CN117370846A - 一种基于微震事件的水力压裂三维裂缝网构建方法及系统 - Google Patents

一种基于微震事件的水力压裂三维裂缝网构建方法及系统 Download PDF

Info

Publication number
CN117370846A
CN117370846A CN202311668309.3A CN202311668309A CN117370846A CN 117370846 A CN117370846 A CN 117370846A CN 202311668309 A CN202311668309 A CN 202311668309A CN 117370846 A CN117370846 A CN 117370846A
Authority
CN
China
Prior art keywords
points
microseismic event
event
dimensional
point
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
Application number
CN202311668309.3A
Other languages
English (en)
Other versions
CN117370846B (zh
Inventor
翟鸿宇
蒋长胜
侯晓琳
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.)
INSTITUTE OF GEOPHYSICS CHINA EARTHQUAKE ADMINISTRATION
Original Assignee
INSTITUTE OF GEOPHYSICS CHINA EARTHQUAKE ADMINISTRATION
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 INSTITUTE OF GEOPHYSICS CHINA EARTHQUAKE ADMINISTRATION filed Critical INSTITUTE OF GEOPHYSICS CHINA EARTHQUAKE ADMINISTRATION
Priority to CN202311668309.3A priority Critical patent/CN117370846B/zh
Publication of CN117370846A publication Critical patent/CN117370846A/zh
Application granted granted Critical
Publication of CN117370846B publication Critical patent/CN117370846B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/288—Event detection in seismic signals, e.g. microseismics
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/30—Analysis
    • G01V1/301—Analysis for determining seismic cross-sections or geostructures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/10—Aspects of acoustic signal generation or detection
    • G01V2210/12—Signal generation
    • G01V2210/129—Source location
    • G01V2210/1299—Subsurface, e.g. in borehole or below weathering layer or mud line
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/64—Geostructures, e.g. in 3D data cubes
    • G01V2210/642—Faults
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/65—Source localisation, e.g. faults, hypocenters or reservoirs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Environmental & Geological Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Geophysics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Geology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Acoustics & Sound (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Geometry (AREA)
  • Emergency Management (AREA)
  • Business, Economics & Management (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于微震事件的水力压裂三维裂缝网构建方法及系统，方法包括：获取微震事件点的空间位置信息，建立微震事件点集合；将微震事件点的空间位置信息增加法向量维度信息，形成微震事件四维特征数据集；使用改进后的聚类算法NC‑DBSCAN算法对微震事件点进行划分，获得多个微震事件聚类簇，从而区分空间交错裂缝；然后进行三维裂缝平面拟合；提取裂缝轮廓，构建三维裂缝网。本发明在微震事件点的三维空间位置信息上提取并增加了法向量维度信息，构建了微地震事件四维特征数据集，使用改进后的NC‑DBSCAN算法进行聚类，便于准确有效地识别出平行、交错的复杂裂缝，便于构建出准确度与有效性高的三维裂缝网络。

Description

一种基于微震事件的水力压裂三维裂缝网构建方法及系统
技术领域
本发明涉及水力压裂开发技术领域，更具体的说是涉及一种基于微震事件的水力压裂三维裂缝网构建方法及系统。
背景技术
油气资源的需求日益增长，常规油气藏已无法满足，因此非常规油气藏的开发与勘探愈发受到重视。水力压裂技术是非常规油气藏储层改造开发中的核心手段，地下储层裂缝发育过程中伴随着数量众多的诱发微地震事件，而基于微震事件三维空间信息构建的水力压裂储层裂缝网络模型是模拟和评估裂缝性储层流动性、进而评价压裂效果的关键技术。
现有技术中结合微地震监测进行水力压裂裂缝网络建立的主要方式主要为：对于微震事件点空间分布信息的数据进行点集聚类划分裂缝进而建立模型。对于仅有微震事件点空间分布信息的数据构建水力压裂裂缝网络的方法主要取决于微震事件点的分布密度，因此，各类聚类方法是常用的手段。现有技术中建立水力压裂裂缝网络常用的聚类方法对于分布均匀且较为离散的微震事件点集（即离散孤立裂缝面）通常有较好的识别效果。但实际非常规油气开发中，储层水力压裂裂缝会有复杂的连通交错特征，且分布也并不均匀，现有基于微地震空间信息的裂缝建模方法无法较好的识别出交错裂缝，其构建的裂缝网准确性有效性有待进一步提升。
因此，如何准确有效识别储层水力压裂过程所形成的复杂交错裂缝面，并在此基础上构建水力压裂三维裂缝网络，为水力压裂改造效果评价提供准确有效的解决方案，是本领域技术人员亟需解决的技术问题。
发明内容
有鉴于此，本发明提供至少解决上述部分技术问题的一种基于微震事件的水力压裂三维裂缝网构建方法及系统，本发明中在微震事件点的空间位置信息的基础上提取并增加了法向量维度信息，形成微地震事件四维特征数据集，进一步地使用改进后的聚类算法NC-DBSCAN算法对微震事件四维特征数据集进行聚类划分，可以准确有效地识别出平行、交错的裂缝，在此基础上构建出准确性有效性高的水力压裂三维裂缝网，有助于为水力压裂改造效果评价提供更为行之有效的解决方案。
为实现上述目的，本发明采取的技术方案为：
第一方面，本发明实施例提供一种基于微震事件的水力压裂三维裂缝网构建方法，该方法包括以下步骤：
S1、获取微震事件点的空间位置信息，建立微震事件点集合；
S2、将微震事件点的空间位置信息提取并增加法向量维度信息，形成微震事件四维特征数据集；
S3、使用改进后的聚类算法NC-DBSCAN算法对所述微震事件四维特征数据集中的事件点进行聚类划分，获得多个微震事件聚类簇，区分复杂交错裂缝网络中的单个裂缝；
S4、对每个微震事件聚类簇进行裂缝平面拟合；
S5、使用alpha-shape方法提取裂缝轮廓，获得裂缝属性信息，构建三维裂缝网络。
在一个可选的实施方式中，所述步骤S1中，微震事件点的空间位置信息包括：微震事件在地理坐标下的平面相对位置信息，以及微震事件深度信息。
在一个可选的实施方式中，所述步骤S2中，将微震事件点的空间位置信息提取并增加法向量维度信息，形成微震事件四维特征数据集，包括：
S21、设定邻域半径和最小邻域事件点数为初始参数；选取第一个微震事件点p；
S22、计算微震事件点p邻域半径范围内的点数量是否满足最小邻域事件点数，若满足条件则进行下一步，不满足则将该点法向量维度信息标记为NaN；
S23、对于满足条件的微震事件点及其邻域半径内的微震事件点形成的集合Q，抽取集合Q中若干个点拟合一个平面模型，计算符合预设阈值的平面模型内点数量，不断迭代更新模型的内点及其数量，提取效果最好的模型内点拟合平面，将平面的法向量作为点集Q中微震事件点的法向量，为微震事件增加第四维的法向量信息；
S24、循环遍历所有微震事件点，重复步骤S22和S23，直到所有微震事件点均被处理；
S25、剔除微震事件点中法向量维度信息为NaN的点，形成微震事件四维特征数据集。
在一个可选的实施方式中，所述步骤S3中，使用改进后的聚类算法NC-DBSCAN算法对所述微震事件四维特征数据集中的微震事件点进行聚类划分，获得多个微震事件聚类簇，包括：
S31、利用微震事件四维特征数据集的分布特性生成候选邻域半径和最小邻域事件点数的参数，使用DBSCAN聚类算法寻找聚类结果的簇数变化稳定区间，并将该区间中密度阈值最少时所对应的邻域半径和最小邻域事件点数作为最优参数，并根据聚类后簇与簇之间微震事件点的散乱程度确定法向量夹角阈值；
S32、对于微震事件四维特征数据集中的点，若邻域半径范围内微震事件点的数量满足最小邻域事件点数，且邻域范围内的微震事件点和点/>之间法向量夹角小于阈值，则将点/>作为一个核心点；
S33、以点出发计算邻域半径范围内满足与点/>之间法向量夹角小于阈值的点，作为点/>的直接密度可达点/>；
S34、以点继续出发计算邻域半径范围内满足与/>之间法向量夹角小于阈值的点，作为点/>的密度可达点/>；点/>和直接密度可达点/>、密度可达点/>共同组成一个微震事件聚类簇；
S35、顺序遍历微震事件四维特征数据集；重复步骤S32~S34，将微震事件四维特征数据集中所有微震事件点划分为不同的微震事件聚类簇或噪点。
在一个可选的实施方式中，所述步骤S4中，对每个微震事件聚类簇进行裂缝平面拟合，包括：
S41、提取出每个簇中的微震事件点形成点集C；
S42、抽取点集C中若干个点拟合一个平面模型，计算在阈值内的内点数量，不断迭代更新模型的内点及其数量，提取效果最好的模型内点拟合裂缝平面；
S43、遍历所有微震事件聚类簇，重复步骤S41~S42，直至所有微震事件聚类簇中的点拟合为裂缝平面。
在一个可选的实施方式中，所述步骤S5中，使用alpha-shape方法提取裂缝轮廓，获得裂缝属性信息，构建三维裂缝网络，包括：
S51、选定单个微震事件聚类簇和对应的裂缝平面；
S52、将簇中的所有点投影至对应的裂缝平面上；
S53、使用alpha-shape方法提取裂缝轮廓，形成单裂缝面几何形状，计算裂缝的属性参数；
S54、遍历所有微震事件聚类簇，重复步骤S52~S53，直至所有裂缝面被绘制，构建出三维裂缝网络。
在一个可选的实施方式中，采用随机抽样一致性算法随机抽取不重复的三个点来拟合一个平面模型。
第二方面，本发明实施例还提供一种基于微震事件的水力压裂三维裂缝网构建系统，应用上述的一种基于微震事件的水力压裂三维裂缝网构建方法，进行三维裂缝网络模型构建，该系统包括：
数据获取模块，用于获取微震事件点的空间位置信息，建立微震事件点集合；
法向量信息提取模块，用于将微震事件点的空间位置信息提取并增加法向量维度信息，形成微震事件四维特征数据集；
微震事件聚类模块，用于使用改进后的聚类算法NC-DBSCAN算法对所述微震事件四维特征数据集中的事件点进行聚类划分，获得多个微震事件聚类簇，区分复杂交错裂缝网络中的单个裂缝；
裂缝平面拟合模块，用于对每个微震事件聚类簇进行裂缝平面拟合；
三维裂缝网构建模块，用于使用alpha-shape方法提取裂缝轮廓，获得裂缝属性信息，构建三维裂缝网络。
与现有技术相比，本发明至少具有如下有益效果：
本发明提供了一种基于微震事件的水力压裂三维裂缝网构建方法及系统，在微震事件点的三维空间位置信息上提取并增加了法向量维度信息；构建了微地震事件四维特征数据集，使用改进后的NC-DBSCAN算法进行聚类；可以准确有效的区分交错裂缝，既可以准确有效识别相交裂缝面，也可以准确区分离散裂缝面，在此基础上构建裂缝面形成水力压裂三维裂缝网，便于为水力压裂效果评估提供了一种更为行之有效且适用性更为广泛的三维裂缝网重构模型。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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。
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
图1为本发明实施例提供的一种基于微震事件的水力压裂三维裂缝网构建方法流程示意图。
图2为本发明实施例提供的微震事件点法向量示意图。
图3为本发明实施例提供的NC-DBSCAN算法聚类效果示意图。
图4为本发明实施例提供的传统DBSCAN算法聚类效果示意图。
图5为本发明实施例提供的三维裂缝网络模型示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。此外，各种序号等仅用于描述目的，而不能理解为指示或暗示相对重要性。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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，都属于本发明保护的范围。
参见图1所示，本发明提供了一种基于微震事件的水力压裂三维裂缝网构建方法，该方法主要包括以下步骤：
S1、获取微震事件点的空间位置信息，建立微震事件点集合；
S2、将微震事件点的空间位置信息提取并增加法向量维度信息，形成微震事件四维特征数据集；
S3、使用改进后的聚类算法NC-DBSCAN算法对所述微震事件四维特征数据集中的事件点进行聚类划分，获得多个微震事件聚类簇，区分复杂交错裂缝网络中的单个裂缝；
S4、对每个微震事件聚类簇进行裂缝平面拟合；
S5、使用alpha-shape方法提取裂缝轮廓，获得裂缝属性信息，构建三维裂缝网络。
本发明方法特别适用于一条主裂缝上又交错连接了几条次级裂缝的情况，便于有效的把交错裂缝区分开，有利于解决相交裂缝无法准确有效识别的难题，下面对本发明方法的具体实施方式进行详细说明：
在一个具体的实施例中，在上述步骤S1中，获取微震事件空间分布信息，微震事件点的空间位置信息包括三个参数，/>以大地坐标系设定，/>代表微震事件深度。
在一个具体的实施例中，在上述步骤S2中，设定邻域半径（nor_eps）和最小邻域事件点数目（nor_minpts）为初始参数，对于微震事件点集合进行遍历平面拟合分析，任一微震事件点在nor_eps范围内满足nor_minpts条件后，进行平面拟合，可以拟合为平面的微震事件点增加法向量维度信息：；遍历所有的微震事件点后，微震事件点的三维空间位置信息升级为四维参数：/>；效果如图2所示，图2中散点代表微震事件，箭头代表点的法向量方向。
结合图1所示，本发明方法的具体实施方式如下：
S21：设定邻域半径和最小邻域事件点数为初始参数；选取第一个微震事件点p；
S22：寻找微震事件点p邻域半径nor_eps范围内的点数量是否满足邻域点数nor_minpts，若满足条件则进行下一步，不满足则该点法向量参数标记为NaN；
S23：对于满足条件的微震事件点及其邻域半径内的微震事件点形成的集合Q，执行随机抽样一致性算法（RANSAC），每次随机抽取Q中不重复的三个点来拟合一个平面模型，计算在阈值内的内点数量，不断迭代更新模型的内点及其数量，提取效果最好的模型内点拟合平面，将平面的法向量作为点集Q中每个点的法向量，从而为微震事件增加第四维的法向量信息；
S24：循环遍历所有微震事件点，重复步骤S22和S23，直到所有点均被处理；
S25：剔除微震事件点中法向量为NaN的点，保留其他微震事件点的空间位置信息及每个点的法向量参数/>，形成新的微震事件数据集data（即微震事件四维特征数据集）。
在一个具体的实施例中，在上述步骤S3中，使用改进后的聚类算法NC-DBSCAN算法对新的微震事件数据集data中微震事件点进行划分，获得多个微震事件聚类簇。在本实施例中，使用NC-DBSCAN算法进行聚类的具体操作流程如下：
S31：利用新的微震事件数据集data的分布特性生成候选eps和minpts参数，使用DBSCAN聚类自动寻找聚类结果的簇数变化稳定区间，并将该区间中密度阈值最少时所对应的eps和minpts参数作为最优参数，并根据聚类后簇与簇之间微震事件点的散乱程度确定max_deg值（法向量夹角阈值）；
S32：对于data中的点，若邻域半径eps范围内微震事件点的数量满足最小数量minpts（即最小包含点数），且邻域范围内的微震事件点和点/>之间法向量夹角小于阈值max_deg，则点/>为data中的一个核心点；
S33：以点为核心点出发寻找邻域半径eps范围内满足与点/>之间法向量夹角小于阈值max_deg的点为/>的直接密度可达点/>；
S34：从点继续出发寻找邻域半径eps范围内满足与/>之间法向量夹角小于阈值max_deg的点为/>的密度可达点/>，点/>和直接密度可达点/>、密度可达点/>共同组成一个微震事件聚类簇；
S35：顺序遍历新的微震事件数据集data，重复步骤S32~S34，直至所有点被划分到不同微震事件聚类簇中，或被划分为噪点，结果如图3所示。
在本实施例中，采用传统DBSCAN算法聚类效果如图4所示，二者对比可以看出本发明改进后的聚类算法NC-DBSCAN算法相较传统DBSCAN算法的聚类效果更佳。
在一个具体的实施例中，上述的步骤S3将微震事件数据集data中所有微震事件点划分为不同的事件簇或噪点，此时上述步骤S4包括：
S41：提取出每个微震事件聚类簇中的微震事件点形成点集cluster_pts；
S42：对于点集cluster_pts执行随机抽样一致性算法（RANSAC）每次随机抽取cluster_pts中不重复的三个点来拟合一个平面模型，计算在阈值内的内点数量，不断迭代更新模型的内点及其数量，提取效果最好的模型内点拟合裂缝平面；
S43：遍历所有事件簇，重复步骤S41~S42，直至所有簇中的点拟合为裂缝平面。
在一个具体的实施例中，上述步骤S5的具体实施步骤为：
S51、选定单个微震事件聚类簇和对应的裂缝平面；
S52、将簇中的所有点投影至对应的裂缝平面上；
S53、使用alpha-shape方法提取裂缝轮廓，形成单裂缝面几何形状，计算裂缝的属性参数（包括：大小，空间位置与开度）；
S54、遍历所有微震事件聚类簇，重复步骤S52~S53，直至所有裂缝面被绘制，构建出三维裂缝网络，构建的三维裂缝网络模型参见图5所示。
由上述实施例的描述，本领域技术人员可获知本发明提供了一种基于微震事件的水力压裂三维裂缝网构建方法，该方法中在微震事件点的三维空间位置信息上提取并增加了法向量维度信息；构建了微地震事件四维特征数据集，还使用改进后的聚类算法NC-DBSCAN算法进行聚类；既可以有效识别相交裂缝，也可以准确区分离散裂缝，解决了相交裂缝无法识别的难题，且可以高效快速的构建裂缝形状，在此基础上构建出准确性有效性高的水力压裂三维裂缝网络；便于为水力压裂效果评估提供了一种更为行之有效且适用性更为广泛的三维缝网重构模型。
进一步地，本发明还提供了一种基于微震事件的水力压裂三维裂缝网构建系统，应用于上述实施例中的一种基于微震事件的水力压裂三维裂缝网构建方法，进行构建三维裂缝网络模型，该系统包括：
数据获取模块，用于获取微震事件点的空间位置信息，建立微震事件点集合；
法向量信息提取模块，用于将微震事件点的空间位置信息提取并增加法向量维度信息，形成微震事件四维特征数据集；
微震事件聚类模块，用于使用改进后的聚类算法NC-DBSCAN算法对所述微震事件四维特征数据集中的事件点进行聚类划分，获得多个微震事件聚类簇，从而区分复杂交错裂缝网络中的单个裂缝；
裂缝平面拟合模块，用于对每个微震事件聚类簇进行裂缝平面拟合；
三维裂缝网构建模块，用于使用alpha-shape方法提取裂缝轮廓，获得裂缝属性信息，构建三维裂缝网络。
本发明实施例所提供的系统，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，系统实施例部分未提及之处，可参考前述方法实施例中相应内容，在此不再赘述。
另外，本发明实施例还提供一种存储介质，其上存储有计算设备可读的一个或多个程序，一个或多个程序包括指令，指令当由计算设备执行时，使得计算设备执行上述实施例中的一种基于微震事件的水力压裂三维裂缝网构建方法。
本发明实施例中，存储介质例如可以是电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备以及上述的任意合适的组合。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品等。因此，本发明可采用完全硬件实施例、完全软件实施例，或结合软件和硬件方面的实施例的形式。
应当注意的是，词语“包括”不排除存在未列在权利要求中的部件或步骤。位于部件之前的词语“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种基于微震事件的水力压裂三维裂缝网构建方法，其特征在于，该方法包括以下步骤：
S1、获取微震事件点的空间位置信息，建立微震事件点集合；
S2、将微震事件点的空间位置信息提取并增加法向量维度信息，形成微震事件四维特征数据集；
S3、使用改进后的聚类算法NC-DBSCAN算法对所述微震事件四维特征数据集中的事件点进行聚类划分，获得多个微震事件聚类簇，区分复杂交错裂缝网络中的单个裂缝；
S4、对每个微震事件聚类簇进行裂缝平面拟合；
S5、使用alpha-shape方法提取裂缝轮廓，获得裂缝属性信息，构建三维裂缝网络。
2.根据权利要求1所述的一种基于微震事件的水力压裂三维裂缝网构建方法，其特征在于，所述步骤S1中，微震事件点的空间位置信息包括：微震事件在地理坐标下的平面相对位置信息，以及微震事件深度信息。
3.根据权利要求1所述的一种基于微震事件的水力压裂三维裂缝网构建方法，其特征在于，所述步骤S2中，将微震事件点的空间位置信息提取并增加法向量维度信息，形成微震事件四维特征数据集，包括：
S21、设定邻域半径和最小邻域事件点数为初始参数；选取第一个微震事件点p；
S22、计算微震事件点p邻域半径范围内的点数量是否满足最小邻域事件点数，若满足条件则进行下一步，不满足则将该点法向量维度信息标记为NaN；
S23、对于满足条件的微震事件点及其邻域半径内的微震事件点形成的集合Q，抽取集合Q中若干个点拟合一个平面模型，计算符合预设阈值的平面模型内点数量，不断迭代更新模型的内点及其数量，提取效果最好的模型内点拟合平面，将平面的法向量作为点集Q中微震事件点的法向量，为微震事件增加第四维的法向量信息；
S24、循环遍历所有微震事件点，重复步骤S22和S23，直到所有微震事件点均被处理；
S25、剔除微震事件点中法向量维度信息为NaN的点，形成微震事件四维特征数据集。
4.根据权利要求3所述的一种基于微震事件的水力压裂三维裂缝网构建方法，其特征在于，所述步骤S3中，使用改进后的聚类算法NC-DBSCAN算法对所述微震事件四维特征数据集中的微震事件点进行聚类划分，获得多个微震事件聚类簇，包括：
S31、利用微震事件四维特征数据集的分布特性生成候选邻域半径和最小邻域事件点数的参数，使用DBSCAN聚类算法寻找聚类结果的簇数变化稳定区间，并将该区间中密度阈值最少时所对应的邻域半径和最小邻域事件点数作为最优参数，并根据聚类后簇与簇之间微震事件点的散乱程度确定法向量夹角阈值；
S32、对于微震事件四维特征数据集中的点，若邻域半径范围内微震事件点的数量满足最小邻域事件点数，且邻域范围内的微震事件点和点/>之间法向量夹角小于阈值，则将点作为一个核心点；
S33、以点出发计算邻域半径范围内满足与点/>之间法向量夹角小于阈值的点，作为点的直接密度可达点/>；
S34、以点继续出发计算邻域半径范围内满足与/>之间法向量夹角小于阈值的点，作为点/>的密度可达点/>；点/>和直接密度可达点/>、密度可达点/>共同组成一个微震事件聚类簇；
S35、顺序遍历微震事件四维特征数据集；重复步骤S32~S34，将微震事件四维特征数据集中所有微震事件点划分为不同的微震事件聚类簇或噪点。
5.根据权利要求4所述的一种基于微震事件的水力压裂三维裂缝网构建方法，其特征在于，所述步骤S4中，对每个微震事件聚类簇进行裂缝平面拟合，包括：
S41、提取出每个簇中的微震事件点形成点集C；
S42、抽取点集C中若干个点拟合一个平面模型，计算在阈值内的内点数量，不断迭代更新模型的内点及其数量，提取效果最好的模型内点拟合裂缝平面；
S43、遍历所有微震事件聚类簇，重复步骤S41~S42，直至所有微震事件聚类簇中的点拟合为裂缝平面。
6.根据权利要求1所述的一种基于微震事件的水力压裂三维裂缝网构建方法，其特征在于，所述步骤S5中，使用alpha-shape方法提取裂缝轮廓，获得裂缝属性信息，构建三维裂缝网络，包括：
S51、选定单个微震事件聚类簇和对应的裂缝平面；
S52、将簇中的所有点投影至对应的裂缝平面上；
S53、使用alpha-shape方法提取裂缝轮廓，形成单裂缝面几何形状，计算裂缝的属性参数；
S54、遍历所有微震事件聚类簇，重复步骤S52~S53，直至所有裂缝面被绘制，构建出三维裂缝网络。
7.根据权利要求5所述的一种基于微震事件的水力压裂三维裂缝网构建方法，其特征在于，采用随机抽样一致性算法随机抽取不重复的三个点来拟合一个平面模型。
8.一种基于微震事件的水力压裂三维裂缝网构建系统，其特征在于，应用如权利要求1-7任一项所述的一种基于微震事件的水力压裂三维裂缝网构建方法，进行三维裂缝网络模型构建，该系统包括：
数据获取模块，用于获取微震事件点的空间位置信息，建立微震事件点集合；
法向量信息提取模块，用于将微震事件点的空间位置信息提取并增加法向量维度信息，形成微震事件四维特征数据集；
微震事件聚类模块，用于使用改进后的聚类算法NC-DBSCAN算法对所述微震事件四维特征数据集中的事件点进行聚类划分，获得多个微震事件聚类簇，区分复杂交错裂缝网络中的单个裂缝；
裂缝平面拟合模块，用于对每个微震事件聚类簇进行裂缝平面拟合；
三维裂缝网构建模块，用于使用alpha-shape方法提取裂缝轮廓，获得裂缝属性信息，构建三维裂缝网络。
CN202311668309.3A 2023-12-07 2023-12-07 一种基于微震事件的水力压裂三维裂缝网构建方法及系统 Active CN117370846B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311668309.3A CN117370846B (zh) 2023-12-07 2023-12-07 一种基于微震事件的水力压裂三维裂缝网构建方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311668309.3A CN117370846B (zh) 2023-12-07 2023-12-07 一种基于微震事件的水力压裂三维裂缝网构建方法及系统

Publications (2)

Publication Number Publication Date
CN117370846A true CN117370846A (zh) 2024-01-09
CN117370846B CN117370846B (zh) 2024-02-09

Family

ID=89406292

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311668309.3A Active CN117370846B (zh) 2023-12-07 2023-12-07 一种基于微震事件的水力压裂三维裂缝网构建方法及系统

Country Status (1)

Country Link
CN (1) CN117370846B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130081805A1 (en) * 2009-12-21 2013-04-04 Schlumberger Technology Corporation System and method for microseismic analysis
CN112901158A (zh) * 2021-02-20 2021-06-04 中国石油天然气集团有限公司 水力裂缝缝长的预测方法、裂缝网络建模的方法及装置
CN114048669A (zh) * 2021-09-27 2022-02-15 吉林大学 一种基于神经网络的干热岩微地震事件检测方法
CN114117141A (zh) * 2021-11-30 2022-03-01 重庆电子工程职业学院 一种自适应密度聚类方法、存储介质及系统
CN114330509A (zh) * 2021-12-06 2022-04-12 中科星图股份有限公司 一种空中目标活动规律预测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130081805A1 (en) * 2009-12-21 2013-04-04 Schlumberger Technology Corporation System and method for microseismic analysis
CN112901158A (zh) * 2021-02-20 2021-06-04 中国石油天然气集团有限公司 水力裂缝缝长的预测方法、裂缝网络建模的方法及装置
CN114048669A (zh) * 2021-09-27 2022-02-15 吉林大学 一种基于神经网络的干热岩微地震事件检测方法
CN114117141A (zh) * 2021-11-30 2022-03-01 重庆电子工程职业学院 一种自适应密度聚类方法、存储介质及系统
CN114330509A (zh) * 2021-12-06 2022-04-12 中科星图股份有限公司 一种空中目标活动规律预测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HU, MAN-LI: "Treatment Effect of Corncob and Rice Straw Enhanced Subsurface Flow Constructed Wetland on Low C/N Ratio Wastewater", HUANJING KEXUE, vol. 43, no. 8, 17 August 2022 (2022-08-17), pages 4136 - 4145 *
王旭林;桂志先;王鹏;易娟子;: "基于最小体积封闭椭球算法的多段水力压裂改造体积估算", 科学技术与工程, no. 01, 8 January 2020 (2020-01-08), pages 51 - 53 *

Also Published As

Publication number Publication date
CN117370846B (zh) 2024-02-09

Similar Documents

Publication Publication Date Title
CN104573705B (zh) 一种建筑物激光扫描点云数据的聚类方法
Ying et al. An intrinsic algorithm for parallel poisson disk sampling on arbitrary surfaces
CN103648106A (zh) 一种基于类别匹配的半监督流形学习的WiFi室内定位方法
Sharma et al. Improved density based spatial clustering of applications of noise clustering algorithm for knowledge discovery in spatial data
KR101647921B1 (ko) 유·가스 저류층의 실제 가스 생산량에 유사한 저류층 모델을 선정하는 방법 및 이를 이용한 생산량 예측 방법
KR20160121997A (ko) 공간 지식 추출기 및 추출 방법
Tzu-hao et al. Reservoir uncertainty quantification using probabilistic history matching workflow
CN116030218A (zh) 四面体网格划分方法、装置、系统及存储介质
CN112861890B (zh) 一种储层评价模型构建方法及储层识别方法
CN112231874A (zh) 地下管线模型的建立方法、装置、计算机设备和存储介质
CN108561127A (zh) 一种基于随机模拟的地层压力预测方法
CN104835174A (zh) 基于超图模式搜索的鲁棒模型拟合方法
CN117370846B (zh) 一种基于微震事件的水力压裂三维裂缝网构建方法及系统
CN105513051A (zh) 一种点云数据处理方法和设备
Guo et al. SGLBP: Subgraph‐based local binary patterns for feature extraction on point clouds
CN104951752A (zh) 一种从机载激光点云数据提取房屋的方法
CN109633781B (zh) 地质属性获取方法及装置、电子设备、存储介质
Nguyen et al. A method for efficient clustering of spatial data in network space
CN114036829B (zh) 地质剖面图生成方法、系统、设备及存储介质
CN111966732B (zh) 全智能化地质填图方法、装置、设备及可读存储介质
CN108875163B (zh) 一种评价三维裂缝网络连通性的方法和系统
CN109614491B (zh) 基于数据质量检测规则挖掘结果的进一步挖掘方法
CN111965724B (zh) 一种地层缝洞类型的识别方法及装置
CN113095681B (zh) 一种矿业勘查开发区域评价方法及装置
CN117828538B (zh) 基于权重分配的多源信息综合分析方法及系统

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