[发明专利]一种基于灰关联的油井产能智能预测方法

说明书

本发明属于石油工程与测量技术领域，具体涉及一种基于灰关联的油井产能智能预测方法，包括以下步骤：1、在某区块选取a×N条测井曲线作为样板曲线，其中a为油井产能分类类别数，N为每类产能曲线条数；2、将所有样板曲线数字化，将待判定测井曲线数字化；3、建立测井曲线形态相关性判定的变权值灰关联模型；4、确定测井曲线形态相关性判定的变权值灰关联模型权值系数；5.对待测测井曲线形态相关性判定，并给出产能预测。该预测方法克服了由于人工读取法识别测井曲线不客观、基于神经网络大数据法识别测井曲线需要大量数据导致的测井曲线识别不够准确从而导致产能预测不准确的问题。

技术领域：

本发明属于石油工程与测量技术领域，具体涉及一种基于灰关联的油井产能智能预测方法。

背景技术：

地质条件、原油物性等因素是影响油井产能的重要参数，而测井曲线的形态恰恰反映了油井地质条件等关键因素。传统的利用测井曲线形态来预测油井产能的方法主要有人工读取法、基于神经网络的大数据法，存在很多缺陷和弊端，无法为后续油田生产工作提供有效的支撑。人工读取法容易受主观因素影响。基于神经网络的大数据法要求训练样本基数较大，往往数据成几十万条，而测井曲线样本往往不大于200条，因此导致此类方法识别效果差。

最为常见的灰关联法是传统的邓氏灰关联法，该算法原理简单且具备计算速度快等优势，但该方法只针对于计算一维数组间的灰色关联度，不适用于计算二维图像矩阵间的灰色关联度。改进型的成组样本灰关联法可以计算二维图像矩阵间的灰色关联度，但该方法计算结果只能反映出两矩阵距离相关性，无法反映出其斜率相关性。改进型的绝对灰关联法可以反映出两图像矩阵的斜率相关性，却无法反映出其距离相关性，因此成组样本灰关联法和绝对灰关联法均无法直接适用于测井曲线形态相关性判定。

发明内容：

本发明的目的是克服由于人工读取法识别测井曲线不客观、基于神经网络大数据法识别测井曲线需要大量数据导致的测井曲线识别不够准确从而导致产能预测不准确的问题。针对该问题，为克服人工读取法和基于神经网络大数据法识别测井曲线的缺陷，从而准确的油井预测产能，提出一种基于灰关联的油井产能智能预测法。测井曲线形态识别的核心问题是判定待测曲线与已知样本曲线的形态相关性，灰关联是一种小样本数据处理方法，满足了测井曲线形态识别这一小样本问题的要求。灰关联可以判定曲线的相关性。并利用该模型对测井曲线形态进行识别并对油井产能进行预测，从而提高预测精度。

本发明采用的技术方案为：一种基于灰关联的油井产能智能预测方法，所属油井产能智能预测方法包括以下步骤：

步骤一：在某区块选取a×N条测井曲线作为样板曲线，其中a为油井产能分类类别数，N为每类产能曲线条数；

步骤二：将所有样板曲线数字化，将待判定测井曲线数字化；

步骤三：建立测井曲线形态相关性判定的变权值灰关联模型；

步骤四：确定测井曲线形态相关性判定的变权值灰关联模型权值系数；

步骤五：对待测测井曲线形态相关性判定，并给出产能预测；

进一步地，上述步骤二中将测井曲线数字化方法为：采用Neuralog软件进行曲线数字化，采用Neuralog软件进行曲线数字化。

进一步地，上述步骤三中测井曲线形态相关性判定的变权值灰关联模型的建立，待测曲线与第u类，u为油井产能分类序号，其中u＝1,2,3,...,a，油井产能曲线组的变权值灰关联度计算方法为：