一种基于电阻率梯度的碳酸盐岩高孔薄层定量评价方法与流程

本发明涉及石油天然气测井解释与储层评价领域，尤其涉及一种基于电阻率梯度的碳酸盐岩高孔薄层定量评价方法。

背景技术：

1、石油与天然气通常赋存于地下储层的孔隙当中，孔隙体积占岩石总体积的比例，即孔隙度对于油气勘探和开发具有重要的意义：当储层的孔隙度大时，储层对于油气的储集能力强，岩石含油气丰度高，油气藏的勘探价值越大，同时孔隙度高的储层通常具有更好的渗透性，油气更易于从储层中开采出来，开采成本越低。总而言之，高孔隙度储层是石油与天然气勘探与开发的重点关注目标。

2、储层的孔隙度通常是使用测井曲线的响应计算得到的，而使用测井曲线计算孔隙度时，往往会受到诸如井眼环境、层厚、测井曲线纵向分辨能力等多种因素的影响，计算结果往往出现偏差，尤其是当高孔储层较薄时，其测井响应无法完全排除邻层的影响，导致其孔隙度往往被低估。对于碳酸盐岩储层，如潮坪相白云岩储层，随海平面的周期性变化，储层的岩性、物性在纵向上呈现出强烈的非均质性，高孔储层常以薄条带的形式出现，受限于层厚，这类储层在评价时或被整体漏失，或其孔隙度被低估，导致这一类对于勘探开发具有重要意义的储层难以被准确地进行定性、定量评价。

3、通常用于孔隙度计算的方法均认为：某一深度点的测井响应仅与该深度点的岩石物理性质有关，而与其他深度点的岩石物理性质无关。即认为在深度上测井响应与岩石性质具有唯一对应性(同深度点)与排他性(其他深度点)。但实际上，测井仪器在纵向上是有一定探测半径的，在对某一深度点进行数据采集时，无法避免相邻深度的岩石信息被采集到，因此某一深度点的测井响应实际上是对一定深度范围内岩石性质的整体响应。对于厚且非均质性较弱的层，相邻深度点岩石性质差异小，上述影响可以忽略不计，但对于高孔薄层所在深度点，测井响应受致密邻层岩石性质影响而明显偏离该深度点的真实情况，使用上述方法计算出的孔隙度会不同程度地偏低，给高孔薄层的定性定量评价带来很大的难度。

技术实现思路

1、本发明的目的在于克服高孔薄层所在深度点，测井响应受致密邻层岩石性质影响而明显偏离该深度点的真实情况，使用现有技术计算出的孔隙度偏低的问题，提供一种基于电阻率梯度的碳酸盐岩高孔薄层定量评价方法，通过“电阻率梯度”这一概念，将邻近深度点的电阻率测井数据引入到训练数据集中，并借助机器学习算法的非线性建模能力，提升了高孔薄层的识别能力及孔隙度的定量计算准确度。

2、本发明所述的高孔薄层指孔隙度大于5％，层厚小于2米的地层。

3、为了实现上述发明目的，本发明提供了以下技术方案：

4、一种基于电阻率梯度的碳酸盐岩高孔薄层定量评价方法，包括以下步骤：

5、步骤a.测井并获得电阻率曲线，对电阻率曲线进行井间标准化，得到标准化后的电阻率对数曲线；

6、步骤b.根据标准化后的电阻率对数曲线，计算电阻率正向梯度与反向梯度，求得电阻率双向梯度差；

7、步骤c.以岩心孔隙度为拟合对象，以声波时差、电阻率对数、电阻率双向梯度差为特征，建立基于支撑向量回归的碳酸盐岩高孔薄层孔隙度定量评价模型。

8、本评价方法通过对电阻率曲线进行井间标准化，消除由测井仪器性能、刻度、操作等不一致所造成的系统误差，提高多井间资料的可对比性以及多井测井解释精度；本评价方法使用电阻率梯度这一类概念，将电阻率双向梯度差作为机器学习算法的训练特征，有效地将相邻深度点的电阻率信息引入到当前深度点的孔隙度计算当中，直观地表征了电阻率形态特征及其与孔隙度和层厚的关系，降低了测井曲线纵向分辨能力不足这一劣势对高孔薄层孔隙度计算的不利影响，提升了电阻率信息对高孔薄层的表征能力；本评价方法以岩心孔隙度为拟合对象，以声波时差、电阻率对数、电阻率双向梯度差为特征，建立基于支撑向量回归的碳酸盐岩高孔薄层孔隙度定量评价模型，有助于快速、准确地建立声波时差、电阻率及电阻率双向梯度差同孔隙度的复杂非线性转换关系，提高了高孔薄层孔隙度的定量评价精度。

9、优选地，所述步骤a以区域内分布的高阻标志层为标准，对原始电阻率曲线r0进行井间标准化，得到标准化后的电阻率对数曲线r，所述高阻标志层为电阻率大于50000ω.m的标志层，校正公式为：

10、

11、式中，ri为井间标准化后的电阻率对数曲线r在第i个深度点上的数值，无量纲；r0i为原始电阻率曲线r0在第i个深度点上的数值，ω.m；为区域内分布的高阻标志层电阻率特征值，ω.m；rh为校正井高阻层电阻率特征值，ω.m。

12、碳酸盐岩电阻率在不同储层之间波动极大，电阻率与储层物性往往呈现出指数关系，通过在井间标准化之前对电阻率取对数，降低了电阻率与储层物性的非线性复杂程度，提升了建模过程中的拟合效果及模型训练速度。

13、优选地，所述步骤b中电阻率正向梯度、反向梯度和双向梯度差计算方法如下：

14、正向梯度的计算方法：

15、gf＝rd+δs-rd

16、式中，gf为正向梯度，无量纲；rd为深度为d时井间标准化后的电阻率对数曲线r的数值，无量纲；δs为梯度间隔，m；rd+δs为深度为d+δs时井间标准化后的电阻率对数曲线r的数值，无量纲；

17、反向梯度的计算方法：

18、go＝rd-rd-δs

19、式中，go为反向梯度，无量纲；rd为深度为d时电阻率对数曲线r的数值，无量纲；δs为梯度间隔，m；rd-δs为深度为d-δs时电阻率对数曲线r的数值，无量纲；

20、双向梯度差的计算方法：

21、gd＝gf-go

22、式中，gd为双向梯度差，无量纲；gf为正向梯度，无量纲；go为反向梯度，无量纲。

23、优选地，所述梯度间隔δs的范围为：1m＜2δs＜2m。

24、优选地，所述梯度间隔δs＝0.7m。

25、本评价方法基于电阻率梯度对碳酸盐岩高孔薄层进行定量评价，打破了传统测井曲线与计算孔隙度在深度上一一对应的孔隙度计算方法，充分考虑了高孔薄层尤其是碳酸盐岩的测井响应会受到邻近的高阻层的影响这一特征，通过引入电阻率正向梯度、反向梯度、双向梯度差的概念，利用双向梯度差来指示实测电阻率偏高的程度，将电阻率双向梯度差作为特征加入到训练样本，提升高孔薄层孔隙度计算准确度。

26、优选地，所述步骤c包括以下步骤：

27、c1.对各特征曲线分别进行正态归一化，使用于建模的各特征样本各自服从标准正态分布，计算公式为：

28、

29、

30、式中，x0i、x0j分别为某一特征原始样本集x0在第i、第j个样本点的数值；为原始样本集在某一特征上的平均值；m为训练集样本总数；xs为标准差转换系数，无量纲；xi为某一特征归一化后样本集x中第i个样本点的数值；

31、c2.使用支撑向量回归模型对正态归一化之后的样本进行拟合，得到高孔薄层孔隙度的定量计算模型。

32、通过对各特征曲线分别进行正态归一化，使各特征样本的分布范围尽可能接近，将样本各特征的数值统一到了同一标准之下；使用支撑向量回归模型对正态归一化之后的样本进行拟合，可以更好的排除部分中低孔、致密储层数据点，将更多注意力投入到孔隙度拟合难度较大的高孔薄层中来，使最终得到的模型不易受到样本扰动的干扰，对非均质性强的储层来说有更好的表征能力，提升该类储层的孔隙度定量评价精度。

33、优选地，步骤c2中的支撑向量回归模型使用的是正态归一化后的声波时差、电阻率对数、电阻率双向梯度差三个特征。

34、声波时差和电阻率是孔隙度的函数，其本身可以在一定程度上表征储层孔隙度的大小，将电阻率双向梯度差加入到拟合特征中可以进一步提升表征精度。

35、优选地，支撑向量回归模型训练时使用的是k折交叉验证的方式。

36、优选地，k折交叉验证中，k＝3。

37、使用k折交叉验证的方式对支撑向量回归模型训练过程中的超参数进行优选，使用这种方法对每一组超参数组合进行训练，使回归精度达到最高的超参数组合即为最优的超参数组合，降低了选取超参数中主观性带给模型精度的变数。

38、优选地，支撑向量回归模型使用的核函数为径向基函数。

39、使用的核函数为径向基函数，将该最优化问题通过核函数的方式映射到特征空间后再进行求解，减轻了求解支撑向量回归最优化问题的运算量。

40、与现有技术相比，本发明的有益效果是：

41、1.本评价方法井间标准化之前对电阻率取对数，降低了电阻率与储层物性的非线性复杂程度，提升了建模过程中的拟合效果及模型训练速度。通过对电阻率曲线进行井间标准化，消除由测井仪器性能、刻度、操作等不一致所造成的系统误差，提高多井间资料的可对比性以及多井测井解释精度。

42、2.本评价方法使用电阻率梯度这一类概念，将电阻率双向梯度差作为机器学习算法的训练特征，有效地将相邻深度点的电阻率信息引入到当前深度点的孔隙度计算当中，直观地表征了电阻率形态特征及其与孔隙度和层厚的关系，降低了测井曲线纵向分辨能力不足这一劣势对高孔薄层孔隙度计算的不利影响，提升了电阻率信息对高孔薄层的表征能力。

43、3.本评价方法以岩心孔隙度为拟合对象，以声波时差、电阻率对数、电阻率双向梯度差为特征，建立基于支撑向量回归的碳酸盐岩高孔薄层孔隙度定量评价模型，有助于快速、准确地建立声波时差、电阻率及电阻率双向梯度差同孔隙度的复杂非线性转换关系，提高了高孔薄层孔隙度的定量评价精度。