如何从众多测井数据和地震数据中挖掘出关键信息,最终形成对石油储层准确的认识,是石油勘探管理中的关键问题。地层下的数据和信息有两类一类是硬计算擅长处理的精确和确定的数据和信息;另一类是软计算擅长处理的不精确和不确定的数据和信息。因此单独运用软计算或硬计算都不足以对石油储层进行准确识别。所以,本研究融合软计算和硬计算,基于数据-信息-知识的过程,对石油储层进行识别。研究的主要内容是以江汉油田为储层识别的目标区域,收集相关测井数据以及地震数据,将软计算和硬计算相融合,进行储层的纵向预测,得到储层岩性、含油性等相关信息;在此基础上利用地震数据从各已知井出发,对储层进行横向预测,得到地层下远离井眼的储层特征信息;最后建立一套软硬计算融合的分析自动化,识别智能化的石油储层识别系统。其成果可以直接减少石油勘探过程中的主观性,降低勘探风险,有助于制定更加合理的开发方案。
Soft Computing;Hard computing;Oil eservoir identification;Logging data;
石油产量年增长率低,供需矛盾加大。2011年石油产量为20400万吨,石油消费量为44500万吨,石油对外依存度为54.15%;2012年石油产量为20700万吨,石油消费量为49100万吨,石油对外依存度为57.84%。以上数据显示我国国民经济发展速度快,而石油产量的年增长率相对滞后,供需矛盾进一步凸显。我国石油产量的年增长率低的主要原因有三点一是现有油田大部分进入开采的中后期(低孔隙度、低渗透、高含水阶段),二是暂时没有发现新的大油田,三是石油勘探管理面临的对象越来越复杂。随着石油勘探领域不断地向深层和储集条件复杂的区域进军,原有的勘探技术水平显得比较被动。一方面,复杂石油储层具有非均匀性、非线性及不确定性的响应特征;另一方面,石油储层管理中涉及测井、地震等海量数据,信息量大,来源多样。对石油储层进行精确识别是稳定石油产量和增储上产的一种重要途径。石油储层就像一块海绵体吸附着石油并蕴藏在地底下,对它认识越充分就越有利于在后期滚动勘探开发中更充分地汲取和利用它。由于地层下面的数据和信息有两类一类是硬计算擅长处理的精确和确定的数据和信息;另一类是软计算擅长处理的不精确和不确定的数据和信息。本研究基于从数据-信息-认识的链条,运用软计算(人工神经网络、模糊系统、遗传算法、模拟退火、支持向量机等)与硬计算(多目标规划、回归分析、因子分析、判别分析和k均值聚类等)相融合的方法,对石油储层识别中的测井数据进行特征选择从而得到约简的数据集,接着模拟专家经验,把经验表达成If-then规则,对石油储层进行含油性识别(哪个层位是油层,水层,干层和差油层),最后对石油开采进行优化及综合效益评价。其成果可以直接减少石油勘探过程中的主观性,降低勘探风险,有助于制定更加合理的油田开发方案。