应用最优化算法实现测井快速自动解释--中国期刊网

字体：大中小

首页> 原创作品> 正文

应用最优化算法实现测井快速自动解释

发表时间：2021/4/14 来源：《中国科技信息》2021年4月作者：林松

[导读] 由于储层岩性矿物类型的复杂性，采用传统的测井解释方法，很难反映真是的地层特征，且解释结果受到人为因素影响大，更加干扰了解释结果。本文采用最优化测井解释方法，以岩石体积物理模型为基础，采用最小二乘方法计算各种矿物的含量和孔隙度。并于常规CRA解释结果进行对比，验证了最优化算法在测井解释中的准确性和可靠性。

中石化胜利油田分公司油藏动态监测中心孤东监测项目部林松

摘要：由于储层岩性矿物类型的复杂性，采用传统的测井解释方法，很难反映真是的地层特征，且解释结果受到人为因素影响大，更加干扰了解释结果。本文采用最优化测井解释方法，以岩石体积物理模型为基础，采用最小二乘方法计算各种矿物的含量和孔隙度。并于常规CRA解释结果进行对比，验证了最优化算法在测井解释中的准确性和可靠性。
关键字：最优化算法；测井；自动解释
        在复杂岩性地区，由于岩石矿物类型的复杂性，采用常规的复杂岩性处理方法得出的结论很难反映实际储层特征，再加上处理过程中，需要解释人员输入大量的参数，而这些参数都是通过数理统计获取的经验参数，人为因素很大，往往获取的结论因人而异。
        最优化测井解释突破了传统的测井解释模式和逻辑概念，不是直接利用有限的测井资料和响应方程去计算储层参数，而是根据广义的地球物理反演理论，综合利用各种测井信息，运用最优化数学方法，求解反映地质原貌的地质参数，为评价复杂岩性油气藏开辟了一条新的有效途径。
        1、最优化方法原理
用最优化方法进行测井解释是根据地球物理学中的广义反演理论，以现场测量的测井曲线为基础，以储层参数和矿物相对体积为自变量，建立各种测井响应方程，通过选择合理的参数，反算出相应的理论测井值，并与实际测量的测井值相比较，应用最优化技术不断调整储层参数，使计算的理论值不断逼近实际测井值，使目标函数值达到最小值，则认为此时所采用的储层参数和矿物相对体积能充分反映地层原貌，即最优化解释结果。
        2、建立最优化解释数学模型的思路

式中：A为实际测井值向量；x为岩石矿物体积向量；z为岩石矿物测井响应参数向量。
4、自动解释软件实现
        基于Matlab数值分析软件平台，进行测井自动解释软件的开发。外部数据格式采用测井最常用的数据格式wis文件，在Matlab平台上进行wis文件的解编和输入输出功能实现。调用Matlab高等数值分析函数库，实现最优化测井方法计算，提供灵活的测井输入曲线定义和不同矿物参数的输入接口。用户可以自由设置参与计算的测井曲线条数和选择测井曲线，同时设置储层矿物组合类型和数量。最终计算的结果输出到wis文件中去。
        5、资料处理与实际应用效果
        选取A区块的井作为解释对象，该区块岩石矿物类型以砂泥岩为主，含灰质成份。从常规曲线中选取GR、AC、DEN、CNL、PE曲线作为输入曲线，岩石体积模型主要为：泥质、石英、白云石、方解石和孔隙，并得到不同矿物的测井响应值。用自动解释软件进行处理，最终解释结果见图1：

        第7道为CRA解释结果，第8道为最小二乘法最优化解释结果，从处理结果上看最优化得到的矿物以砂泥岩为主，含少量的石灰岩。自然伽马数值在50API左右，三孔隙曲线数值分布范围都说明了该储层段以砂泥岩为主，对比CRA处理程序来看，最优化算法更加符合储层实际情况。
        6、结论
        （1）采用最优化算法计算的结果不是一个固定值，每次运行都略微有所差异，不能作为最终的解释成果，但是作为一种解释的参考手段是非常有用的。（2）测井曲线在解释前最好能够进行环境校正，校正后的测井曲线更能反映地层的原貌，处理的成果更加准确。（3）针对复杂岩性地层，最好能够结合多种处理模块相互验证，使解释结果更加符合地层实际情况。
参考文献
[1]大数据时代的现代测井解释技术[J]. 王栋.化工设计通讯.2018(11)