[发明专利]一种碎屑岩储层夹层机器学习型三维定量表征方法

说明书

本发明公开了一种碎屑岩储层夹层机器学习型三维定量表征方法，该碎屑岩储层内夹层机器学习定量表征方法利用反映碎屑岩储层夹层特征的典型岩电参数的定量指标，通过机器学习识别夹层的参数类型及其标准，准确评价碎屑岩储层内夹层的空间分布及规律，给碎屑岩油气藏开发提供更多有效的三维空间技术信息，优选出碎屑岩油气藏开发的有利区块，提高了剩余油富集有利区块的预测准确度，提高了油气藏开发的效率，降低了油气藏开发成本。

技术领域

本发明实施例涉及碎屑岩储层油气开发设计技术领域，尤其涉及一种碎屑岩储层夹层机器学习型三维定量表征方法。

背景技术

碎屑岩储层内夹层定量表征一直是油气藏开发工程长期需求解决而未根本解决的一项世界级技术难题。由于受井震资料分辨率限制，因此不能直接有效地应用井震资料刻画碎屑岩储层内夹层及其空间分布，随着数字高分辨率机器学习模拟技术的出现，给碎屑岩储层内夹层分布及模型的刻画提供了技术保障。随着油气开发的深入，可开发的剩余油气越来越少，在夹层不发育区取得大的突破越来越困难。因此，剩余油开发向夹层发育区延伸已成为必然趋势。碎屑岩储层内夹层是影响剩余油分布与残留的主控因素。在长期开发过程中，碎屑岩储层内夹层是控制流体渗流的屏障，是油气藏开发剩余油描述的关键内容之一。

现有技术只能基于碎屑岩储层沉积地质模型评价取心井岩心所揭示的夹层的特征描述，但是无法表征非取心井、无井区夹层类型与分布，导致碎屑岩储层内夹层表征无法有效实施，剩余油分布预测不准确，导致开发中后期油藏开发效率低。

现有技术亟需碎屑岩储层内夹层定量表征的新方法，可以准确地确定碎屑岩储层内夹层类型及其空间变化，进而明确夹层与剩余油分布型式，为剩余油开发措施实施提供准确的地质依据，这样不仅有利于预测剩余油空间分布规律，而且更好地指导剩余油深度开发，提高效率，降低风险。

发明内容

本发明的目的是为了克服上述背景技术的不足，提供一种碎屑岩储层夹层机器学习型三维定量表征方法，以实现准确评价碎屑岩储层内夹层的空间分布及规律，提高剩余油富集有利区块的预测准确度和油气藏开发的效率，降低油气藏开发成本。

本发明提供的一种碎屑岩储层夹层机器学习型三维定量表征方法，包括如下步骤：

步骤一，依据地质条件和研究目标需求，对目标区内不同沉积微相带内取心井的岩心进行系统地观察和描述，确定岩心碎屑岩储层内夹层类型，建立各取心井岩心夹层纵向系列综合柱状图，确定机器学习识别判断夹层得到参数及其参考数值；

步骤二，基于取心井岩心夹层综合柱状图，建立直井岩心样品所揭示的碎屑岩各沉积微相内夹层类型及厚度与声波、伽马、中子测井电性的匹配关系，应用机器学习方法获取能够有效计算夹层厚度的电性值标准；

步骤三，基于直井所建立的夹层类型与声波、伽马、中子测井电性的匹配关系，通过机器学习识别判断水平井所钻遇的夹层类型，建立水平井单井夹层声波、伽马、中子参数模型，并求取夹层平面展布的长宽；

步骤四，依据直井、水平井建立的声波、伽马、中子参数模型，进行机器学习地震正演模拟，建立钻井夹层模型参数制约下的地震正演夹层模型；

步骤五，借助于地震正演模型所建立的夹层空间模型，设置岩性、地质统计学随机地震反演参数及条件，分别进行单一参数下夹层地震反演模拟，借助机器学习寻找敏感参数，提高夹层识别精度与分辨率，以进行多敏感参数约束的夹层模拟；开展相控约束下优势岩性机器学习方法地震反演，建立多敏感参数控制下的夹层空间分布模型，获取夹层三维空间规模参数：厚度、长度、宽度及其相互对接、叠置范围大小；

步骤六，应用机器学习方法，学习多敏感参数控制下的夹层分布模型，采用序贯指示模拟法、多点地质统计学法，建立不同约束条件下的岩相模型与岩性反演体约束的三维岩相建模，建立岩相模型约束下的夹层三维模型，预测油气藏开发层系的碎屑岩储层内夹层类型及空间分布特征，为碎屑岩储层评价与剩余油分布预测提供定量评价参数指标。