本技術(shù)涉及壓裂甜點識別領(lǐng)域，尤其涉及一種智能化隨鉆綜合壓裂甜點識別方法。

背景技術(shù)：

1、近些年，隨著油氣藏勘探開發(fā)的逐步深入，以頁巖、致密砂巖油氣為代表的非常規(guī)油氣藏已成為國內(nèi)增儲上產(chǎn)和挖潛穩(wěn)產(chǎn)的重要接替區(qū)塊。該類儲藏只有通過壓裂改造才能有效釋放產(chǎn)能。此外，陸上常規(guī)油氣儲層及淺灘海油氣儲層開發(fā)也逐步進入邊際區(qū)，儲層品味變差，也需要通過壓裂改造才能實現(xiàn)增產(chǎn)穩(wěn)產(chǎn)。因此，壓裂技術(shù)不斷進步是推動油氣資源深度開發(fā)的關(guān)鍵。

2、壓裂的目的油氣藏非均質(zhì)性強，長水平段鉆遇的儲層物性、地質(zhì)力學(xué)特性等變化較大，想實現(xiàn)精準(zhǔn)、低成本壓裂，達到增產(chǎn)穩(wěn)產(chǎn)的效果，需要在壓裂前高效、快速、準(zhǔn)確識別“甜點”區(qū)，提高改造的針對性和有效性。常規(guī)“甜點”識別通常要通過室內(nèi)核磁共振、掃描電鏡等實驗測定物性等各項參數(shù)，結(jié)合地震、測井、巖性分析等進行定性判別，非常依賴人為經(jīng)驗，可靠性不足，耗時較長，且識別的更多是地質(zhì)“甜點”。但好的地質(zhì)甜點不一定是可壓裂性好的工程甜點。而在識別工程甜點時，需要對大量儲層物性、測井、巖石力學(xué)等基礎(chǔ)數(shù)據(jù)進行采集、分析、計算和解釋，周期較長且工作量繁雜，計算應(yīng)用的模型對所壓裂區(qū)塊的針對性不強，無法給下一步壓裂提供快速準(zhǔn)確的甜點標(biāo)記。因此，該技術(shù)在運用地質(zhì)工程一體化思想，綜合識別地質(zhì)“甜點”與工程“甜點”上仍顯不足，不能很好的將儲層含氣富集區(qū)與有利于壓裂的區(qū)位統(tǒng)一起來，影響整體增產(chǎn)效果。

3、此外，非常規(guī)油氣區(qū)塊壓裂早已廣泛應(yīng)用，各區(qū)塊測井?dāng)?shù)據(jù)、壓裂施工數(shù)據(jù)等數(shù)據(jù)量龐大且種類繁多，但對這些數(shù)據(jù)的應(yīng)用也主要停留在單井測井解釋、壓后分析等方面，數(shù)據(jù)的挖潛和綜合利用還遠遠不足。

技術(shù)實現(xiàn)思路

1、本技術(shù)提供一種智能化隨鉆綜合壓裂甜點識別方法，能夠?qū)崿F(xiàn)隨鉆過程“甜點”實時識別。

2、本技術(shù)的實施例提供了一種智能化隨鉆綜合壓裂甜點識別方法，包括以下步驟：

3、收集目標(biāo)區(qū)塊儲層的儲層特征資料及生產(chǎn)井產(chǎn)氣量數(shù)據(jù)。

4、根據(jù)儲層特征資料，篩選評價儲層物性品質(zhì)的特征參數(shù)和評價完井品質(zhì)的特征參數(shù)，組成甜點評價特征參數(shù)，并與相應(yīng)的生產(chǎn)井產(chǎn)氣量數(shù)據(jù)建立對應(yīng)關(guān)系，形成基礎(chǔ)數(shù)據(jù)庫。

5、求取基礎(chǔ)數(shù)據(jù)庫中甜點評價特征參數(shù)與生產(chǎn)井產(chǎn)氣量數(shù)據(jù)的灰色關(guān)聯(lián)度，按照灰色關(guān)聯(lián)度大小確定甜點識別主控因素。

6、對甜點識別主控因素進行分析，確定甜點識別主控因素的權(quán)重。

7、根據(jù)甜點識別主控因素和相應(yīng)的權(quán)重，計算甜點評價綜合系數(shù)。

8、將目標(biāo)區(qū)塊儲層中不同小層的測井?dāng)?shù)據(jù)與甜點綜合評價系數(shù)和生產(chǎn)井產(chǎn)氣量數(shù)據(jù)對應(yīng)起來，建立智能化甜點識別模型訓(xùn)練數(shù)據(jù)庫。

9、建立神經(jīng)網(wǎng)絡(luò)模型，將智能化壓裂甜點識別模型訓(xùn)練基礎(chǔ)數(shù)據(jù)庫中部分?jǐn)?shù)據(jù)作為訓(xùn)練集輸入神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，完成深度學(xué)習(xí)模型的建立，將智能化壓裂甜點識別模型訓(xùn)練基礎(chǔ)數(shù)據(jù)庫中剩余部分?jǐn)?shù)據(jù)作為測試集對深度學(xué)習(xí)模型進行測試，驗證甜點綜合評價系數(shù)和生產(chǎn)井產(chǎn)氣量數(shù)據(jù)的準(zhǔn)確率達到預(yù)設(shè)效果，形成智能化壓裂甜點識別模型。

10、鉆井施工過程中，實時反饋隨鉆測井?dāng)?shù)據(jù)，將隨鉆測井?dāng)?shù)據(jù)作為輸入?yún)?shù)上傳至智能化壓裂甜點識別模型，實時輸出相應(yīng)的甜點綜合評價系數(shù)、生產(chǎn)井產(chǎn)氣量數(shù)據(jù)，根據(jù)輸出的甜點綜合評價系數(shù)、生產(chǎn)井產(chǎn)氣量數(shù)據(jù)實現(xiàn)智能化隨鉆綜合壓裂甜點識別。

11、在其中一些實施例中，鉆井施工過程中，將智能化壓裂甜點識別模型輸出的儲層物性特征參數(shù)、地質(zhì)力學(xué)參數(shù)實時傳入目標(biāo)區(qū)塊井周地質(zhì)模型，以更新目標(biāo)區(qū)塊井周地質(zhì)模型。

12、在其中一些實施例中，鉆井施工結(jié)束后，智能化壓裂甜點識別模型輸出沿井眼軌跡的地質(zhì)力學(xué)參數(shù)剖面以及地質(zhì)工程一體化綜合甜點剖面，以指導(dǎo)下一步壓裂選層。

13、在其中一些實施例中，求取基礎(chǔ)數(shù)據(jù)庫中甜點評價特征參數(shù)與生產(chǎn)井產(chǎn)氣量數(shù)據(jù)的灰色關(guān)聯(lián)度，包括：

14、①建立評價矩陣xi與參考矩陣x0，分別對應(yīng)甜點評價特征參數(shù)和生產(chǎn)井產(chǎn)氣量；

15、

16、x0＝[x0(1)，x2(2)…，xm(n)]

17、式中：m——甜點評價特征參數(shù)的個數(shù)，個；

18、n——每個甜點評價特征參數(shù)包含的數(shù)據(jù)個數(shù)，個；

19、xi——甜點識別特征參數(shù)的數(shù)值，個；

20、x0——生產(chǎn)井產(chǎn)氣量，方/d。

21、②采用均值標(biāo)準(zhǔn)化對矩陣[x0，x1，x2…，xn]t進行無量綱化。

22、③計算關(guān)聯(lián)系數(shù)ξi；

23、

24、式中：ξi——關(guān)聯(lián)系數(shù)，無因次；

25、p——分辨系數(shù)，p＝0.5；

26、k——評價矩陣的行數(shù)，行；

27、i——評價矩陣的列數(shù)，列。

28、④計算灰色關(guān)聯(lián)度；

29、

30、式中：ri——灰色關(guān)聯(lián)度。

31、在其中一些實施例中，對甜點識別主控因素進行分析，確定甜點識別主控因素的權(quán)重，包括：

32、①通過極差法對作為評價指標(biāo)的甜點識別主控因素xij進行標(biāo)準(zhǔn)化；

33、當(dāng)xij為正向指標(biāo)時：

34、

35、當(dāng)xij為負(fù)向指標(biāo)時：

36、

37、式中，xij為第i組甜點評價特征參數(shù)中第j個評價指標(biāo)的數(shù)值；yij為標(biāo)準(zhǔn)化后的評價指標(biāo)數(shù)值；max(xij)和min(xij)分別表示xij的最大值和最小值。

38、②計算評價指標(biāo)的比重；

39、i＝1，2，···，n；j＝1，2，···，m

40、式中，pij為第i組甜點評價特征參數(shù)中第j個評價指標(biāo)的比重；yij為標(biāo)準(zhǔn)化后的評價指標(biāo)數(shù)值。

41、③計算評價指標(biāo)的信息熵；

42、

43、式中，ej為信息熵；n為每個甜點評價特征參數(shù)包含的數(shù)據(jù)個數(shù)；pij為第i組甜點評價特征參數(shù)中第j個評價指標(biāo)的比重；若pij為0，則定義

44、

45、④基于信息熵計算評價指標(biāo)的權(quán)重；

46、

47、式中，wj為評價指標(biāo)j的權(quán)重；ej為信息熵；m為甜點評價特征參數(shù)的個數(shù)。

48、在其中一些實施例中，根據(jù)甜點識別主控因素和相應(yīng)的權(quán)重，計算甜點評價綜合系數(shù)，包括：

49、

50、式中：δ——甜點評價綜合系數(shù)；

51、gi——甜點識別主控因素歸一化，無因次；

52、wi——甜點識別主控因素的權(quán)重。

53、在其中一些實施例中，建立神經(jīng)網(wǎng)絡(luò)模型前，對測井?dāng)?shù)據(jù)進行歸一化處理。

54、在其中一些實施例中，測井?dāng)?shù)據(jù)包括：自然伽馬、電阻率、聲波時差、泥質(zhì)含量、密度、孔隙度、井徑。

55、在其中一些實施例中，評價儲層物性品質(zhì)的特征參數(shù)包括滲透率、孔隙度、飽和度。

56、在其中一些實施例中，評價完井品質(zhì)的特征參數(shù)包括楊氏模量、泊松比、水平主應(yīng)力、脆性指數(shù)、水平應(yīng)力差異系數(shù)。

57、根據(jù)本技術(shù)的實施例提供的一種智能化隨鉆綜合壓裂甜點識別方法，包括以下步驟：收集目標(biāo)區(qū)塊儲層的儲層特征資料及生產(chǎn)井產(chǎn)氣量數(shù)據(jù)。根據(jù)儲層特征資料，篩選評價儲層物性品質(zhì)的特征參數(shù)和評價完井品質(zhì)的特征參數(shù)，組成甜點評價特征參數(shù)，并與相應(yīng)的生產(chǎn)井產(chǎn)氣量數(shù)據(jù)建立對應(yīng)關(guān)系，形成基礎(chǔ)數(shù)據(jù)庫。求取基礎(chǔ)數(shù)據(jù)庫中甜點評價特征參數(shù)與生產(chǎn)井產(chǎn)氣量數(shù)據(jù)的灰色關(guān)聯(lián)度，按照灰色關(guān)聯(lián)度大小確定甜點識別主控因素。對甜點識別主控因素進行分析，確定甜點識別主控因素的權(quán)重。根據(jù)甜點識別主控因素和相應(yīng)的權(quán)重，計算甜點評價綜合系數(shù)。將目標(biāo)區(qū)塊儲層中不同小層的測井?dāng)?shù)據(jù)與甜點綜合評價系數(shù)和生產(chǎn)井產(chǎn)氣量數(shù)據(jù)對應(yīng)起來，建立智能化甜點識別模型訓(xùn)練數(shù)據(jù)庫。建立神經(jīng)網(wǎng)絡(luò)模型，將智能化壓裂甜點識別模型訓(xùn)練基礎(chǔ)數(shù)據(jù)庫中部分?jǐn)?shù)據(jù)作為訓(xùn)練集輸入神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，完成深度學(xué)習(xí)模型的建立，將智能化壓裂甜點識別模型訓(xùn)練基礎(chǔ)數(shù)據(jù)庫中剩余部分?jǐn)?shù)據(jù)作為測試集對深度學(xué)習(xí)模型進行測試，驗證甜點綜合評價系數(shù)和生產(chǎn)井產(chǎn)氣量數(shù)據(jù)的準(zhǔn)確率達到預(yù)設(shè)效果，形成智能化壓裂甜點識別模型。鉆井施工過程中，實時反饋隨鉆測井?dāng)?shù)據(jù)，將隨鉆測井?dāng)?shù)據(jù)作為輸入?yún)?shù)上傳至智能化壓裂甜點識別模型，實時輸出相應(yīng)的甜點綜合評價系數(shù)、生產(chǎn)井產(chǎn)氣量數(shù)據(jù)，根據(jù)輸出的甜點綜合評價系數(shù)、生產(chǎn)井產(chǎn)氣量數(shù)據(jù)實現(xiàn)智能化隨鉆綜合壓裂甜點識別。本技術(shù)的一種智能化隨鉆綜合壓裂甜點識別方法可對測井、儲層物性特征、地質(zhì)力學(xué)、壓后產(chǎn)量等多維度數(shù)據(jù)進行深度挖掘，將工程甜點與地質(zhì)甜點有機結(jié)合，利用機器學(xué)習(xí)手段，將專家分析結(jié)果作為參考，綜合實現(xiàn)隨鉆過程“甜點”實時識別，解決壓裂選段選層過程中人為因素及經(jīng)驗性影響過大和可靠性不足的問題，降低因人為因素造成的決策結(jié)果差異而影響最終壓裂效果，提高壓裂設(shè)計及施工效率，降低成本，更有針對性的達到增產(chǎn)目的。