一种孔喉结构参数约束下的核磁共振T2谱渗透率计算方法与流程

本发明涉及石油地质勘探技术及测井评价技术领域，具体涉及一种孔喉结构参数约束下的核磁共振t2谱渗透率计算方法。

背景技术：

在油气勘探开发过程中，通常获取绝对渗透率(简称渗透率)的方法有岩心测试和利用测井资料计算等方法，其中，岩心测试的渗透率最为准确，是一种直接的渗透率获取方法，常用来刻度测井资料计算的渗透率。但是岩心测试的渗透率受到采样点的限制，获得的渗透率值不连续。因此，通过研究渗透率与测井响应参数间的关系建立测井资料渗透率计算模型，利用测井资料计算渗透率就显得十分必要。

利用常规测井资料获取渗透率的思路有二种，一种是建立渗透率与各种储层参数、测井响应参数之间的统计模型，例如渗透率与孔隙度、自然伽马相对值的统计模型、分流动单元建立的渗透率模型、神经网络计算渗透率的模型等；另一种方法是通过岩石物理模型建立渗透率与储层特征参数之间的关系，例如wyllie-rose渗透率测井解释模型、timur渗透率测井解释模型等。二种方法互为补充，但wyllie-rose方程、timur方程在低渗透储层渗透率测井评价中，计算的渗透率与岩心测试分析的渗透率比较，误差较大。以等效岩石组分理论为基础，依据电荷迁移与流体分子迁移相似性原理，在有效导电孔隙度基础上，建立有效流动孔隙度与渗透率之间的渗透率测井解释模型，模型精度优于wyllie-rose方程和timur方程。

随着国内油气勘探开发的深入，低孔低渗储集层受到了更多的关注。低孔低渗储集层的孔喉结构复杂，对渗透率的影响较大，以上计算渗透率的方法均不能满足生产需要。核磁共振测井能够测量孔隙度、孔喉结构等多种地层信息，被越来越多地应用于低孔低渗储集层渗透率的评价中。经典核磁共振测井渗透率模型主要依靠核磁共振具有弛豫特性和扩散特性，建立起统计性的关系式。通过分析其参数与渗透率的相关性，得到最终的渗透率模型并用其计算连续的渗透率曲线。用核磁共振测井计算渗透率的经典模型有coates模型和sdr模型。coates模型利用可动流体、束缚流体、核磁孔隙度建立模型；sdr模型利用核磁孔隙度、t2几何均值建立模型。

但经典核磁共振渗透率模型在低孔低渗储集层渗透率计算中的应用效果不甚理想，主要原因是低孔低渗储层非均质性严重，其相关参数不能充分反映束缚水饱和度、孔喉结构等特征；利用核磁共振测井t2谱曲线形态的渗透率计算方法又弱化了孔喉结构参数对渗透率计算的重要作用。

技术实现要素：

本发明要解决的技术问题在于，提供一种孔喉结构参数约束下的核磁共振t2谱渗透率计算方法。

本发明解决其技术问题所采用的技术方案是：一种孔喉结构参数约束下的核磁共振t2谱渗透率计算方法，包括以下步骤：

s1：将核磁共振t2谱曲线转化为伪毛细管压力曲线；

s2：根据所述伪毛细管压力曲线计算孔喉结构参数，包括排驱压力、最大孔喉半径、孔隙吼道半径中值、孔隙吼道均值、主要流动孔喉半径平均值和分选系数；

s3：利用采集的岩心分析渗透率数据和核磁共振t2谱转化伪毛细管压力曲线后计算得到的孔喉结构参数、核磁共振测井资料，建立孔喉结构参数、核磁共振t2谱—渗透率对应关系数据体(him，t2ij，pij，ki)(m＝1，...，l；i＝1，...，n)，其中，h指孔喉结构参数值，t2指核磁共振t2谱时间分量离散值，p指t2谱幅度分量的离散值，k指渗透率值，i指采集的岩心分析渗透率样品点序号，m指孔喉结构参数序号，j指分量序号，l为每个深度点孔喉结构参数的个数，n为采集的岩心测试渗透率样品点个数；

s4：选定非线性映射算法建立孔喉结构参数约束下的核磁共振t2谱渗透率预测模型；

s5：采用交叉验证方法，对所述孔喉结构参数约束下的核磁共振t2谱渗透率预测模型进行调试优化，建立非线性映射关系模型，并形成最终网络模型；

s6：根据所述最终网络模型进行逐点计算，得到孔喉结构参数约束下的核磁共振t2谱渗透率。

优选地，在步骤s1中，将核磁共振t2谱曲线转化为伪毛细管压力曲线，包括如下步骤：

步骤s11：根据相似性原理计算核磁共振t2谱与毛细管压力曲线之间刻度转换系数c，由公式pc＝c/t2线性关系转换获得伪毛细管压力曲线；或

步骤s12：根据二维分段等面积法计算核磁共振t2谱与毛细管压力曲线之间横向刻度系数，以及大、小孔径的纵向刻度系数，计算得到伪毛细管压力曲线。

优选地，在步骤s2中，

所述排驱压力是指非湿相开始进入岩样最大喉道的压力，采用的计算方法为从最低压力点开始，比较相邻压力点的进汞饱和度，两者进汞饱和度差值大于1％的起始点为排驱压力；

所述最大孔喉半径是指所述排驱压力对应的孔喉半径；

所述孔隙吼道半径中值是指50％汞饱和度对应的孔喉半径值；

所述孔隙喉道均值是描述实验数据取值的平均位置，即表示全孔喉分布的平均位置；

所述主要流动孔喉半径平均值是指渗透率贡献值累计达95％时的孔喉半径平均值；

所述分选系数是反映孔喉大小均一程度的参数。

优选地，在步骤s3中，所述岩心测试渗透率数据和孔喉结构参数、核磁共振测井资料是通过岩心实验室所测得渗透率进行岩心归位之后，与核磁共振t2谱及核磁t2谱转化伪毛细管压力曲线后计算得到的孔喉结构参数的对应关系。

优选地，在步骤s4中，所述非线性映射算法采用bp神经网络方法。

优选地，所述bp神经网络方法采用单隐层网络，输入层单元数为所述核磁共振t2谱分量离散值n，输出层单元数为1，单隐层神经元数用下述公式计算获得：n1＝(n+1)^1/2+a,其中，a为1～10之间的常数。

优选地，在步骤s5中，所述交叉验证方法为在给定的建模样本中，大部分样本用于建立非线性映射关系模型，留小部分样本用于模型检验，并求所述小部分样本的预测误差平方和。

优选地，所述大部分样本为70％的样本，所述小部分样本为30％的样本。

优选地，在建立所述非线性映射关系模型过程中，利用迭代算法不断对所述70％的样本进行计算；每次迭代完成之后，对15％的样本交叉验证的数据进行评估；当所述70％的样本计算精度难以提高时，采用其中15％的样本进行交叉验证的数据计算得到误差最小时对应的网络模型为最终网络模型，并利用最后15％测试的数据对所述最终网络模型进行测试。

优选地，在步骤s6中，利用所述最终网络模型对全井段进行逐点计算，得到孔喉结构参数约束下的核磁共振t2谱渗透率。

实施本发明具有以下有益效果：本发明提出的一种孔喉结构参数约束下的核磁共振t2谱渗透率计算方法，解决了利用核磁共振t2谱曲线形态的渗透率计算方法弱化了孔喉结构参数导致评价低孔低渗储层的渗透率精度偏低的问题，它既考虑了核磁共振t2谱包含的所有孔隙结构信息，也加强了孔喉结构参数在渗透率计算中的作用。且不需要进行大量的岩心核磁共振实验，又有着较高的精度，而且易于实现，可以满足生产需求。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明孔喉结构参数约束下的核磁共振t2谱渗透率计算方法的流程图；

图2是本发明利用30个采样点的核磁共振t2谱、核磁共振t2谱转换成毛细管压力曲线后计算的半径中值以及岩心分析渗透率构建的渗透率模型精度示意图；

图3是本发明提出的孔喉结构参数约束下的核磁共振t2谱渗透率计算方法测井资料处理成果示意图。

具体实施方式

如图1所示，是本发明的一种孔喉结构参数约束下的核磁共振t2谱渗透率计算方法，用于解决利用核磁共振t2谱曲线形态的渗透率计算方法弱化了孔喉结构参数导致评价低孔低渗储层的渗透率精度偏低的问题，包括以下步骤：

s1：将核磁共振t2谱曲线转化为伪毛细管压力曲线；在该步骤中，将核磁共振t2谱曲线转化为伪毛细管压力曲线，包括如下方法：

步骤s11：根据相似性原理计算核磁共振t2谱与毛细管压力曲线之间刻度转换系数c，由公式pc＝c/t2线性关系转换获得伪毛细管压力曲线；或

步骤s12：根据二维分段等面积法计算核磁共振t2谱与毛细管压力曲线之间横向刻度系数，以及大、小孔径的纵向刻度系数，计算得到伪毛细管压力曲线。

s2：根据所述伪毛细管压力曲线计算孔喉结构参数，包括排驱压力、最大孔喉半径、孔隙吼道半径中值、孔隙吼道均值、主要流动孔喉半径平均值和分选系数；在步骤s2中，

所述排驱压力是指非湿相开始进入岩样最大喉道的压力，采用的计算方法为从最低压力点开始，比较相邻压力点的进汞饱和度，两者进汞饱和度差值大于1％的起始点为排驱压力；

所述最大孔喉半径是指所述排驱压力对应的孔喉半径；

所述孔隙吼道半径中值是指50％汞饱和度对应的孔喉半径值；

所述孔隙喉道均值是描述实验数据取值的平均位置，即表示全孔喉分布的平均位置；

所述主要流动孔喉半径平均值是指渗透率贡献值累计达95％时的孔喉半径平均值；

所述分选系数是反映孔喉大小均一程度的参数。

在本实施例，采用下述式(1)、(2)、(3)计算孔隙喉道均值、主要流动孔喉半径平均值和分选系数

式中rm、rz、sp分别为孔隙喉道均值、主要流动孔喉半径平均值和分选系数；δs,i为第i区间测量的汞饱和度；ri为与δsi对应的喉道半径。

s3：利用采集的岩心分析渗透率数据和核磁t2谱转化伪毛细管压力曲线后计算得到的孔喉结构参数、核磁共振测井资料，建立孔喉结构参数、核磁共振t2谱—渗透率对应关系数据体(him，t2ij，pij，ki)(m＝1，...，l；i＝1，...，n)，这个数据体是已知的岩心分析渗透率数据和岩心归位后同一深度点的核磁共振t2谱资料以及由该深度点核磁共振t2谱转换成毛细管压力曲线后计算的孔喉结构参数组成。其中，h指孔喉结构参数值，t2指核磁共振t2谱时间分量离散值，p指t2谱幅度分量的离散值，k指渗透率值，i指采集的岩心测试渗透率样品点序号，m指孔喉结构参数序号，j指分量序号，l为每个深度点孔喉结构参数的个数，n为采集的岩心测试渗透率样品点个数。

可以理解地，在步骤s3中，所述岩心分析渗透率数据和孔喉结构参数、核磁共振测井资料是通过岩心实验室所测得渗透率进行岩心归位之后，与核磁共振t2谱及核磁t2谱转化伪毛细管压力曲线后计算得到的孔喉结构参数的对应关系。

s4：选定非线性映射算法建立孔喉结构参数约束下的核磁共振t2谱渗透率预测模型；本实施例中，在步骤s4中，所述非线性映射算法采用bp神经网络方法，进一步的，所述bp神经网络方法采用单隐层网络，输入层单元数为所述核磁共振t2谱分量离散值n，输出层单元数为1，单隐层神经元数用下述公式计算获得：n1＝(n+1)^1/2+a,其中，a为1～10之间的常数。

可以理解地，基于bp神经网络非线性映射算法建立渗透率预测模型。bp神经网络方法是一种按误差逆向传播算法训练的多层前馈网络，使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。由于神经网络过于敏感，必需要大样本进行建模才能得到具有较强泛化能力的模型，因此方法要求样本的数量尽量多，即n值要尽量大，由于bp神经网络使用梯度下降算法进行全局寻优，考虑到梯度下降法容易陷入局部最优的问题，在建立模型时，将输入(孔喉结构参数及采样点核磁共振t2谱)及输出(渗透率)进行归一化，以提高模型的泛化能力。例如3个孔喉结构参数、30个采样点核磁共振t2谱可使用33×10×1的网络结构进行建模。

s5：采用交叉验证方法，对所述孔喉结构参数约束下的核磁共振t2谱渗透率预测模型进行调试优化，建立非线性映射关系模型，并形成最终网络模型；可以理解地，利用交叉验证方法，进行模型调试，以取得最好结果。

在步骤s5中，所述交叉验证方法为在给定的建模样本中，大部分样本用于建立非线性映射关系模型，留小部分样本用于模型检验，并求所述小部分样本的预测误差平方和。给一较佳实施例，所述大部分样本为70％的样本，所述小部分样本为30％的样本。

在建立所述非线性映射关系模型过程中，利用迭代算法不断对所述70％的样本进行计算；每次迭代完成之后，对15％的样本交叉验证的数据进行评估；当所述70％的样本计算精度难以提高时，采用其中15％的样本进行交叉验证的数据计算得到误差最小时对应的网络模型为最终网络模型，并利用最后15％测试的数据对所述最终网络模型进行测试。

s6：根据所述最终网络模型进行逐点计算，得到孔喉结构参数约束下的核磁共振t2谱渗透率。

具体地，在步骤s6中，利用在步骤s5中取得的最终网络模型对全井段进行逐点计算，得到孔喉结构参数约束下的核磁共振t2谱渗透率。

进一步，本发明步骤s5以及步骤s6中涉及的模型，都是以步骤s4中的渗透率预测模型为基础，通过交叉验证方法等进行调试优化，形成最终网络模型，利用该最终网络模型对全井段进行逐点计算，即可得到孔喉结构参数约束下的核磁共振t2谱渗透率。

本发明通过利用已采集的岩心分析渗透率数据和岩心归位后同一深度点的核磁共振t2谱资料，以及由该深度点核磁共振t2谱转换成毛细管压力曲线后计算的孔喉结构数据，建立孔喉结构参数、核磁共振t2谱与渗透率对应关系数据体。采用非线性逼近的bp神经网络算法，并通过参数的归一化处理、交叉验证和算法参数的优化建立最优的孔喉结构、t2形态分布与渗透率的非线性映射，得到在孔喉结构约束下核磁共振t2谱曲线形态计算渗透率的模型，实现储层渗透率连续计算。本发明与传统的核磁共振资料计算渗透率模型相比，可以提高致密砂岩渗透率的计算精度至少一个数量级。

图2是本发明利用30个采样点的核磁共振t2谱、核磁共振t2谱转换成毛细管压力曲线后计算的半径中值以及岩心分析渗透率构建的渗透率模型精度示意图。其中，数据体共有151个数据，图中左上图为70％样本建模后回判的精度，右上图为15％交叉验证的数据，左下图为15％测试的数据，右下图为最后所有样本点的预测结果。从结果可以看出，建模相关系数达到了r＝0.95，交叉验证精度达到了r＝0.69，测试精度达到了r＝0.78。可知，该模型精度较高，计算的渗透率值较为可靠。

如图3所示，是本发明提出的孔喉结构参数约束下的核磁共振t2谱渗透率计算方法测井资料处理成果，其中，图中第一道为自然伽马曲线，第二道为深度，第三道为核磁共振t2谱形态，第四道散点为岩心分析渗透率，第四道曲线为本发明计算的渗透率值。可以明显看出，利用孔喉结构参数约束的核磁共振t2谱计算渗透率是有效的，它既不需要进行大量的岩心核磁共振实验，又有着较高的精度，而且易于实现，是可以满足生产需求的。

实施本发明具有以下有益效果：本发明提出的一种孔喉结构参数约束下的核磁共振t2谱渗透率计算方法，解决了利用核磁共振测井t2谱曲线形态的渗透率计算方法弱化了孔喉结构参数导致评价低孔低渗储层的渗透率精度偏低的问题，它既考虑了核磁共振t2谱包含的所有孔隙结构信息，也加强了孔喉结构参数在渗透率计算中的作用。且不需要进行大量的岩心核磁共振实验，又有着较高的精度，而且易于实现，可以满足生产需求。

可以理解的，以上实施例仅表达了本发明的优选实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制；应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，可以对上述技术特点进行自由组合，还可以做出若干变形和改进，这些都属于本发明的保护范围；因此，凡跟本发明权利要求范围所做的等同变换与修饰，均应属于本发明权利要求的涵盖范围。