河流_三角洲储层沉积微相模糊推理网络的识别

河流_三角洲储层沉积微相模糊推理网络的识别 Vo l110 No12 第 10卷 第 2期 哈 尔 滨 理 工 大 学 学 报 Ap r. , 2005 2005年 4月JOURNAL HARB IN UN IV. SC I. & TECH. 河流 - 三角洲储层沉积微相模糊推理网络的识别 董焕忠 ()大庆油田有限责任公司 第三采油厂 ,黑龙江 大庆 163113 摘 要 : 针对河流 - 三角洲储层沉积微相自动识别问 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 ,根据取芯井分析资料和专家解释结 果 ,确定研究区块的沉积微相类型和地质规律 ,建立了 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 模式库和专家经验库 ,选择和提取判别 特征指标的基础上 ,构建了可同时处理定性专家知识和定量数据的加权模糊推理神经网络进行微 相判别的方法. 考虑过渡性沉积相在识别中存在的多解性 ,在小层对比基础上 ,参照邻井同层微相 识别结果 ,依据区块地质规律采用模糊逻辑推理方法确认和修正微相识别类型 ,保证平面沉积相和 小层单井相的一致性 . 通过对实际资料处理 ,其方法的符合率达到 8411 %. 关键词 :沉积微相 ; 测井曲线 ; 模糊神经网络 ; 模式识别 ( ) 中图分类号 : TP393. 07; TE121 文献标识码 : A 文章编号 : 1007 - 2683 2005 02 - 0057 - 04 The R e co gn itio n o f the Fuzzy R e a so n ing N e t in R ive r - de lta R e se rvo ir S e d im e n ta ry M ic ro fa c ie s DON G H uan - zhong ()O il R ecove ry P lan t No. 3 D aq ing O ilfie ld Co rp. , L td. D aq ing 163113 , Ch ina A b stra c t: To so lve the p rob lem of au tom a tic recogn ition in rive r - de lta re se rvo ir sed im en ta ry m ic rofac ie s, th is p ap ae r p u ts fo rwa rd a new m e thod. F irst, it a sce rta in s the typ e of the sec tion - b lock sed im en ta ry m ic rofac ie s and the geo logica l ru le acco rd ing to the ana lysis da ta from the co re s we ll and the re su lt exp la ined by exp e rt, and it e s2 tab lishe s the standa rd mode wa rehou se and exp e rt exp e rience wa rehou se. Then, it se lec ts, extrac ts and d iffe ren ti2 a te s the cha rac te ristic indexe s. It con struc ts the fuzzy rea son ing NN w ith the we igh ting fac to r to dea l w ith qua lita tive exp e rt know ledge and quan tita tive da ta to d iffe ren tia te m ic rofac ie s. It is con side red tha t the tran sitiona l sed im en ta ry m ic rofac ie s have m u ltip lic ity of so lu tion s. O n the ba sis of the sm a ll laye r con tra st and con su lting the recogn ition re2 su lts w ith the m ic rofac ie s in the sam e laye r of the ad jacen t we ll, it a ssu re s the con sistency of the p lane sed im en ta ry and the sm a ll laye r we ll sed im en ta ry. It affirm s and am end s the recogn ition typ e of m ic rofac ie s w ith the fuzzy rea2 son ing m e thod acco rd ing to the geo logica l ru le. Its co inc idence ra te ge ts to 8411 % th rough dea ling w ith the p rac ti2 ca l da ta fo r 23 we lls in D aq ing o il fie ld Sabe i deve lop ing a rea. Key word s: sed im en ta ry m ic rofac ie s; we ll logging cu rve; fuzzy NN; p a tte rn recogn ition 近年来 ,随着油藏 工程 路基工程安全技术交底工程项目施工成本控制工程量增项单年度零星工程技术标正投影法基本原理 逐步探索 ,以精细储层研. 实践证明 ,不同成因的砂体 ,具有不同的开发工作 [ 1 , 2 ] [ 3 ] 究为基础 ,建立精细地质模型 ,从而进一步精细 特点和开发效果 . 加强沉积相 、亚相及微相 研究 ,地描述储层轮廓 ,是岩性分析及沉积相研究的基础 对揭示油层非均质性 ,掌握油水运动规律 ,预测砂体 收稿日期 : 2004 - 09 - 09 ( ) 作者简介 : 董焕忠 1966 - ,男 ,大庆油田有限责任公司高级工程师. n 分布 ,挖掘油层潜力及提高油田最终采收率都有十 ( ) τ度 t = w 3 T P大于等于 时 , 该规则即可被j j ? j = 1 分重要的意义 . 实际工作中 ,在不能大量取芯的情况 ( ) 应用 . 应用的结果是推出结论 Q , 其真度为 T Q = t 下 ,配合岩心 ,利用测井资料进行岩石沉积学特征的 ?c, ?为某种交型运算 , 如取小 、乘积等 .f 研究是一种经济而有效的方法 . 本文将测井学同地 212 模糊推理元质 、现代数学等结合 ,以地质理论为指导 ,综合利用 ( )P, P,设 , P为模糊谓词 , T P取 [ 0, 1 ]间 1 2 n j 常规测井与地质资料 ,完成了微相沉积模式类别的 ( ) 的实数作为真值 , w j = 1, 2,, n 为谓词 P的权 j j 建立. 考虑到人工判相工作周期长 ,判别准确度又因 系数 , 则一个加权模糊逻辑蕴涵式可表示为 人的经验而异 ,给沉积相识别带来不稳定性 . 用计算 τ( )2 w&P? w&P? ? w &P?Q , c, 1 1 2 2 n n f 机对井剖面进行自动连续的岩性分析及沉积微相解 ( )式 2 中 , & 为某种乘积算子 ; ?为某种求和算子. 释 ,获得准确可靠的井剖面岩性柱状图及沉积微相 加权模糊逻辑蕴涵式可用图 1 所示的推理元表示 .解释结果 ,为油藏储层参数的研究 、多井地层评价等 提供重要的基础地质资料 . 1 模式特征选择 在现代油藏描述中 ,岩心资料和测井资料是研 究沉积相的主要途径 ,但油田岩心资料较少 ,因此主 要是通过测井曲线来分析和研究沉积相. 模式特征 13 模糊推理网络模型 2选择适当与否是准确进行沉积微相识别的关键性工 考虑如下一组加权模糊逻辑蕴涵式 : 作 ,所选择的模式特征参数既要能够反映测井曲线 τw&P? w&P? ? w&P?Q, c, 11 1 12 2 1 n n 1 f 11 与沉积微相类型之间的一一对应关系 ,又能够反映 τw&P? w&P? ? w&P?Q, c, 21 1 22 2 2 n n 2 f 22 ( )3 油层的结构特征. 测井解释成果中测井曲线有多种 , 从中选出最具代表性 ,实际判相工作中最常用的三 τ? w&P?Q, c,w&P? w&P? m n n m f mm 1 1 m 2 2 m 种曲线 ,即自然电位 、微梯度和微电位作为储层沉积 [ 4 , 5 ]τ其中 , w ? [ 0, 1 ], 且 ?w = 1, 0 ?c?1, 0 ??1.ij ij f i i 相模式识别 的主要依据. 综合专家解释经验 ,对 不同的取值将得到各种具体的蕴涵式组. 由权系数 实际资料的相关分析和反复测试 ,最终选择渗透率 、 组成的矩阵是稀疏的 , 它对应的网络称为加权模糊 油层有效厚度 、微电位与微梯度的平均幅值差 、自然 推理网络 , 如图 2所示 . 电位曲线的最大幅值 、自然电位曲线重心 、自然电位 曲线齿中线斜率和纯表外的薄差层与总厚度之比等 7 个变量作为沉积微相识别的特征参数. 2 加权模糊推理网络模型 211 加权模糊逻辑推理 许多实 际 问 题 中 , 一 条 推 理 规 则 各 子 前 提 的 “重要性 ”或所包含的信息量都是各不相同的 . 为了 表达这类现实知识 ,采用加权模糊推理是十分合适 3 加权模糊推理网络的训练 的 . 加权模糊推理规则可表示为 τ( )w3 P, w3 P, 1 , w 3 P?Q , c, 1 1 2 2 n n f 311 模糊推理网络的学习 ( ) : Q , Pj = 1, 2, , n 为 模 糊逻 辑 谓 词 ; w ?其中 j j n 设所讨论的领域内共有 n 个谓词 , 加权模糊推 ( [ 0, 1 ] j = 1, 2, ) , n , w = 1为子前提 P的权j j ? 理网络的学习问题就是要根据已知的一些事实和规 j = 1 ( ) ( ) ( ) ( )τ( τ) , 得到关于谓词真度 T P, T P,, T P的则 系数 ; c0 < c?1 为规则的臵信度 ;0 m 时可能没有精确 流相和三角洲前缘相两大沉积相中各种微相模式类 解 , 但可视为线性规划问题求得最小偏差的近似解 . 型 ,这样就避免了以往对不同相带的沉积微相识别 当以后又获得新知识时 , 可用上述方法求得的权系 中存在的普适性差 、识别效果不好的问题 . 在实际工 数作为初值 , 采用一种修改权系数的办法改进学习 作中 ,从各微相沉积旋回出发 ,通过对大量各类沉积 结果. 通过不断的学习 , 不断改进系统的行为 . 微相所对应的测井曲线形态进行整理归纳 ,建立了 312 学习算法推导包括正渐变 、均匀 - 复合型 、块状型 、反渐变 、小型河 为满足网络的泛化要求 , 提供学习的样本量要 道砂 、突弃河道砂 、渐弃河道砂 、河间薄层砂 8 种典 大 ,故仅考虑 k >m 的情形. 网络参数的确定需要解一 型图版 ,并以此来指导沉积微相标准模式库的建立. 个超定线性方程组. 根据 311节加权模糊逻辑推理的 ( )含义 ,方程组 4可写为如下形式的超定方程组 : 5 实际资料处理 Tw+ Tw+ + Tw= T/ c 11 11 12 121 n 1 n 11 f 1 大庆油田萨北开发区储层沉积有萨尔图 、葡萄 Tw+ Tw+ + Tw= T/ c 11 m 1 12 m 21 n m n 1 n fm 花 、高台子等三套油层 ,主要以河流 ———三角洲前缘 ( )5 沉积为主. 根据储层沉积特征和油田开发精细地质 研究的需要 ,沉积的主要微相类型细分为正渐变 、均 Tw+ Tw+ + Tw= T/ c k1 11 k2 12kn 1 n k1 f 1 匀 - 复合型 、块状型 、反渐变 、小型河道砂 、突弃河道 砂 、渐弃河道砂 、河间薄层砂等 8 个沉积微相 . 依照 Tw+ Tw++ Tw= T/ c k1 m 1k2 m 2 kn m n kn fm 取芯井分析资料和专家解释结果 ,按河流相和三角 解上述方程组可视为线性规划问题 , 定义误差方程 : n 洲前缘相选取了 16类 217 个沉积微相模式样本 ,建 i = 1, 2, j = 1, 2, R =, k; , n Tw - T/ c ij ip jp ij f ? j 立了标准沉积微相模式库 .p = 1 以所筛选出的 7 个沉积微相识别特征参数作为 根据最小二乘法原理 , 应使上式误差平方和最小 , 由 网络输入 ,以区块所包含的 8个沉积微相类型作为网 多元函数极值存在的充分条件 , 整理得 k n k 络输出. 因此模糊推理网络的拓扑结构确定为 7 - 8 ( )r, s = 1, 2, TTw =TT/ cf6 , n ij is rj ir is r?? ? ( - 8型 ,即 7 个输入节点负责接收样本谓词真度 每i = 1 j = 1 i = 1 ) 个待识别油层的特征参数值 , 8 个模糊推理层节点 即 (k k 对应按模糊逻辑规则推出的 8个谓词真度 沉积微相 C=D =TTTT/ c sj sr ij isir is f )类型 . 模糊逻辑规则按照标准沉积微相模式库中样 ? ? r i = 1 i = 1 本构成的训练集通过样本训练来确定. 按照上述分 ( )则式 6 简化为 n 析 、实现过程和算法 ,编制完成了计算机应用软件. 利 ( )( )s, r = 1, 2, 7 , m Cw = D sjrj sr? 用萨北开发区油田 7口取芯井资料 , 217 个油层沉积 j = 1 ( )式 7 为含 m ×n 个未知数的 m ×n 阶正规方程组 , 微相建立了该区块沉积微相自动识别系统 ,对该区块 23口非取芯井 113个小层进行了实际资料处理. 人工 至此 , 完成了超定方程组向正规方程组的转换. ( ) 识别与机器自动识别对比结果如表 1所示. 对于方程组 7 已有很多成熟解法 , 本文采用 采用加权模糊推理神经网络的沉积微相识别方积微相自动识别方法中的某些不完备及算法的不适 法 ,可提高原始资料信息提取的完整性和客观性 ,使 .应问题提供了一种新方法 原来手工完成的工作由计算机自动完成 ,为以往沉 参 考 文 献 : ( ) [ 1 ] DAM SL ETH E. e ta l. A two - stage Stocha stic Mode lapp lied to No rth Sea reservo ir[ J ]. Jou rna l of Pe tro leum Geo logy, 1992 , 44 4 : 402 - 408. 张团峰 ,王家华等. 三维储层随机建模和随机模拟技术研究 [M ]. 北京 :地质出版社 , 1996. 59 ,85. [ 2 ] KEYU L iu, BOUL T Pe ter. Sco tt Pa in te r and L inco ln Pa te rson: O u tc rop ana log fo r Sandy B raided Stream re Servo ir: Perm eab ility Pa tte rn sin the Tria s2 [ 3 ] ( ) sic H awke r B u rysand stone [ J ]. Sydne B a sin, A u stra lia, AA PG, 1996 , 80 12 : 1850 - 1865. ( ) 李振英等. 神经网络方法在水淹层识别中的改进 [ J ]. 大庆石油地质与开发 , 2004 , 23 3 : 44 - 45. [ 4 ] ( ) 蔺井龙等. 沉积微相测井识别 [ J ]. 大庆石油地质与开发 , 1997 , 16 2 : 71 - 72.[ 5 ] () 何新贵. 模糊知识处理的理论与技术 第二版 [M ]. 北京 : 国防工业出版社 , 1998.[ 6 ] ()审稿 :景 旭教授 ,王广召教授 ;编辑 :高长福 ()上接第 56 页 2 cm 内 ,系统测量偏差为 - 0112 cm. 在要求精准度 3 结语 下 ,系统可连续稳定工作的时间为 6 个月 , 6 个月 后需要检查压力传感器的零点漂移 . 实验表明系统 本系统利用氮气气管将环境恶劣的水下信号 运行稳定可靠 ,水位数据精确 ,可用于河流水位 、潮 传递到岸上来检测 ,根据运动波预先滤波技术解决 了各种波浪干扰信号的问题 ,技术先进 、操作简单 、 汐及地下水位的观测 ,已经开始逐渐在全国范围内 维护费用低 . 由表 1 可以看出 ,水位测量误差在 ?推广使用 . 参 考 文 献 : [ 1 ] 徐芝纶. 弹性力学 [M ]. 北京 : 高等教育出版社 , 1987. ( ) 朱长年 ,唐镇松 ,刘 云. 水文自动测报技术的回顾与展望 [ J ]. 水文 , 2001 , 21 2 : 63 ,65.[ 1 ] ( ) 王 萍 ,詹 彤 ,徐晓辉. 用电话线实现水情远程测报系统的设计 [ J ]. 微计算机信息 , 2002 , 18 3 : 33 ,34.[ 2 ] [ 3 ] 范逸之 ,陈立元. V isual B asic与 R S - 232 串行通信控制最新版 [M ]. 北京 :中国青年出版社 , 2002. ( ) 罗筱延 ,李应中. 高精度气泡水位计误差分析及综合性能评价 [ J ]. 东北水利水电 , 2002 , 20 8 : 30 ,31.[ 4 ] ()审稿 :刘 泊教授 ,杨明极副教授 ;编辑 :王 萍