[发明专利]一种基于多元信息的储层类型划分方法及系统

说明书

本发明公开一种基于多元信息的储层类型划分方法及系统。该方法包括：从多个样本点的测井数据中获取对储层类型敏感的数据；对储层类型敏感的数据包括中子数据、电阻率、孔隙度、声波时差、自然伽马和补偿密度；获取对各个样本点进行人工储层划分得到的各个样本点的实际储层类型；将各个样本点的对储层类型敏感的数据输入深度神经网络，调整神经网络的结构参数使神经网络输出对应的储层类型，从而对深度神经网络进行训练；训练好的深度神经网络用于根据实测的对储层类型敏感的数据实现对储层类型的划分。本发明公开的方法及系统，能够提高储层划分的精度。

技术领域

本发明涉及石油地球物理勘探领域，特别是涉及一种基于多元信息的储层类型划分方法及系统。

背景技术

储层类型划分是油藏描述的重要内容之一，是开展油田开发潜力分析的关键工作。在实际生产中通常采用泥质含量、渗透率等与储层特征密切相关的参数开展储层类型的划分，其中，泥质含量能够反映储层岩性和物性特征，渗透率能够表征流体在岩石内部流动难易程度。但用于储层类型划分的泥质含量和渗透率等参数并不能直接从测井的测量数据中直接获取，而是基于实际测井曲线采用交会图法或经验公式计算来获得，这些方法的准确性取决于模型特征参数、区域地质特征和分层特征的选取，受专家判别和经验等人为因素影响较大。由于每种测井参数都有其特定的适用地层，而且没有哪种测井参数能够完全适用于所有地层，在开展储层类型划分时往往只利用了有限的测井信息，导致储层划分的精度不高。

发明内容

本发明的目的是提供一种基于多元信息的储层类型划分方法及系统，提高储层划分的精度。

为实现上述目的，本发明提供了如下方案：

一种基于多元信息的储层类型划分方法，包括：

从多个样本点的测井数据中获取对储层类型敏感的数据；所述对储层类型敏感的数据包括中子数据、电阻率、孔隙度、声波时差、自然伽马和补偿密度；

获取对各个样本点进行人工储层划分得到的各个样本点的实际储层类型；

将各个样本点的对储层类型敏感的数据输入深度神经网络，调整神经网络的结构参数使神经网络输出对应的储层类型，从而对所述深度神经网络进行训练；训练好的所述深度神经网络用于根据实测的对储层类型敏感的数据实现对储层类型的划分。

可选的，所述将各个样本点的对储层类型敏感的数据输入深度神经网络，调整神经网络的结构参数使神经网络输出对应的储层类型，从而对所述深度神经网络进行训练，具体包括：

利用交会图法和核密度估计法分别对每种所述对储层类型敏感的数据进行特征统计，确定每种所述对储层类型敏感的数据的均值和方差，得到每种数据的样本均值和样本方差；

利用每种数据的样本均值和样本方差对每个所述对储层类型敏感的数据进行标准化，得到标准化的数据；

将每个样本点的各个类型的所述标准化的数据作为深度神经网络的输入，以线性整流函数作为所述深度神经网络的激活函数，通过调整所述深度神经网络的结构参数，使所述深度神经网络输出的储层类型数据与对应的实际储层类型之间的差值在预设范围之内，从而完成深度神经网络的训练。

可选的，根据实测的对储层类型敏感的数据对储层类型进行划分的过程包括：

获取实测的对储层类型敏感的数据，得到实测数据；

计算每种所述实测数据的均值和方差，得到每种实测数据的实测均值和实测方差；

利用每种数据的样本均值和样本方差计算每种数据的均值阈值范围和方差阈值范围；

判断每种实测数据的实测均值是否位于对应的均值阈值范围内以及每种实测数据的实测方差是否位于对应的方差阈值范围内，得到第一判断结果；