您的位置:主页 > 成功案例 > 斯伦贝谢技术文献共享 >

成功案例>>

Petrel 训练和估计模块 (Train & Estimation) – 第一部分 (井数据的利用)

Yang Shucai 2015年九月,Petrel 2015版本

多年来人工神经网络技术在储层预测,油气藏描述中起着重要的作用。其基本算法概念是模拟人类大脑对朴捉到的多现象,多信号进行快速识别(训练的过程)以实现模糊分类和估计,比如对多种物体相似颜色,相似形状的区分等。单一的地震属性对储层岩性和物性的反映往往有偏差,多属性参数分析能减少这种偏差。PETREL软件中的训练和估计(Train & Estimation)模块就是应用人工神经网络技术分别对以测井曲线,层面地震属性,地震体为输入的系统进行模糊聚类和预测估算, 为地学人员提供方便的解释工具。下面我以测井曲线为输入数据分别介绍一下估计和分类的主要应用。

(一) 某井缺失某测井曲线,但邻井具备该曲线

看下面例子,Agate-H6井有声波DT,密度RHOB和孔隙度曲线PHIT,但Copper-6井只有DT和RHOB没有PHIT曲线。我们可以利用Agate-H6井的三条曲线找出DT, RHOB和PHIT的关系,然后把该关系作用于Copper-6井来估算出PHIT曲线。这个问题要用Estimation来求取。

1. 在Petrel主窗口顶部的STRATIGRAPHY选项中,点Neural net图标,

得到以下界面,依次按红线位置设置选项

得按APPLY后,Petrel INPUT版面下会产生以下内容

2. 点Logs from Neural net选项

将上一步生成的Neural net 1通过蓝箭头放入,见下图

点Wells选项,勾Copper-6井,按APPLY,新曲线名PHIT [Neural net 1]既生成。见下图。

将其显示到WELL Section窗口中进行观察质控。注意该方法也可以计算多井的缺失曲线。

(二)利用多条或单条测井曲线进行岩相分类

有很多方法用单条或多条测井曲线进行地层岩相的划分,比如简单的门槛截值法(CUTOFF),基于模型的复杂反演算法等。Petrel除了使用简单的截值法外,还可应用模糊聚类选(Classification)来实现快速的岩相分类

1. 点Neural net 选项,按下图设置,注意要用Classification选项。利用GR和PHIT两条曲线进行分类以划分岩相。因为是分类,算法自动将其设为非监控方式(unsupervised), 至于分几类由解释员自己定。此列我们设定分3类岩相。

按APPLY计算后得到以下神经网络模型

可以看到结果有三个类别生成,Code0,Code1,和Code2分别代表不同岩相。

2. 点 Make Logs from Neural net图标,并按下图设置。

APPLY后将生成离散曲线,你可以认为它是岩相曲线,见下图的中间轨道。

利用该技术计算的岩相曲线要比常用的在Log Calculator设置门槛值(CUTOFF)在方法上科学,在实现上操作简单,尤其是涉及多曲线时。另外,也可以选多井计算。

地址:北京市朝阳区酒仙桥路14号兆维华灯大厦

邮编:100015 传真:010-64309502

Copyright © 2002-2015 斯伦贝谢科技服务(北京)有限公司  京ICP备 06043577 号

技术支持:北京天润飞华科技有限公司