本發(fā)明涉及油氣田開發(fā)和機(jī)器學(xué)習(xí)，具體為一種致密礫巖儲(chǔ)層綜合甜點(diǎn)智能識(shí)別方法。
背景技術(shù)：
1、隨著非常規(guī)油氣勘探開發(fā)和研究認(rèn)識(shí)的不斷深入，“甜點(diǎn)”的概念不斷豐富完善，目前主要包括地質(zhì)甜點(diǎn)、工程甜點(diǎn)、經(jīng)濟(jì)甜點(diǎn)等?，F(xiàn)有的甜點(diǎn)研究主要集中在地質(zhì)甜點(diǎn)、工程甜點(diǎn)及地質(zhì)工程有機(jī)融合的綜合甜點(diǎn)，廣泛應(yīng)用于井位部署和分段分簇優(yōu)化。國(guó)內(nèi)的甜點(diǎn)識(shí)別研究主要集中在頁(yè)巖儲(chǔ)層、致密砂巖等，而沒有涉及致密礫巖；事實(shí)上，致密礫巖在巖性及成藏條件等方面顯著區(qū)別于頁(yè)巖，加之儲(chǔ)層物性差、非均質(zhì)性強(qiáng)、巖石塑性、天然裂縫不發(fā)育等特征，為甜點(diǎn)識(shí)別帶來了挑戰(zhàn)。
2、傳統(tǒng)的甜點(diǎn)識(shí)別多采用綜合評(píng)價(jià)的方法，地質(zhì)甜點(diǎn)方面考慮構(gòu)造樣式、裂縫發(fā)育情況、儲(chǔ)層物性、儲(chǔ)層含油/氣性等特征，工程甜點(diǎn)方面主要考慮脆性指數(shù)、地應(yīng)力及巖石力學(xué)參數(shù)等特征，這些研究使得“甜點(diǎn)”內(nèi)涵更加深入明確，同時(shí)也產(chǎn)生了一系列甜點(diǎn)識(shí)別相關(guān)發(fā)明專利。已有的發(fā)明專利主要是基于傳統(tǒng)數(shù)學(xué)模型、多元線性回歸、淺層神經(jīng)網(wǎng)絡(luò)等方法進(jìn)行甜點(diǎn)評(píng)價(jià)或預(yù)測(cè)，大多針對(duì)單一的地質(zhì)甜點(diǎn)或工程甜點(diǎn)，少數(shù)專利考慮了“地質(zhì)-工程”雙甜點(diǎn)的綜合評(píng)價(jià)，但均未直接考慮經(jīng)濟(jì)相關(guān)的評(píng)價(jià)指標(biāo)。此外，已有的發(fā)明專利對(duì)數(shù)據(jù)要求嚴(yán)格，作為輸入的評(píng)價(jià)指標(biāo)往往需要經(jīng)過事先的計(jì)算或解釋得到，加之中間過程還可能涉及到人為決策，因此甜點(diǎn)識(shí)別的智能化程度有待提高。
3、人工智能方法已在巖石物性和地質(zhì)力學(xué)參數(shù)預(yù)測(cè)等方面得到應(yīng)用廣泛，推動(dòng)了甜點(diǎn)智能識(shí)別的發(fā)展。但是目前國(guó)內(nèi)應(yīng)用人工智能方法進(jìn)行“甜點(diǎn)”識(shí)別的研究較少，且未直接考慮經(jīng)濟(jì)相關(guān)的評(píng)價(jià)指標(biāo)。同時(shí)，對(duì)隨鉆預(yù)測(cè)研究較少。
技術(shù)實(shí)現(xiàn)思路
1、為解決至少一個(gè)上述問題，本發(fā)明提出了一種致密礫巖儲(chǔ)層綜合甜點(diǎn)智能識(shí)別方法。
2、本發(fā)明的技術(shù)方案為：一種致密礫巖儲(chǔ)層綜合甜點(diǎn)智能識(shí)別方法，包括以下步驟：
3、s1、獲取目標(biāo)井以及鄰井的地質(zhì)數(shù)據(jù)、工程數(shù)據(jù)、產(chǎn)出剖面數(shù)據(jù)，并將其劃分為地質(zhì)甜點(diǎn)評(píng)價(jià)參數(shù)及指標(biāo)、工程甜點(diǎn)評(píng)價(jià)參數(shù)及指標(biāo)、經(jīng)濟(jì)甜點(diǎn)評(píng)價(jià)參數(shù)及指標(biāo)；
4、s2、對(duì)地質(zhì)甜點(diǎn)評(píng)價(jià)參數(shù)、工程甜點(diǎn)評(píng)價(jià)參數(shù)和經(jīng)濟(jì)甜點(diǎn)評(píng)價(jià)參數(shù)進(jìn)行特征提取降維，并將鄰井降維后的地質(zhì)甜點(diǎn)評(píng)價(jià)參數(shù)、工程甜點(diǎn)評(píng)價(jià)參數(shù)、經(jīng)濟(jì)甜點(diǎn)評(píng)價(jià)參數(shù)以及對(duì)應(yīng)的評(píng)價(jià)指標(biāo)設(shè)置為訓(xùn)練集，將目標(biāo)井降維后的地質(zhì)甜點(diǎn)評(píng)價(jià)參數(shù)、工程甜點(diǎn)評(píng)價(jià)參數(shù)、經(jīng)濟(jì)甜點(diǎn)評(píng)價(jià)參數(shù)以及對(duì)應(yīng)的評(píng)價(jià)指標(biāo)設(shè)置為預(yù)測(cè)集；
5、s3、利用訓(xùn)練集對(duì)門控循環(huán)單元進(jìn)行訓(xùn)練得到預(yù)測(cè)模型，基于預(yù)測(cè)模型，結(jié)合預(yù)測(cè)集得到目標(biāo)井的地質(zhì)甜點(diǎn)評(píng)價(jià)指標(biāo)、工程甜點(diǎn)評(píng)價(jià)指標(biāo)、經(jīng)濟(jì)甜點(diǎn)評(píng)價(jià)指標(biāo)的值；
6、s4、基于熵權(quán)法獲取地質(zhì)甜點(diǎn)評(píng)價(jià)指標(biāo)、工程甜點(diǎn)評(píng)價(jià)指標(biāo)、經(jīng)濟(jì)甜點(diǎn)評(píng)價(jià)指標(biāo)中各個(gè)參數(shù)的權(quán)重，隨后利用s3中的預(yù)測(cè)值，計(jì)算得到儲(chǔ)層各深度的地質(zhì)甜度因子、工程甜度因子和經(jīng)濟(jì)甜度因子；
7、s5、基于熵權(quán)法獲取地質(zhì)甜度因子、工程甜度因子和經(jīng)濟(jì)甜度因子的權(quán)重，結(jié)合s4的結(jié)果，利用vikor方法獲得目標(biāo)井在各深度條件下的利益比率值，基于利益比率值對(duì)各深度的綜合甜點(diǎn)進(jìn)行預(yù)測(cè)；其中，利益比率值越小，則目標(biāo)井在該深度條件下越接近綜合甜點(diǎn)。
8、有益效果：僅依賴鉆井過程中某一深度條件下的常規(guī)測(cè)井參數(shù)和壓裂施工參數(shù)，基于深度學(xué)習(xí)方法建立了致密礫巖儲(chǔ)層地質(zhì)、工程、經(jīng)濟(jì)甜點(diǎn)的定量預(yù)測(cè)模型，采用熵權(quán)法（em）對(duì)定量表征甜點(diǎn)的地質(zhì)、工程、經(jīng)濟(jì)甜度因子進(jìn)行客觀賦權(quán)，再通過多準(zhǔn)則妥協(xié)解排序法（vikor）將地質(zhì)、工程、經(jīng)濟(jì)甜點(diǎn)進(jìn)行加權(quán)結(jié)合，形成了“地質(zhì)-工程-經(jīng)濟(jì)”一體化的致密礫巖儲(chǔ)層綜合甜點(diǎn)智能識(shí)別方法。本發(fā)明能夠?qū)崿F(xiàn)致密礫巖儲(chǔ)層的甜點(diǎn)隨鉆識(shí)別，且無需人為決策，智能優(yōu)選出物性好、易壓裂、產(chǎn)出高的射孔位置，為提高致密礫巖油氣開發(fā)效益和智能化程度提供技術(shù)支撐。
1.一種致密礫巖儲(chǔ)層綜合甜點(diǎn)智能識(shí)別方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，s1中，所述地質(zhì)甜點(diǎn)評(píng)價(jià)指標(biāo)為全烴含量、泥質(zhì)含量、儲(chǔ)層厚度、孔隙度、滲透率、含油飽和度、斷層距離，所述工程甜點(diǎn)評(píng)價(jià)指標(biāo)為破裂壓力、地應(yīng)力差異系數(shù)，所述經(jīng)濟(jì)甜點(diǎn)評(píng)價(jià)指標(biāo)為產(chǎn)油量。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，s1中，所述地質(zhì)甜點(diǎn)評(píng)價(jià)參數(shù)為深度、儲(chǔ)層厚度、斷層距離、密度、井徑、電阻率、自然伽馬、自然電位、聲波時(shí)差、補(bǔ)償中子，所述工程甜點(diǎn)評(píng)價(jià)參數(shù)為深度、密度、井徑、電阻率、自然伽馬、自然電位、聲波時(shí)差、補(bǔ)償中子，所述經(jīng)濟(jì)甜點(diǎn)評(píng)價(jià)參數(shù)為密度、井徑、電阻率、自然伽馬、自然電位、聲波時(shí)差、補(bǔ)償中子、總液量、總砂量、酸液用量、前置液比例、平均施工排量。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，s2中，通過自編碼器對(duì)地質(zhì)甜點(diǎn)評(píng)價(jià)指標(biāo)、工程甜點(diǎn)評(píng)價(jià)指標(biāo)、經(jīng)濟(jì)甜點(diǎn)評(píng)價(jià)指標(biāo)的輸入?yún)?shù)進(jìn)行降維，所述自編碼器包括編碼器和解碼器，所述編碼器將參數(shù)壓縮為低維特征，所述解碼器將低維特征重構(gòu)回原始數(shù)據(jù)；所述編碼器和解碼器均由一個(gè)輸入層、兩個(gè)隱藏層和一個(gè)輸出層組成，所述隱藏層包含兩個(gè)全連接層。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，s2中，所述訓(xùn)練集包括地質(zhì)甜點(diǎn)訓(xùn)練集、工程甜點(diǎn)訓(xùn)練集和經(jīng)濟(jì)甜點(diǎn)訓(xùn)練集，所述預(yù)測(cè)集包括地質(zhì)甜點(diǎn)預(yù)測(cè)集、工程甜點(diǎn)預(yù)測(cè)集和經(jīng)濟(jì)甜點(diǎn)預(yù)測(cè)集；s3中，所述預(yù)測(cè)模型包括地質(zhì)甜點(diǎn)預(yù)測(cè)模塊、工程甜點(diǎn)預(yù)測(cè)模塊和經(jīng)濟(jì)甜點(diǎn)預(yù)測(cè)模塊。
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，s4中，包含以下分步驟：
7.根據(jù)權(quán)利要求1所述的方法，其特征在于，s5中，vikor方法包括以下分步驟：