基于相带划分的孔隙度预测

孔隙度是油藏储层特性评价的重要指标,储层岩石组成成分不同,其孔隙结构也相应存在差异.研究沉积相对孔隙度影响这一重要因素,提出一种基于相带划分的孔隙度预测方法,首先利用阻抗数据、采用k-means聚类方法进行沉积相估计,获得储层的相带空间展布特征,然后对不同相带使用岭回归的方法对孔隙度进行预测.与其他方法相比,该方法较好地解决了因岩石物理特性意义不明确而造成的预测中的多解性问题,提高了预测准确度.使用实际区块油藏数据对该方法进行了实验验证,实验结果表明,该方法可以有效融合地质信息,预测稳定性高,受人为因素影响小,预测的符合度明显高于支持向量回归等其他方法.

多阈值BIRCH聚类在相控孔隙度预测中的应用

岩相及孔隙度预测在油气勘探中非常重要,为此,提出一种基于多阈值BIRCH(Balanced Iterative Reducing and Clustering Using Hierarchies)聚类的岩相预测方法,并以此为基础利用岭回归算法预测孔隙度。首先,根据地震波阻抗数据分布规律启发式设定初始阈值,根据簇之间体积的不一致性,动态增加阈值,使用Agglomerative算法进行全局聚类以划分岩相;然后,以井点处孔隙度和地震波阻抗数据为输入,在同一岩相内采用改进的岭回归方法预测孔隙度。模型实验表明,多阈值BIRCH聚类方法具有良好的稳定性和较高的计算效率,岩相划分准确。实际数据结果表明,该方法能够准确预测孔隙度。