一种测井曲线自动标准化处理方法及系统与流程

1.本发明涉及油气开发与勘探领域，具体地说，是涉及一种测井曲线自动标准化处理方法及系统。


背景技术：

2.由于地层的孔隙度、渗透率等等更重要的岩石物理参数均来自于测井资料解释。但测井数据在采集工程中因会受到环境因素、仪器种类、操作人员熟练程度等影响，往往存在较大的系统性误差，这将导致采集的测井数据与同深度井段的实际地层性质可能存在偏差，影响了对储层性质的判断。因此，在同一油田区域内，对多口井的测井数据进行标准化是不可或缺的流程。
3.测井曲线标准化基于在相同沉积环境下，相同深度井段的岩性地层一般具有相似测井响应特征的原理。目前，现有技术中的曲线标准化方法大致分为单井对比法和多井评价法，单井对比法，主要依靠人工对交会图等信息的分析判断，这种方法效率十分低下，严重拖延了后续测井解释的实施时间；而多井对比法同样是依靠人工方式，与标准井进行一一对比，求取每一口井的线性校正量，在待校正井数量校多的情况下效率会非常低下，且难以保证统一校正尺度标准，存在较大问题。


技术实现要素：

4.为了解决上述技术问题，本发明提供了一种测井曲线自动标准化处理方法，所述方法包括：确定油田区域内的参考井，并结合所述区域内所有待处理井和所述参考井的全井段地质资料，选取用于代表所有待处理井进行测井曲线标准化处理的标准层；对各待处理井的标准层的测井数据进行重采样；构建用于对待处理井进行线性校正所需的校正系数的目标函数；根据所述参考井的标准层的测井数据、以及经重采样后所述各待处理井的标准层的测井数据，利用遗传算法对所述目标函数进行求解；利用求解结果，由所述各待处理井的原始全井测井曲线得到相应的校正后的全井测井曲线。
5.优选地，所述目标函数利用如下表达式表示：
[0006][0007]
其中，obj表示所述目标函数，log
sta
表示所述参考井的标准层的测井数据，log
corr
表示校正后的待处理井的标准层的测井数据，n表示标准层测井数据内采样点的总数，m表示标准层的数量，所述校正后的待处理井的标准层的测井数据利用如下表达式表示：
[0008][0009]
其中，log
raw
表示待处理井的标准层的原始测井曲线，a、b分别表示当前线性校正所需的第一校正系数和第二校正系数。
[0010]
优选地，在根据所述参考井的标准层的测井数据、以及经重采样后所述各待处理井的标准层的测井数据，利用遗传算法对所述目标函数进行求解步骤中，包括：分别设定每个待求解量的变化范围；针对所述每个待求解量随机生成多个个体组成的群体；计算每个群体的目标函数，并根据所述参考井的标准层的测井数据、以及经重采样后相应待处理井的标准层的测井数据，评估种群个体的适应度；依次进行选择、交叉、变异操作对所述每个群体进行进化，并判断新一代群体的最优解是否满足停止条件；输出最优个体为反演的所述第一校正系数和所述第二校正系数。
[0011]
优选地，在对各待处理井的标准层的测井数据进行重采样步骤中，包括：采用临近点插值方法，对各待处理井标准层的测井数据进行重采样，使得重采样后的标准层的测井数据与所述参考井的标准层的测井数据所包含的采样点个数相同。
[0012]
优选地，在进行所述标准层选取过程中，进一步，参考各待处理井和所述参考井的全井段地层渗透性资料，选取岩性稳定且具有非渗透性的标准地层深度井段，其中，所述标准地层深度井段为所述区域内所有井都包含的井段。
[0013]
优选地，进一步，设定所述第一校正系数的上下边界为[1.3，1]、所述第二校正系数的上下边界为[0.7，-0.5]；初始群体的数量优选为100；交叉概率优选为0.7，变异概率优选为0.01。
[0014]
另一方面，本发明还提出了一种测井曲线自动标准化处理系统，所述方法系统包括：参考井及标准层选取模块，其确定油田区域内的参考井，并结合所述区域内所有待处理井和所述参考井的全井段地质资料，选取用于代表所有待处理井进行测井曲线标准化处理的标准层；重采样模块，其对各待处理井的标准层的测井数据进行重采样；目标函数构建模块，其构建用于对待处理井进行线性校正所需的校正系数的目标函数；校正系数生成模块，其根据所述参考井的标准层的测井数据、以及经重采样后所述各待处理井的标准层的测井数据，利用遗传算法对所述目标函数进行求解；全井曲线校正模块，其利用求解结果，由所述各待处理井的原始全井测井曲线得到相应的校正后的全井测井曲线。
[0015]
优选地，所述目标函数利用如下表达式表示：
[0016][0017]
其中，obj表示所述目标函数，log
sta
表示所述参考井的标准层的测井数据，log
corr
表示校正后的待处理井的标准层的测井数据，n表示标准层测井数据内采样点的总数，m表示标准层的数量，所述校正后的待处理井的标准层的测井数据利用如下表达式表示：
[0018][0019]
其中，log
raw
表示待处理井的标准层的原始测井曲线，a、b分别表示当前线性校正所需的第一校正系数和第二校正系数。
[0020]
优选地，所述校正系数生成模块包括：变化范围确定单元，其分别设定每个待求解量的变化范围；群体初始化单元，其针对所述每个待求解量随机生成多个个体组成的群体；适应度评估单元，其计算每个群体的目标函数，并根据所述参考井的标准层的测井数据、以及经重采样后相应待处理井的标准层的测井数据，评估种群个体的适应度；最优解求解单
元，其依次进行选择、交叉、变异操作对所述每个群体进行进化，并判断新一代群体的最优解是否满足停止条件；校正系数输出单元，其输出最优个体为反演的所述第一校正系数和所述第二校正系数。
[0021]
优选地，所述重采样模块，其进一步采用临近点插值方法，对各待处理井标准层的测井数据进行重采样，使得重采样后的标准层的测井数据与所述参考井的标准层的测井数据所包含的采样点个数相同。
[0022]
与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：
[0023]
本发明提出了一种测井曲线自动标准化处理方法及系统。该方法及系统，首先需要进行包括选取同一油田区域内的参考井、标准层、以及对各待处理井标准层的测井数据进行重采样在内的校正前的预处理工作；而后，利用遗传智能算法确定出每口待处理井在进行校正时所需的两个线性校正系数；最后，基于各待处理井的全井段测井曲线，并根据这些线性校正系数，得到相应的校正后的全井段测井曲线。本发明大幅提升了测井曲线初始标准化的效率，消除测井曲线的系统性误差，从而提高测井数据质量，为进一步提高测井解释效率与精度打下基础，计算机软件可以快速的在10秒以内完成测井曲线的批量自动标准化处理，解决了传统测井曲线方法常因系统误差使得校正处理结果的误差较大，且效率低下的问题。
[0024]
本发明的其他优点、目标，和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书，权利要求书，以及附图中所特别指出的结构来实现和获得。
附图说明
[0025]
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例共同用于解释本发明，并不构成对本发明的限制。在附图中：
[0026]
图1为本技术实施例的测井曲线自动标准化处理方法的步骤图。
[0027]
图2为本技术实施例的测井曲线自动标准化处理方法中某区域内的参考井与待处理井标准层的测井曲线的示意图。
[0028]
图3为本技术实施例的测井曲线自动标准化处理方法中目标函数求解步骤的流程图。
[0029]
图4为本技术实施例的测井曲线自动标准化处理方法中的对某待处理井进行全井测井曲线校正后的效果示意图。
[0030]
图5为本技术实施例的测井曲线自动标准化处理系统的系统框图。
具体实施方式
[0031]
以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。
[0032]
另外，附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0033]
由于地层的孔隙度、渗透率等等更重要的岩石物理参数均来自于测井资料解释。但测井数据在采集工程中因会受到环境因素、仪器种类、操作人员熟练程度等影响，往往存在较大的系统性误差，这将导致采集的测井数据与同深度井段的实际地层性质可能存在偏差，影响了对储层性质的判断。因此，在同一油田区域内，对多口井的测井数据进行标准化是不可或缺的流程。
[0034]
测井曲线标准化基于在相同沉积环境下，相同深度井段的岩性地层一般具有相似测井响应特征的原理。目前，现有技术中的曲线标准化方法大致分为单井对比法和多井评价法，单井对比法，主要依靠人工对交会图等信息的分析判断，这种方法效率十分低下，严重拖延了后续测井解释的实施时间；而多井对比法同样是依靠人工方式，与标准井进行一一对比，求取每一口井的线性校正量，在待校正井数量校多的情况下效率会非常低下，且难以保证统一校正尺度标准，存在较大问题。
[0035]
遗传智能算法是基于达尔文进化论，模拟自然物竞天择，适者生存，通过n代的遗传，经过变异、交叉、复制等步骤求得最优解，特别适合用于测井曲线批量自动标准化处理中对目标函数求解过程，能够针对不同地层特性进行求解参数的适应性调整，以消除不同地层类型测井曲线的系统性误差。
[0036]
为了解决上述技术问题，本发明提出了一种测井曲线自动标准化处理方法及系统。该方法及系统先确定了油田区域内的参考井、以及能够代表所有待处理井(待校正井)进行测井曲线标准化处理的标准层；基于参考井的标准层的测井数据，对各待处理井的标准层的测井数据进行重采样；构建用于对待处理井进行线性校正所需的校正系数的目标函数；而后，根据参考井的标准层的测井数据、以及经重采样后的各待处理井的标准层的测井数据，利用遗传算法对上述目标函数进行求解，输出针对每个待处理井在进行线性校正时所需的第一校正系数和第二校正系数；最后，基于各待处理井的原始全井测井曲线，利用求解后的校正系数，分别对各待处理井的全井测井曲线进行校正，得到各个待处理井的校正后的全井测井曲线。
[0037]
这样，本发明通过测井软件平台加以实现，能够利用遗传智能算法快速反演出针对每个待处理井(待校正井)在进行线性校正时所需的两个校正系数，并迅速对各原始全井测井曲线进行批量地自动标准化处理，从而有效的提高测井曲线初始标准化的效率，消除测井曲线的系统性误差，提高测井数据质量，为进一步提高测井解释效率与精度打下基础，达到能够的在10秒以内完成测井曲线的批量自动标准化处理的效果。
[0038]
实施例一
[0039]
图1为本技术实施例的测井曲线自动标准化处理方法的步骤图。参考图1，下面对本发明所述的测井曲线自动标准化处理方法进行详细说明。
[0040]
首先，步骤s110确定油田区域内的参考井，并结合当前油田区域内所有待处理井和参考井的全井段地质资料，从所有待处理井和参考井的全井段深度中，选取用于代表所有待处理井进行测井曲线标准化处理的标准层。在本发明实施例中，同一油田区域指的是在相同地层沉积环境下，地层岩石岩性具有相似测井响应特征的区域。在步骤s110中，首选
需要从同一油田区域内的所有井中，选取出一口参考井。选取参考井的标准是，将当前油田区域内所有井的钻井施工质量和钻井仪器品质进行对比，选取仪器品质与施工质量均为该区域最佳的井作为参考井。此时，当前油田区域内，除参考井之外的历史井，作为需要以参考井的测井数据为标准进行测井曲线标准化处理的待处理井，也称为待校正井，需要对每口待处理井进行针对化的测井曲线标准化处理，解决因仪器质量、施工质量、环境状况等等因素引起的系统性误差(系统性误差为除地层和储层特性之外的因素所引起的测井数据与实际地层特征之间的误差)问题。
[0041]
进一步，在完成参考井的选取后，需要继续对标准层进行筛选。在进行标准层过程中，需要参考当前油田区域内的各个待处理井和参考井的全井段地层渗透性资料，从每口井的全井段深度范围内选取出岩性稳定且具有非渗透性的标准地层深度井段。其中，标准地层深度井段为当前油田区域内所有待处理井和参考井都包含的井段深度范围。更具体地说，在选取曲线校正所涉及的标准层时，该标准层一般岩性稳定、并且具有一定的厚度，同时该标准层一般具有非渗透性，地层不受油、气、水和测井泥浆侵入的影响；更重要的是，当前油田区域内所有井都需包含这一标准层。在本发明实施例中，同一油田区域内选取1或2个标准层。这样，确定出了代表所有待处理井进行测井曲线标准化(测井曲线校正)处理的标准层的深度范围，从而进入到步骤s120中。
[0042]
图2为本技术实施例的测井曲线自动标准化处理方法中某区域内的参考井与待处理井标准层的测井曲线的示意图。如图2所示，实线为参考井标准层的密度测井曲线，虚线为某一待校正井的标准层的密度测井曲线，两口井的标准层深度范围与厚度相类似。
[0043]
步骤s120对当前油田区域内的各个待处理井的标准层内的测井数据分别进行重采样。也就是说，在步骤s120中，需要根据每口待处理井的原始测井数据(原始测井数据指的是在对当前待处理井进行钻井施工时，实际获取到的标准化处理前的实际测井数据)筛选出在标准层深度范围的实际测井数据；而后，根据每口待处理井在标准层深度范围内的实际测井数据，分别对每口待处理井在标准层的测井数据进行重采样。
[0044]
由于每口待处理井的重采样过程均相同，故本发明仅以一口待处理井的重采样过程为例进行说明。具体的，在本发明实施例中，采用临近点插值方法，将当前待处理井在标准层内的测井数据进行重采样，使得重采样后的待校正井的标准层的测井数据的采样点个数保证与参考井在标准层内的采样点个数相同。这样，通过上述步骤s120完成了针对所有待处理井的测井数据重采样处理(校正前的预处理)，从而完成了对测井曲线校正处理(测井曲线标准化处理)之前的预处理过程，继而进入到步骤s130中。
[0045]
步骤s130构建用于对待处理井进行线性校正所需的校正系数的目标函数。在本发明实施例中，在对各个待处理井进行校正时，采用线性校正方法，由此，确定出每口待处理井在进行线性校正时所需的校正系数则尤为关键。进一步，需要根据每口井在标准层内不同的测井数据，适应性的确定出针对该口井的校正系数，从而达到对该口井进行具有针对性的全井段测井曲线校正处理的目的。
[0046]
其中，关于每口待处理井在进行线性校正时所需的校正系数的目标函数，利用如下表达式表示：
[0047][0048]
其中，obj表示目标函数，log
sta
表示参考井在标准层内的测井数据(测井曲线在标准层深度范围内的各个采样点)，log
corr
表示校正后的待处理井在标准层内的测井数据(测井曲线在标准层深度范围内的各个采样点)，n表示标准层深度范围段内测井数据采样点的总个数，m表示标准层的数量。进一步，上述校正后的待处理井的标准层内的测井数据，利用如下表达式表示：
[0049][0050]
其中，log
raw
表示待处理井在标准层的原始测井曲线，a、b分别表示当前待处理井在进行线性校正时所需的第一校正系数和第二校正系数。
[0051]
在完成目标函数的构建后，进入到步骤s140中，以针对目标函数进行求解。步骤s140根据参考井在标准层内的实际测井数据、以及经重采样后各待处理井在标准层内的实际测井数据，利用遗传算法，对上述步骤s130构建的目标函数进行求解，从而针对每个待处理井均能够输出相适应的第一校正系数和第二校正系数。
[0052]
由于每口待处理井的目标函数的求解过程所涉及的原理、步骤及方法都相同，故本方明以一口待处理井的目标函数求解过程为例对步骤s140所涉及的具体过程进行说明。图3为本技术实施例的测井曲线自动标准化处理方法中目标函数求解步骤的流程图。
[0053]
如图3所述，步骤s301需要分别设定每个待求解量的变化范围。也就是说，需要设定出第一校正系数的变化范围、以及第二校正系数的变化范围。而后，步骤s302针对每个待求解量的变化范围，随机生成由多个个体组成的群体，以进行初始化群体处理，而后进入到步骤s303中。步骤s303计算每个群体的目标函数，并根据参考井的标准层内的测井数据、以及经重采样后当前待处理井的标准层内的测井数据，评估种群个体的适应度。步骤s304基于步骤s303的各种群个体的适应度，依次进行选择、交叉、变异操作对每个群体进行进化，并判断新一代群体的最优解是否满足停止条件，直到满足停止条件后进入到步骤s305中。步骤s305输出最优个体为反演的第一校正系数和第二校正系数，从而针对得到了针对当前待处理井在其进行线性校正时所需的第一校正系数和第二校正系数。
[0054]
在一个实施例中，步骤(1)设定待求解含量的变化范围，例如：分别设定自变量第一校正系数的上下边界为[1.3，1]、以及自变量第二校正系数的上下边界为[0.7，-0.5]；步骤(2)随机生成由多个个体组成的群体，初始群体的数量优选为100；步骤(3)根据参考井的标准层的测井数据、以及经重采样后当前待处理井的标准层的测井数据，计算每个群体的适应度函数(目标函数)；步骤(4)基于步骤(3)的适应度结果，依次进行选择、交叉、变异操作对群体进行进化，交叉几率优选为0.7，变异几率优选为0.01，并判断新一代群体的最优解是否满足停止条件，在满足终止条件后，进入到步骤(5)；步骤(5)输出最优个体为反演的校正系数a与b。此时，求解出的校正系数a为1.06，b为1.68。
[0055]
这样，通过上述步骤s140完成了针对所有待处理井的校正系数求解过程，从而针对每口待校正井都得到了与标准井测井数据相适应的第一校正系数和第二校正系数，继而
进入到步骤s150中。
[0056]
步骤s150基于各待处理井的原始全井测井曲线，根据步骤s140得到的针对每口待校正井在进行线性校正时所需的第一校正系数和第二校正系数，利用下述全井段校正式，得到各待处理井校正后的全井测井曲线，从而完成了对每口待处理井的全井段测井曲线的校正处理(标准化处理)。其中，原始全井段测井曲线是指待对当前待处理井进行钻井施工时，根据实际采集到的录井数据绘制的实际的基于全井段深度范围下的测井曲线。其中，全井段校正式利用如下表达式表示：
[0057]
log
final
＝alog b
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0058]
其中，log
final
表示当前待校正井在校正后的全井(段)测井曲线，log表示待校正井在校正前的原始全井(段)测井曲线。图4为本技术实施例的测井曲线自动标准化处理方法中的对某待处理井进行全井测井曲线校正后的效果示意图。
[0059]
这样，本发明仅需在确定出参考井、标准层深度范围、以及遗传算法内所涉及的预设参数，即可直接通过计算机软件将当前油田区域内的每口待校正井进行自动批量校正，有效的提高了测井曲线初始标准化的效率，消除了测井曲线的系统性误差，从而提高测井数据质量，为进一步提高测井解释效率与精度打下基础。
[0060]
实施例二
[0061]
另一方面，本发明基于一种测井曲线自动标准化处理方法，还提出了一种测井曲线自动标准化处理系统。图5为本技术实施例的测井曲线自动标准化处理系统的系统框图。如图5所示，该系统包括：参考井及标准层选取模块51、重采样模块52、目标函数构建模块53、校正系数生成模块54和全井曲线校正模块55。其中，参考井及标准层选取模块51，其按照上述步骤s110所述的方法实施，配置为确定油田区域内的参考井，并结合当前区域内所有待处理井和参考井的全井段地质资料，选取用于代表所有待处理井进行测井曲线标准化处理的标准层。重采样模块52，其按照上述步骤s120所述的方法实施，配置为对各待处理井的标准层的测井数据进行重采样。目标函数构建模块53，其按照上述步骤s130所述的方法实施，配置为构建用于对待处理井进行线性校正所需的校正系数的目标函数。校正系数生成模块54，其按照上述步骤s140所述的方法实施，配置为根据参考井的标准层的测井数据、以及经重采样后各待处理井的标准层的测井数据，利用遗传算法，对目标函数进行求解。全井曲线校正模块55，其按照上述步骤s150所述的方法实施，配置为利用校正系数生成模块54得到的针对每口待处理井的求解结果，由各待处理井的原始全井测井曲线，得到各待处理井校正后的全井测井曲线。
[0062]
进一步，重采样模块52进一步配置为采用临近点插值方法，对各待处理井标准层的测井数据进行重采样，使得重采样后的标准层的测井数据与参考井的标准层的测井数据所包含的采样点个数相同。
[0063]
进一步，在目标函数构建模块53中，上述目标函数利用如下表达式表示：
[0064][0065]
式中，obj表示目标函数，log
sta
表示参考井的标准层的测井数据，log
corr
表示校正
后的待处理井的标准层的测井数据，n表示标准层测井数据内采样点的总数，m表示标准层的数量。其中，校正后的待处理井的标准层的测井数据利用如下表达式表示：
[0066][0067]
其中，log
raw
表示待处理井的标准层的原始测井曲线，a、b分别表示当前线性校正所需的第一校正系数和第二校正系数。
[0068]
进一步，上述校正系数生成模块54包括：变化范围确定单元541、群体初始化单元542、适应度评估单元543、最优解求解单元544和校正系数输出单元545。其中，变化范围确定单元541配置为分别设定每个待求解量的变化范围。群体初始化单元542配置为针对每个待求解量随机生成多个个体组成的群体。适应度评估单元543配置为计算每个群体的目标函数，并根据参考井的标准层的测井数据、以及经重采样后相应待处理井的标准层的测井数据，评估种群个体的适应度。最优解求解单元544配置为基于适应度评估单元543的适应度计算结果，依次进行选择、交叉、变异操作对所述每个群体进行进化，并判断新一代群体的最优解是否满足停止条件，在满足停止条件时，进入到校正系数输出单元545。校正系数输出单元545配置为输出最优个体为反演的第一校正系数和第二校正系数。
[0069]
本发明提出了一种测井曲线自动标准化处理方法及系统。该方法及系统，首先需要进行包括选取同一油田区域内的参考井、标准层、以及对各待处理井标准层的测井数据进行重采样在内的校正前的预处理工作；而后，利用遗传智能算法确定出每口待处理井在进行校正时所需的两个线性校正系数；最后，基于各待处理井的全井段测井曲线，并根据这些线性校正系数，得到相应的校正后的全井段测井曲线。这样，本发明大幅提升了测井曲线初始标准化的效率，消除测井曲线的系统性误差，从而提高测井数据质量，为进一步提高测井解释效率与精度打下基础，计算机软件可以快速的在10秒以内完成测井曲线的批量自动标准化处理，解决了传统测井曲线方法常因系统误差使得校正处理结果的误差较大，且效率低下的问题。
[0070]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人员在本发明所揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。
[0071]
应该理解的是，本发明所公开的实施例不限于这里所公开的特定结构、处理步骤或材料，而应当延伸到相关领域的普通技术人员所理解的这些特征的等同替代。还应当理解的是，在此使用的术语仅用于描述特定实施例的目的，而并不意味着限制。
[0072]
说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。
[0073]
虽然本发明所揭露的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。