南京大学学报(自然科学版) ›› 2019, Vol. 55 ›› Issue (6): 934–941.doi: 10.13232/j.cnki.jnju.2019.06.006
基于相带划分的孔隙度预测
段友祥1,柳璠1(
),孙歧峰1,李洪强1,2
- 1. 中国石油大学(华东)计算机科学与技术学院，青岛，266580
2. 中国石化集团胜利石油工程有限公司钻井工艺研究院，东营，257000
Porosity prediction based on sedimentary facies
Youxiang Duan1,Fan Liu1(),Qifeng Sun1,Hongqiang Li1,2
- 1. College of Computer Science and Technology，China University of Petroleum（East China）, Qingdao，266580，China
2. Drilling Technology Research Institute of Shengli Petroleum Engineering Corporation Limited, Sinopec (SLDTI)，Dongying, 257000，China
摘要：
孔隙度是油藏储层特性评价的重要指标，储层岩石组成成分不同，其孔隙结构也相应存在差异.研究沉积相对孔隙度影响这一重要因素，提出一种基于相带划分的孔隙度预测方法，首先利用阻抗数据、采用k?means聚类方法进行沉积相估计，获得储层的相带空间展布特征，然后对不同相带使用岭回归的方法对孔隙度进行预测.与其他方法相比，该方法较好地解决了因岩石物理特性意义不明确而造成的预测中的多解性问题，提高了预测准确度.使用实际区块油藏数据对该方法进行了实验验证，实验结果表明，该方法可以有效融合地质信息，预测稳定性高，受人为因素影响小，预测的符合度明显高于支持向量回归等其他方法.
中图分类号:
- TE122.2
| 1 | Gholami A ， Ansari H R . Estimation of porosity from seismic attributes using a committee model with bat?inspired optimization algorithm. Journal of Petroleum Science and Engineering，2017，152：238-249. |
| 2 | Miller K ， Vanorio T ， Yang S ，et al . A scale?consistent method for imaging porosity and micrite in dual?porosity carbonate rocks. Geophysics，2019，84(3)，doi：10.1190/geo2017-0812.1. |
| 3 | Arévalo?López H S ， Dvorkin J P . Porosity，mineralogy，and pore fluid from simultaneous |
| impedance inversion. The Leading Edge，2016，35(5)：423-429. | |
| 4 | 刘云，贺振华，汪瑞良 等 . 基于地震相分析的孔隙度预测. 物探化探计算技术，2010，32(4)：359-364. |
| Liu Y ， He Z H ， Wang R L ，et al . Porosity prediction based on seismic facies analysis. Computing Techniques for Geophysical and Geochemical Exploration，2010，32(4)：359-364. | |
| 5 | De Figueiredo L P ， Grana D ， Santos M ，et al . Bayesian seismic inversion based on rock?physics prior modeling for the joint estimation of acoustic impedance，porosity and lithofacies. Journal of Computational Physics，2017，336：128-142. |
| 6 | 于正军，董冬冬，宋维琪 等 . 相带控制下协克里金方法孔隙度预测. 地球物理学进展，2012，27(4)：1581-1587. |
| Yu Z J ， Dong D D ， Song W Q ，et al . Porosity prediction with co?Kriging method controlled by sedimentary facies. Progress in Geophysics，2012，27(4)：1581-1587. | |
| 7 | Mahgoub M I ， Padmanabhan E ， Abdullatif O M . Facies and porosity 3D models constrained by stochastic seismic inversion to delineate Paleocene fluvial/lacustrine reservoirs in Melut Rift Basin，Sudan. Marine and Petroleum Geology，2018，98：79-96. |
| 8 | 师政，邱隆伟，张阳 等 . 基于地震属性聚类的岩相分析方法及应用——以南堡凹陷奥陶系潜山储层为例. 中国矿业大学学报，2015，44(4)：688-695. |
| Shi Z ， Qiu L W ， Zhang Y ，et al . Petrographic analysis method and application based on seismic attributes cluster：taking Ordovician buried hill reservoir in Nanpu sag for example. Journal of China University of Mining & Technology，2015，44(4)：688-695. | |
| 9 | 郝茜茜，周亚同，任婷婷 . 基于半监督核均值漂移聚类的地震相识别研究. 河北工业大学学报，2017，46(6)：6-12. （Hao X X，Zhou Y T，Ren T T. Research on seismic facies identification based on semi?supervised kernel mean shift clustering. Journal of Hebei University of Technology，2017，46(6)：6-12.） |
| 10 | Hampson D P ， Schuelke J S ， Quirein J A . Use of multiattribute transforms to predict log properties from seismic data. Geophysics，2001，66(1)：220-236. |
| 11 | Helmy T ， Fatai A ， Faisal K . Hybrid computational models for the characterization of oil and gas reservoirs. Expert Systems with Applications，2010，37(7)：5353-5363. |
| 12 | 王昕旭 . 偏最小二乘回归在孔隙度预测中的应用. 地球物理学进展，2015，30(6)：2807-2813. （Wang X X. Partial least?squares regression for the application in porosity prediction. Progress in Geophysics，2015，30(6)：2807-2813.） |
| 13 | Saffarzadeh S ， Shadizadeh S R . Reservoir rock permeability prediction using support vector regression in an Iranian oil field. Journal of Geophysics and Engineering，2012，9(3)：336-344. |
| 14 |
Oyewole E ， Saneifar M ， Heidari Z . Multiscale characterization of pore structure in carbonate formations:application to the scurry area canyon reef operators committee unit. Interpretation，2016，4(2):157-169，doi:10.1190/INT?2015?0123.1 .
doi: 10.1190/INT?2015?0123.1 |
| 15 | Baziar S ， Shahripour H B ， Tadayoni M ，et al . Prediction of water saturation in a tight gas sandstone reservoir by using four intelligent methods：a comparative study. Neural Computing and Application，2018，30(4)：1171-1185. |
| 16 | 赖玉霞，刘建平 . K?means算法的初始聚类中心的优化. 计算机工程与应用，2008，44(10)：147-149. （Lai Y X，Liu J P. Optimization study on initial center of K?means algorithm. Computer Engineering and Applications，2008，44(10)：147-149.） |
| 17 | 张莹，陈普春，曹俊 等 . 基于K?means岩石铸体图像分割及孔隙度的计算. 现代电子技术，2012，35(6)：141-143. |
| Zhang Y ， Chen P C ， Cao J ，et al . K?means?based rock casting image segmentation and calculation of porosity. Modern Electronics Technique，2012，35(6)：141-143. | |
| 18 | Luo H ， Liu Y H . A prediction method based on improved ridge regression∥Proceedings of 2017 8th IEEE International Conference on Software Engineering and Service Science. Beijing,China：IEEE，2017：596-599. |
| 19 | Lima L Z ， G?rnitz N ， Varella L E ，et al . Porosity estimation by semi?supervised learning with sparsely available labeled samples. Computers & Geosciences，2017，106：33-48. |
| [1] | 季 云1,殷 勇1*,李 清1,王爱华2. 南黄海辐射沙脊群苦水洋海域晚更新世以来沉积特征及环境演化 [J]. 南京大学学报(自然科学版), 2015, 51(3): 641-. |
| [2] | 张 响，葛晨东*，殷 勇，吕艳美，李海清. 晚更新世以来南黄海大北槽沉积物地球化学及沉积模式研究[J]. 南京大学学报(自然科学版), 2014, 50(5): 538-552. |
|