采用全局协方差进行地质属性预测的方法

摘要

本发明提出了一种采用全局协方差进行地质属性预测的方法，包括如下步骤：根据已采集的地质数据建立三维构造模型，其中，所述三维构造模型的输入数据为待测油藏的测井曲线，输出数据为地质属性预测结果，所述三维构造模型包括多个网格；将输入的测井曲线粗化到所述网格中，作为全局协方差方法的已知数据点，所述测井曲线上的已知数据点的地质属性值已知；根据已知数据点，利用全局协方差方法预测该油藏的地质属性值。本发明该方法可以使得地质属性预测方程求解比原始的克里金求解方法的速度有大幅度提升，求解地质属性预测方程速度提高了3倍以上。

说明书

技术领域

本发明涉及石油勘探开发技术领域，特别涉及一种采用全局协方差进行地质属性预测的方法。

背景技术

地质预测是石油勘探过程中前期工作，只有在获得相对准确的地质预测结果的基础上，才可以实现石油勘探开发的顺利进行。

在石油勘探开发中，现有的地质属性预测方法通常采用克里金方法。其中，克里金法是一种在许多领域都很有用的地质统计格网化方法。克里金法试图表示隐含在数据中的趋势，例如，高点会是沿一个脊连接，而不是被牛眼形等值线所孤立。克里金法中包含了几个因子：变化图模型，漂移类型和矿块效应。克里金方法的中心思想在于用变差函数来描述数据的连续性和各项异性，并利用变差函数来计算权重和协方差的值，它们衡量了一个属性在不同位置的空间相关性。通常被应用于任何需要用点数据估计其在空间上分布的现象。

但是，采用克里金法进行地质预测，往往存在地质预测结果连续性差的问题，导致地质预测结果不符合地质意义，影响后续的石油勘探开发过程。

专利CN 104252549A公开了一种基于克里金插值的分析布井方法，该方法采用克里金法对空间场进行结构分析，提出变差函数模型，最后根据变量图函数模型进行克里金计算，实现对布井区域的分析。但是，该专利仍是采用克里金法进行分析，分析结果的连续性比较差，导致分析结果的准确度不高。

发明内容

本发明的目的旨在至少解决所述技术缺陷之一。

为此，本发明的目的在于提出一种采用全局协方差进行地质属性预测的方法，该方法可以使得地质属性预测方程求解比原始的克里金求解方法的速度有大幅度提升，求解地质属性预测方程速度提高了3倍以上。

为了实现上述目的，本发明的实施例提供一种采用全局协方差进行地质属性预测的方法，包括如下步骤：

步骤S1，根据已采集的地质数据建立三维构造模型，其中，所述三维构造模型的输入数据为待测油藏的测井曲线，输出数据为地质属性预测结果，所述三维构造模型包括多个网格；

步骤S2，将输入的测井曲线粗化到所述网格中，作为全局协方差方法的已知数据点，所述测井曲线上的已知数据点的地质属性值已知；

步骤S3，根据步骤S2中的已知数据点，利用全局协方差方法预测该油藏的地质属性值。

进一步，在所述步骤S1中，所述根据已采集的地质数据建立三维构造模型，包括如下步骤：

对已采集的地质数据进行解释分析，得到对应的已解释的地质数据，其中，所述已解释的地质数据包括：被测油藏的断层数据、层位数据和分层数据；

根据所述已解释的地质数据建立所述三维构造模型。

进一步，所述地质属性预测结果包括：被测油藏对应的孔隙度、饱和度和渗透率。

进一步，在所述步骤S3中，

首先，设地质属性预测方程如下：

$>\underset{j=1}{\overset{M}{\Sigma }}{w}_j·C(u_i,u_j)=C(u,u_i),i=1,\mathrm{...},M,$>

其中，u_i和u_j分别为第i和第j已知数据点的地质属性值，C(u_i,u_j)为u_i和u_j的协方差，w_j为权重值，M为所述已知数据点的数目；

然后，采用全局协方差方法求解上述地质属性预测方程，将所述地质属性预测方程改写为以下形式：

LUw＝r，

其中，(LU)_ij＝C(u_i,u_j)，r_i＝C(u,u_i)，L和U分别为下三角矩阵和上三角矩阵；

其后，求解LU矩阵，在得到L和U矩阵后，求解出权重w_j，

最后，在获知权重w_j后预测出三维构造模型中未知数据点的地质属性值，记为地质属性预测结果。

进一步，所述L和U矩阵为：

其中，

$>U_{rj}=a_{rj}-\frac{{\Sigma }_{k=1}^{r-1}{l}_{ik}{U}_{kj}}{l_{rr}},(r=0,1,2,\mathrm{....}n-1;j=r,\mathrm{....}n-1),$>

$>L_{ir}=a_{ir}-\frac{{\Sigma }_{k=1}^{r-1}{l}_{ik}{u}_{kr}}{u_{rr}},(r=0,1,\mathrm{2...},n-1;i=r+1,\mathrm{...},n-1).$>

根据本发明实施例的采用全局协方差进行地质属性预测的方法，采用全局协方差方法求解地质属性方程，当地质属性网格数量很大时，该方法可以使得地质属性预测方程求解比原始的克里金求解方法的速度有大幅度提升，求解地质属性预测方程速度提高了3倍以上。本发明的全局协方差进方法针对地质属性预测领域，预测效果比原始局部克里金更加有地质意义，可以为油藏勘探开发研究提供了技术支撑。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1为根据本发明实施例的采用全局协方差进行地质属性预测的方法流程图；

图2为根据本发明实施例的三维构造模型的示意图；

图3为根据本发明实施例的测井曲线粗化到三维构造模型的效果示意图；

图4为根据本发明实施例的地质属性预测结果的示意图；

图5(a)和(b)分别为局部克里金和全局协方差方法的地质属性预测结果的示意图；

图6(a)和(b)分别为变差值较大时，局部克里金方法和全局协方差方法预测地质属性的效果图。

具体实施方式

下面详细描述本发明的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

本发明提出一种采用全局协方差进行地质属性预测的方法，该方法采用全局协方差方法求解地质属性预测方程，利用已知数据点的地质属性对未知数据点的地质属性进行预测。全局协方差方法可以理解为是在克里金算法基础上，结合地质属性预测领域，优化的地质属性预测方程的求解方法。

如图1所示，本发明实施例的采用全局协方差进行地质属性预测的方法，包括如下步骤：

步骤S1，根据已采集的地质数据建立三维构造模型。

具体地，首先对已采集的地质数据进行解释分析，得到对应的已解释的地质数据。其中，已解释的地质数据包括：被测油藏的断层数据、层位数据和分层数据。然后，根据已解释的地质数据建立三维构造模型。

如图2所示，该三维构造模型可以体现地下油藏的几何特征，包括有多个网络。例如，三维构造模型通常由几百万或者千万级网格组成。具体地，三维构造模型的输入数据为待测油藏的测井曲线，输出数据为地质属性预测结果。

步骤S2，将输入的测井曲线粗化到三维构造模型的网格中，作为全局协方差方法的已知数据点，测井曲线上的已知数据点的地质属性值已知。

如图3所示，每条测井曲线上的特征点均为已知数据点，已知数据点的各项地质属性值均为已知的。在实际中，油藏模型中经常有上千个已知数据，而网格数目可能多达几百万数量级。

步骤S3，根据步骤S2中的已知数据点，利用全局协方差方法预测该油藏的地质属性值。

首先需要说明的是，全局协方差方法是在克里金算法基础上，结合地质属性预测领域，优化了克里金算法作为地质属性预测方程的求解方法，提高了算法效率，针对地质属性预测领域，效果比原始的局部克里金方法更加有地质意义。利用全局协方差方法根据已知数据点对未知数据点的地质属性值进行预测。

步骤S31，基于克里金方法的地质属性预测方程是在一系列属性待估位置处采用线性预测属性的取值，假设属性在所有位置的期望值为常数，以最小化误差的方差为目标，从而求解数据的权重，经过一系列推导，设地质属性预测方程如下：

$>{\Sigma }_{j=1}^M{w}_j·C(u_i,u_j)=C(u,u_i),i=1,\mathrm{...},M,---\left(1\right)$>

其中，u_i和u_j分别为第i和第j已知数据点的地质属性值，C(u_i,u_j)为u_i和u_j的协方差，w_j为权重值，M为已知数据点的数目。为了得到M个权重wj，需要求解M维线性方程组(1)。

将方程组(1)改写为以下矩阵表达式：

Aw＝r, (2)

其中，Aij＝C(u_i,u_j)，r_i＝C(u,u_i)。

对于地质属性预测方程(1)或者(2)的求解，为了更加符合地质属性规律，本步骤采用全局协方差方法求解。由于全局协方差方法使用所有的已知数据预测待估点的数据，即当已知点确定后，矩阵A是不变的。

步骤S32，采用全局协方差方法求解上述地质属性预测方程，将地质属性预测方程改写为以下形式：

LUw＝r， (3)

其中，(LU)_ij＝C(u_i,u_j)，r_i＝C(u,u_i)，L和U分别为下三角矩阵和上三角矩阵。

步骤S33，求解LU矩阵，在得到L和U矩阵后，求解出权重w_j。

具体地，L和U矩阵为：

其中，

$>U_{rj}=a_{rj}-\frac{{\Sigma }_{k=1}^{r-1}{l}_{ik}{U}_{kj}}{l_{rr}},(r=0,1,2,\mathrm{....}n-1;j=r,\mathrm{....}n-1),$>

$>L_{ir}=a_{ir}-\frac{{\Sigma }_{k=1}^{r-1}{l}_{ik}{u}_{kr}}{u_{rr}},(r=0,1,\mathrm{2...},n-1;i=r+1,\mathrm{...},n-1).$>

需要说明的是，求取L和U矩阵是一个循环迭代的过程,U矩阵是从第1行迭代到第n行,而L矩阵则是从第1列迭代到第n列,且每次迭代U矩阵先于L矩阵求取。

根据上述过程计算出L和U矩阵后，利用式(3)求解出权重w_j

步骤S34，在获知权重w_j后预测出三维构造模型中未知数据点的地质属性值，记为地质属性预测结果。

在本发明的一个实施例中，地质属性预测结果可以包括：被测油藏对应的孔隙度、饱和度和渗透率。例如，图4示出了油藏孔隙度属性的预测值示意图。

式(3)中，相比于常规求解Aw＝r所需的O(M³)运算量，全局协方差方法求解可以在O(M²)次运算内完成。把LU分解的O(M³)耗时也考虑在内，在一个包含N个未知数据点的网格中，利用全局协方差方法求地质属性预测方程的运算复杂度由O(N·M³)减少为O(M³+N·M²)。

下面结合图5(a)和图5(b)、图6(a)和图6(b)对现有的局部克里金方法与本发明的全局协方差方法进行对比说明。

图5(a)和(b)分别为局部克里金和全局协方差方法的地质属性预测结果的示意图。其中，图5(a)是由使用邻近200个已知数据的局部克里金所产生。从图5(a)中可以看出，三维构造模型中有多处不连续的地方(圆圈标注处)。图5(b)所示的三维构造模型是由全局协方差方法得到，连续性较局部克里金方法更好。

图6(a)和(b)分别为变差值较大时，局部克里金方法和全局协方差方法预测地质属性的效果图。通过比较两幅图可知，图6(b)采用的是本发明的全局协方差方法，其地质属性的连续性更强，更符合地质规律。

下面结合表1和表2对现有的全局、局部克里金方法与本发明的全局协方差方法的效率进行对比说明。其中，表1给出三种方法的复杂度。从表1中可以看出，本发明的全局协方差方法的复杂度最低。

全局协方差方法局部克里金算法全局克里金算法O(NM)O(NM log M+NK3)O(NM3)

表1

表2给出全局、局部克里金方法与全局协方差方法在不同规模的三维网格上的算法运行时间。

已知点数网格尺寸全局协方差方法局部克里金算法全局克里金算法28140×64×8＝2万<1sec3sec143sec58480×128×16＝16万4sec59sec2.6hr1166160×256×32＝130万64sec1076sec142hr2315320×512×64＝1000万944sec5.0hr/

表2

从表2中可以看出，在已知数据点数保持不变的前提下，所有的方法运行耗时皆随网格数目呈线性增长。但是在同等条件下，本发明的全局协方差方法耗时最短。当三维网格数量过千万级时，克里金方法耗时5小时以上，而本发明的全局协方差方法只用944秒，算法效率的提升巨大。因此，利用全局协方差方法求解地质属性预测方程不仅符合地质属性预测实际问题需要，还可以使得求解速度有大幅度提升。

根据本发明实施例的采用全局协方差进行地质属性预测的方法，采用全局协方差方法求解地质属性方程，当地质属性网格数量很大时，该方法可以使得地质属性预测方程求解比原始的克里金求解方法的速度有大幅度提升，求解地质属性预测方程速度提高了3倍以上。本发明的全局协方差方法针对地质属性预测领域，预测效果比原始局部克里金更加有地质意义，可以为油藏勘探开发研究提供了技术支撑。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。本发明的范围由所附权利要求极其等同限定。