[发明专利]一种预测核磁共振测井横向弛豫时间T2分布的方法

说明书

本发明公开了一种预测核磁共振测井横向弛豫时间T₂分布的方法，包括筛选确定相关常规测井数据作为步骤五预测T₂分布的输入数据；设定类别参数，量化分类已有T₂分布曲线作为步骤五中模型训练和测试的输入数据；利用多个正态分布曲线拟合已有T₂分布，得到正态分布的表征参数，利用相关系数评估拟合准确性后作为步骤五中模型训练和测试的输出数据；对步骤一常规测井数据、步骤二类别参数、步骤三表征参数进行前期处理；将步骤四所有数据归类分组，用于人工神经网络模型的训练和测试，得到预测模型；用相关系数及标准根均方差评估预测模型精确性，预测T₂分布。本发明利用人工神经网络模型得到常规测井数据与T₂分布关系模型，对T₂分布精确预测。

技术领域

本发明涉及油层物理和测井数据预测技术领域，特别是一种预测核磁共振测井横向弛豫时间T₂分布的方法。

背景技术

磁共振测井是石油工业测井过程中十分重要的一种测井方式。利用核磁共振测井，可以精确得到地下储层的孔隙分布、有效孔隙度、渗透率、束缚水饱和度等重要数据。其中，核磁共振测井的横向弛豫时间T₂分布谱是核磁共振测井的首要测井数据之一，其能精确表征地下的储层孔隙分布，而不受岩石种类与性质的影响。但在实际测井中，人们很少用到核磁共振测井，其主要因为核磁共振测井仪长期被国外的油田服务公司垄断，价格十分昂贵，且维修不便，从而进行核磁共振测井的实际应用成本太高。

目前，人们能够通过建立人工神经网络模型，来预测地层中的常规孔隙度、渗透率、含水饱和度等单个参数，也可以利用人工神经网络模型预测核磁共振测井能够得到的一些相关数据，包括有效孔隙度、有效渗透率、束缚水饱和度、T₂对数平均等单个参数。但单个参数的预测未充分利用人工神经网络的计算优势，预测的参数也都是较为容易获得的，实际应用价值较小。

发明内容

本发明的目的是为克服上述现有技术的不足，提供一种预测核磁共振测井横向弛豫时间T₂分布的方法，通过人工神经网络模型，只需要常规测井数据，即可准确预测横向弛豫时间T₂分布的方法，从而替代价格昂贵的核磁共振测井技术，实现了利用成本较低的常规测井数据，替代成本昂贵的核磁共振测井技术。

为实现上述目的，本发明采用下述技术方案：一种预测核磁共振测井横向弛豫时间T₂分布的方法，包括如下步骤：

(一)筛选确定相关的常规测井数据以及矿物成分和流体体积反演数据，作为步骤(五) 预测核磁共振测井T₂分布的输入数据。

(二)设定类别参数，量化分类已有T₂分布曲线，将其作为步骤(五)中模型训练和测试的输入数据。为了准确刻画识别不同类型的T₂分布特征，需设置不同的类别参数对T₂分布曲线进行量化分类。

(三)利用多个正态分布曲线拟合已有核磁共振测井T₂分布，得到正态分布的表征参数，利用相关系数评估拟合准确性后，将其作为步骤五中模型训练和测试的输出数据。人工神经网络模型的输出部分是核磁共振测井的T₂分布谱。基于实测T₂分布谱数据。

(四)对步骤(一)常规测井数据、步骤(二)类别参数、步骤(三)表征参数进行前期处理。在应用输入数据进行模型预测之前，数据前期处理至关重要，可保证得到更好的输入值和输出值的关系预测模型。

(五)将步骤(四)的所有数据归类分组，分别用于人工神经网络模型的训练和测试，得到预测模型。

(六)用相关系数及标准根均方差NRMSE评估预测模型精确性，预测核磁共振测井T₂分布。