[发明专利]基于测井大数据的地层评价方法及系统

说明书

本发明提供一种基于测井大数据的地层评价方法及系统，所述方法基于物理模拟和机器学习实现，属于测井技术领域。所述方法包括：获取测井数据，并根据所述测井数据进行机器学习模型训练，获得机器学习模型；采集测井测量值，并根据预设规则进行所述测量值预处理，获得训练样本数据；基于所述机器学习模型进行所述训练样本数据训练，输出计算结果；根据所述计算结果进行对应地层评价。利用了完整的测井数据进行机器学习模型构建，并基于该机器学习模型进行测井数据解释，使得机器学习模型的关联参数更为全面，模型训练结果更加贴合实际情况。

技术领域

本发明涉及测井技术领域，具体地涉及一种基于测井大数据的地层评价方法及一种基于测井大数据的地层评价系统。

背景技术

测井解释是基于测井设备采集的测井数据，研究地下岩石物理性质与渗流特性，寻找和评价油气的综合技术。现有的测井解释技术中，主要包括选取解释模型、建立测井响应方程式、初选解释参数进行试解释，优选解释参数做正式处理和检验解释结果的可靠性等过程。在这个过程中，人为选定解释模型和选择解释模型参数，所以解释人员的经验对于处理和解释结果的准确性起着关键作用。且目前普遍使用测井数据处理软件，是通过对单井测井数据，分析储层的储集特性，找出可能的产层。根据地区经验和测井解释人员知识，计算反映地层特性的主要地质参数，分析可信度。分析产层的束缚水含量，揭示油气层的特性及含油(气)饱和度界限的变化，判断油气层性质。较少应用除测井以外的其它信息约束，进行储层含油、气、水的分析识别，评价油气层丰度和产能，预测产层的含水率。这些是在利用专家经验、测井和岩石物理实验有限数据基础上建立的模型。

因此，在确定对复杂成分地层进行岩性识别时，利用有限的岩性识别测井曲线往往造成误差大，难以满足现场勘探开发需求。另外，对地层的地质参数确定时，由于声、电、核测井方法的限制，难以准确的反映地层孔隙度、渗透率等参数。储层流体识别时，由于受束缚水难以确定的影响，使得油气水层测井解释准确率不高。因此，识别精度不高，模型适用性不强。基于现有测井解释技术存在的诸多问题，需要创造一种新的基于测井大数据的地层评价方法。

发明内容

本发明实施方式的目的是提供一种基于测井大数据的地层评价方法及系统，以至少解决现有测井解释技术准确率低和适用性不强的问题。

为了实现上述目的，本发明第一方面提供一种基于测井大数据的地层评价方法，所述方法基于物理模拟和机器学习实现，所述方法包括：获取测井数据，并根据所述测井数据进行机器学习模型训练，获得机器学习模型；采集测井测量值，并根据预设规则进行所述测量值预处理，获得训练样本数据；基于所述机器学习模型进行所述训练样本数据训练，输出计算结果；根据所述计算结果进行对应地层评价。

可选的，所述机器学习模型包括：测井值归一化模型、岩石物理预测模型、复杂岩性识别模型、油气藏监测模型、力学评价模型。

可选的，所述获取测井数据包括：获取测井模拟数据和测井大数据。

可选的，所述获取所述测井模拟数据，包括：获取影响测井结果的参数，并通过保持变量法获得改变参数与观测目的层的相应参数之间的联动关系；所述改变参数为所述影响测井结果的参数中的一种参数；所述影响测井结果的参数至少包括：泥浆滤液电阻率、井径、侵入带电阻率、侵入带半径、观测目的层厚度；逐一改变所述影响测井结果的参数，获得多个改变参数与观测目的层的相应参数之间的联动关系；根据所述多个改变参数与观测目的层相应参数之间的联动关系，建立测井响应库作为所述测井模拟数据。

可选的，所述获取测井大数据，包括：提取实际生产过程中存储的与测井相关的所有历史数据作为所述测井大数据。

可选的，所述测井测量值包括以下一种或多种：电阻率、泥浆电阻率、井眼直径、地层厚度、围岩电阻率、侵入带直径、侵入带电阻率和测量仪器参数。

可选的，所述根据预设规则进行所述测量值预处理，包括：执行所述测量值对数变换；删除对数变换后的测量值中的离群样本；进行测量值线性刻度变换。