一种微电阻率扫描成像测井数据异常校正方法及装置与流程

文档序号:11152382阅读:807来源:国知局
一种微电阻率扫描成像测井数据异常校正方法及装置与制造工艺

本发明涉及一种微电阻率扫描成像测井数据异常校正方法及装置,属于石油工程测井技术领域。



背景技术:

微电阻率扫描成像测井仪器有多个极板,每个极板上分布多个电扣,用来测量井周电导率变化情况,在采集数据的过程中,由于仪器或井下情况比较复杂,有时会出现数据异常的情况,如果不对这些异常数据进行处理,会明显影响成像效果,以及成像资料解释和应用。例如:由于井壁不规则,极板贴井壁不好,或个别电扣损坏,会造成个别极板记录的电导率偏低,或个别电扣测量数据异常,使得处理的图像出现条带形或线型异常;不同井段地层岩性变化大,导致电导率数值差异过大(如图8所示,上部是砂泥岩地层,下部是凝灰岩地层,上下深度段电导率相差近两个数量级),虽然这种资料是地层的真实反映,但无法对静态图像进行很好的刻度和描述,成像后会影响横向分辨率和纵向成图效果;噪声或记录、刻度等因素会造成个别或部分记录数据出现负数,在图像上会出现白点或白块。

而目前对于上述异常数据的常规的处理方法是,在全井段范围内计算一个平均值,然后用该平均值代替这些异常数据。由于局部范围内的数据可能与全局范围的平均值相差比较大,这种做法会使得异常范围处的数据与相邻正常数据相差比较大,且数据没有层次变化,没有体现自身变化特性,这种处理方法显然是不合理的。附图3所示为某测井数据中存在极板数据偏大的情况,可以看出第5号极板由于的数据偏大,成像后与其他几个极板明显不同。



技术实现要素:

本发明的目的是提供一种微电阻率扫描成像测井数据异常校正方法,以解决目前对于异常数据校正没有体现数据层次变化,导致校正后的数据无法体现数据真实变化的问题。同时本发明还提供了一种微电阻率扫描成像测井数据异常校正装置。

本发明为解决上述技术问题而提供一种微电阻率扫描成像测井数据异常校正方法,该校正方法方案一:该方法包括以下步骤:

1)采集测井数据,判断测井数据是否异常以及异常类型;

2)根据异常类型选取异常数据相邻的正常数据计算平均值;

3)利用异常数据与相邻正常数据的相似性计算异常数据的可信度,根据可信度判断异常数据是否可信;

4)当异常数据不可信时,将平均值代替异常数据作为校正值;若异常数据可信,则提取异常数据的变化特征,并将变化特征加上其对应的平均值作为异常数据的校正值。

方法方案二:在方法方案一的基础上,所述的异常数据至少包括以下任意一种:存在极板或电扣数据与邻近极板或电扣相比整体偏大或偏小;存在不同井段间纵向电导率差异大于设定值。

方法方案三:在方法方案二的基础上,当异常数据为极板或电扣数据与邻近极板或电扣相比整体偏大或偏小时,其平均值计算为:

I.根据极板和电扣在仪器上的排列规律,在横向上和纵向上找出异常数据相邻的正常数据;

II.利用相邻正常数据,通过反距离加权插值法依次计算出异常数据深度位置的正常数据。

方法方案四:在方法方案二的基础上,当不同井段间纵向电导率差异大于设定值时,其对应的平均值计算过程为:

a.设异常数据深度范围为B-C,其相邻正常深度范围为A-B与C-D,深度方向上A<B<C<D;

b.计算A-B的平均值为P,C-D的平均值为Q;

c.将B-C深度范围划分为n段,计算每一段的平均值Vi

方法方案五:在方法方案二的基础上,所述步骤3)中异常数据可信度的计算如下:

将异常数据B和与其相邻的正常数据A和C均平均分为m段,并计算异常数据中每一段的平均值Bi、与其相邻的正常数据中每一段的平均值Ai和Ci,1≤i≤m-1;

分别统计Ai+1-Ai与Bi+1-Bi以及Ci+1-Ci与Bi+1-Bi符号相同的个数,计算B与C以及B与A的相同率RB-C和RB-A,RB-C和RB-A中的较大者即为异常数据B的可信度;

方法方案六:在方法方案二的基础上,当异常数据可信时,其校正过程如下:

((1)在异常范围内将异常数据平均分为至少两段,每一段中每个电扣有n个数据;

(2)计算所述n个数据的平均值P,并计算每个数据相对于P的增量Wi,Wi=Vi/p(1≤i≤n);

(3)将增量Wi“加”到Q上,即Zi=Wi*Q,其中Zi即为校正后的值。

方法方案七:在方法方案二的基础上,所述的异常数据还包括检测的测井数据为负数,若检测的数据为负数,则将其映射为正数,并判断映射的数据是否存在偏大或偏小的异常,若存在则利用步骤2)-4)进行校正。

方法方案八:在方法方案七的基础上,将负的测井数映射为正的测井数据的过程如下:

A.设某极板的某电扣在某一深度范围的数据为V1、V2...Vn,其中V1和Vn为正数,而V2到Vn-1全为负数;

B.求出V2到Vn-1范围内的最小值Vmin,且Vmin所在的深度为D;

C.求出相邻正常电扣在深度D处的平均值Vaver

D.通过线性映射方程y=kx+b,将V2到Vmin之间的值映射到Vaver与V1范围内,线性映射处理后,V1到Vmin之间的数值都为正数,

其中

E.同理,对于Vmin到Vn-1之间的数据映射方法,其映射方程也为y=kx+b,其中

本发明还提供了一种微电阻率扫描成像测井数据异常校正装置,装置方案一:该校正装置包括异常判断模块、均值计算模块、可信度计算模块和校正模块,

所述的异常判断模块用于采集测井数据,判断测井数据是否异常以及异常类型;

所述的均值计算模块用于根据异常类型选取异常数据相邻的正常数据计算平均值;

所述的可信度计算模块利用异常数据与相邻正常数据的相似性计算异常数据的可信度,根据可信度判断异常数据是否可信;

所述的校正模块用于当异常数据不可信时,将平均值代替异常数据作为校正值;若异常数据可信,则提取异常数据的变化特征,并将变化特征加上其对应的平均值作为异常数据的校正值。

装置方案二:在装置方案一的基础上,所述的异常数据至少包括以下任意一种:存在极板或电扣数据与邻近极板或电扣相比整体偏大或偏小;存在不同井段间纵向电导率差异大于设定值。

装置方案三:在装置方案二的基础上,当异常数据为极板或电扣数据与邻近极板或电扣相比整体偏大或偏小时,所述的均值计算模块的计算过程如下:

I.根据极板和电扣在仪器上的排列规律,在横向上和纵向上找出异常数据相邻的正常数据;

II.利用相邻正常数据,通过反距离加权插值法依次计算出异常数据深度位置的正常数据。

装置方案四:在装置方案二的基础上,当不同井段间纵向电导率差异大于设定值时,所述均值计算模块的计算过程为:

a.设异常数据深度范围为B-C,其相邻正常深度范围为A-B与C-D,深度方向上A<B<C<D;

b.计算A-B的平均值为P,C-D的平均值为Q;

c.将B-C深度范围划分为n段,计算每一段的平均值Vi

装置方案五:在装置方案二的基础上,所述可信度计算模块中异常数据可信度的计算如下:

将异常数据B和与其相邻的正常数据A和C均平均分为m段,并计算异常数据中每一段的平均值Bi、与其相邻的正常数据中每一段的平均值Ai和Ci,1≤i≤m-1;

分别统计Ai+1-Ai与Bi+1-Bi以及Ci+1-Ci与Bi+1-Bi符号相同的个数,计算B与C以及B与A的相同率RB-C和RB-A,RB-C和RB-A中的较大者即为异常数据B的可信度;

装置方案六:在装置方案二的基础上,当异常数据可信时,校正模块的校正过程如下:

(1)在异常范围内将异常数据平均分为至少两段,每一段中每个电扣有n个数据;

(2)计算所述n个数据的平均值P,并计算每个数据相对于P的增量Wi,Wi=Vi/p(1≤i≤n);

(3)将增量Wi“加”到Q上,即Zi=Wi*Q,其中Zi即为校正后的值。

装置方案七:在装置方案二的基础上,所述的异常数据还包括检测的测井数据为负数,若检测的数据为负数,则将其映射为正数,并判断映射的数据是否存在偏大或偏小的异常,若存在则利用均值计算模块、可信度计算模块和校正模块进行校正。

装置方案八:在装置方案七的基础上,将负的测井数映射为正的测井数据的过程如下:

A.设某极板的某电扣在某一深度范围的数据为V1、V2...Vn,其中V1和Vn为正数,而V2到Vn-1全为负数;

B.求出V2到Vn-1范围内的最小值Vmin,且Vmin所在的深度为D;

C.求出相邻正常电扣在深度D处的平均值Vaver

D.通过线性映射方程y=kx+b,将V2到Vmin之间的值映射到Vaver与V1范围内,线性映射处理后,V1到Vmin之间的数值都为正数,

其中

E.对于Vmin到Vn-1之间的数据映射方法,其映射方程也为y=kx+b,其中

本发明的有益效果是:本发明首先采集测井数据,判断测井数据是否异常以及异常类型;然后根据异常类型选取异常数据相邻的正常数据计算平均值;再利用异常数据与相邻正常数据的相似性计算异常数据的可信度,并根据可信度判断异常数据是否可信;最后在异常数据不可信时,利用平均值代替异常数据作为校正值;在异常数据可信时,则提取异常数据的变化特征,并将变化特征加上其对应的平均值作为异常数据的校正值。本发明的校正方法能在整体上使校正后的异常数据与相邻正常数据大小相吻合,同时在局部上又保留了自身的变化特征,经过可视化成像后,取得较好的成图效果。

附图说明

图1为本发明的技术实施流程图;

图2为本发明的方法原理示意图;

图3为X1井STAR-II微电阻率扫描成像原始数据及成像显示图;

图4为X1井STAR-II微电阻率扫描成像异常校正后极板数据及成像显示图;

图5为X2井FMI微电阻率扫描成像原始极板数据曲线图;

图6为X2井FMI微电阻率扫描成像异常校正后极板数据曲线图;

图7为X2井FMI微电阻率扫描成像校正前后处理图像对比图;

图8为X3井XRMI微电阻率扫描成像校正前极板数据及处理图像显示图;

图9为X3井XRMI微电阻率扫描成像校正后极板数据及处理图像显示图。

具体实施方式

下面结合附图对本发明的具体实施方式做进一步的说明。

本发明微电阻率扫描成像测井数据异常校正方法的实施例

本发明的微电阻率扫描成像测井数据异常校正方法针对的是异常主要包括以下两种:第一种是个别极板或电扣数据与邻近极板或电扣相比整体偏大或偏小;第二种是不同井段间纵向电导率差异大。本发明的校正方法能够对上述两种异常数据进行校正,该方法的流程如图1所示,首先检测测井数据是否存在异常,并判断异常数据;然后利用异常数据相邻的正常数据计算平均值;再计算异常数据的可信度,当异常数据不可信时,利用平均值代替异常数据,若异常数据可信,则提取异常数据的变化特征,并将变化特征“加到”平均值上来代替异常数据。该方法具体的实施步骤如下:

1.检测测井数据是否存在异常,并判断异常数据类型。

本发明的测井数据指的是极板电导率数据,异常数据类型主要包括两种:第一种是个别极板或电扣数据与邻近极板或电扣相比整体偏大或偏小;第二种是不同井段间纵向电导率差异大。检测数据是否存在异常,最终的检测结果为数据正常或数据存在一种或多种异常;如果数据存在异常,确定异常类型、异常数据所在的极板(或电扣)编号以及异常范围;检测是否存在极板或者电扣整体数值偏大或偏小,以检测极板为例,具体步骤如下:

1)检测极板PADn在深度DEP处是否偏大或偏小。

计算极板PADn在深度DEP处电扣电导率(或电阻率)均值P,而其他各极板所有电扣在这一深度的平均值为A,则可以设置一个偏大阈值Rmax和一个偏小阈值Rmin,若P>A*Rmax,则认为该极板数据在深度DEP偏大,若P<A/Rmin,则认为该极板数据在深度DEP偏小。

2)统计极板PADn偏大或偏小的深度范围。

在全井段深度范围内检测极板PADn是否偏大或偏小,如果极板PADn在某一深度范围内连续偏大(或连续偏小),则认为该极板在该深度范围异常,且异常类型为偏大(或偏小)。

电扣的检测方法与极板的检测方法类似,在此不再详述。检测数据是否存在地层特征差异过大,方法与上述步骤1)和2)相同,只需将所有极板看做一个整体,与上下相邻深度范围进行比较。

2.利用异常数据相邻的正常数据计算平均值,异常数据的类型不同,其均值有不同的计算方法。

当异常数据的类型为地层差异过大时,均值的计算步骤如下:

1)假设异常数据深度范围为B-C,其相邻正常深度范围为A-B与C-D(即深度方向上A<B<C<D);

2)计算A-B的平均值为P,C-D的平均值为Q;

3)校正B-C深度范围时,设分段长度为L,共分为n段,则第i段的平均值为

当异常数据的类型为极板或电扣数据与邻近极板或电扣相比整体偏大或偏小,通过反距离加权插值法来计算平均值,步骤如下:

1)根据极板和电扣在仪器上的排列规律,在横向上(极板、电扣排列方向)和纵向上(深度方向上)找出异常数据相邻的正常数据。

图2为本发明实施例中XRMI微电阻率扫描成像数据的部分极板和电扣的排列示意图,假设5号极板为异常极板,则相邻的4、6号极板为正常极板。

2)利用相邻正常数据,通过反距离加权插值法,依次计算出异常数据深度位置的正常数据。

通过4、6号极板计算5号极板的数据,假设横向上左右各取25个点参与计算,纵向上取上下相邻的8个点参与计算,则5号极板的每一个电扣的值是通过25×2×(8×2+1)=850个点计算得到的,且设这850个点每个点的值为Vi(1≤i≤850);如图2所示,以计算a的值为例,参与计算的各个点的权重为各个点到a点的距离的倒数;b点到a点的距离为c到a的距离为其它各点到a的距离以此类推,这样就可以求得各点到a点的距离的倒数,其他各点到a的距离依此类推,这样就可以求得各点到a点的距离的倒数,假设分别为W1、W2…W850;根据所计算的Wi求得比例系数k,由k计算a点对应的平均值Va,通过这种方式即可计算出5号极板的每一个数值。

其中

3.利用异常数据与相邻正常数据的相似性计算异常数据的可信度,根据可信度判断异常数据是否可信,过程如下:

1)在异常范围内,将异常数据平均分为若干段,然后计算每一段的平均值。假设异常极板为B,平均分为m段,各段的数据平均值为:B1、B2...Bn;假设极板B相邻的正常极板为A、C,同理可求得A1、A2...An和C1、C2...Cn

2)计算B与相邻数据的相似性:假如A2>A1且B2>B1(或者A2<A1且B2<B1或者A2=A1且B2=B1,即A2-A1与B2-B1的符号相同),则认为极板B在B2处可信;同理,依此计算Ai+1-Ai与Bi+1-Bi(1≤i≤m-1)的符号是否相同,统计相同的个数,假如共有h个点相同,则可以计算出B与A的相同率RB-A,RB-A=h/m-1;同样可以计算B与C的相同率RB-C

3)比较RB-A与RB-A,将两者中的较大者R作为B数据最终的可信度R,将可信度R与设定的阈值α进行比较,若R大于α,则认为极板B的数据可信,否则认为不可信。

4.根据异常数据的可信度和其对应的平均值对异常数据进行校正,当异常数据不可信时,将异常数据直接替换为由步骤2计算出的平均值。当异常数据可信时,则提取异常数据的变化特征,并将变化特征“加到”平均值上来代替异常数据,具体过程如下:

1)在异常范围内将异常数据平均分为若干段,假设每一段中每个电扣有n个数据;

2)设n个数据中各个数据的值为Vi,则可以计算这n个数据的平均值P,步骤2中已经计算出了异常极板各个电扣的值,则可以计算出相同电扣编号在相同深度范围中的平均值Q;

3)计算这n个数据中每一个数据相对于P的增量Wi,即Wi=Vi/p(1≤i≤n);

4)将增量Wi“加”到Q上,即Zi=Wi*Q,其中Zi即为校正后的值;

5)深度方向上按分段从上往下、在横向上按电扣编号小到大,重复步骤2)到步骤4),即可实现。

上述异常数据指的是上述两种异常数据,当采集到的测井数据为负数,现有技术一般直接将其舍弃,本发明将采集到的为负数的测井数据映射到正数,使负值也具有可用价值,下面以某极板的某电扣在某一深度范围的数据为例,其具体映射过程如下:

A.设某极板的某电扣在某一深度范围的数据为V1、V2...Vn,其中V1和Vn为正数,而V2到Vn-1全为负数;

B.求出V2到Vn-1范围内的最小值Vmin,且Vmin所在的深度为D;

C.求出相邻正常电扣在深度D处的平均值Vaver

D.通过线性映射方程y=kx+b,将V2到Vmin之间的值映射到Vaver与V1范围内,线性映射处理后,V1到Vmin之间的数值都为正数,

其中

E.同理,对于Vmin到Vn-1之间的数据映射方法,其映射方程也为y=kx+b,其中

判断上述映射后的数据是否存在偏大或偏小的异常,若存在则利用步骤2-4进行校正。

下面结合具体的实例针对三种不同的数据异常进行验证。

实例1:对极板或电扣数据偏大异常进行校正。

如图3为X1井STAR-II微电阻率扫描成像原始数据及成像显示,通过对原始数据进行异常检测,检测结果为5号极板全井段数值偏大,3号极板第11号电扣全井段数值偏大(见第一道的原始极板数据),处理的静、动态图象有明显的暗色条带和线状条纹(第二、三道)。应用本发明的校正方法能够对检测到的异常类型进行校正,校正后极板数据及成像结果如图4所示。

实例2:对测井数据负数异常值处理。

图5为X2井FMI微电阻扫描成像原始极板数据曲线,从中可以看出,3号臂上的主机板出现大量负值(FCC1和FCC2),但各纽扣曲线的变化趋势与其它极板一致,不属于极板数据完全失效的情况,这种数据经过一定的校正处理仍然可以使用。

校正前,如果将负数用接近于0的极小值代替,图像中将出现大量的白块,显然不合适;若不对负数做异常处理,使得有效数据对应的颜色刻度范围缩小,静态图像分辨率降低(如图7第一道静态图像),动态图像在负值处出现白点或白块(如图7第三道动态图像)。针对上述异常,采用本发明的校正方法,现将负数提供线性映射处理为正数,再提取其特征值加到平均值上,取得了较好的效果,如图6为校正后极板数据曲线图,图7中的第二道和第四道是异常校正后处理的静、动态图像。

实例3:对地层特征差异过大校正的验证

图8为X3井XRMI微电阻率扫描成像原始极板数据及图像显示,该井测量井段内地层岩性变化较大,上部是砂泥岩地层,记录的极板数值变化范围为0-1000(如图8的第一、二道),下部是凝灰岩地层,记录的极板数值变化范围为0-1000(如图8的第四、五道),虽然这种资料是地层的真实反映,但无法对静态图像进行很好的刻度和描述,影响纵向成图效果,如图8中第三道为了较好的刻度和显示上部地层的静态图像,使得下部图像全部变为亮色,第六道为了展现下部地层的静态图像,将刻度从1024降到了32,使得上部图像全部变为了暗色。

应用本发明的校正方法对X3井进行校正和处理,校正后的结果如图9所示,既提高了图像的纵向成图效果,又保证了地层岩性变化特征。

可见本发明的能够自动检测各种异常数据,实现了对测井数据中的负值、横向偏大或偏小、纵向差异过大的自动校正。本发明通过计算各种异常数据的平均值,克服了用全局平均值代替局部数据导致数据差异过大的问题;同时通过计算异常数据的可信度,在异常数据可信时,将异常数据加到均值上作为校正后的数据,使存在可用价值的异常数据能够发挥作用,解决了处理后图像无自身极板地层特征的问题。同时将负值映射到正数范围,使负值也具有可用性。总之,本发明的数据异常校正方法提高了测井资料的显示效果和测井数据的整体利用率。

本发明微电阻率扫描成像测井数据异常校正装置的实施例。

本实施例中的校正装置包括异常判断模块、均值计算模块、可信度计算模块和校正模块,异常判断模块用于采集测井数据,判断测井数据是否异常以及异常类型;均值计算模块用于根据异常类型选取异常数据相邻的正常数据计算平均值;可信度计算模块利用异常数据与相邻正常数据的相似性计算异常数据的可信度,根据可信度判断异常数据是否可信;校正模块用于当异常数据不可信时,将平均值代替异常数据作为校正值;若异常数据可信,则提取异常数据的变化特征,并将变化特征加上其对应的平均值作为异常数据的校正值。各模块的具体实现手段已在方法的实施例中进行了详述,这里不再赘述。

本发明所述的方法及装置并不限于具体实施方式中所述的实施示例,本领域技术人员根据本发明的技术方案得出其他的实施方式,同样属于本发明的技术创新范围。

当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1