CN116956760A - 游离气含量的确定方法、装置、电子设备及存储介质 - Google Patents
游离气含量的确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116956760A CN116956760A CN202210374996.7A CN202210374996A CN116956760A CN 116956760 A CN116956760 A CN 116956760A CN 202210374996 A CN202210374996 A CN 202210374996A CN 116956760 A CN116956760 A CN 116956760A
- Authority
- CN
- China
- Prior art keywords
- free gas
- gas content
- regression
- influence factor
- determining
- 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 90
- 238000004458 analytical method Methods 0.000 claims description 37
- 230000015572 biosynthetic process Effects 0.000 claims description 28
- 238000010219 correlation analysis Methods 0.000 claims description 21
- 229910001748 carbonate mineral Inorganic materials 0.000 claims description 11
- 238000012417 linear regression Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 238000007689 inspection Methods 0.000 claims description 6
- 239000007789 gas Substances 0.000 description 254
- 229910052500 inorganic mineral Inorganic materials 0.000 description 20
- 239000011707 mineral Substances 0.000 description 20
- 238000000611 regression analysis Methods 0.000 description 17
- 239000005416 organic matter Substances 0.000 description 16
- 238000004364 calculation method Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 11
- 230000035699 permeability Effects 0.000 description 10
- 230000000694 effects Effects 0.000 description 8
- 230000008901 benefit Effects 0.000 description 7
- 238000011119 multifactor regression analysis Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 239000011435 rock Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 6
- 229910052683 pyrite Inorganic materials 0.000 description 6
- NIFIFKQPDTWWGU-UHFFFAOYSA-N pyrite Chemical compound [Fe+2].[S-][S-] NIFIFKQPDTWWGU-UHFFFAOYSA-N 0.000 description 6
- 239000011028 pyrite Substances 0.000 description 6
- 239000004215 Carbon black (E152) Substances 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 229930195733 hydrocarbon Natural products 0.000 description 5
- 150000002430 hydrocarbons Chemical class 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 239000003345 natural gas Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000008021 deposition Effects 0.000 description 2
- 238000003795 desorption Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000001179 sorption measurement Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 208000010392 Bone Fractures Diseases 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 206010017076 Fracture Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- 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
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Algebra (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Computational Mathematics (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Probability & Statistics with Applications (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Development Economics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medical Informatics (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Fluid Mechanics (AREA)
- Agronomy & Crop Science (AREA)
Abstract
本申请提供的一种游离气含量的确定方法、装置、电子设备及存储介质,通过获取目标工区中游离气含量的各个影响因素对应的数据;基于各个影响因素对应的数据和游离气含量,建立单一影响因素回归模型;基于所述单一影响因素回归模型的回归系数确定所述目标工区中游离气含量的主控因素;基于所述主控因素对应的数据和所述游离气含量确定多影响因素回归定量预测模型;基于所述多因素回归定量预测模型对所述目标工区中游离气含量进行预测,能够提高游离气含量预测精度。
Description
技术领域
本申请涉及油气勘探技术领域,特别地涉及一种游离气含量的确定方法、装置、电子设备及存储介质。
背景技术
页岩气是指主要以吸附态或游离态存在于暗色泥页岩或高碳泥页岩及其内部砂岩夹层中的天然气。作为页岩气资源勘探评价的核心基础,页岩储层含气量的评价一直作为关键研究内容而受到高度关注。不同页岩气藏的赋存状态及含气量差异较大,其中游离气的含量约占页岩气总含量的15%~80%(Curtis,2012)。页岩储层中游离气的含量及其占比不仅能反映页岩气的赋存状态,更能指示页岩气藏的流动性和可采性,准确计算游离气的含量对于深化页岩气成藏机理、正确认识页岩气层的资源潜力及产气能力都具有十分重要意义。
页岩气含量分析评价贯穿于页岩气勘探评价到开发生产的全过程,方法多样,各有所别。根据所依据资料基础的类型及工序流程,游离气含量的获取方法可分为钻前的地震解释、钻-录-测井解释(井筒技术)、现场测试、实验计算、地质分析和生产测试等6种类型,进一步归纳为直接法和间接法两大类(董谦等,2012;李明明,2015;万金彬等,2015;张博等,2018;张金川等,2021)。在页岩气勘探评价实践中,各种方法均有不同程度地应用,但适用条件和优缺点各有不同。直接法是获取页岩总含气量最准确可靠的方法,但该方法只能获取页岩总含气量不能有效区分出其中游离气和吸附气各自的含量,且解吸过程中由于温压条件的改变游离气通常会逸散出去导致含气量计算误差较大;因此,在研究中多采用间接法计算游离气含量。间接法计算游离气的含量主要是类比常规气体的体积法来计算,如公式1。但由于其中的参数通常用测井解释来获得,因此计算的结果主要受测井解释质量的影响。
式中,Vf是游离气量,m3/t;φ是页岩的孔隙度,%;Sg是含气饱和度,%;ρs是页岩密度,t/m3;Bg是气体体积系数。
然而,不同于常规天然气,页岩气的富集成藏是一个受吸附和解吸控制的动态过程,游离气的含量随地层条件时刻发生变化,影响页岩储层游离气含量的因素很多,如页岩矿物成分、有机质含量、热演化程度、孔隙度、渗透率、断裂发育程度、地层温度和压力等,因此,在计算游离气含量时应充分考虑这些因素对游离气的影响。但是,现有技术还未系统地将地质因素考虑到游离气含量的预测中,使得游离气含量预测不够准确。
发明内容
针对上述问题,本申请提供一种游离气含量的确定方法、装置、电子设备及存储介质,能够提高游离气含量预测精度。
本申请提供了一种游离气含量的确定方法,包括:
获取目标工区中游离气含量的各个影响因素对应的数据;
基于各个影响因素对应的数据和游离气含量,建立单一影响因素回归模型;
基于所述单一影响因素回归模型的回归系数确定所述目标工区中游离气含量的主控因素;
基于所述主控因素对应的数据和所述游离气含量确定多影响因素回归定量预测模型,以基于所述多因素回归定量预测模型对所述目标工区中游离气含量进行预测。
在一些实施例中,所述基于各个影响因素对应的数据和游离气含量,建立单一影响因素回归模型,包括:
基于各个影响因素对应的数据和游离气含量进行相关性分析,拟合游离气含量与各个影响因素之间的相关性,以得到单一影响因素回归模型。
在一些实施例中,所述基于所述单一影响因素回归模型的回归系数确定所述目标工区中游离气含量的主控因素,包括:
基于预设原则和所述单一影响因素回归模型的回归系数确定所述目标工区中所述游离气含量的主控因素,其中,所述主控因素对应的单一影响因素回归模型的回归系数大于预设阈值,且任意两个主控因素之间的相关性小于相关性阈值。
在一些实施例中,所述基于所述主控因素对应的数据和所述游离气含量确定多影响因素回归定量预测模型,包括:
基于主控因素对应的数据确定一个或多个主控因素与除所述一个或多个主控因素之外的其他主控因素之间的相关关系;
基于所述相关关系对所述主控因素进行简化得到目标主控因素;
基于所述目标主控因素对应的数据和所述游离气含量进行多元线性回归分析,确定多影响因素回归定量预测模型。
在一些实施例中,所述多影响因素回归定量预测模型为多个,所述方法还包括:
获取检验数据,其中,所述检验数据包括:目标主控因素对应的数据、及目标主控因素对应的游离气含量的实测值;
将所述目标主控因素对应的数据输入至各个多影响因素回归定量预测模型确定各个预测值;
基于所述实测值和各个预测值对各个多影响因素回归定量预测模型进行相关性分析及相对误差分析;
基于相关性分析的相关性系数和相对误差分析的误差分析值从多个所述多因素回归定量预测模型中确定目标多影响因素回归定量预测模型,以基于所述目标多影响因素回归定量预测模型对所述目标工区中游离气含量进行预测。
在一些实施例中,所述基于所述相关性分析的相关性系数和相对误差分析的误差分析值从多个所述多因素回归定量预测模型中确定目标多影响因素回归定量预测模型,包括:
基于相关性分析的相关性系数是否满足预设条件,且相对误差分析的误差分析值是否小于预设阈值,确定各个多影响因素回归定量预测模型是否合格;
基于所述相关性系数和误差分析值从合格的多影响因素回归定量预测模型中确定目标多影响因素回归定量预测模型。
在一些实施例中,所述主控因素包括:孔隙度、含气饱和度、碳酸盐矿物含量、地层温度、地层压力中的至少一个。
本申请实施例提供一种游离气含量的确定装置,包括:
获取模块,用于获取目标工区中游离气含量的各个影响因素对应的数据;
建立模块,用于基于各个影响因素对应的数据和游离气含量,建立单一影响因素回归模型;
第一确定模块,用于基于所述单一影响因素回归模型的回归系数确定所述目标工区中游离气含量的主控因素;
预测模块,用于基于所述主控因素对应的数据和所述游离气含量确定多影响因素回归定量预测模型,以基于所述多因素回归定量预测模型对所述目标工区中游离气含量进行预测。
本申请实施例提供一种电子设备,包括存储器和处理器,所述存储器上存储有计算机程序,该计算机程序被所述处理器执行时,执行上述任意一项所述游离气含量的确定方法。
本申请实施例提供一种存储介质,该存储介质存储的计算机程序,能够被一个或多个处理器执行,能够用来实现上述任一项所述游离气含量的确定方法。
本申请提供的一种游离气含量的确定方法、装置、电子设备及存储介质,通过获取目标工区中游离气含量的各个影响因素对应的数据;基于各个影响因素对应的数据和游离气含量,建立单一影响因素回归模型;基于所述单一影响因素回归模型的回归系数确定所述目标工区中游离气含量的主控因素;基于所述主控因素对应的数据和所述游离气含量确定多影响因素回归定量预测模型,以基于所述多因素回归定量预测模型对所述目标工区中游离气含量进行预测,能够提高游离气含量预测精度。
附图说明
在下文中将基于实施例并参考附图来对本申请进行更详细的描述。
图1为本申请实施例提供的一种游离气含量的确定方法的实现流程示意图;
图2为本申请实施例提供的另一种游离气含量的确定方法的实现流程示意图;
图3为本申请实施例提供的电子设备的组成结构示意图。
在附图中,相同的部件使用相同的附图标记,附图并未按照实际的比例绘制。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请作进一步地详细描述,所描述的实施例不应视为对本申请的限制,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它实施例,都属于本申请保护的范围。
在以下的描述中,涉及到“一些实施例”,其描述了所有可能实施例的子集,但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。
如果申请文件中出现“第一\第二\第三”的类似描述则增加以下的说明,在以下的描述中,所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序,以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的,不是旨在限制本申请。
基于相关技术中存在的问题,本申请实施例提供一种游离气含量的确定方法,所述方法应用于电子设备,例如计算机、移动终端等。本申请实施例提供的游离气含量的确定方法所实现的功能可以通过电子设备的处理器调用程序代码来实现,其中,程序代码可以保存在计算机存储介质中。
实施例一
本申请实施例提供一种游离气含量的确定方法,图1为本申请实施例提供的一种游离气含量的确定方法的实现流程示意图,如图1所示,包括:
步骤S101,获取目标工区中游离气含量的各个影响因素对应的数据。
本申请实施例中,所述影响因素可以是地球化学参数,所述地球化学参数可以包括:有机质丰度、有机质类型、有机质成熟度、生烃潜力、矿物成分参数(脆性矿物含量、碳酸盐矿物含量、黄铁矿等其他矿物含量)、岩石物性参数(孔隙度、渗透率、含气饱和度、岩石密度)、外部条件(地层温度、压力)等等。
本申请实施例中,可以对目标工区的页岩进行分析,确定影响因素。
步骤S102,基于各个影响因素对应的数据和游离气含量,建立单一影响因素回归模型。
本申请实施例中,基于各个影响因素对应的数据和游离气含量进行相关性分析,拟合游离气含量与各个影响因素之间的相关性,以得到单一影响因素回归模型。例如,有机质丰度与游离气含量的单一影响因素回归模型、有机质类型与游离气含量的单一影响因素回归模型、有机质成熟度与游离气含量的单一影响因素回归模型、生烃潜力与游离气含量的单一影响因素回归模型、脆性矿物含量与游离气含量的单一影响因素回归模型、碳酸盐矿物含量与游离气含量的单一影响因素回归模型、黄铁矿等其他矿物含量与游离气含量的单一影响因素回归模型、各个岩石物性参数与游离气含量的单一影响因素回归模型,例如孔隙度与游离气含量的单一影响因素回归模型、渗透率与游离气含量的单一影响因素回归模型、含气饱和度与游离气含量的单一影响因素回归模型、岩石密度与游离气含量的单一影响因素回归模型、地层温度与游离气含量的单一影响因素回归模型、压力与游离气含量的单一影响因素回归模型。
本申请实施例中,单一影响因素回归模型具有回归系数。
步骤S103,基于所述单一影响因素回归模型的回归系数确定所述目标工区中游离气含量的主控因素。
本申请实施例中,基于预设原则和所述单一影响因素回归模型的回归系数确定所述目标工区中所述游离气含量的主控因素,其中,所述主控因素对应的单一影响因素回归模型的回归系数大于预设阈值,且任意两个主控因素之间的相关性小于相关性阈值。
示例性地,预设原则包括各单因素之间没有明显的相关性且单因素模型的回归系数R2取值0.2或0.3以上,具体取值视单因素拟合的样品数量和具体效果而定,一般保证主控因素占影响因素的比例不低于3成且不高于5成。在简化计算的同时也保证了预测精度。
本申请实施例中,所述主控因素包括:孔隙度、含气饱和度、碳酸盐矿物含量、地层温度、地层压力中的至少一个。
步骤S104,基于所述主控因素对应的数据和所述游离气含量确定多影响因素回归定量预测模型,以基于所述多因素回归定量预测模型对所述目标工区中游离气含量进行预测。
本申请实施例中,可以基于主控因素对应的数据确定一个或多个主控因素与除所述一个或多个主控因素之外的其他主控因素之间的相关关系;基于所述相关关系对所述主控因素进行简化得到目标主控因素;基于所述目标主控因素对应的数据和所述游离气含量进行多元线性回归分析,确定多影响因素回归定量预测模型。示例性地,确定某一种或几种特定地质变量Yj与其他变量Xi之间是否存在相关关系,若存在,则找出彼此间相关关系的数学表达式(Yj=f(Xi),i=1,2,…m;j=1,2,…n);根据一个或几个相关变量的观测值Xp(p=1,2,…m),利用特定的数学表达式,预测或控制另一个或几个变量的值Yj(j=1,2,…n);通过回归分析,可优选出对某些特定地质变量Yj(j=1,2,…n)影响较大的相关地质变量Xi(i=1,2,…m),也可剔除对其影响很小的无关地质变量Xi(i=1,2,…m),从而将复杂的地质问题简单化。
本申请实施例中,可以根据主控因素特征,选择适合当前工区的回归分析模型,一般可通过对主控因素进行形式变换,建立起最简单的多元线性回归模型。例如,游离气含量与地层压力P通常是对数相关关系,而与lnP则可建立起线性相关关系。该处理方法的好处是将形式复杂的模型简单化,也便于将各主控因素统一处理。多因素回归定量预测模型如下:
Vf=B0+B1×(1/T)+B2×lnP+B3×φ+……Bi×Xi;
其中,Vf表示页岩游离气含量,单位为m3/t;T表示地层温度,单位为℃;P表示地层压力,单位为MPa;φ表示页岩储层孔隙度,单位为%;ρs表示页岩密度,单位为g/cm3;Xi(i=1,2,…m)表示游离气主控因素,Bi(i=1,2,…m)表示Xi的待定系数。
本申请实施例中,可以采用回归分析法对主控因素进行多因素回归分析,确定当前工区储层游离气量的计算模型。
示例性地,在一个实施方式中,多因素回归定量预测模型如下:
Vf=0.149×φ+0.013×Sg-0.630;
其中,Vf是页岩游离气含量,m3/t;φ是页岩孔隙度,%;Sg是页岩的含气饱和度,%。
在另一个实施方式中,多因素回归定量预测模型如下:
Vfm=6308.93×K+0.054×Sg-0.027×Bm-3.81;
其中,Vfm是页岩游离气含量,m3/t;Sg是页岩的含气饱和度,%;K是渗透率,md;Bm是脆性矿物含量,%。
本申请实施例中,当确定了多因素回归定量预测模型,可以输入对应地参数,即可以预测游离气含量。
本申请实施例中,回归分析可用Excel软件程序、SPSS软件程序、Matlab计算机编程等多种方式。
本申请提供的一种游离气含量的确定方法,通过获取目标工区中游离气含量的各个影响因素对应的数据;基于各个影响因素对应的数据和游离气含量,建立单一影响因素回归模型;基于所述单一影响因素回归模型的回归系数确定所述目标工区中游离气含量的主控因素;基于所述主控因素对应的数据和所述游离气含量确定多影响因素回归定量预测模型,以基于所述多因素回归定量预测模型对所述目标工区中游离气含量进行预测,能够提高游离气含量预测精度。
实施例二
基于前述的各个实施例,本申请实施例再提供一种游离气含量的确定方法,所述方法包括:
步骤S201,获取目标工区中游离气含量的各个影响因素对应的数据。
本申请实施例中,所述影响因素可以是地球化学参数,所述地球化学参数可以包括:有机质丰度、有机质类型、有机质成熟度、生烃潜力、矿物成分参数(脆性矿物含量、碳酸盐矿物含量、黄铁矿等其他矿物含量)、岩石物性参数(孔隙度、渗透率、含气饱和度、岩石密度)、外部条件(地层温度、压力)等等。
本申请实施例中,可以对目标工区的页岩进行分析,确定影响因素。
步骤S202,基于各个影响因素对应的数据和游离气含量,建立单一影响因素回归模型。
本申请实施例中,基于各个影响因素对应的数据和游离气含量进行相关性分析,拟合游离气含量与各个影响因素之间的相关性,以得到单一影响因素回归模型。例如,有机质丰度与游离气含量的单一影响因素回归模型、有机质类型与游离气含量的单一影响因素回归模型、有机质成熟度与游离气含量的单一影响因素回归模型、生烃潜力与游离气含量的单一影响因素回归模型、脆性矿物含量与游离气含量的单一影响因素回归模型、碳酸盐矿物含量与游离气含量的单一影响因素回归模型、黄铁矿等其他矿物含量与游离气含量的单一影响因素回归模型、各个岩石物性参数与游离气含量的单一影响因素回归模型,例如孔隙度与游离气含量的单一影响因素回归模型、渗透率与游离气含量的单一影响因素回归模型、含气饱和度与游离气含量的单一影响因素回归模型、岩石密度与游离气含量的单一影响因素回归模型、地层温度与游离气含量的单一影响因素回归模型、压力与游离气含量的单一影响因素回归模型。
本申请实施例中,单一影响因素回归模型具有回归系数。
步骤S203,基于所述单一影响因素回归模型的回归系数确定所述目标工区中游离气含量的主控因素。
本申请实施例中,基于预设原则和所述单一影响因素回归模型的回归系数确定所述目标工区中所述游离气含量的主控因素,其中,所述主控因素对应的单一影响因素回归模型的回归系数大于预设阈值,且任意两个主控因素之间的相关性小于相关性阈值。
示例性地,预设原则包括各单因素之间没有明显的相关性且单因素模型的回归系数R2取值0.2或0.3以上,具体取值视单因素拟合的样品数量和具体效果而定,一般保证主控因素占影响因素的比例不低于3成且不高于5成。在简化计算的同时也保证了预测精度。
本申请实施例中,所述主控因素包括:孔隙度、含气饱和度、碳酸盐矿物含量、地层温度、地层压力中的至少一个。
步骤S204,基于所述主控因素对应的数据和所述游离气含量确定多影响因素回归定量预测模型。
本申请实施例中,可以基于主控因素对应的数据确定一个或多个主控因素与除所述一个或多个主控因素之外的其他主控因素之间的相关关系;基于所述相关关系对所述主控因素进行简化得到目标主控因素;基于所述目标主控因素对应的数据和所述游离气含量进行多元线性回归分析,确定多影响因素回归定量预测模型。示例性地,确定某一种或几种特定地质变量Yj与其他变量Xi之间是否存在相关关系,若存在,则找出彼此间相关关系的数学表达式(Yj=f(Xi),i=1,2,…m;j=1,2,…n);根据一个或几个相关变量的观测值Xp(p=1,2,…m),利用特定的数学表达式,预测或控制另一个或几个变量的值Yj(j=1,2,…n);通过回归分析,可优选出对某些特定地质变量Yj(j=1,2,…n)影响较大的相关地质变量Xi(i=1,2,…m),也可剔除对其影响很小的无关地质变量Xi(i=1,2,…m),从而将复杂的地质问题简单化。
本申请实施例中,可以根据主控因素特征,选择适合当前工区的回归分析模型,一般可通过对主控因素进行形式变换,建立起最简单的多元线性回归模型。例如,游离气含量与地层压力P通常是对数相关关系,而与lnP则可建立起线性相关关系。该处理方法的好处是将形式复杂的模型简单化,也便于将各主控因素统一处理。多因素回归定量预测模型如下:
Vf=B0+B1×(1/T)+B2×lnP+B3×φ+……Bi×Xi;
其中,Vf表示页岩游离气含量,单位为m3/t;T表示地层温度,单位为℃;P表示地层压力,单位为MPa;φ表示页岩储层孔隙度,单位为%;ρs表示页岩密度,单位为g/cm3;Xi(i=1,2,…m)表示游离气主控因素,Bi(i=1,2,…m)表示Xi的待定系数。
本申请实施例中,可以采用回归分析法对主控因素进行多因素回归分析,确定当前工区储层游离气量的计算模型。
示例性地,在一个实施方式中,多因素回归定量预测模型如下:
Vf=0.149×φ+0.013×Sg-0.630;
其中,Vf是页岩游离气含量,m3/t;φ是页岩孔隙度,%;Sg是页岩的含气饱和度,%。
在另一个实施方式中,多因素回归定量预测模型如下:
Vfm=6308.93×K+0.054×Sg-0.027×Bm-3.81;
其中,Vfm是页岩游离气含量,m3/t;Sg是页岩的含气饱和度,%;K是渗透率,md;Bm是脆性矿物含量,%。
本申请实施例中,当确定了多因素回归定量预测模型,可以输入对应地参数,即可以预测游离气含量。
本申请实施例中,回归分析可用Excel软件程序、SPSS软件程序、Matlab计算机编程等多种方式。
步骤S205,获取检验数据,其中,所述检验数据包括:目标主控因素对应的数据、及目标主控因素对应的游离气含量的实测值。
步骤S206,将所述目标主控因素对应的数据输入至各个多影响因素回归定量预测模型确定各个预测值。
步骤S207,基于所述实测值和各个预测值对各个多影响因素回归定量预测模型进行相关性分析及相对误差分析。
步骤S208,基于相关性分析的相关性系数和相对误差分析的误差分析值从多个所述多因素回归定量预测模型中确定目标多影响因素回归定量预测模型,以基于所述目标多影响因素回归定量预测模型对所述目标工区中游离气含量进行预测。
示例性地,目标多影响因素回归定量预测模型的参见表1至表3。
表1为本申请实施例提供的一种目标多影响因素回归定量预测模型的模型摘要示意表。
其中,表中,a.因变量:游离气量Vfc(m3/t);
c.模型c中的预测变量:(常量),孔隙度,含气饱和度。
表2为本申请实施例提供的一种目标多影响因素回归定量预测模型的参数示意表。
表3为本申请实施例提供的一种目标多影响因素回归定量预测模型的系数示意表
目标多影响因素回归定量预测模型如下:
Vfc=0.149×φ+0.013×Sg-0.630;
其中,Vfc是本发明实施例中页岩游离气含量,m3/t;φ是本发明实施例中页岩孔隙度,%;Sg是本发明实施例中页岩含气饱和度,%。
本申请提供的一种游离气含量的确定方法,通过获取目标工区中游离气含量的各个影响因素对应的数据;基于各个影响因素对应的数据和游离气含量,建立单一影响因素回归模型;基于所述单一影响因素回归模型的回归系数确定所述目标工区中游离气含量的主控因素;基于所述主控因素对应的数据和所述游离气含量确定多影响因素回归定量预测模型,并从多影响因素回归定量预测模型确定目标多影响因素回归定量,进一步提升提高游离气含量预测精度。
实施例三
基于前述的各个实施例,本申请实施例再提供一种游离气含量的确定方法,图2为本申请实施例提供的一种游离气含量的确定方法的流程示意图,如图2所示,所述方法包括:
步骤S301:确定当前工区页岩游离气含量的影响因素,建立单一影响因素回归模型;
步骤S302:基于所述单因素回归模型,根据回归系数优选当前工区游离气的主控因素;
步骤S303:基于所述游离气主控因素,利用计算机软件开展多因素回归分析,建立当前工区游离气含量的多因素回归定量预测模型。
步骤S304,建立当前工区游离气含量的多因素回归定量预测模型,并进行可靠性检验。
具体实施方式如下:
所述步骤S301中,确定当前工区页岩游离气含量的影响因素,建立单一影响因素回归模型,包括:
(1)对页岩的地球化学参数开展单因素回归分析,通过相关性定性确定储层游离气含量的影响因素,其中,地球化学参数包含但并不局限于:有机质丰度、有机质类型、有机质成熟度、生烃潜力等。
(2)对页岩的矿物成分参数开展单因素回归分析,通过相关性定性确定储层游离气含量的影响因素,其中,矿物成分参数包含但并不局限于:脆性矿物含量、碳酸盐矿物含量、黄铁矿等其他矿物含量、脆性指数等。
(3)对储层岩石物性参数开展单因素回归分析,通过相关性定性确定储层游离气含量的影响因素,其中,岩石物性参数包含但并不局限于:孔隙度、渗透率、含气饱和度、岩石密度等。
(4)对页岩储层外部条件开展单因素回归分析,通过相关性定性确定储层游离气含量的影响因素,其中,储层外部条件包含但并不局限于:地层温度、地层压力等。
所述步骤S302中,基于所述单因素回归模型,根据回归系数优选当前工区游离气的主控因素,包括:
(1)通过一定原则确定页岩储层中游离气含量的主控因素;
(2)其中,一定原则包括各单因素之间没有明显的相关性且单因素模型的回归系数R2取值0.2或0.3以上,具体取值视单因素拟合的样品数量和具体效果而定,一般保证主控因素占影响因素的比例不低于3成且不高于5成。
所述步骤S303中,基于所述游离气主控因素,利用计算机软件开展多因素回归分析,建立当前工区游离气含量的多因素回归定量预测模型,包括:
(1)在研究地质问题的过程中,基于地质统计学的回归分析法具有十分广泛的应用,具体步骤如下:
1)确定某一种或几种特定地质变量Yj与其他变量Xi之间是否存在相关关系,若存在,则找出彼此间相关关系的数学表达式(Yj=f(Xi),i=1,2,…m;j=1,2,…n);
2)根据一个或几个相关变量的观测值Xp(p=1,2,…m),利用特定的数学表达式,预测或控制另一个或几个变量的值Yj(j=1,2,…n);
3)通过回归分析,可优选出对某些特定地质变量Yj(j=1,2,…n)影响较大的相关地质变量Xi(i=1,2,…m),也可剔除对其影响很小的无关地质变量Xi(i=1,2,…m),从而将复杂的地质问题简单化。
(2)根据游离气主控因素特征,选择适合当前工区的回归分析模型,一般可通过对主控因素进行形式变换,建立起最简单的多元线性回归模型。例如,游离气含量与地层压力P通常是对数相关关系,而与lnP则可建立起线性相关关系。该处理方法的好处是将形式复杂的模型简单化,也便于将各主控因素统一处理。游离气含量预测基本模型如下:
Vf=B0+B1×(1/T)+B2×lnP+B3×φ+……Bi×Xi (2);
其中,Vf表示页岩游离气含量,单位为m3/t;T表示地层温度,单位为℃;P表示地层压力,单位为MPa;φ表示页岩储层孔隙度,单位为%;ρs表示页岩密度,单位为g/cm3;Xi(i=1,2,…m)表示游离气主控因素,Bi(i=1,2,…m)表示Xi的待定系数。
(3)根据所述基本模型(2),用步骤(1)中所述的回归分析法,对所述步骤2优选的游离气主控因素进行多因素回归分析,确定当前工区储层游离气量的计算模型。
在一个实施方式中,页岩游离气含量预测模型如下:
Vf=0.149×φ+0.013×Sg-0.630 (3);
其中,Vf是页岩游离气含量,m3/t;φ是页岩孔隙度,%;Sg是页岩的含气饱和度,%。
在另一个实施方式中,页岩游离气含量预测模型如下:
Vfm=6308.93×K+0.054×Sg-0.027×Bm-3.81 (4);
其中,Vfm是页岩游离气含量,m3/t;Sg是页岩的含气饱和度,%;K是渗透率,md;Bm是脆性矿物含量,%。
在本发明所述方法,不仅分析了定性分析了游离气含量的影响因素,还根据主控因素采用回归分析法建立了游离气含量的定量计算模型,并且该发明所述方法可以用计算机软件简单快速地实现,从而使计算结果更加反映游离气含量主控因素的地区差异性。
实施例四
基于前述的各个实施例,本申请实施例再提供一种游离气含量的确定方法具体示例。本申请实施例中,考虑到不同于常规天然气,页岩气在储层中的赋存状态有吸附气、游离气和溶解气三种,其中的游离气不仅能反映页岩气的赋存状态,更能指示页岩气藏的流动性和可采性,准确计算游离气的含量对于深化页岩气成藏机理、正确认识页岩气层的资源潜力及产气能力都具有十分重要意义。此外,由于页岩所处沉积环境和构造特征的差异,造成页岩气富集成藏的主控因素差别较大,只有充分考虑影响游离气含量的主控因素,才能准确预测不同地区游离气的含量。对此,本发明提供了一种利用回归模型计算页岩储层游离气含量的方法。
下面以某工区页岩储层为实施例对本发明进行具体说明:
步骤1:确定当前工区页岩游离气含量的影响因素,建立单一影响因素回归模型;
在确定游离气含量影响因素时,系统地定性分析可能影响游离气含量的地质因素,包含但并不局限于以下地质因素:矿物成分参数(脆性矿物含量、碳酸盐矿物含量、黄铁矿等其他矿物含量)、岩石物性参数(孔隙度、渗透率、含气饱和度、岩石密度)、外部条件(地层温度、压力)。通过单因素相关性分析,拟合游离气量与各地质因素之间的相关性。
步骤2:基于所述单因素回归模型,根据回归系数优选当前工区游离气的主控因素;
通过一定原则优选影响游离气量的主控因素,在本实施例中将相关系数R2>0.2且彼此之间关联不大的因素作为主控因素,得到某工区陆相页岩游离气量主控因素;
步骤3:基于所述游离气主控因素,利用计算机软件开展多因素回归分析,建立当前工区游离气含量的多因素回归定量预测模型;
基于本实施例中优选的游离气主控因素:孔隙度、含气饱和度、碳酸盐矿物含量、地层温度温、地层压力,根据所述游离气含量预测基本模型,对上述游离气主控因素进行多因素回归分析,将上述主控因素作为自变量,采用多元线性回归分析的方法,确定当前实施例所述工区页岩游离气量的预测模型。本发明实施例中,采用SPSS软件进行多元线性回归分析,在得到的5个较优模型中选出最优模型最后,为证明本发明所述方法的可靠性,对某工区页岩储层游离气含量的回归计算模型进行了检验,可以基于页岩游离气量的预测值(基于本发明的回归模型)与实测值(基于常规气的经验公式)之间的相关性分析和相对误差分析,验证模型是否可靠,示例性地,相关系数接近于1,且相对误差较小(小于10%),证明该模型是非常可靠的。
本发明实施例提供了一种利用回归模型计算某工区页岩储层游离气含量的方法,达到了用相关性较好的参数快速有效地预测游离气量的技术效果。在测井解释法和经验公式法获得游离气量较为困难或者需要反映页岩主控因素的情况下,本发明提供的一种利用回归模型计算页岩储层游离气含量的方法,可以用最有效的参数对不同沉积环境下游离气的含量进行快速预测。
实施例五
基于前述的实施例,本申请实施例提供一种游离气含量的确定装置,该装置包括的各模块、以及各模块包括的各单元,可以通过计算机设备中的处理器来实现;当然也可通过具体的逻辑电路实现;在实施的过程中,处理器可以为中央处理器(CPU,CentralProcessing Unit)、微处理器(MPU,Microprocessor Unit)、数字信号处理器(DSP,DigitalSignal Processing)或现场可编程门阵列(FPGA,Field Programmable Gate Array)等。
本申请实施例提供一种游离气含量的确定装置,游离气含量的确定装置包括:
获取模块,用于获取目标工区中游离气含量的各个影响因素对应的数据;
建立模块,用于基于各个影响因素对应的数据和游离气含量,建立单一影响因素回归模型;
第一确定模块,用于基于所述单一影响因素回归模型的回归系数确定所述目标工区中游离气含量的主控因素;
预测模块,用于基于所述主控因素对应的数据和所述游离气含量确定多影响因素回归定量预测模型,以基于所述多因素回归定量预测模型对所述目标工区中游离气含量进行预测。
在一些实施例中,所述基于各个影响因素对应的数据和游离气含量,建立单一影响因素回归模型,包括:
基于各个影响因素对应的数据和游离气含量进行相关性分析,拟合游离气含量与各个影响因素之间的相关性,以得到单一影响因素回归模型。
在一些实施例中,所述基于所述单一影响因素回归模型的回归系数确定所述目标工区中游离气含量的主控因素,包括:
基于预设原则和所述单一影响因素回归模型的回归系数确定所述目标工区中所述游离气含量的主控因素,其中,所述主控因素对应的单一影响因素回归模型的回归系数大于预设阈值,且任意两个主控因素之间的相关性小于相关性阈值。
在一些实施例中,所述基于所述主控因素对应的数据和所述游离气含量确定多影响因素回归定量预测模型,包括:
基于主控因素对应的数据确定一个或多个主控因素与除所述一个或多个主控因素之外的其他主控因素之间的相关关系;
基于所述相关关系对所述主控因素进行简化得到目标主控因素;
基于所述目标主控因素对应的数据和所述游离气含量进行多元线性回归分析,确定多影响因素回归定量预测模型。
在一些实施例中,所述多影响因素回归定量预测模型为多个,所述方法还包括:
获取检验数据,其中,所述检验数据包括:目标主控因素对应的数据、及目标主控因素对应的游离气含量的实测值;
将所述目标主控因素对应的数据输入至各个多影响因素回归定量预测模型确定各个预测值;
基于所述实测值和各个预测值对各个多影响因素回归定量预测模型进行相关性分析及相对误差分析;
基于相关性分析的相关性系数和相对误差分析的误差分析值从多个所述多因素回归定量预测模型中确定目标多影响因素回归定量预测模型,以基于所述目标多影响因素回归定量预测模型对所述目标工区中游离气含量进行预测。
在一些实施例中,所述基于所述相关性分析的相关性系数和相对误差分析的误差分析值从多个所述多因素回归定量预测模型中确定目标多影响因素回归定量预测模型,包括:
基于相关性分析的相关性系数是否满足预设条件,且相对误差分析的误差分析值是否小于预设阈值,确定各个多影响因素回归定量预测模型是否合格;
基于所述相关性系数和误差分析值从合格的多影响因素回归定量预测模型中确定目标多影响因素回归定量预测模型。
在一些实施例中,所述主控因素包括:孔隙度、含气饱和度、碳酸盐矿物含量、地层温度、地层压力中的至少一个。
需要说明的是,本申请实施例中,如果以软件功能模块的形式实现上述的游离气含量的确定方法,并作为独立的产品销售或使用时,也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,本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。这样,本申请实施例不限制于任何特定的硬件和软件结合。
相应地,本申请实施例提供一种存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现上述实施例中提供的游离气含量的确定方法中的步骤。
实施例六
本申请实施例提供一种电子设备;图3为本申请实施例提供的电子设备的组成结构示意图,如图3所示,所述电子设备700包括:一个处理器701、至少一个通信总线702、用户接口703、至少一个外部通信接口704、存储器705。其中,通信总线702配置为实现这些组件之间的连接通信。其中,用户接口703可以包括显示屏,外部通信接口704可以包括标准的有线接口和无线接口。所述处理器701配置为执行存储器中存储的游离气含量的确定方法的程序,以实现以上述实施例提供的游离气含量的确定方法中的步骤。
以上显示设备和存储介质实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本申请计算机设备和存储介质实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
这里需要指出的是:以上存储介质和设备实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本申请存储介质和设备实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解,在本申请的各种实施例中,上述各过程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,而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,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,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,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全部单元来实现本实施例方案的目的。
另外,在本申请各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,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,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述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计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也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,本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台控制器执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种游离气含量的确定方法,其特征在于,包括:
获取目标工区中游离气含量的各个影响因素对应的数据;
基于各个影响因素对应的数据和游离气含量,建立单一影响因素回归模型;
基于所述单一影响因素回归模型的回归系数确定所述目标工区中游离气含量的主控因素;
基于所述主控因素对应的数据和所述游离气含量确定多影响因素回归定量预测模型,以基于所述多因素回归定量预测模型对所述目标工区中游离气含量进行预测。
2.根据权利要求1所述的方法,其特征在于,所述基于各个影响因素对应的数据和游离气含量,建立单一影响因素回归模型,包括:
基于各个影响因素对应的数据和游离气含量进行相关性分析,拟合游离气含量与各个影响因素之间的相关性,以得到单一影响因素回归模型。
3.根据权利要求1所述的方法,其特征在于,所述基于所述单一影响因素回归模型的回归系数确定所述目标工区中游离气含量的主控因素,包括:
基于预设原则和所述单一影响因素回归模型的回归系数确定所述目标工区中所述游离气含量的主控因素,其中,所述主控因素对应的单一影响因素回归模型的回归系数大于预设阈值,且任意两个主控因素之间的相关性小于相关性阈值。
4.根据权利要求1所述的方法,其特征在于,所述基于所述主控因素对应的数据和所述游离气含量确定多影响因素回归定量预测模型,包括:
基于主控因素对应的数据确定一个或多个主控因素与除所述一个或多个主控因素之外的其他主控因素之间的相关关系;
基于所述相关关系对所述主控因素进行简化得到目标主控因素;
基于所述目标主控因素对应的数据和所述游离气含量进行多元线性回归分析,确定多影响因素回归定量预测模型。
5.根据权利要求4所述的方法,其特征在于,所述多影响因素回归定量预测模型为多个,所述方法还包括:
获取检验数据,其中,所述检验数据包括:目标主控因素对应的数据、及目标主控因素对应的游离气含量的实测值;
将所述目标主控因素对应的数据输入至各个多影响因素回归定量预测模型确定各个预测值;
基于所述实测值和各个预测值对各个多影响因素回归定量预测模型进行相关性分析及相对误差分析;
基于相关性分析的相关性系数和相对误差分析的误差分析值从多个所述多因素回归定量预测模型中确定目标多影响因素回归定量预测模型,以基于所述目标多影响因素回归定量预测模型对所述目标工区中游离气含量进行预测。
6.根据权利要求5所述的方法,其特征在于,所述基于所述相关性分析的相关性系数和相对误差分析的误差分析值从多个所述多因素回归定量预测模型中确定目标多影响因素回归定量预测模型,包括:
基于相关性分析的相关性系数是否满足预设条件,且相对误差分析的误差分析值是否小于预设阈值,确定各个多影响因素回归定量预测模型是否合格;
基于所述相关性系数和误差分析值从合格的多影响因素回归定量预测模型中确定目标多影响因素回归定量预测模型。
7.根据权利要求1所述的方法,其特征在于,所述主控因素包括:孔隙度、含气饱和度、碳酸盐矿物含量、地层温度、地层压力中的至少一个。
8.一种游离气含量的确定装置,其特征在于,包括:
获取模块,用于获取目标工区中游离气含量的各个影响因素对应的数据;
建立模块,用于基于各个影响因素对应的数据和游离气含量,建立单一影响因素回归模型;
第一确定模块,用于基于所述单一影响因素回归模型的回归系数确定所述目标工区中游离气含量的主控因素;
预测模块,用于基于所述主控因素对应的数据和所述游离气含量确定多影响因素回归定量预测模型,以基于所述多因素回归定量预测模型对所述目标工区中游离气含量进行预测。
9.一种电子设备,其特征在于,包括存储器和处理器,所述存储器上存储有计算机程序,该计算机程序被所述处理器执行时,执行如权利要求1至7任意一项所述游离气含量的确定方法。
10.一种存储介质,其特征在于,该存储介质存储的计算机程序,能够被一个或多个处理器执行,能够用来实现如权利要求1至7中任一项所述游离气含量的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210374996.7A CN116956760A (zh) | 2022-04-11 | 2022-04-11 | 游离气含量的确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210374996.7A CN116956760A (zh) | 2022-04-11 | 2022-04-11 | 游离气含量的确定方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116956760A true CN116956760A (zh) | 2023-10-27 |
Family
ID=88451548
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210374996.7A Pending CN116956760A (zh) | 2022-04-11 | 2022-04-11 | 游离气含量的确定方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116956760A (zh) |
-
2022
- 2022-04-11 CN CN202210374996.7A patent/CN116956760A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110717249B (zh) | 页岩气储层测井孔隙度快速预测方法及系统 | |
Durner et al. | Extended multistep outflow method for the accurate determination of soil hydraulic properties near water saturation | |
Lecompte et al. | Quantifying source rock maturity from logs: how to get more than TOC from delta log R | |
US20190080273A1 (en) | Method and apparatus for evaluating exploitation value of a geological resource | |
CN104040377A (zh) | 用于碳酸盐中的岩石物理学岩石定型的集成工作流程或方法 | |
Wang et al. | Determination of total organic carbon content in shale formations with regression analysis | |
CN113065279A (zh) | 预测总有机碳含量的方法、装置、设备及存储介质 | |
CN112862139A (zh) | 流体类型预测模型的构建方法、流体类型预测方法和装置 | |
Aljuboori et al. | The impact of diagenesis precipitation on fracture permeability in naturally fractured carbonate reservoirs | |
Liu et al. | The application of geostatistical inversion in shale lithofacies prediction: a case study of the Lower Silurian Longmaxi marine shale in Fuling area in the southeast Sichuan Basin, China | |
Francesconi et al. | Reservoir rock types application-Kashagan | |
CN114169120A (zh) | 页岩含气量预测方法、装置、电子设备及介质 | |
Helgerud et al. | Rock physics characterization for gas hydrate reservoirs: Elastic properties | |
CN116956760A (zh) | 游离气含量的确定方法、装置、电子设备及存储介质 | |
CN115929292A (zh) | 基于成像测井和常规测井融合的测井方法、装置及设备 | |
Moosavi et al. | Estimation of Pore Volume Compressibility in Carbonate Reservoir Rocks Based on a Classification | |
Shinevar et al. | WISTFUL: Whole‐rock interpretative seismic toolbox for ultramafic lithologies | |
US20220244421A1 (en) | Method and system for ranking reactivities for kinetics assignment in basin modeling | |
US11592593B2 (en) | Modeling hydrocarbon reservoirs using rock fabric classification at reservoir conditions | |
Sanguinito et al. | CO₂ Storage prospeCtive Resource Estimation Excel aNalysis (CO₂-SCREEN) User’s Manual | |
Guo et al. | Predicting the total porosity of shale gas reservoirs | |
WO2021003426A1 (en) | Systems and methods to validate petrophysical models using reservoir simulations | |
Yuan et al. | Rock-physics modeling for the elastic properties of gas hydrate-bearing sediments under varying fluid saturation and temperature | |
CN117035139A (zh) | 页岩气总含量的确定方法、装置、电子设备及存储介质 | |
Ehsan et al. | Unconventional Reservoir Characterization of Patala Formation, Upper Indus Basin, Pakistan |
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 |