基于自组织竞争神经网络的页岩气储层识别方法
【专利摘要】本发明公开了一种基于自组织竞争神经网络的页岩气储层识别方法，包括如下步骤：a、综合同一个区块内已钻页岩气水平井资料，并进行分类；b、利用区域数据，将随钻参数作为训练样本进行优选；c、对随钻参数进行归一化处理；d、建立区域SOM神经网络模型；e、利用建立的模型对作为预测样本的正钻页岩气水平井进行储层识别。本发明根据已知的测井解释、试油结果，以优选的随钻参数作为判别参数，通过SOM神经网络分析建立一个能有效识别页岩气储层的模型，实现对页岩气储层的随钻解释，解决了页岩气储层录井解释方法欠缺、多参数的非线性的问题。
【专利说明】基于自组织竞争神经网络的页岩气储层识别方法
【技术领域】
[0001] 本发明涉及一种基于自组织竞争神经网络（即SOM神经网络）建立页岩气储层识 别模型的方法，属于石油天然气勘探开发领域。
【背景技术】
[0002] 页岩气是储存在页岩中以游离态和吸附态存在的天然气，正逐渐成为油气勘探 的热点，国内的页岩气水平井开发即将大面积开展。对于页岩气随钻解释方法，例如，2012 年18期《科技导报》公开的页岩气储层测井响应特征及识别方法研究。
[0003] 但由于页岩气储层具备的特殊性，随钻参数中除了综合录井参数外，仅有随钻伽 马一个随钻测井参数，随钻参数较少。并且，目前国内页岩气研究水平均较低，没有形成比 较行之有效的随钻解释方法，故目前的随钻解释存在以下问题： 1、目前的页岩气储层评价是以分析化验数据为主，而在随钻的过程中没有分析化验数 据。
[0004] 2、单一的随钻参数对于页岩气储层的表征能力是有限的，需要利用多个随钻参数 进行综合考量。但如何利用这些随钻参数来反映页岩气储层目前还没有比较有效的方法。
[0005] 3、随钻参数对于页岩气储层的响应特征是一种多维的非线性关系，简单的数据对 比无法找到有效的识别方法。
[0006] 4、随钻参数数据量巨大，故需要一种能够对大量数据进行建模的有效方法。
【发明内容】
[0007] 本发明的目的在于克服现有技术存在的上述问题，提供一种基于自组织竞争神经 网络的页岩气储层识别方法。本发明根据已知的测井解释、试油结果，以优选的随钻参数作 为判别参数，通过SOM神经网络分析建立一个能有效识别页岩气储层的模型，实现对页岩 气储层的随钻解释，解决了页岩气储层录井解释方法欠缺、多参数的非线性的问题。
[0008] 为实现上述目的，本发明采用的技术方案如下： 一种基于自组织竞争神经网络的页岩气储层识别方法，其特征在于，包括如下步骤： a、 综合同一个区块内已钻页岩气水平井资料，并进行分类； b、 利用区域数据，将随钻参数作为训练样本进行优选； c、 对随钻参数进行归一化处理； d、 建立区域SOM神经网络模型； e、 利用建立的模型对作为预测样本的正钻页岩气水平井进行储层识别。
[0009] 所述步骤a中，综合同一个区块内已钻页岩气水平井的测井、录井、试油资料，并 根据测井解释及试油资料对页岩气水平段数据进行分类。
[0010] 所述步骤a中，分类过程为：根据已钻页岩气水平井的测井解释资料、试油资料及 生产测井资料，对页岩气水平段数据进行综合评价并分类。
[0011] 所述步骤b中，以区块内分类后的页岩气水平井资料为基础，通过最优子集法，优 选出最能反映储层特征的随钻参数。
[0012] 所述步骤c中，由于随钻参数间存在级差，为了防止因数据级差过大带来的额外 误差，需要对优选后的随钻参数进行极差归一化处理。
[0013] 所述步骤c中，归一化处理过程为： 设原始数据A7 (i=l，2,…，/7; J=l，2,…，)，极差变换公式为：
【权利要求】
1. 一种基于自组织竞争神经网络的页岩气储层识别方法，其特征在于，包括如下步 骤： a、 综合同一个区块内已钻页岩气水平井资料，并进行分类； b、 利用区域数据，将随钻参数作为训练样本进行优选； c、 对随钻参数进行归一化处理； d、 建立区域SOM神经网络模型； e、 利用建立的模型对作为预测样本的正钻页岩气水平井进行储层识别。
2. 根据权利要求1所述的基于自组织竞争神经网络的页岩气储层识别方法，其特征在 于：所述步骤a中，综合同一个区块内已钻页岩气水平井的测井、录井、试油资料，并根据测 井解释及试油资料对页岩气水平段数据进行分类。
3. 根据权利要求2所述的基于自组织竞争神经网络的页岩气储层识别方法，其特征 在于：所述步骤a中，分类过程为：根据已钻页岩气水平井的测井解释资料、试油资料及生 产测井资料，对页岩气水平段数据进行综合评价并分类。
4. 根据权利要求1、2或3所述的基于自组织竞争神经网络的页岩气储层识别方法，其 特征在于：所述步骤b中，以区块内分类后的页岩气水平井资料为基础，通过最优子集法， 优选出最能反映储层特征的随钻参数。
5. 根据权利要求4所述的基于自组织竞争神经网络的页岩气储层识别方法，其特征在 于：所述步骤c中，由于随钻参数间存在级差，为了防止因数据级差过大带来的额外误差， 需要对优选后的随钻参数进行极差归一化处理。
6. 根据权利要求5所述的基于自组织竞争神经网络的页岩气储层识别方法，其特征在 于：所述步骤c中，归一化处理过程为： 设原始数据A7 (i=l，2,…，/7;J=l，2,…，)，极差变换公式为：
式中为样品个数，《为变量个数，为个样品中第J个变量的最小值，Aw为 个样品中第J个变量的最大值，这样变化后的新数据在(Tl之间。
7. 根据权利要求1、2、3、5或6所述的基于自组织竞争神经网络的页岩气储层识别方 法，其特征在于：所述步骤d中，以区块内的页岩气水平段数据为基础，通过调节神经网络 神经元参数建立SOM神经网络模型。
8. 根据权利要求7所述的基于自组织竞争神经网络的页岩气储层识别方法，其特征在 于：所述步骤d中，为了建立更有效的模型，需要对步骤b、c、d进行多次循环，建立到达要 求精度的SOM神经网络模型。
9. 根据权利要求1、2、3、5、6或8所述的基于自组织竞争神经网络的页岩气储层识别方 法，其特征在于：所述步骤e中，根据正钻井的随钻参数，归一化后代入区域SOM神经网络模 型中对页岩气储层进行识别。
【文档编号】E21B49/00GK104453875SQ201410590152
【公开日】2015年3月25日 申请日期:2014年10月29日 优先权日:2014年10月29日
【发明者】瞿子易, 庞江平, 吴萍, 王滢, 曹玉, 吴家杰, 李天书 申请人:中国石油集团川庆钻探工程有限公司