一种低渗透砂砾岩储层优势通道识别方法及系统与流程

本发明涉及低渗透储层优势通道的识别
技术领域：
，尤其涉及一种低渗透砂砾岩储层优势通道识别方法及系统。
背景技术：
随着油田开发的深入，大部分低渗透砂砾岩油田进入中高含水阶段，注入水无效循环严重，水驱效率不高。优势通道是影响低渗透砂砾岩储层开发效果的重要因素之一。低渗透砂砾岩储层渗透率低，非均质性强，在水驱开发过程中容易形成优势通道。优势通道的存在加剧了储层的非均质性，使层间干扰和单层突进现象更加明显，造成油井含水高、动用程度低、有效分注率低、地层压力保持程度低、采出程度低等，对油田开发十分不利，能够准确的识别储层中的优势通道对低渗透砂砾岩油田的开发十分重要。目前，对优势通道的识别方法主要有测井法、井间动态检测法、试井法、取芯法和油藏工程等方法。这些方法测取周期长，识别成本高，计算复杂，在实际的应用中多有不便。因此，如何改善高含水低渗透储层的开发效果及提高采出程度，是当前亟待解决的技术问题。技术实现要素：为了解决现有技术中的缺陷，本发明提供了一种低渗透砂砾岩储层优势通道识别方法及系统，可快速、实时的对整个区块的待测井优势通道进行识别，为油田的水井及油井的开发调整提供了理论依据，具有参数获取简单、易操作、可靠及有效提高采出程度等有益效果。为了实现上述目的，本发明提供了一种低渗透砂砾岩储层优势通道识别方法，包括：根据获取的各待测井的行为特征数据及影响因素数据，生成无量纲行为特征数据、无量纲影响因素数据及隶属度矩阵；根据所述无量纲行为特征数据及所述无量纲影响因素数据，生成关联系数矩阵；根据所述关联系数矩阵生成影响因素的权重序列；根据隶属度矩阵与所述影响因素的权重序列之积，生成各待测井的模糊综合评判指数；根据所述模糊综合评判指数及预设的界限值的比较结果判断各所述待测井是否存在优势通道。本发明还提供了一种低渗透砂砾岩储层优势通道识别系统，包括：获取单元，用于根据获取的各待测井的行为特征数据及影响因素数据，生成无量纲行为特征数据、无量纲影响因素数据及隶属度矩阵；关联系数矩阵生成单元，用于根据所述无量纲行为特征数据及所述无量纲影响因素数据，生成关联系数矩阵；权重序列生成单元，用于根据所述关联系数矩阵生成影响因素的权重序列；评判指数生成单元，用于根据隶属度矩阵与所述影响因素的权重序列之积，生成各待测井的模糊综合评判指数；判断单元，用于根据所述模糊综合评判指数及预设的界限值的比较结果判断各所述待测井是否存在优势通道。本发明还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：根据获取的各待测井的行为特征数据及影响因素数据，生成无量纲行为特征数据、无量纲影响因素数据及隶属度矩阵；根据所述无量纲行为特征数据及所述无量纲影响因素数据，生成关联系数矩阵；根据所述关联系数矩阵生成影响因素的权重序列；根据隶属度矩阵与所述影响因素的权重序列之积，生成各待测井的模糊综合评判指数；根据所述模糊综合评判指数及预设的界限值的比较结果判断各所述待测井是否存在优势通道。本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：根据获取的各待测井的行为特征数据及影响因素数据，生成无量纲行为特征数据、无量纲影响因素数据及隶属度矩阵；根据所述无量纲行为特征数据及所述无量纲影响因素数据，生成关联系数矩阵；根据所述关联系数矩阵生成影响因素的权重序列；根据隶属度矩阵与所述影响因素的权重序列之积，生成各待测井的模糊综合评判指数；根据所述模糊综合评判指数及预设的界限值的比较结果判断各所述待测井是否存在优势通道。本发明提供的一种低渗透砂砾岩储层优势通道识别方法及系统，包括：根据获取的各待测井的行为特征数据及影响因素数据，生成无量纲行为特征数据、无量纲影响因素数据及隶属度矩阵；根据所述无量纲行为特征数据及所述无量纲影响因素数据，生成关联系数矩阵；根据所述关联系数矩阵生成影响因素的权重序列；根据隶属度矩阵与所述影响因素的权重序列之积，生成各待测井的模糊综合评判指数；根据所述模糊综合评判指数及预设的界限值的比较结果判断各所述待测井是否存在优势通道。本发明能够实时的对低渗透砂砾岩油田的待测井的优势通道进行识别和预测，具有参数获取简单、易操作、可靠性高及有效提高采出程度等有益效果。附图说明为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本申请的一种低渗透砂砾岩储层优势通道识别方法流程图；图2是本申请一实施例中的低渗透砂砾岩储层优势通道识别方法流程图；图3是本申请一实施例中的s201的方法流程图；图4是本申请一实施例中的s202方法流程图；图5是本申请一实施例中的s203方法流程图；图6是本申请的一种低渗透砂砾岩储层优势通道识别系统的结构示意图；图7是本申请一实施例中的获取单元的结构示意图；图8是本申请一实施例中的关联系数矩阵生成单元的结构示意图；图9是本申请一实施例中的权重序列生成单元的结构示意图。具体实施方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。关于本文中所使用的“第一”、“第二”、……等，并非特别指称次序或顺位的意思，亦非用以限定本发明，其仅为了区别以相同技术用语描述的元件或操作。关于本文中所使用的“包含”、“包括”、“具有”、“含有”等等，均为开放性的用语，即意指包含但不限于。关于本文中所使用的“及/或”，包括所述事物的任一或全部组合。针对现有技术中存在的缺陷，本发明提供了一种低渗透砂砾岩储层优势通道识别方法，其流程图如图1所示，该方法包括以下步骤：s101：根据获取的各待测井的行为特征数据及影响因素数据，生成无量纲行为特征数据、无量纲影响因素数据及隶属度矩阵。其中待测井可以为水井或者油井，本发明不以此为限。s102：根据无量纲行为特征数据及无量纲影响因素数据，生成关联系数矩阵。s103：根据关联系数矩阵生成影响因素的权重序列。s104：根据隶属度矩阵与影响因素的权重序列之积，生成各待测井的模糊综合评判指数。s105：根据模糊综合评判指数及预设的界限值的比较结果判断各待测井是否存在优势通道。由图1所示的流程可知，本发明根据获取的各待测井的行为特征数据及影响因素数据，生成无量纲行为特征数据、无量纲影响因素数据及隶属度矩阵；根据无量纲行为特征数据及无量纲影响因素数据，生成关联系数矩阵；根据关联系数矩阵生成影响因素的权重序列；根据隶属度矩阵与影响因素的权重序列之积，生成各待测井的模糊综合评判指数；根据模糊综合评判指数及预设的界限值的比较结果判断各待测井是否存在优势通道，能够实时的对低渗透砂砾岩油田的待测井的优势通道进行识别和预测，具有参数获取简单、易操作、可靠性高及有效提高采出程度等有益效果。为了使本领域的技术人员更好的了解本发明，下面列举一个更为详细的实施例，如图2所示，本发明实施例提供一种低渗透砂砾岩储层优势通道识别方法，该方法包括以下步骤：s201：根据获取的各待测井的行为特征数据及影响因素数据，生成无量纲行为特征数据、无量纲影响因素数据及隶属度矩阵。其中待测井可以为水井或者油井，本发明不以此为限。如图3所示，s201包括以下步骤：s301：获取各待测井的行为特征数据及影响因素数据。具体实施时，本发明在昆北油田切12区块选择14个井组来说明优势通道的识别情况。其中选取的行为特征数据包括：吸水强度和产液强度，选取的影响因素数据包括：有效厚度、渗透率、渗透率变异系数、油压及泥质含量等，本实施例中将吸水强度数据选为行为特征数据，各待测井的具体行为特征数据及影响因素数据参见表1：表1各待测井的数据s302：任选一待测井为基准井，其余各待测井的行为特征数据分别除以基准井的行为特征数据及影响因素数据分别除以基准井的对应的影响因素数据，生成各待测井的无量纲行为特征数据及无量纲影响因素数据。其中设定特征数据及影响因素数据具有i行k列，k及i均为大于等于1的正整数，设定第一行行为特征数据及影响因素数据为基准井数据记为x1(k)，将每一行的待测井数据xi(k)除以基准井数据x1(k)，具体按照如下无量纲处理公式(1)对各待测井的行为特征数据及影响因素数据进行无量纲处理，生成各待测井的无量纲行为特征数据及无量纲影响因素数据xi’(k)：其中i个待测井，每个待测井的特征数据及影响因素数据共计k项，x1(k)为基准井的行为特征数据及影响因素数据，xi(k)为包括基准井在内的各行对应的待测井的行为特征数据及影响因素数据，每一行对应一个待测井的无量纲行为特征数据及无量纲影响因素数据χ'i(k)，xi’(k)由各待测井的无量纲行为特征数据及无量纲影响因素数据χ'i(k)组成。具体实施时，待测井的个数为14则i＝1，2，……，14，待测井的特征数据及影响因素数据共计6项则k＝1，2，……，6，根据表1及公式(1)，以井号切12-11-10为基准井，生成井号切12-11-10及切12-11-8的无量纲行为特征数据及无量纲影响因素数据过程如下：井号切12-11-10无量纲行为特征数据及无量纲影响因素数据计算过程：无量纲行为特征数据：无量纲影响因素数据：井号切12-11-8无量纲行为特征数据及无量纲影响因素数据计算过程：无量纲行为特征数据：无量纲影响因素数据：依次按照上述井号切12-11-10及切12-11-8的无量纲计算方法，生成各待测井的无量纲行为特征数据及无量纲影响因素数据，如表2所示。表2各待测井的无量纲数据s303：根据获取的各待测井的影响因素数据，生成隶属度矩阵。其中设定影响因素数据具有i行t列，i及t均为大于等于1的正整数，根据获取的各待测井的影响因素数据，利用如下公式(2)，生成隶属度矩阵μ。其中minχi(t)为影响因素数据中第i行t列中的最小值，maxχi(t)为影响因素数据中第i行t列中的最大值，χi(t)为第i行t列中影响因素数据的值，μit为各待测井的影响因素数据的隶属度，隶属度矩阵μ由μit组成，如公式(3)所示：具体实施时，待测井的个数为14则i＝1，2，……，14，影响因素共计5项，则t＝1，2，……，5，根据表1中的各待测井的影响因素数据及公式(3)，计算本实施例中各影响因素的隶属度μit，其中由表1第一行第一列的影响因素数据可知，χ1(1)＝15.55，第一列影响因素数据有效厚度中最小值minχ1(1)＝12.9，最大值maxχ1(1)＝30.50，再根据公式(2)计算获得第一个待测井的有效厚度χ1(1)对应的隶属度μ11如下：按照上述μ11的计算方法依次计算表1中的各待测井的影响因素数据对应的隶属度μit，生成各影响因素对应的隶属度如表3所示。表3影响因素的隶属度s202：根据无量纲行为特征数据及无量纲影响因素数据，生成关联系数矩阵。如图4所示，s202包括以下步骤：s401：将各待测井的无量纲影响因素数据及无量纲行为特征数据分别与对应的无量纲行为特征数据做差并取绝对值，生成各待测井的差序列。其中设定无量纲影响因素数据分别与对应的无量纲行为特征数据具有i行k列,无量纲行为特征数据位于每行的第a列，无量纲影响因素数据为i行t列，a、t、i及k均为大于等于1的正整数且i大于等于a，k大于t，将各待测井的无量纲影响因素数据及无量纲行为特征数据分别与对应的无量纲行为特征数据做差并取绝对值，具根据如下计算公式(4)生成各待测井的差序列δi(t)：δi(t)＝|χ’i(k)-χ’i(a)|(4)其中，χ’i(a)代表各行中待测井的无量纲行为特征数据，χ’i(k)代表各行中待测井的无量纲影响因素数据及无量纲行为特征数据。具体实施时，a＝6，t＝1，2，3，……，5，i＝1，2，3，……，14及k＝1，2，3，……，6，根据表2中的数据，按照公式(4)，将各待测井的无量纲影响因素数据分别与对应的无量纲行为特征数据做差并取绝对值，生成各待测井的差序列，差序列值如表4所示。表4各待测井的差序列值s402：根据各待测井的差序列，生成关联系数矩阵。从各待测井的所有差值序列中确定一个差值序列值的最大值及一个差值序列值的最小值将最大值m及最小值m带入如下公式(5)，生成各待测井的无量纲行为特征数据和无量纲影响因素的关联系数γoi(t)，由各关联系数组成关联矩阵。其中分辨系数ζ∈(0,1)，δi(t)各待测井的差序列的值具体实施时，t＝1，2，3，……，5,i＝1，2，3，……，14，从表4中各待测井的所有差值序列中确定一个差值序列值的最大值m＝2.76，及一个差值序列值的最小值m＝0。本实施例中设定分辨系数ζ为0.5，根据表4及公式(5)，生成各待测井的无量纲行为特征数据和无量纲影响因素的关联系数γoi(t)。以表4中井号切12-11-10的差值序列值为例，生成对应的关联系数γo1(1)：表4中其余各待测井的差值序列值参照γo1(1)的计算方式生成对应的关联系数，如表5所示，由各关联系数生成对应的关联系数矩阵。表5各待测井的关联系数s203：根据关联系数矩阵生成影响因素的权重序列。如图5所示，s203包括以下步骤：s501：根据关联系数矩阵各列的均值生成各影响因素的灰色关联度。具体实施时，将关联系数矩阵每一列的值求和之后取平均值，生成当前列对应的影响因素的灰色关联度β。其中对两个两之间关联性大小的度量叫做灰色关联度。t＝1，2，3，……，5，根据表5中数据，依次计算影响因素有效厚度、渗透率、渗透率变异系数、油压及泥质含量对应的灰色关联度，以有效厚度的灰色关联度β1计算过程为例：根据上数据算方法依次计算生成渗透率的灰色关联度β2为0.77，渗透率变异系数的灰色关联度β3为0.58、油压的灰色关联度β4为0.71及泥质含量的灰色关联度β5为0.86。s502：根据各影响因素的灰色关联度生成影响因素的权重序列。根据生成的各影响因素的灰色关联度βt其中t为大于等于1的正整数，设定影响因素的个数为p个，则按照如下公式(6)计算每个影响因素的权重值vt，由各权重值vt组成权重序列v。具体实施时，t＝1，2，3，……，5，p＝5，根据有效厚度的灰色关联度β1＝0.74、渗透率的灰色关联度β2＝0.77，渗透率变异系数的灰色关联度β3＝0.58、油压的灰色关联度β4＝0.71及泥质含量的灰色关联度β5＝0.86，及公式(6)，计算有效厚度、渗透率、渗透率变异系数、油压泥质含量及泥质含量对应的权重值，以有效厚度的权重值计算过程为例：参照有效厚度的权重值的计算过程，依次计算渗透率的权重值v2＝0.21、渗透率变异系数的权重值v3＝0.16、油压泥质含量的权重值v4＝0.19及泥质含量对应的权重值v5＝0.24，生成对应的权重序列为v＝(0.2，0.21，0.16，0.19，0.24)。s204：根据隶属度矩阵与影响因素的权重序列之积，生成各待测井的模糊综合评判指数。模糊综合评判指数ci的计算公式(7)如下：ci＝∑μit·vt(7)其中μit为由s303生成的隶属度，vt为由s502生成的各影响因素的权重值，模糊综合评判指数序列c由各待测井的模糊综合评判指数ci组成，其中i、t均为大于等于1的正整数。具体实施时，i＝1，2，3，……，14，t＝1，2，3，……，5，根据表3中各待测井的影响因素对应的隶属度μit及s502中生成的各影响因素的权重值vt，根据公式(7)计算各待测井的模糊综合评判指数ci，c1的计算过程如下：c1＝μ11·v1+μ12·v2+μ13·v3+μ14·v4+μ15·v5＝0.15×0.2+0×0.21+0×0.16+0.19×0.19+1.00×0.24＝0.31按照上述模糊综合评判指数c1的计算过程，依次计算模糊综合评判指数c2至c14，生成各待测井的糊综合评判指数c1至c14，如表6所示。表6糊综合评判指数s205：根据模糊综合评判指数及预设的界限值的比较结果判断各待测井是否存在优势通道。具体实施时，针对水井及油井分别设置界限值c0，如表7所示，水井的界限值c0＝0.4，油井的界限值c0＝0.35，将表6中各待测井的模糊综合评判指数(本实施例中各待测井为水井)与水井的界限值c0＝0.4进行比较。表7油水井优势通道判断标准类别存在优势通道无优势通道水井界限值c0≥0.4c0＜0.4油井界限值c0≥0.35c0＜0.35当模糊综合评判指数不小于预设的界限值时，模糊综合评判指数对应的待测井存在优势通道，代表该待测井为发育。根据表7油水井优势通道判断标准，将表6中的模糊综合评判指数依次与水井的界限值c0＝0.4进行比较，其中模糊综合评判指数c4、c5、c6、c8、c10、c11、c13及c14均不小于c0＝0.4，因此c4、c5、c6、c8、c10、c11、c13及c14对应的待测井号切12-12-8、切12-14-8、切12-16-8、切12-19-6、切12-21-6、切12-21-8、切12-23-8及切12-s2存在优势通道。当模糊综合评判指数小于预设的界限值时，模糊综合评判指数对应的待测井不存在优势通道，代表该待测井为发育。将表6中的模糊综合评判指数依次与水井的界限值c0＝0.4进行比较，其中模糊综合评判指数c1、c2、c3、c7、c9及c12均小于c0＝0.4，因此c1、c2、c3、c7、c9及c12对应的待测井号切12-11-10、切12-11-8、切12-18-8、切12-19-8及切12-23-6存在优势通道，代表该待测井发育。表6中的模糊综合评判指数依次与水井的界限值c0＝0.4进行比较的结果如表8所示。表8判断结果s206：根据示踪剂得到的各待测井的判断结果校验各待测井的模糊综合评判指数比较结果。具体实施时，将表8中模糊综合评判指数得到的计算结果与示踪剂得到的判断结果进行对比，验证表8中计算结果是否准确，验证结果如表9所示。表9验证结果从表9中可以看出在14口水井优势通道的计算中，只有2口水井的模糊评判参数的计算结果与示踪剂的解释结果不符，符合率达到86％。通过分析发现切12-19-8及切12-23-6两口水井的模糊综合评判指数和示踪剂检测结果不一样的原因如下：本次模糊综合评判指数计算中使用的动态数据截止日期为2016年10月，切12-19-8的示踪剂测试时间为2013年6月，此时该井存在优势通道，但该井在2015年7月时进行了调剖作业，调剖后没有出现优势通道。切12-23-6井的示踪剂测试时间为2014年6月，此时该井存在优势通道，但该井在2015年4月时进行了周期注水，缓解了水在优势通道中的窜流。综上所述，因为示踪剂测试时间较早，后期经过调剖或者周期注水后没有再进行示踪剂测试，导致模糊综合评判指数计算结果与示踪剂显示结果不符。以上研究结果说明本发明采用的模糊综合评判指数对油田油/水井的优势通道的识别具有可靠性及时效性，本发明的具有易操作，参数获取简单，能够快速对整个区块的优势通道进行识别，为水驱开发调整提供了理论依据的有益效果。基于与上述低渗透砂砾岩储层优势通道识别方法相同的申请构思，本发明还提供了一种低渗透砂砾岩储层优势通道识别系统，如下面实施例所述。由于该低渗透砂砾岩储层优势通道识别系统解决问题的原理与低渗透砂砾岩储层优势通道识别方法相似，因此该低渗透砂砾岩储层优势通道识别系统的实施可以参见低渗透砂砾岩储层优势通道识别方法的实施，重复之处不再赘述。图6为本申请实施例的低渗透砂砾岩储层优势通道识别系统的结构示意图，如图6所示，该低渗透砂砾岩储层优势通道识别系统包括：获取单元101、关联系数矩阵生成单元102、权重序列生成单元103、评判指数生成单元104及判断单元105。获取单元101，用于根据获取的各待测井的行为特征数据及影响因素数据，生成无量纲行为特征数据、无量纲影响因素数据及隶属度矩阵；关联系数矩阵生成单元102，用于根据无量纲行为特征数据及无量纲影响因素数据，生成关联系数矩阵；权重序列生成单元103，用于根据关联系数矩阵生成影响因素的权重序列；评判指数生成单元104，用于根据隶属度矩阵与影响因素的权重序列之积，生成各待测井的模糊综合评判指数；判断单元105，用于根据模糊综合评判指数及预设的界限值的比较结果判断各待测井是否存在优势通道。在一个实施例中，如图7所示，获取单元101包括：获取模块201、无量纲处理模块202及隶属度矩阵生成模块203。获取模块201，用于获取各待测井的行为特征数据及影响因素数据；行为特征数据包括吸水强度数据；影响因素数据包括：有效厚度、渗透率、渗透率变异系数、油压及泥质含量；无量纲处理模块202，用于任选一待测井为基准井，其余各待测井的行为特征数据分别除以基准井的行为特征数据及影响因素数据分别除以基准井的对应的影响因素数据，生成各待测井的无量纲行为特征数据及无量纲影响因素数据；隶属度矩阵生成模块203，用于根据获取的各待测井的影响因素数据，生成隶属度矩阵。在一个实施例中，如图8所示，关联系数矩阵生成单元102包括：差序列生成模块301及关联系数矩阵生成模块302。差序列生成模块301，用于将各待测井的无量纲影响因素数据及无量纲行为特征数据分别与对应的无量纲行为特征数据做差并取绝对值，生成各待测井的差序列；关联系数矩阵生成模块302，用于根据各待测井的差序列，生成关联系数矩阵。在一个实施例中，如图9所示，权重序列生成单元103包括：灰色关联度生成模块401及权重序列生成模块402。灰色关联度生成模块401，用于根据关联系数矩阵各列的均值生成各影响因素的灰色关联度；权重序列生成模块402，用于根据各影响因素的灰色关联度生成影响因素的权重序列。在一个实施例中，该低渗透砂砾岩储层优势通道识别系统中，当模糊综合评判指数不小于预设的界限值时，待测井存在优势通道；当模糊综合评判指数小于预设的界限值时，待测井不存在优势通道。基于与上述低渗透砂砾岩储层优势通道识别方法相同的申请构思，本申请提供一种计算机设备，如下面实施例所述。由于该计算机设备解决问题的原理与低渗透砂砾岩储层优势通道识别方法相似，因此该计算机设备的实施可以参见低渗透砂砾岩储层优势通道识别方法的实施，重复之处不再赘述。在一个实施例中，计算机设备包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，如图1所示，所述处理器执行所述计算机程序时实现以下步骤：s101：根据获取的各待测井的行为特征数据及影响因素数据，生成无量纲行为特征数据、无量纲影响因素数据及隶属度矩阵。其中待测井可以为水井或者油井，本发明不以此为限。s102：根据无量纲行为特征数据及无量纲影响因素数据，生成关联系数矩阵。s103：根据关联系数矩阵生成影响因素的权重序列。s104：根据隶属度矩阵与影响因素的权重序列之积，生成各待测井的模糊综合评判指数。s105：根据模糊综合评判指数及预设的界限值的比较结果判断各待测井是否存在优势通道。基于与上述低渗透砂砾岩储层优势通道识别方法相同的申请构思，本申请提供一种计算机可读存储介质，如下面实施例所述。由于该计算机可读存储介质解决问题的原理与低渗透砂砾岩储层优势通道识别方法相似，因此该计算机可读存储介质的实施可以参见低渗透砂砾岩储层优势通道识别方法的实施，重复之处不再赘述。在一个实施例中，计算机可读存储介质上存储有计算机程序，如图1所示，该计算机程序被处理器执行时实现以下步骤：s101：根据获取的各待测井的行为特征数据及影响因素数据，生成无量纲行为特征数据、无量纲影响因素数据及隶属度矩阵。其中待测井可以为水井或者油井，本发明不以此为限。s102：根据无量纲行为特征数据及无量纲影响因素数据，生成关联系数矩阵。s103：根据关联系数矩阵生成影响因素的权重序列。s104：根据隶属度矩阵与影响因素的权重序列之积，生成各待测井的模糊综合评判指数。s105：根据模糊综合评判指数及预设的界限值的比较结果判断各待测井是否存在优势通道。本发明提供的一种低渗透砂砾岩储层优势通道识别方法及系统，包括：根据获取的各待测井的行为特征数据及影响因素数据，生成无量纲行为特征数据、无量纲影响因素数据及隶属度矩阵；根据无量纲行为特征数据及无量纲影响因素数据，生成关联系数矩阵；根据关联系数矩阵生成影响因素的权重序列；根据隶属度矩阵与影响因素的权重序列之积，生成各待测井的模糊综合评判指数；根据模糊综合评判指数及预设的界限值的比较结果判断各待测井是否存在优势通道。本发明能够实时的对低渗透砂砾岩油田的待测井的优势通道进行识别和预测，具有参数获取简单、易操作、可靠性高及有效提高采出程度等有益效果。本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。当前第1页12