本发明涉及油藏开发领域,尤其涉及储层属性建模方法及装置。
背景技术:
1、本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
2、随着储层开发的深化,油藏精细开发对地质模型的要求越来越高。通常地质模型包括储层构造模型和储层属性模型等。其中储层属性模型,因其可直接为油藏数值模拟模型提供基础输入参数,对油藏管理和开发方案优化尤为重要。
3、目前储层属性建模方法通常包括两种:确定性建模和随机建模。其中:
4、①确定性建模方法,主要根据工区测井数据,基于克里金插值等方法构建,对于每次输入,只有1个确定性的输出。
5、②随机建模方法,主要包括序贯高斯建模、多点地质统计建模(mps)等方法,主要基于输入的测井数据,获取统计特征,包括方差、变差、平均值等,然后基于蒙特卡洛抽样,生成随机模型。随机建模方法,在输入确定情况下,每次蒙特卡洛抽样建模的结果在符合统计特征的前提下,具有一定的随机性,每次建模结果不尽相同。
6、相比于随机建模,确定性建模的结果,采用空间插值,结果缺乏对实际地质复杂性的反应。因此目前,储层属性建模主要还是以随机建模方法为主,但是现有的储层属性随机建模存在动静态数据不符的问题。
7、因此,亟需一种可以克服上述问题的储层属性建模方案。
技术实现思路
1、本发明实施例提供一种储层属性建模方法,用以提升储层属性随机建模动静态数据符合率,该方法包括:
2、获得工区测井数据,工区生产动态数据,沉积相训练模板库和岩性训练模板库,所述工区测井数据包括:工区测井沉积相数据,工区测井砂体隔夹层数据和工区测井属性数据;
3、根据工区测井沉积相数据,工区测井砂体隔夹层数据,沉积相训练模板库和岩性训练模板库,以及预先建立的第一对抗生成网络,生成储层岩性分布模型,所述第一对抗生成网络是基于多级井震联合的深度卷积对抗生成网络,其中,将从沉积相训练模板库中选取的预设类型沉积相训练模板数据作为网络初始输入数据;
4、根据工区测井属性数据,储层岩性分布模型以及预先建立的第二对抗生成网络,生成储层属性模型,所述第二对抗生成网络是基于岩性约束下的地质属性生成网络;
5、根据工区生产动态数据,经过油藏数值模拟代理器的储层属性模型以及预先建立的第三对抗生成网络,对储层属性模型进行修正,所述第三对抗生成网络是基于动态约束下的属性优化网络。
6、本发明实施例提供一种储层属性建模装置,用以提升储层属性随机建模动静态数据符合率,该装置包括:
7、数据获得模块,用于获得工区测井数据,工区生产动态数据,沉积相训练模板库和岩性训练模板库,所述工区测井数据包括:工区测井沉积相数据,工区测井砂体隔夹层数据和工区测井属性数据;
8、储层岩性分布模型生成模块,用于根据工区测井沉积相数据,工区测井砂体隔夹层数据,沉积相训练模板库和岩性训练模板库,以及预先建立的第一对抗生成网络,生成储层岩性分布模型,所述第一对抗生成网络是基于多级井震联合的深度卷积对抗生成网络,其中,将从沉积相训练模板库中选取的预设类型沉积相训练模板数据作为网络初始输入数据;
9、储层属性模型生成模块,用于根据工区测井属性数据,储层岩性分布模型以及预先建立的第二对抗生成网络,生成储层属性模型,所述第二对抗生成网络是基于岩性约束下的地质属性生成网络;
10、储层属性模型优化模块,用于根据工区生产动态数据,经过油藏数值模拟代理器的储层属性模型以及预先建立的第三对抗生成网络,对储层属性模型进行修正,所述第三对抗生成网络是基于动态约束下的属性优化网络。
11、本发明实施例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上述储层属性建模方法。
12、本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述储层属性建模方法。
13、本发明实施例还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现上述储层属性建模方法。
14、本发明实施例与现有技术中储层属性随机建模的技术方案相比,通过获得工区测井数据,工区生产动态数据,沉积相训练模板库和岩性训练模板库,所述工区测井数据包括:工区测井沉积相数据,工区测井砂体隔夹层数据和工区测井属性数据;根据工区测井沉积相数据,工区测井砂体隔夹层数据,沉积相训练模板库和岩性训练模板库,以及预先建立的第一对抗生成网络,生成储层岩性分布模型,所述第一对抗生成网络是基于多级井震联合的深度卷积对抗生成网络,其中,将从沉积相训练模板库中选取的预设类型沉积相训练模板数据作为网络初始输入数据;根据工区测井属性数据,储层岩性分布模型以及预先建立的第二对抗生成网络,生成储层属性模型,所述第二对抗生成网络是基于岩性约束下的地质属性生成网络;根据工区生产动态数据,经过油藏数值模拟代理器的储层属性模型以及预先建立的第三对抗生成网络,对储层属性模型进行修正,所述第三对抗生成网络是基于动态约束下的属性优化网络。本发明实施例在储层属性建模过程中引入动态生产内容,结合工区测井数据沉积相训练模板库和岩性训练模板库,依次生成基于人工智能对抗生成网络的储层岩性分布模型和储层属性模型,进而再结合动态生产内容对储层属性模型进行修正,有效构建了动静态相符的储层属性模型,提升了储层属性随机建模动静态数据符合率。
1.一种储层属性建模方法,其特征在于,包括:
2.如权利要求1所述的储层属性建模方法,其特征在于,按如下方式预先建立沉积相训练模板库和岩性训练模板库:
3.如权利要求1所述的储层属性建模方法,其特征在于,所述第一对抗生成网络包括:基于沉积动力学模拟沉积相模式的第一对抗生成子网络,基于测井地震沉积相模式的第二对抗生成子网络,沉积相约束下的基于沉积动力学模拟岩性模式的第三对抗生成子网络,以及沉积相约束下的基于测井地震岩性模式的第四对抗生成子网络;
4.如权利要求3所述的储层属性建模方法,其特征在于,将所述沉积相训练模板库中的多个沉积相训练模板数据体输入第一对抗生成子网络进行训练,包括:
5.如权利要求4所述的储层属性建模方法,其特征在于,还包括:
6.如权利要求3所述的储层属性建模方法,其特征在于,将所述岩性训练模板库中的多个岩性训练模板数据体输入第三对抗生成子网络进行训练,包括:
7.如权利要求6所述的储层属性建模方法,其特征在于,还包括:
8.如权利要求1所述的储层属性建模方法,其特征在于,所述工区测井属性数据包括:工区测井孔隙度属性数据,工区测井渗透率属性数据,工区测井饱和度属性数据;
9.如权利要求8所述的储层属性建模方法,其特征在于,根据工区生产动态数据,经过油藏数值模拟代理器的储层属性模型以及预先建立的第三对抗生成网络,对储层属性模型进行修正,包括:
10.一种储层属性建模装置,其特征在于,包括:
11.一种计算机设备,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,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至9任一所述方法。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1至9任一所述方法。
13.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现权利要求1至9任一所述方法。