本申请涉及地球物理,特别地涉及一种饱和度的预测方法、装置、电子设备及存储介质。
背景技术:
1、饱和度是评价储层的重要参数之一,饱和度预测一直是储层预测的重点与难点。常规饱和度预测方法主要分为实验室测量、测井解释和地震解释等,测井解释凭借其分辨率高和成本低等特点已成为饱和度预测的主要手段。测井资料中含有丰富的储层信息,饱和度信息也包含在测井资料之中,但饱和度与测井曲线关系复杂,不同工区不同储层,对饱和度敏感的测井曲线不同,如何在测井曲线中挖掘出饱和度信息,存在着一定的困难。
2、目前基于测井资料进行饱和度预测主要有以下几种方法:(1)基于岩石物理理论的饱和度计算模型:通过archie公式计算纯砂岩的含水饱和度,但该公式对于复杂储层并不适用。后续多位学者针对不同类型储层提出了相应的饱和度预测模型,如,针对泥质砂岩储层的simandoux公式;针对多重孔隙介质碳酸盐岩储层的双孔隙度模型、双水模型和三孔隙度模型等。但这些饱和度计算模型都是针对某些特定储层,且都具有一定的假设条件,因此应用过程中有一定的限制。精度也不高。(2)神经网络:bp神经网络和门控循环单元神经网络等多种神经网络被用于饱和度预测,虽然神经网络在处理饱和度和测井曲线之间强非线性关系具有一定的优势,但神经网络方法理论基础不明,对于地球物理工作者来说可解释不强。(3)支持向量机(svm):基于svm有效的预测了研究区的饱和度。虽然svm理论基础明确,但易造成过拟合,同时svm核参数的选择没有明确的理论依据,这些都影响着svm的应用效果。
技术实现思路
1、针对上述问题,本申请提供一种饱和度的预测方法、装置、电子设备及存储介质,能够提高预测的饱和度的精度。
2、本申请提供了一种饱和度的预测方法,包括:
3、获取目标井的目标测井曲线;
4、对所述目标测井曲线进行标准化处理;
5、将标准化处理后的目标测井曲线输入至预先建立的饱和度预测模型中,确定所述目标井的饱和度。
6、在一些实施例中,所述方法还包括:
7、获取多个钻井的样本测井曲线和样本饱和度;
8、对所述样本测井曲线和样本饱和度进行标准化处理;
9、确定标准化处理后的样本测井曲线与标准化处理后的样本饱和度之间的秩相关系数;
10、基于所述秩相关系数从所述样本测井曲线中确定目标样本测井曲线;
11、基于所述目标样本测井曲线和标准化处理后的样本饱和度确定所述饱和度预测模型。
12、在一些实施例中,所述方法还包括:
13、对各个钻井的测井曲线进行一致性分析,得到分析结果;
14、基于所述分析结果从多个钻井中选择目标钻井的测井曲线;
15、所述对所述测井曲线和样本饱和度进行标准化处理,包括:
16、对目标钻井的测井曲线进行标准化处理。
17、在一些实施例中,所述基于所述目标样本测井曲线和标准化处理后的样本饱和度确定所述饱和度预测模型,包括:
18、基于所述目标样本测井曲线和标准化处理后的所述样本饱和度构建相关向量机模型,所述相关向量机模型包括多个参数;
19、基于粒子群算法从多个参数中确定核参数;
20、基于所述核参数确定目标相关向量机模型;
21、基于所述目标样本测井曲线和标准化处理后的所述样本饱和度训练所述目标相关向量机模型得到饱和度预测模型。
22、在一些实施例中,基于所述目标样本测井曲线和标准化处理后的所述样本饱和度训练所述目标相关向量机模型得到饱和度预测模型,包括:
23、确定所述目标相关向量机模型的预测相关系数和预测均方根误差;
24、基于所述目标相关向量机模型的预测相关系数和预测均方根误差修改目标相关向量机模型的模型参数,得到所述饱和度的预测模型。
25、在一些实施例中,饱和度预测模型包括权系数,所述方法还包括:
26、设定各个权系数相互独立,且每个权系数对应一个参数;
27、基于每个权系数及每个权系数对应一个参数确定先验扰动方程;
28、基于贝叶斯理论和先验扰动方程,确定线性拟合权系数的后验分布的方差和期望;
29、基于后验分布的方差和期望确定权系数的边缘分布方程;
30、对所述边缘分布方程进行迭代求解,确定系数的概率分布标准差和期望;
31、基于所述概率分布标准差和所述期望的概率分布期望确定变异系数;
32、输出饱和度预测模型的变异系数。
33、在一些实施例中,所述对所述目标测井曲线进行标准化处理,包括:
34、基于第一计算式对所述目标测井曲线进行标准化处理,其中,所述第一计算式为:
35、y(i)=(x(i)-xmin)/(xmax-xmin);
36、其中,x(i)表示测井曲线处理前的第i个点的值,xmin表示该某一测井曲线处理前的最小值,xmax表示该测井曲线处理前的最大值,y(i)表示该测井曲线处理后第i个点的值。
37、本申请实施例提供的一种饱和度的预测装置,包括:
38、获取模块,用于获取目标井的目标测井曲线;
39、标准化处理模块,用于对所述目标测井曲线进行标准化处理;
40、确定模块,用于将标准化处理后的目标测井曲线输入至预先建立的饱和度预测模型中,确定所述目标井的饱和度。
41、本申请实施例提供一种电子设备,包括存储器和处理器,所述存储器上存储有计算机程序,该计算机程序被所述处理器执行时,执行上述任意一项所述饱和度的预测方法。
42、本申请实施例提供一种存储介质,该存储介质存储的计算机程序,能够被一个或多个处理器执行,能够用来实现上述任一项所述饱和度的预测方法。
43、本申请提供的一种饱和度的预测方法、装置、电子设备及存储介质,通过建立饱和度预测模型,在获取到目标井的目标测井曲线,对所述目标测井曲线进行标准化处理,将标准化处理后的目标测井曲线输入至预先建立的饱和度预测模型中,确定所述目标井的饱和度,能够提高饱和度的预测的精度。
1.一种饱和度的预测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
4.根据权利要求2所述的方法,其特征在于,所述基于所述目标样本测井曲线和标准化处理后的样本饱和度确定所述饱和度预测模型,包括:
5.根据权利要求4所述的方法,其特征在于,基于所述目标样本测井曲线和标准化处理后的所述样本饱和度训练所述目标相关向量机模型得到饱和度预测模型,包括:
6.根据权利要求5所述的方法,其特征在于,饱和度预测模型包括权系数,所述方法还包括:
7.根据权利要求1所述的方法,其特征在于,所述对所述目标测井曲线进行标准化处理,包括:
8.一种饱和度的预测装置,其特征在于,包括:
9.一种电子设备,其特征在于,包括存储器和处理器,所述存储器上存储有计算机程序,该计算机程序被所述处理器执行时,执行如权利要求1至7任意一项所述饱和度的预测方法。
10.一种存储介质,其特征在于,该存储介质存储的计算机程序,能够被一个或多个处理器执行,能够用来实现如权利要求1至7中任一项所述饱和度的预测方法。