• / 6
  • 下载费用:5 下载币  

基于神经网络和GIS的储层裂缝预测与可视化

关 键 词:
物探 地震资料解释 地震处理 反演
资源描述:
第47卷第3期 2011年5月 地质与勘探 7 011 基于神经网络和子勇, 王春晓, 曾联波 (油气资源与探测国家重点实验室,中国石油大学(北京)地球科学学院,北京 102200) [摘要]低渗透储层裂缝预测与可视化是油气勘探开发工作中的一个重要课题。以鄂尔多斯盆 地杏河区长6—1油层组为研究对象,根据已有的分形维、砂地比、破裂率等数据,构建过 试验设计出最优的网格拓扑结构和训练函数,对研究区的裂缝分布情况进行预测。然后以,通过二次开发以及C—果表明,基于叫法方便快捷,加上其强大的二次开发能力,可以把专业算法无缝地集成到[关键词]裂缝预测神经网络中图分类号]文献标识码]A[文章编号]0495—5331(2011)03—492of NN 】.011。47(3):4920 引言 低渗透储层裂缝发育及其分布规律的研究对于 油气开发有重要的意义。由于裂缝成因类型不同 (曾联波等,2007),对裂缝进行定量预测也变得非 常复杂。为了提高预测的精度,发展了许多方法研 究,常用的可归为地质方法(张林炎等,2006;周新 桂等,2006;万平年等,2010)、地球物理方法 (et 2004;et 2006),实验 方法(et 1997)和数值模拟方法(et 2008;彭红利等,2005)等几大类,每一 类方法又细分出许多不同的具体方法。每一种方法 都有其合理性和有效性,但利用单一方法开展裂缝 定量分布预测也存在不足:首先这些方法多应用在 单井裂缝描述和裂缝分布规律定量预测方面,其次 由于每一种方法只依据某一变量进行预测,其分析 结果不可避免具有一定的局限性。因此,越来越多 的研究者尝试多种方法的综合预测(龚洪林等, 2008;et 2009;et 2009),以期克 服单一方法的不足,增强预测效果。 从原理上讲,裂缝综合预测的方法可以分为两类。 第一类是基于预测方法的“强强叠加”方式。即把每一 种方法的预测结果进行叠加,从而找到最有利的裂缝 发育地区,这类方法的实质就是多源信息融合。根据 多源信息融合理论,融合方法可以分为原始级、特征级 和决策级三个层次。在裂缝综合预测中,目前用得较 多的是原始级融合(龚洪林等,2008;et a/.,2009), 也有少数文献讨论基于特征级的融合进行裂缝预测 (鲁红英等,2007),基于决策级的融合目前研究较少。 第二类是基于数据驱动的方式,即把每一种方法所对 应的地质量或地球物理量作为一个特征量,并构成特 征向量集,并根据特征向量数据集对数据进行分析、分 类判别,其实质是空间数据挖掘。 第一类方法的基础是演绎法,是对假设的验证, 需要对每一种具体方法的原理有清晰的了解。但由 于地质现象的复杂性及反演问题的多解性,常常难 以达到目的,而且对现有地质规律以外的内容无法 给出合理的解释。第二类方法则属于归纳法,是从 数据中寻找规律,即从不精确的、模糊的实际数据中 挖掘出一些先前未知的、但又潜在有用、可以理解的 知识,即空间数据挖掘。对于空间数据挖掘,目前主 (收稿日期]2010—07—31;[修订日期]2011—01—17;[责任编辑]郝情情。 [基金项目]中国石油天然气股份有限公司科技风险创新研究项目(编号07—06D—O】一08)资助。 [第一作者]周子勇(1965年一),男,2000年毕业于俄罗斯圣彼得堡矿业学院,获博士学位,副教授,主要研究方向:空间数据挖掘与知识发 现、遥感与—492 第3期 周子勇等:基于神经网络和有空间数据分类与聚类,空间关联规则挖掘以及 空间异常模式的挖掘。由于空间数据挖掘能够得到 一些新的认识,因此已成为很多学科研究的热点问 题。在裂缝定量分布与预测研究中,目前基本用的 是第一类方法,即基于已知的地质规律开展裂缝预 测研究。而基于空问数据挖掘的研究方法比较少, 只是少数文献探讨了基于神经网络的裂缝预测与分 类方法(et 2005;申辉林等,2006)。 空问数据挖掘方法有很多,如基于k— 于最大似然、神经网络方法、决策 树等的数据分类方法,基于(et 2006)。而在数据分类方法中,人工神 经网络方法作为一种非参数分类方法得到了广泛的应 用,但在应用过程中对于网络类型、网络拓扑结构、训 练方法等参数的选择是一个关键问题。尽管人工神经 网络方法有很多,但目前用得最多(80%以上)、实践证 明最有效的方法是反向传播神经网络,即 此本文以讨了网络拓扑结 构等参数的选取原则,并以杏河区为例开展储层裂缝 预测,然后通过合C—工具进行三维可视化。 1 研究区域与数据来源 1.1研究区地质背景 本研究选取具有一定研究基础的鄂尔多斯 地 含河区低渗透砂岩储层为对象。该区主要目的层为 上三叠统延下而上划分为5个段,与之对应 的有10个油层组,自下而上分别为长1至长10油 层组,岩性以细砂岩和砂岩为主,夹泥岩。本研究选 择长6—1层作为实验对象,实验数据为裂缝分形维 数据、砂地比和破裂率数据3类,其中分形维基于测 井资料计算得到。研究表明,储层中裂缝发育程度 可以通过分形维进行描述,而且分形维越大,裂缝越 发育(et 1998;苏玉平等,2006)。砂 地比对沉积微相具有较为敏感的反映,而沉积相埘 于裂缝的分布有控制作用(林承焰等,2008)。本研 究区河口坝和砂质滩坝沉积微相发育区,砂地比普 遍在0.4以上,远砂坝发育区,砂地比在0.3左右, 在滨浅湖混合滩发育区,砂地比在0.2左右,在滨浅 湖泥滩发育区,砂地比普遍小于0.1。破裂率指的 是张应力或剪应力与抗张强度或抗剪强度的比值, 破裂率愈大,岩石破裂愈强烈,因此破裂率大小基本 上可定量反映裂缝发育的密集程度。 1.2数据预处理 数据预处理流程基本是在要包括以下几个内容: 1)基于2)坐标转换与统一。小同特征数据坐标不一 致,有些特征数据来自于其它软件的计算结果,常常 用的是计算机的世界坐标而非地理坐标,为此需要统 一转换为地理坐标,便于在3)重复数据处理。部分数据在同一坐标点有两 个或多个实测值,以其平均值为作为该坐标点的值; 4)缺失数据的处理。部分坐标点无实测数据, 根据克里金插值方法求得; 5)数据的归一化。 数据归一化是指将属性数据按比例缩放,使之落 入一个特定的小区问。在常需 要将网络输入数据的取值范围限制在[0,1]或[一1,1] 区间内。进行数据归一化主要原因有两个:一是待挖 掘的原始输入数据常常具有不同的物理意义和不同的 量纲;二是,通过数据归一化可以避免净输入的绝对值过大导 致神经元输出进入饱和区,从而使得网络权值的调整 进入误差曲面的平坦区,延缓训练进程。 本论文采用式(1)把分形维数据和破裂率数据 归一化到0~1之间。 杀 ㈩ 蠢 ) 式中, 表示标准化后的值, 表示原始属性 值, i 、 。 分别表示原始属性值的最小和最大值。 (6)输出数据编码 对于离散类型数据,可以通过用0和1对其进 行编码来表示,或在指定的连续区间为它们赋一个 值。本文中输出量为分类等级,为离散型数据,因此 用0和1编码来表示,如表1所示。 表1分类等级与对应输出量 类等级 输出蛮靖 一级(极不发育) 二级(较发育) 二级(发育) 四级(很发育) 493 O 0 0 O 0 1 0 0 O O 1 0 O O 地质与勘探 2011年 2人工神经网络模型的设计 2.1输入输出数据的选择 输入数据为归一化的裂缝分形维数、砂地比及 破裂率。从岩芯资料数据中得到了15个井点的裂 缝密度值数据,裂缝的密度值分布在0~0.39之问, 分布不均匀。多次实验结果表明,由于已知数据点 较少,若对应输出为裂缝密度值,预测精度较低,因 此本文采用分类的方法,即输出量为裂缝发育的等 级,分成4类(极不发育,较发育,发育,很发育)或2 类(不发育和发育)。这样神经网络模型中输入层 的神经元个数为3,输出层的神经元个数为4个或 是2个,结构如图1和图2所示。 f f f 分形数据砂地比破裂率 图1输出为四类的神经网络结构 NN of 发育 发育 分形数据砂地比破裂率 图2输出为两类的神经网络结构 NN of .2隐含层的设置及训练函数选择 1)隐含层的设置 含层设计包括两个内容:隐含层的数目及各隐含层 中神经元的个数。于一个 494 3层的可以收敛到任意小的精度值,因 此实际工作中,样 在隐含层设计中主要是隐含层中神经元个数的确 定。隐含层神经元个数太少,网络不能从样本中获 得足够的信息反映样本规律,反之,又可能把样本中 的噪音数据记牢,出现“过饱和”问题。尽管不同文 献给出了一些确定隐含层神经元个数的经验方法 (et 2003),但实际工作中还应该根据经 验公式对实际数据进行试验。 本实验中输入神经元个数为3,输出神经元个 数为2或是4,综合以上各参数设置隐含层神经元 个数分别为5、7、9进行实验。 2)训练函数选择 神经网络的设计在递函数 分别设置为练函数为练目标误差为 0.001,隐含层神经元个数分别为5、7、9进行实验, 对比不同组合条件的仿真效果。结果表明,对于输 出结果为4个等级时,隐含层神经元个数为7,训练 函数为以收敛到所要求的 误差精度,而且输出结 果为2个等级时,训练函数为经元个数为 7或9时,网络可以收敛并达到给定精度。为此选 用了输出为4类,隐含层神经元为7个,训练函数选 用递函数选用建3 基于序设计的基本思想是以裂缝的密度值为基 础,在建储层裂缝的 可视化表达模块,把裂缝的发育程度用不同疏密程 度的线段进行表示,达到裂缝直观表示的目的。采 用.2、发语言 为程图如图3所示。其步骤如下: 1)网格化。本方案是在每一网格根据裂缝发 育程度用不同数量随机分布的线段进行表示,因此 首先要对给定数据进行网格化。网格大小的选择应 该与井位的分布相适应,研究区域内相邻井位之间 的距离在200m~800实验把研究区域分 成了40格大小为300网格化方法为普通克里金方法; 2)裂缝密度值转换。分两种情况,一是发育程 度的离散表示,按极不发育、较发育、发育和很发育 4个等级,每一等级对应的网格线段数为0,1,3,6。 第3期 周子勇等:基于神经网络和3基于 IS—D f 于连续的裂缝密度值,可以按照大小分成不同的 区问,每个区间对应不同的线条数目。转换公式如 下: (2) 式中Ⅳ表示最大线条数目,P 表示第,p ,P 分别表示研究区中最大和最小密度值, 表示取整数,n 表示第3)基于的二次开发与可视化。主 要是根据每一网格的裂缝密度值或发育程度计算出 线段数目,并根据裂缝的方位进行二维和三维显示。 由于本实验中井点的裂缝方位数据不是太多,所以 主要按照裂缝的优选方位设定裂缝的展布方向,但 每一条线段可在一个误差允许的小范围内随机变 动。图4显示的是裂缝的二维分布情况。 裂缝的三维显示则是在C—。析及可视化软件,不需要编程,易于操作,而且 ,从而可以结合示。图5为裂缝的三维可视化示意图。 图4裂缝发育程度的二维显示 2D of of 5基于C— D of 95 Y A 地质与勘探 20结论及探讨 本文通过神经网格方法对裂缝数据进行综合预 测,并以化设计。得到以下几点认识: 1)由于、加具有通过足够多、加具有足够代表性的样本数 据对网络进行训练,能够得到一个比较理想的预测 模型,因此利用人工神经网络对裂缝预测结果进行 综合,是一种比较可靠的方法,但设计需要根据实际数据进行多次试验,因而方法 的普适性较差;另外训练样本需要满足一定的要求。 本文中因条件限制,无法获得更多的训练样本,预测 精度不可避免地要降低; 2)基于优势。首先析提供了强有力的手段和可靠的方法;其次户能够根据自身 的需求进行简单的开发完成任务,周期短,效率高, 难度小,还能方便灵活的运用数据的管理及统计分析、空间分析;最后,以与而可以充分发挥两个软件 的优势,使裂缝三维显示更加直观,可视化效果更 好; 3)本论文只针对一个小层做了初步的研究,在 算法不断完善和系统集成的基础上可以对多区域、 多层位进行研究分析,并结合多地质要素的三维可视化。 [..2003.of ].6:607,, N,.2006.of in A].121/5—8/ 2006),,.199g ]. 1:119—139 E A B、,.2009.wa es in ].il 5一009.18895 i i 008.of of 96 [J].as 8(6):31—34( W, 2006,M](2nd 1—27 A.. R.1997.of in ]. 2(2):101—108 i—2008.to of of ].2(4):2—6(i—007.to ].27(7):49—51(, S.2005.a in ].9:193—21 1 , K.2008.of by J].0:86—104 u,005.on UI~in s ].as 6 (3):343—346( T, W, C.2009.p— to in a ].—1 1 009,o.121953 J. H.2004.An -d 0(4):14 一ui—006.P ].(4):39n u u 2006.of n in of ].6(4):563—568(i 010.of a of ].6 (4):0711—0715(r an—i 007.of ic in J]8(4):52in—in—in—006.of of in in ].2(14): 476—484(第3期 周子勇等:基于神经网络和in—006.of in ],2(6):777—782([附中文参考文献] 林承焰,梁昌国,任丽华,朱永峰.2008.碎屑岩潜山沉积相及其与 裂缝发育的关系[J].中国石油大学学报:自然科学版,32(4): 2—6 苏玉平,吕延防,付晓飞,付广,梁玉杰.2006.分形理论在贝尔 凹陷基岩潜山裂缝预测中的应用[J].吉林大学学报:地球科学 版,36(4):563—568 申辉林,高松洋.2006.基于].新 疆石油天然气,2(4):39—43 鲁红英,肖思和,邓林.2007.信息融合技术在裂缝密度综合预测 中的应用[J].天然气工业,27(7):49—51 龚洪林,潘建国,王宏斌,李闯,李录明.2008.塔中碳酸盐岩裂 缝综合预测技术及应用[J].天然气工业,28(6):31—34 彭红利,熊钰,孙良田,姚广聚.2005.主曲率法在碳酸盐岩气藏 储层构造裂缝预测中的应用研究[J].天然气地球科学,3):343—346 万永平,李园园,梁晓.2010.基于流体包裹体的储层微裂缝研 究一以陕北斜坡上古生界为例[J].地质与勘探,46(4):711— 715. 周新桂,张林炎,范昆.2006.油气盆地低渗透储层裂缝预测研究 现状及进展[J].地质论评,52(6):777—782 张林炎,范昆,刘进东,周新桂,王春宇,袁杨森.2006.鄂尔多 斯盆地镇原一泾川地区三叠系延长组构造裂缝分布定量预测 [J].地质力学学报,12(14):476—484 曾联波,漆家福,王永秀.2007.低渗透储层构造裂缝的成因类型及 其形成地质条件[J].石油学报,28(4):52—56 NN e 02200 of in is an in -1 as an a on an to —D&3D of he IS~in in of IS,97
展开阅读全文
  石油文库所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
0条评论

还可以输入200字符

暂无评论,赶快抢占沙发吧。

关于本文
本文标题:基于神经网络和GIS的储层裂缝预测与可视化
链接地址:http://www.oilwenku.com/p-11001.html
关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们
copyright@ 2016-2020 石油文库网站版权所有
经营许可证编号:川B2-20120048,ICP备案号:蜀ICP备11026253号-10号
收起
展开