训练，得到储层类型预测模型，以基于储层类型预测模型以及未压裂的目标钻井数据进行储层类型预测。
9.一种电子设备，其特征在于，所述设备包括：
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中任一项所述的储层类型确定方法。
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中任一项所述的储层类型确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310870321.6A CN116881776A (zh) | 2023-07-14 | 2023-07-14 | 一种储层类型确定方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310870321.6A CN116881776A (zh) | 2023-07-14 | 2023-07-14 | 一种储层类型确定方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116881776A true CN116881776A (zh) | 2023-10-13 |
Family
ID=88271094
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310870321.6A Pending CN116881776A (zh) | 2023-07-14 | 2023-07-14 | 一种储层类型确定方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116881776A (zh) |
-
2023
- 2023-07-14 CN CN202310870321.6A patent/CN116881776A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP1984860B1 (en) | Methods, systems, and computer-readable media for fast updating of oil and gas field production models with physical and proxy simulators | |
| NO20181025A1 (en) | Machine learning for production prediction | |
| EP1982046A1 (en) | Methods, systems, and computer-readable media for real-time oil and gas field production optimization using a proxy simulator | |
| CN110991079A (zh) | 基于神经网络的油气藏参数解释方法、装置及电子设备 | |
| CN113204614B (zh) | 模型训练方法、优化训练数据集的方法及其装置 | |
| CN113221347B (zh) | 一种井壁稳定性钻井优化方法、装置及设备 | |
| CN112101625B (zh) | 一种页岩气井生产动态预测方法及系统 | |
| CN114718556A (zh) | 人工裂缝参数的获取方法、装置及设备 | |
| CN116881776A (zh) | 一种储层类型确定方法、装置、设备及介质 | |
| CN115239001A (zh) | 井底流压的确定方法、装置、电子设备和介质 | |
| 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 | |
| CN116757096B (zh) | 深薄致密砂岩气藏开发井型确定方法、装置、设备及介质 | |
| CN117829580A (zh) | 压裂套变风险评估方法、装置、电子设备及存储介质 | |
| CN109272042B (zh) | 基于pr模型的小尺度裂缝建模方法、装置、设备及介质 | |
| CN117077060A (zh) | 页岩气井的井漏预警方法、装置、电子设备和存储介质 | |
| 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 | |
| CN115455019A (zh) | 一种基于用户行为分析的搜索意图识别方法、装置及设备 | |
| 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 | |
| CN116468927A (zh) | 一种叠层石储层识别方法、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 | |
| CN117874559A (zh) | 一种岩相分类数量的确定方法、装置、设备及存储介质 | |
| CN115526017A (zh) | 油藏剩余油饱和度确定方法、装置、电子设备及介质 | |
| CN117708770A (zh) | 原油体积系数的确定方法、装置和存储介质 | |
| Zhao et al. | A Data-Driven Approach for Hydraulic Fracturing Simulation in Shale Based on Time-Series Images of Fracture Propagation | |
| 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 |