一种碎屑岩储层夹层机器学习型三维定量表征方法
技术领域
本发明实施例涉及碎屑岩储层油气开发设计
技术领域
，尤其涉及一种碎屑岩储层夹层机器学习型三维定量表征方法。背景技术
碎屑岩储层内夹层定量表征一直是油气藏开发工程长期需求解决而未根本解决的一项世界级技术难题。由于受井震资料分辨率限制，因此不能直接有效地应用井震资料刻画碎屑岩储层内夹层及其空间分布，随着数字高分辨率机器学习模拟技术的出现，给碎屑岩储层内夹层分布及模型的刻画提供了技术保障。随着油气开发的深入，可开发的剩余油气越来越少，在夹层不发育区取得大的突破越来越困难。因此，剩余油开发向夹层发育区延伸已成为必然趋势。碎屑岩储层内夹层是影响剩余油分布与残留的主控因素。在长期开发过程中，碎屑岩储层内夹层是控制流体渗流的屏障，是油气藏开发剩余油描述的关键内容之一。
现有技术只能基于碎屑岩储层沉积地质模型评价取心井岩心所揭示的夹层的特征描述，但是无法表征非取心井、无井区夹层类型与分布，导致碎屑岩储层内夹层表征无法有效实施，剩余油分布预测不准确，导致开发中后期油藏开发效率低。
现有技术亟需碎屑岩储层内夹层定量表征的新方法，可以准确地确定碎屑岩储层内夹层类型及其空间变化，进而明确夹层与剩余油分布型式，为剩余油开发措施实施提供准确的地质依据，这样不仅有利于预测剩余油空间分布规律，而且更好地指导剩余油深度开发，提高效率，降低风险。
发明内容
本发明的目的是为了克服上述背景技术的不足，提供一种碎屑岩储层夹层机器学习型三维定量表征方法，以实现准确评价碎屑岩储层内夹层的空间分布及规律，提高剩余油富集有利区块的预测准确度和油气藏开发的效率，降低油气藏开发成本。
本发明提供的一种碎屑岩储层夹层机器学习型三维定量表征方法，包括如下步骤：
步骤一，依据地质条件和研究目标需求，对目标区内不同沉积微相带内取心井的岩心进行系统地观察和描述，确定岩心碎屑岩储层内夹层类型，建立各取心井岩心夹层纵向系列综合柱状图，确定机器学习识别判断夹层得到参数及其参考数值；
步骤二，基于取心井岩心夹层综合柱状图，建立直井岩心样品所揭示的碎屑岩各沉积微相内夹层类型及厚度与声波、伽马、中子测井电性的匹配关系，应用机器学习方法获取能够有效计算夹层厚度的电性值标准；
步骤三，基于直井所建立的夹层类型与声波、伽马、中子测井电性的匹配关系，通过机器学习识别判断水平井所钻遇的夹层类型，建立水平井单井夹层声波、伽马、中子参数模型，并求取夹层平面展布的长宽；
步骤四，依据直井、水平井建立的声波、伽马、中子参数模型，进行机器学习地震正演模拟，建立钻井夹层模型参数制约下的地震正演夹层模型；
步骤五，借助于地震正演模型所建立的夹层空间模型，设置岩性、地质统计学随机地震反演参数及条件，分别进行单一参数下夹层地震反演模拟，借助机器学习寻找敏感参数，提高夹层识别精度与分辨率，以进行多敏感参数约束的夹层模拟；开展相控约束下优势岩性机器学习方法地震反演，建立多敏感参数控制下的夹层空间分布模型，获取夹层三维空间规模参数：厚度、长度、宽度及其相互对接、叠置范围大小；
步骤六，应用机器学习方法，学习多敏感参数控制下的夹层分布模型，采用序贯指示模拟法、多点地质统计学法，建立不同约束条件下的岩相模型与岩性反演体约束的三维岩相建模，建立岩相模型约束下的夹层三维模型，预测油气藏开发层系的碎屑岩储层内夹层类型及空间分布特征，为碎屑岩储层评价与剩余油分布预测提供定量评价参数指标。
在上述技术方案中，所述步骤一由以下几项构成：
(一)该碎屑岩储层内夹层机器学习定量表征参数的选择标准为：测井参数类型要能够区分研究区块碎屑岩储层内夹层类型；
(二)碎屑岩储层内夹层分类机器学习参数定量值的大小或夹层定量表征参数的评价标准能够有效地将各类夹层明确地区分开。
在上述技术方案中，所述步骤五由以下几项构成：
(一)碎屑岩储层内夹层分类机器学习地震正演和机器学习地震反演定量值的大小能够有效地将各类夹层明确地区分开，建立多敏感参数控制下的夹层三维空间分布模型；
(二)碎屑岩储层内夹层分类机器学习多敏感参数定量值的大小能够有效地将各类夹层明确地区分开，建立岩相模型约束下的夹层三维模型；
(三)碎屑岩储层内夹层分类及三维空间分布结果要能够反映各类碎屑岩储层剩余油富集主控影响因素的差异。
本发明提供的碎屑岩储层夹层机器学习型三维定量表征方法，利用反映碎屑岩储层夹层特征的典型岩电参数的定量指标，通过机器学习识别夹层的参数类型及其标准，准确评价碎屑岩储层内夹层的空间分布及规律，给碎屑岩油气藏开发提供更多有效的三维空间技术信息，优选出碎屑岩油气藏开发的有利区块，提高了剩余油富集有利区块的预测准确度，提高了油气藏开发的效率，降低了油气藏开发成本。
本发明与现有的技术相比，具有以下有益效果：
1)创新了碎屑岩储层内夹层研究评价方法，利用反映储层夹层特征的典型井震敏感参数及其定量指标，借助机器学习准确了解同一微相内碎屑岩储层内夹层的平面基本特征及某层系碎屑岩储层内夹层空间分布特征及规律，给碎屑岩油气藏开发提供更多有效的技术信息；
2)油气藏开发的油气藏精细描述效率高，利用碎屑岩储层内夹层分类机器学习评价方法对目标区内碎屑岩储层进行夹层研究，查明各层系碎屑岩夹层的分布范围，在此基础上应用基于夹层约束的油气储层评价方法对各层系碎屑岩储层进行评价，提高了油气藏开发效率，加快碎屑岩油气藏开发的进度；
3)提高油气藏开发的效率，降低了成本，本发明将碎屑岩油气藏开发中经常使用的大量测井参数、地震资料和井震正反演资料有效地融合起来，应用机器学习方法建立碎屑岩储层内夹层的综合敏感参数评价指标，利用各指标绝对平均值的大小来区分碎屑岩储层同一沉积微相内不同夹层，通过学习多敏感参数控制下的夹层分布模型，建立岩相模型约束下的夹层三维模型，优选出碎屑岩储层油气藏开发的有利区块，提高了有利区块的预测准确度，提高了油气藏开发的效率，降低了油气藏开发成本。
附图说明
图1为本发明实施例提供的碎屑岩储层夹层机器学习型三维定量表征方法的流程示意图。
具体实施方式
下面结合附图及具体实施例对本发明的应用原理作进一步描述。
如图1所示，本发明碎屑岩储层夹层机器学习型三维定量表征方法，包括以下步骤：
S110、在同一油气藏开发区块内，依据地质条件和研究目标需求，对不同沉积微相带内取心井的岩心进行系统地观察和描述，确定岩心碎屑岩储层内夹层类型，建立各取心井岩心夹层纵向序列综合柱状图；确定机器学习识别判断夹层所需参数及其参考数值。
其中，地质条件至少包括研究地质层位、钻井取心资料、测录井资料、盆地周边相应层位岩石类型及露头等；研究目标包括夹层与储层非均质性、夹层与剩余油分布等；纵向序列综合柱状图表示平面区内的地层层序、厚度、岩性变化及接触关系等。识别判断夹层所需参数包括岩心的岩石类型、颜色、层理结构、沉积构造、夹层厚度、产状、从下往上夹层所处的位置及其距离中的至少一种。
可选的，可以从岩心的岩石类型、颜色、层理结构、沉积构造及夹层的厚度、产状、类型、所处的位置等对取心井的岩心进行描述。
进一步地，该碎屑岩储层内夹层机器学习定量表征参数的选择标准为：测井参数类型要能够区分研究区块碎屑岩储层内夹层类型。
再进一步地，碎屑岩储层内夹层分类机器学习参数定量值的大小或夹层定量表征参数的评价标准能够有效地将各类夹层明确地区分开。
S120、基于取心井岩心夹层综合柱状图，建立直井岩心样品所揭示的碎屑岩各沉积微相内夹层类型与声波、伽马、中子测井电性的匹配关系，应用机器学习方法获取能够有效计算夹层类型的电性值标准。
S130、基于直井所建立的夹层类型与声波、伽马、中子测井电性的匹配关系，机器学习识别判断水平井所钻遇的夹层类型，建立水平井层声波、伽马、中子机器学习参数模型，并求取夹层平面展布的长宽。
其中，虽然水平井和直井是两个不同类型的井，且钻在不同的位置，两者基于同一开发区域测井资料的数值(标准值)建立联系，无论直井，还是水平井，夹层的测井数值是一样的。因此，可以根据直井的夹层测井电性参数模型和电性值标准，识别水平井钻遇的夹层类型，并确定水平井的夹层测井电性参数模型。
由于水平井轨迹往往沿层延伸，夹层也是沿层展布的，这样水平井就能够揭示夹层展布的平面(沿层)变化，也就能够计算夹层的长宽。
S140、依据直井、水平井建立的声波、伽马、中子参数模型，进行机器学习地震正演模拟，建立钻井夹层模型制约下的正演夹层模型。
由于地质现象的复杂性及测井等方法的间接性，无法用单一模型进行识别，使用多模型更有助于识别。
S150、借助于正演模型所建立的夹层空间模型，设置岩性、地质统计学随机反演参数及条件，分别进行机器学习单一参数下夹层反演模拟，寻找敏感参数，提高夹层识别精度与分辨率，以进行多敏感参数约束的夹层模拟，开展相控约束下岩性反演，建立多敏感参数控制下的夹层空间分布模型，获取夹层三维空间规模参数：厚度、长度、宽度及其相互对接、叠置范围大小。
其中，由于单一参数不够精准，多参数敏感性分析可以提高预测的精确度，可以进行多敏感参数约束的夹层模拟。
进一步地，碎屑岩储层内夹层分类机器学习地震正演和机器学习地震反演定量值的大小能够有效地将各类夹层明确地区分开，建立多敏感参数控制下的夹层三维空间分布模型。
进一步地，碎屑岩储层内夹层分类机器学习多敏感参数定量值的大小能够有效地将各类夹层明确地区分开，建立岩相模型约束下的夹层三维模型。
再进一步地，碎屑岩储层内夹层分类及三维空间分布结果要能够反映各类碎屑岩储层剩余油富集主控影响因素的差异。
S160、应用机器学习方法，学习多敏感参数控制下的夹层分布模型，采用序贯指示模拟法、多点地质统计学法，建立不同约束条件下的岩相模型与岩性反演体约束的三维岩相建模，建立岩相模型约束下的夹层三维模型，表征碎屑岩储层内夹层类型及空间展布。
本发明提供的碎屑岩储层内夹层机器学习定量表征的方法，利用反映碎屑岩储层夹层特征的典型岩电参数的定量指标，通过机器学习识别夹层的参数类型及其标准，准确评价碎屑岩储层内夹层的空间分布及规律，给碎屑岩油气藏开发提供更多有效的三维空间技术信息，优选出碎屑岩油气藏开发的有利区块，提高了剩余油富集有利区块的预测准确度，提高了油气藏开发的效率，降低了油气藏开发成本。
步骤一，依据地质条件和研究目标需求，对目标区内不同沉积微相带内取心井的岩心进行系统地观察和描述，确定岩心碎屑岩储层内夹层类型，建立各取心井岩心夹层纵向系列综合柱状图，确定机器学习识别判断夹层得到参数及其参考数值；
步骤二，基于取心井岩心夹层综合柱状图，建立直井岩心样品所揭示的碎屑岩各沉积微相内夹层类型及厚度与声波、伽马、中子测井电性的匹配关系，应用机器学习方法获取能够有效计算夹层厚度的电性值标准；
步骤三，基于直井所建立的夹层类型与声波、伽马、中子测井电性的匹配关系，通过机器学习识别判断水平井所钻遇的夹层类型，建立水平井单井夹层声波、伽马、中子参数模型，并求取夹层平面展布的长宽；
步骤四，依据直井、水平井建立的声波、伽马、中子参数模型，进行机器学习地震正演模拟，建立钻井夹层模型参数制约下的地震正演夹层模型；
步骤五，借助于地震正演模型所建立的夹层空间模型，设置岩性、地质统计学随机地震反演参数及条件，分别进行单一参数下夹层地震反演模拟，借助机器学习寻找敏感参数，提高夹层识别精度与分辨率，以进行多敏感参数约束的夹层模拟；开展相控约束下优势岩性机器学习方法地震反演，建立多敏感参数控制下的夹层空间分布模型，获取夹层三维空间规模参数：厚度、长度、宽度及其相互对接、叠置范围大小；
步骤六，应用机器学习方法，学习多敏感参数控制下的夹层分布模型，采用序贯指示模拟法、多点地质统计学法，建立不同约束条件下的岩相模型与岩性反演体约束的三维岩相建模，建立岩相模型约束下的夹层三维模型，预测油气藏开发层系的碎屑岩储层内夹层类型及空间分布特征，为碎屑岩储层评价与剩余油分布预测提供定量评价参数指标。
本发明为碎屑岩油气藏开发评价提供了研究区块内碎屑岩储层内夹层发育特征及剩余油富集程度相关的坚实的基础信息，缩小油气藏开发范围，瞄准油气藏开发目标，因而不同程度地提高了目标靶区预测准确度，避免因仅了解取心井点碎屑岩储层内夹层而不知晓其夹层空间分布不能提供准确资料而导致的油气钻探失败的风险，因为不同夹层碎屑岩储层富油气程度存在较大差异，所以大大提高了碎屑岩油气藏开发调整井钻探成功的保证率，从而加快了碎屑岩油气藏开发的进度，大大地降低了油气藏开发成本。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
