一种储层岩石渗透率预测方法、装置及存储介质与流程

本申请涉及石油勘探开发中测井数据处理
技术领域：
，特别涉及一种储层岩石渗透率预测方法、装置及存储介质。
背景技术：
：渗透率是重要的岩石物理参数之一，准确的渗透率评价对储层评价和产能预测具有重要意义。目前非常规油气的勘探开发已成为全球研究的热点，但该类储层具有低孔隙度、低渗透率和复杂孔隙结构的特点，适用于常规储层的传统渗透率计算方法难以有效应用于该类复杂储层，需要研究适用于非常规储层的岩石渗透率计算方法。低场核磁共振(nmr)测试技术可用于计算岩石渗透率。schlumberger-doll-research(sdr)模型和timur-coates模型是目前常用的两种基于nmr测试技术的渗透率计算模型。timur-coates模型需要首先确定t2截止值以求取束缚水饱和度，但是t2截止值难以通过岩心实验以外的方法准确确定，通常选用固定单一截止值，但对于非常规储层，其t2截止值复杂多变，显然选用固定单一截止值难以准确计算渗透率。sdr模型相比timur-coates模型更容易实现，并且在常规砂岩中取得了良好的应用效果。但由于非常规储层的复杂性，传统的t2均值信息难以有效表征该类储层的渗流能力。同时，传统的基于nmr的渗透率估算方法还受模型参数计算准确性的影响。传统方法均需首先对采集到的nmr回波数据进行反演得到t2分布，然后才能从t2分布上进一步提取计算渗透率所需的饱和度信息和t2均值信息。但众所周知，基于第一类fredholm积分方程的nmr反演是一个严重的病态问题，反演结果对噪声极度敏感。尤其是对于致密砂岩、页岩等非常规储层，孔隙尺寸偏小，nmr测量得到的回波数据信噪比低，反演所得t2分布与地层真实t2分布相差较大，严重影响了岩石渗透率计算结果的准确性。综上可知，传统的基于nmr的渗透率估算方法难以有效应用于致密砂岩等非常规储层，不仅与经验模型本身的缺陷有关，而且受t2分布反演不确定性的影响。如何准确地预测储层岩石渗透率已成为本领域亟待解决的技术问题。技术实现要素：本申请实施例的目的是提供一种储层岩石渗透率预测方法、装置及存储介质，以提高非常规储层复杂岩石渗透率的预测精度。为达到上述目的，本申请实施例提供一种储层岩石渗透率预测方法，所述方法包括：获取研究区内多个饱和水岩样的核磁共振回波数据；根据预设的核函数和所述核磁共振回波数据，确定所述研究区的渗透率表征参数；根据所述渗透率表征参数确定所述研究区的渗透率预测模型；根据所述渗透率预测模型预测所述研究区内目标储层的渗透率。本申请实施例的储层岩石渗透率预测方法，所述预设的核函数是以时间为自变量的函数，且存在拉普拉斯变换函数，所述预设的核函数中包括控制参数，所述控制参数用于控制所述核函数的形式的变化。本申请实施例的储层岩石渗透率预测方法，根据所述渗透率表征参数确定所述研究区的渗透率预测模型，包括：按照以下公式确定所述研究区的渗透率预测模型：k＝apb(n)其中，k为所述渗透率预测模型的预测结果，a、b为模型系数，n为所述控制参数，p(n)为所述渗透率表征参数。本申请实施例的储层岩石渗透率预测方法，按照下面的方法确定所述模型系数的值：通过岩心实验，获取所述研究区内多个饱和水岩样的渗透率测量值；在所述研究区内多个饱和水岩样中，选取至少两个饱和水岩样作为建模岩样；通过非线性拟合，确定与所述控制参数的参数值相对应的所述研究区的渗透率预测模型中的模型系数的值。本申请实施例的储层岩石渗透率预测方法，所述控制参数包括多个取值，对应的，所述方法还包括：在所述研究区内多个饱和水岩样中，选取除了所述建模岩样之外的剩余饱和水岩样，作为测试岩样；根据所述渗透率预测模型预测所述测试岩样的渗透率，得到每个所述测试岩样在不同的所述控制参数的取值下的渗透率预测值；根据所述测试岩样的渗透率测量值与渗透率预测值，确定在不同的所述控制参数的取值下的均方根误差或相关系数；将所述均方根误差的最小值或者所述相关系数的最大值所对应的所述控制参数，确定为所述研究区的渗透率预测模型的最优控制参数。本申请实施例的储层岩石渗透率预测方法，根据预设的核函数和所述核磁共振回波数据，确定所述研究区的渗透率表征参数，包括：按照以下公式确定所述研究区的渗透率表征参数：其中，m(t)为所述核磁共振回波数据，h(t,n)为所述预设的核函数，p(n)为所述研究区的渗透率表征参数，t为时间，n为所述控制参数。本申请实施例的储层岩石渗透率预测方法，当所述预设的核函数包括至少两个不同的核函数时，对应的，所述方法还包括：根据每个预设的核函数和所述核磁共振回波数据，确定与每个所述核函数对应的渗透率表征参数；根据每个渗透率表征参数，确定对应的渗透率预测模型；在每个渗透率预测模型在取所述最优控制参数时，比较各个渗透率预测模型得到的所述均方根误差或所述相关系数的值；将均方根误差的最小值或者相关系数的最大值所对应的渗透率预测模型，作为所述研究区的最优渗透率预测模型。本申请实施例还提供一种储层岩石渗透率预测装置，包括：数据采集模块，用于采集研究区内多个饱和水岩样的核磁共振回波数据；核函数构造模块，用于构造核函数，所述核函数为关于时间的函数且所述核函数的拉普拉斯变换函数存在，所述核函数中包括控制参数，所述控制参数用于控制所述核函数的形式的变化；渗透率表征参数确定模块，用于根据所述核函数和所述核磁共振回波数据，确定所述目标储层的渗透率表征参数；渗透率预测模型确定模块，用于根据渗透率表征参数确定所述研究区内多个饱和水岩样的渗透率预测模型；系数确定模块，用于确定与所述控制参数的参数值相对应的所述渗透率预测模型的模型系数本申请实施例的储层岩石渗透率预测装置，还包括：渗透率预测模型优选模块，用于在至少两个渗透率预测模型中，选择最优渗透率预测模型。本申请实施例还提供一种计算机存储介质，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：获取研究区内多个饱和水岩样的核磁共振回波数据；根据预设的核函数和所述核磁共振回波数据，确定所述研究区的渗透率表征参数；根据所述渗透率表征参数确定所述研究区的渗透率预测模型；根据所述渗透率预测模型预测所述研究区内目标储层的渗透率。由上可见，本申请提供的储层岩石渗透率预测方法、装置及存储介质，直接根据预设的核函数对核磁共振回波数据作不同形式的积分变换，确定表征岩石渗透能力的渗透率表征参数，而不必反演核磁共振回波数据得到t2分布，并通过控制参数的不同取值来改变渗透率表征参数的形式。根据渗透率表征参数，建立渗透率预测模型。本申请相比传统的基于核磁共振的渗透率预测方法有两个明显的优点：(1)本申请是直接对核磁共振回波数据做积分变换提取渗透率表征参数，避免了复杂的反演过程，并且在核磁共振回波数据信噪比低时仍然有效；(2)与传统的基于核磁共振的渗透率预测模型中的固定渗透率表征参数不同，本发明的渗透率预测模型可以通过控制参数，选取更合适的表征岩石渗透能力的参数。因此，本发明提供的储层岩石渗透率预测方法、装置及存储介质，适用于非常规储层复杂岩石渗透率预测。附图说明为了更清楚地说明本申请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申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本申请实施例的储层岩石渗透率预测方法的流程图；图2a及图2b是本申请实施例的致密砂岩渗透率预测结果的相关系数和均方根误差随控制参数n的变化图；图3a及图3b是本申请实施例的致密砂岩渗透率计算结果与实验测量结果交会图；图4是本申请实施例的储层岩石渗透率预测装置的模块结构图。具体实施方式本申请实施方式提供一种储层岩石渗透率预测方法、装置及存储介质。为了使本
技术领域：
的人员更好地理解本申请中的技术方案，下面将结合本申请实施方式中的附图，对本申请实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本申请一部分实施方式，而不是全部的实施方式。基于本申请中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都应当属于本申请保护的范围。参考图1所示，本申请实施方式的储层岩石渗透率预测方法可以包括如下步骤：s101：获取研究区内多个饱和水岩样的核磁共振回波数据。在本实施方式中，所述核磁共振数据包括核磁共振回波数据。在一个实施方式中，所述核磁共振回波数据m(t)可以按照以下公式表示：其中，m(t)为核磁共振回波数据，f(t2)为待反演的核磁共振t2分布，ε(t)为噪声，t2为核磁共振横向弛豫时间，t为时间。在一个实施方式中，所述饱和水岩样通过配置与地层水相同矿化度、成分相同的溶液，将岩样抽真空12小时以上，再在与实际地层相同的压力下利用配置的溶液加压饱和12小时以上获得。s102：根据预设的核函数和所述核磁共振回波数据，确定所述研究区的渗透率表征参数。在本实施方式中，所述预设的核函数h(t,n)是以时间t为自变量的函数，且存在拉普拉斯变换函数h(t2,n)，具体的，拉普拉斯变换函数的公式为其中，t2为核磁共振横向弛豫时间，所述预设的核函数h(t,n)中还包括控制参数n，所述控制参数n用于控制所述核函数的形式的变化。所述核函数理论上可以有无数种。在一个实施方式中，根据预设的核函数和所述核磁共振回波数据，按照以下公式确定所述研究区的渗透率表征参数：其中，p(n)为所述渗透率表征参数，m(t)为采集的核磁共振回波数据，h(t,n)为所述预设的核函数，n为控制参数，t为时间。在一个具体的实施方式中，所述预设的核函数可以为记为第一核函数，其中，n1为所述第一核函数的控制参数，所述第一核函数的拉普拉斯变换函数为从而根据所述第一核函数和核磁共振回波数据得到第一渗透率表征参数在另一个具体的实施方式中，所述预设的核函数可以为记为第二核函数，其中，n2为所述第二核函数的控制参数，所述第二核函数的拉普拉斯变换函数为h2(t2,n2)＝arctan(n2t2)，n2＞0，从而根据所述第二核函数和核磁共振回波数据得到第二渗透率表征参数当然，需要说明的是，上述所介绍的第一核函数与第二核函数只是为了更好地说明本申请实施方式。具体实施时，也可以根据具体情况，选择其他形式的核函数。对此，本申请不作限定。在本实施方式中，通过预设的核函数对所述核磁共振回波数据进行积分变换，在不对核磁共振回波数据进行反演得到t2分布的情况下，也能获取计算渗透率所需的孔隙度信息和t2均值信息。下面结合上述第一核函数和第二核函数进行具体地说明。在一个具体的实施方式中，所述预设的核函数为所述第一核函数得到所述第一渗透率表征参数在时间域的表示形式中，结合所述核磁共振回波数据的表达式，可以对上述第一渗透率表征参数在时间域的表示形式进行变形得到其中，可以将时间域的积分看作对幂函数作拉普拉斯变换，即n1＞0，最终，得到第一渗透率表征参数在t2域的表示形式为其中，φ为孔隙度，定义为为的均值，是nmr应用中常用的一种参数，具体的计算公式为通过上面的推导过程得到的最终结果，即得到的所述第一渗透率表征参数在t2域的表示形式可知，在所述第一渗透率表征参数中包含孔隙度信息φ和传统t2分布均值信息因此，在不对核磁共振回波数据进行反演得到t2分布的情况下，也能获取计算渗透率所需的孔隙度信息和t2均值信息在另一个具体的实施方式中，所述预设的核函数为所述第二核函数得到所述第二渗透率表征参数在时间域的表示形式中，结合所述核磁共振回波数据的表达式，可以对上述第二渗透率表征参数在时间域的表示形式进行变形得到其中，可以将时间域的积分看作对辛格函数作拉普拉斯变换，即n2＞0，最终，得到第二渗透率表征参数在t2域的表示形式为p2(n2)＝φ<arctan(n2t2)>，其中，φ为孔隙度，定义为φ＝∫0∞f(t2)dt2，<arctan(n2t2)>为arctan(n2t2)的均值，可以看作一种特殊的t2分布特征参数，具体的计算公式为通过积分变换方法提取的第二渗透率表征参数p2(n2)同时包含孔隙度信息和一种特殊形式的t2分布均值信息<arctan(n2t2)>，因此可以用来表征岩石的渗透能力。需要说明的是，上述实施方式是为了更好地说明本申请实施方式，仅以两种储层岩石渗透率表征参数为例进行示意性说明，即以第一渗透率表征参数p1(n1)同时包含孔隙度信息和传统的t2分布均值信息以及第二渗透率表征参数p2(n2)同时包含孔隙度信息和一种特殊形式的t2分布均值信息<arctan(n2t2)>为例进行说明。具体实施时，可以根据具体情况提取两种或者多种储层岩石渗透率表征参数。在下面的表1中列出了另外三种形式的核函数，以及对应的渗透率表征参数在时间域和t2域的函数形式。需要说明的是，在本申请的后续步骤中，利用渗透率表征参数在时间域的形式，进一步地得到渗透率预测模型，表1中给出的渗透率表征参数在t2域的形式仅仅是为了更清楚地展示出每种渗透率表征参数所包含的信息，即具体包含t2分布的信息，在本申请的后续步骤中，并不会用到渗透率表征参数在t2域的形式。表1s103：根据所述渗透率表征参数确定所述研究区的渗透率预测模型。在本实施方式中，在得到所述渗透率表征参数后，按照以下公式确定所述研究区的渗透率预测模型。k＝apb(n)其中，k为渗透率预测模型的预测结果，a、b为模型系数，p(n)为渗透率表征参数。在一个实施方式中，按照下面的方法确定所述渗透率预测模型中的所述模型系数：通过岩心实验，获取所述研究区内多个饱和水岩样的渗透率测量值；在所述研究区内多个饱和水岩样中，选取至少两个饱和水岩样作为建模岩样；通过非线性拟合，确定与所述控制参数的参数值相对应的所述研究区的渗透率预测模型中的模型系数a、b的值。在一个实施方式中，在确定了与每个控制参数对应的模型系数a、b的值后，还需要进一步地确定渗透率预测模型的最优控制参数。可以按照以下步骤确定最优控制参数：在所述研究区内多个饱和水岩样中，选取除了所述建模岩样之外的剩余饱和水岩样，作为测试岩样；根据所述渗透率预测模型预测所述测试岩样的渗透率，得到每个测试岩样在不同的控制参数的取值下的渗透率预测值；根据测试岩样的渗透率测量值与渗透率预测值，确定在不同的控制参数的取值下的均方根误差或相关系数；将所述均方根误差的最小值或者所述相关系数的最大值所对应的控制参数，确定为所述研究区的渗透率预测模型的最优控制参数。相关系数按照如下公式进行计算:均方根误差按照如下公式进行计算:其中，i为第i块样品；m为测试样品总数；kx,i为第i块样品的渗透率预测结果；为渗透率预测结果的均值；ky,i为第i块样品的渗透率实验测量结果；为渗透率实验测量结果的均值。在一个实施方式中，所述预设的核函数可能包括至少两个不同的核函数，例如，上面介绍的第一核函数和第二核函数，此时，还需要在得到的多个渗透率预测模型中选择最优渗透率预测模型，可以包括以下步骤：根据每个预设的核函数和所述核磁共振回波数据，确定与每个所述核函数对应的渗透率表征参数；根据每个渗透率表征参数，确定对应的渗透率预测模型；在每个渗透率预测模型在取所述最优控制参数时，比较各个渗透率预测模型得到的所述均方根误差或所述相关系数的值；将均方根误差的最小值或者相关系数的最大值所对应的渗透率预测模型，作为所述研究区的最优渗透率预测模型。s104：根据所述渗透率预测模型预测所述研究区内目标储层的渗透率。下面在一个更为具体的实施例中，选取致密砂岩为储层岩石，预设的核函数为上面的介绍第一核函数第二核函数根据所述渗透率预测模型预测所述研究区内目标储层的渗透率。具体实施时包括以下步骤：s1：收集某研究区35块致密砂岩样品，分别进行常规氦气孔隙度和渗透率测试以及nmr实验。配置与地层水相同矿化度、成分相同的溶液，先将岩样抽真空12小时以上，再在与实际地层相同的压力下利用配置的溶液加压饱和12小时以上，然后对饱和样品进行核磁共振测量，采集得到核磁共振回波数据。s2：分别根据公式和利用积分变换方法根据实验测量nmr回波数据得到渗透率表征参数p1(n1)和p2(n2)。s3：分别根据公式和建立两种储层岩石渗透率预测模型，随机选取8块样品作为建模样品，通过非线性拟合确定不同控制参数的参数值时对应的模型系数a1、b1、a2和b2，然后根据不同控制参数的参数值对应的渗透率预测模型确定剩余27块样品的渗透率。图2a及图2b分别为本申请实施例的根据渗透率表征参数p1(n1)和p2(n2)所建储层岩石渗透率预测模型对27块致密砂岩样品渗透率预测结果的相关系数(虚线)和均方根误差(实线)随n值变化图。横坐标为控制参数n的值，纵坐标为相关系数和均方根误差。n1_opt为根据第一渗透率表征参数p1(n1)所建第一渗透率预测模型对应的最优控制参数值，n2_opt为根据第二渗透率表征参数p2(n2)所建第二渗透率预测模型对应的最优控制参数值，本实施例选取均方根误差最小时对应的控制参数的值为最优控制参数值。“*”点为均方根误差最小点，点横线与横轴交点即为最优控制参数值。由图2a及图2b可知，n1_opt＝1.3，n2_opt＝0.02。s4：将两种渗透率模型在最优控制参数值时对应的渗透率预测结果进行对比，选取适用于研究区的最优储层岩石渗透率预测模型。同时，为验证本申请提供的储层岩石渗透率预测方法相较于现有技术预测的渗透率更准确，本申请实施例选取sdr模型作为对比。其中，sdr模型根据下式预测渗透率：其中，a3、b3和c3为模型系数，t2lm为t2对数均值，可通过如下公式计算：图3a及图3b为本申请实施例的储层岩石渗透率预测结果与实验测量结果交会图。横坐标为实验测量渗透率，纵坐标为根据渗透率预测模型得到的渗透率，单位均为md。圆圈表示sdr模型对应的渗透率预测结果，矩形表示根据第一渗透率表征参数p1(n1)所建模型在最优控制参数值处对应的渗透率预测结果，三角形表示根据第二渗透率表征参数p2(n2)所建模型在最优n值处对应的渗透率计算结果。在图3a及图3b中，在图中的直线上的点表示实验测量渗透率与渗透率预测值相同的点，距离这条直线越接近，说明渗透率预测值与实验测量值越接近，从图3a及图3b可知，本申请提供的储层岩石渗透率预测方法相较于传统sdr模型计算的渗透率更准确，同时根据第一渗透率表征参数p1(n1)所建模型在最优控制参数值处对应的渗透率预测结果略优于根据第二渗透率表征参数p2(n2)所建模型在最优控制参数值处对应的渗透率预测结果。因此，对本申请实施例研究区而言，最优渗透率预测模型为根据第一渗透率表征参数p1(n1)所建模型在最优控制参数值处对应的渗透率预测模型。下面的表2中列出了不同渗透率预测模型对应的相关系数和均方根误差，由该表可以更直观地看出：本申请提供根据第一渗透率表征参数p1(n1)所建模型在最优控制参数值处对应的渗透率预测结果和根据第二渗透率表征参数p2(n2)所建模型在最优控制参数值处对应的渗透率预测结果与传统sdr模型渗透率预测结果相比，相关系数更大，均方根误差更小，同时根据第一渗透率表征参数p1(n1)所建模型在最优控制参数值处对应的第一渗透率预测模型得到的渗透率预测结果相关系数最大，均方根误差最小，为本申请实施例研究区的最优渗透率预测模型。渗透率估算模型nopt相关系数均方根误差(md)ksdr/0.7850.381k11.30.9790.111k20.020.9670.174表2综上可知，本发明申请提供的储层岩石渗透率预测方法相对于现有方法预测的渗透率更准确，可以适用于储层岩石渗透率的预测。需要说明的是，上述实施方式仅以致密砂岩为例进行示意性说明，本发明申请对其他类型储层依然适用。对此，本申请不作限定。图4是本申请储层岩石渗透率预测装置的模块结构示意图。如图4所示，所述储层岩石渗透率预测装置可以包括：数据采集模块100、核函数构造模块200、渗透率表征参数确定模块300、渗透率预测模型确定模块400，系数确定模块500，下面对该装置进行具体说明。数据采集模块100，用于采集目标储层的核磁共振回波数据；核函数构造模块200，用于构造核函数，所述核函数为关于时间的函数且所述核函数的拉普拉斯变换函数存在，所述核函数中包括控制参数，所述控制参数用于控制所述核函数的形式的变化；渗透率表征参数确定模块300，用于根据所述核函数和所述核磁共振回波数据，确定所述目标储层的渗透率表征参数；渗透率预测模型确定模块400，用于根据渗透率表征参数确定所述目标储层的渗透率计算模型；系数确定模块500，用于确定与所述控制参数的参数值相对应的所述渗透率计算模型的模型系数需要说明的是，上述的储层岩石渗透率预测装置中的各个模块和单元所实现的具体功能，可参见上述的方法实施例，并可以实现上述方法实施例的技术效果，在此便不再赘述。本申请还提供一种计算机存储介质，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：获取研究区内多个饱和水岩样的核磁共振回波数据；根据预设的核函数和所述核磁共振回波数据，确定所述研究区的渗透率表征参数；根据所述渗透率表征参数确定所述研究区的渗透率预测模型；根据所述渗透率预测模型预测所述研究区内目标储层的渗透率。在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(programmablelogicdevice,pld)(例如现场可编程门阵列(fieldprogrammablegatearray，fpga))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片pld上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logiccompiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(hardwaredescriptionlanguage，hdl)，而hdl也并非仅有一种，而是有许多种，如abel(advancedbooleanexpressionlanguage)、ahdl(alterahardwaredescriptionlanguage)、confluence、cupl(cornelluniversityprogramminglanguage)、hdcal、jhdl(javahardwaredescriptionlanguage)、lava、lola、myhdl、palasm、rhdl(rubyhardwaredescriptionlanguage)等，目前最普遍使用的是vhdl(very-high-speedintegratedcircuithardwaredescriptionlanguage)与verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。上述实施例阐明的装置、模块，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本申请时可以把各模块的功能在同一个或多个软件和/或硬件中实现。通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。该计算机软件产品可以包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。该计算机软件产品可以存储在内存中，内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)。内存是计算机可读介质的示例。计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括短暂电脑可读媒体(transitorymedia)，如调制的数据信号和载波。本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络pc、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。虽然通过实施例描绘了本申请，本领域普通技术人员知道，本申请有许多变形和变化而不脱离本申请的精神，希望所附的权利要求包括这些变形和变化而不脱离本申请的精神。当前第1页12