[发明专利]一种河流相致密砂岩储层复杂岩相智能化识别方法及系统

说明书

本申请涉及岩相识别领域，公开了一种河流相致密砂岩储层复杂岩相智能化识别方法及系统，包括：建立岩相识别标签库；对岩相特征及其测井响应特征进行分析，确定岩相特征初始界限值；构建并训练智能化识别模型；该模型包括界限值模块、径向基神经网络和多层感知器神经网络；界限值模块用于根据岩相特征初始界限值将岩相识别标签库划分为两个样本数据集；第一个数据集输入至径向基神经网络进行训练，第二个数据集输入至多层感知器神经网络进行训练；将待识别岩相测井数据和岩相特征输入至训练好的模型中，得到复杂岩相识别成果图。该方法识别精度高、推广性强，为储层结构及非均质性特征精细解剖研究提供有效途径。

技术领域

本发明涉及岩相识别领域，特别是涉及一种河流相致密砂岩储层复杂岩相智能化识别方法及系统。

背景技术

河流相致密砂岩储层是一类重要的石油、天然气储层，如鄂尔多斯盆地苏里格气田山西组及石盒子组主力含气层、大牛地气田下石盒子组盒1～3段均为河流相致密砂岩储层。然而河流相致密砂岩储层内部结构复杂、非均质性强，不同河流类型之间沉积、储层特征差异大，进而导致发育该类储层的油气田在开发后期面临单井产能逐年降低、甜点储层优选难等关键技术难题，而解决这些问题的关键是开展砂体结构及其非均质性特征精细解剖研究。岩相作为特定水动力条件下的基本沉积单元，是开展砂体结构及非均质性特征研究的基本单元。

岩相的概念最早由Miall在1978年提出，根据岩石的岩性类型和层理特征对岩相进行了不同的分类。目前，岩相的识别与表征都以单井岩相解释为基础，其主要可归纳为三类方法：其一是常规测井识别方法，包括交会图法、构造特征参数法、曲线重叠法等，但这些方法普遍符合率较低，且对解释人员的经验和知识依赖较多；其二是特殊测井识别方法，包括利用地层倾角测井资料建立不同岩相的倾角成果图模式进行识别，通过成像测井图像资料直接对岩相进行识别，但这两种方法的测井资料费用昂贵、成本较高，无法在密井网区块推广；其三是主成分分析、聚类分析以及决策树等机器学习算法，但这些算法欠缺考虑地质特征、地质特征约束下的测井数据特征与算法原理之间的契合性，进而导致所使用的方法缺乏合理性论证或机理上的认识。综上，复杂岩相的精确识别与解释仍存在识别精度低、难以推广、缺乏机理论证等问题。

因此，如何建立识别精度高、推广性强且具有机理论证的识别方法用于复杂岩相的单井识别与解释能有效表征河流相致密砂岩储层复杂的结构特征，是本领域技术人员亟待解决的技术问题。

发明内容

有鉴于此，本发明的目的在于提供一种河流相致密砂岩储层复杂岩相智能化识别方法及系统，识别精度高、推广性强，为储层结构及非均质性特征精细解剖研究提供有效途径。其具体方案如下：

一种河流相致密砂岩储层复杂岩相智能化识别方法，包括：

建立岩相识别标签库；

基于所述岩相识别标签库对岩相特征及其测井响应特征进行分析，确定岩相特征初始界限值；

构建智能化识别模型；所述智能化识别模型包括界限值模块、径向基神经网络和多层感知器神经网络；所述界限值模块用于接收所述岩相特征初始界限值，并根据所述岩相特征初始界限值将所述岩相识别标签库划分为第一样本数据集和第二样本数据集；

训练所述智能化识别模型，将所述第一样本数据集输入至所述径向基神经网络进行训练，同时将所述第二样本数据集输入至所述多层感知器神经网络进行训练；

将待识别岩相测井数据和岩相特征输入至训练好的所述智能化识别模型中，得到复杂岩相识别成果图。

优选地，在本发明实施例提供的上述河流相致密砂岩储层复杂岩相智能化识别方法中，建立岩相识别标签库，包括：

观察描述取心井目的层段岩心，识别岩相类型，并赋予每种岩相类型特定的符号；