一种基于置信水平的油气资源量计算方法及系统与流程

1.本发明涉及石油勘探开发技术领域，特别是涉及一种基于置信水平的油气资源量计算方法及系统。


背景技术：

2.油气资源量的估算，对油气的勘探开发具有重要的意义。目前页岩油的勘探开发越来越受到重视，然而资源量的计算尤其是重点勘探开发区块的资源类计算存在着很多问题。其中的主要问题在于计算资源量时使用的模型变量取值困难。油气资源量估算方法共有几十种，其中最常用的方法包括体积法。体积法计算资源量的时候，需要用到孔隙度、含油饱和度等重要的变量。传统的计算方法将这些变量在实验室或者现场测到的值取平均值后代入资源量的模型公式进行计算。由于地质因素的复杂性，很多模型变量的值具有不确定性，平均值仅是许多可能值中的一个特定值，所以计算结果的可靠性存在不确定性。


技术实现要素：

3.本发明的目的是提供一种基于置信水平的油气资源量计算方法及系统，提高了油气资源量计算的可靠性和准确性。
4.为实现上述目的，本发明提供了如下方案：
5.一种基于置信水平的油气资源量计算方法，包括：
6.根据待计算油气资源的类型确定油气资源量计算模型；
7.根据所述油气资源量计算模型中各变量的数据集确定各变量的概率分布函数；
8.采用蒙特卡罗方法，根据各变量的概率分布函数，对各变量进行设定抽样次数的随机抽样；
9.将各次各变量的随机抽样结果输入所述油气资源量计算模型，获得对应多个资源量计算值；
10.对多个资源量计算值进行统计学处理，确定资源量计算值的概率分布函数和置信区间；
11.判断当前资源量计算值的概率分布函数的方差是否大于设定方差；
12.若大于所述设定方差，则增大所述设定抽样次数，返回步骤“采用蒙特卡罗方法，根据各变量的概率分布函数，对各变量进行设定抽样次数的随机抽样”；
13.若小于或等于所述设定方差，则输出当前资源量计算值的置信区间。
14.可选地，所述根据所述油气资源量计算模型中各变量的数据集确定各变量的概率分布函数，具体包括：
15.判断所述油气资源量计算模型中各变量的数据集中数据量是否超过设定数据阈值；
16.若变量的数据量超过所述设定数据阈值，则对对应的变量数据进行统计学处理，确定变量的概率分布函数；
17.若变量的数据量没有超过所述设定数据阈值，则根据对应变量的历史数据确定变量的概率分布函数。
18.可选地，所述若大于所述设定方差，则增大所述设定抽样次数，返回步骤“采用蒙特卡罗方法，根据各变量的概率分布函数，对各变量进行设定抽样次数的随机抽样”，具体包括：
19.若大于所述设定方差，则在增大所述设定抽样次数后，采用具有重要抽样法、分层抽样法、控制变量法或对偶随机变量法的蒙特卡罗方法，根据各变量的概率分布函数，对各变量进行设定抽样次数的随机抽样，返回步骤“将各次各变量的随机抽样结果输入所述油气资源量计算模型，获得对应多个资源量计算值”。
20.可选地，所述蒙特卡罗方法包括互熵方法、马尔科夫链蒙特卡罗模拟方法和并行蒙特卡罗方法。
21.可选地，所述若大于所述设定方差，则增大所述设定抽样次数，返回步骤“采用蒙特卡罗方法，根据各变量的概率分布函数，对各变量进行设定抽样次数的随机抽样”，具体包括：
22.若大于所述设定方差，则增大所述设定抽样次数，同时对变量数据进行异常值剔除，返回步骤“根据所述油气资源量计算模型中各变量的数据集确定各变量的概率分布函数”。
23.可选地，所述方法还包括：
24.计算各变量的敏感性；所述敏感性为对油气资源量计算模型输出的影响程度；
25.对各变量的敏感性从大到小进行排序；
26.按照敏感性从大到小的顺序，每当资源量计算值的概率分布函数的方差大于所述设定方差时，剔除一个敏感性对应变量数据中的异常值。
27.可选地，所述剔除一个敏感性对应变量数据中的异常值，具体包括：
28.采用3σ准则，剔除一个敏感性对应变量数据中的异常值。
29.本发明还公开了一种基于置信水平的油气资源量计算系统，包括：
30.油气资源量计算模型确定模块，用于根据待计算油气资源的类型确定油气资源量计算模型；
31.各变量的概率分布函数确定模块，用于根据所述油气资源量计算模型中各变量的数据集确定各变量的概率分布函数；
32.变量抽样模块，用于采用蒙特卡罗方法，根据各变量的概率分布函数进行设定抽样次数的随机抽样；
33.多个资源量计算值获得模块，用于将各次各变量的随机抽样结果输入所述油气资源量计算模型，获得对应多个资源量计算值；
34.资源量计算值的概率分布函数和置信区间确定模块，用于对多个资源量计算值进行统计学处理，确定资源量计算值的概率分布函数和置信区间；
35.方差判断模块，用于判断当前资源量计算值的概率分布函数的方差是否大于设定方差；
36.返回模块，若大于所述设定方差，用于增大所述设定抽样次数，返回变量抽样模块；
37.资源量计算值的置信区间输出模块，若小于或等于所述设定方差，用于输出当前资源量计算值的置信区间。
38.可选地，所述各变量的概率分布函数确定模块，具体包括：
39.数据量判断单元，用于判断所述油气资源量计算模型中各变量的数据集中数据量是否超过设定数据阈值；
40.第一概率分布函数确定单元，若变量的数据量超过所述设定数据阈值，用于对对应的变量数据进行统计学处理，确定变量的概率分布函数；
41.第二概率分布函数确定单元，若变量的数据量没有超过所述设定数据阈值，用于根据对应变量的历史数据确定变量的概率分布函数。
42.可选地，所述返回模块，具体包括：
43.返回单元，若大于所述设定方差，用于在增大所述设定抽样次数后，采用具有重要抽样法、分层抽样法、控制变量法或对偶随机变量法的蒙特卡罗方法，根据各变量的概率分布函数进行设定抽样次数的随机抽样，返回多个资源量计算值获得模块；
44.所述蒙特卡罗方法包括互熵方法、马尔科夫链蒙特卡罗模拟方法和并行蒙特卡罗方法。
45.根据本发明提供的具体实施例，本发明公开了以下技术效果：
46.本发明通过判断当前资源量计算值的概率分布函数的方差是否大于设定方差，根据各变量的概率分布函数，采用增大各变量的随机抽样次数的方法，重新获得资源量计算值，进而重新计算置信区间，提高了资源量计算值计算的可靠性和准确性。
附图说明
47.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
48.图1为本发明一种基于置信水平的油气资源量计算方法流程示意图；
49.图2为本发明地层厚度均匀分布函数的示意图；
50.图3为本发明含油饱和度对数正态分布的示意图；
51.图4为本发明孔隙度正态分布函数的示意图；
52.图5为本发明资源量概率密度和累积分布函数计算示意图；
53.图6为本发明改进的油资源量概率密度和累积分布函数计算示意图；
54.图7为本发明一种基于置信水平的油气资源量计算系统结构示意图。
具体实施方式
55.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
56.本发明的目的是提供一种基于置信水平的油气资源量计算方法及系统，提高了油
气资源量计算的可靠性和准确性。
57.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
58.图1为本发明一种基于置信水平的油气资源量计算方法流程示意图，如图1所示，一种基于置信水平的油气资源量计算方法，包括：
59.步骤101：根据待计算油气资源的类型确定油气资源量计算模型。
60.步骤102：根据油气资源量计算模型中各变量的数据集确定各变量的概率分布函数。
61.其中，步骤102具体包括：
62.判断油气资源量计算模型中各变量的数据集中数据量是否超过设定数据阈值；
63.若变量的数据量超过设定数据阈值，则对对应的变量数据进行统计学处理，确定变量的概率分布函数。
64.若变量的数据量没有超过设定数据阈值，则根据对应变量的历史数据确定变量的概率分布函数。
65.历史数据包括使用地震、测井、岩心测试等获得油气资源量计算模型中变量的数据。
66.若变量的数据量没有超过设定数据阈值，使用地震、测井、岩心测试等获得油气资源量计算模型中变量的数据，及根据专家知识，确定各变量的概率分布函数。
67.作为具体实施例，设定数据阈值为100，当变量的数据量超过100，可用频率统计法获得其经验分布函数或拟合成正态分布等，把原始变量数据范围划分为m个区间，求出每个区间内数据的频数，将频数除以原始变量数据总数，得到区间频率(注：平均落在每个区间的原始数据不少于三到五个)；再从一端逐个区间累加频率，求得经验分布函数。若变量数据不超过100时，可以分析地震解释的资料，结合相邻地区或相似盆地的类比，再结合专家经验确定此变量的分布概率。
68.步骤103：采用蒙特卡罗方法，根据各变量的概率分布函数，对各变量进行设定抽样次数的随机抽样。
69.其中，步骤103具体包括：采用蒙特卡罗方法，根据上述各变量所服从的分布函数，通过计算机编程快速实施充分大量的随机抽样。随机抽样次数原则上选择使资源量概率分布函数稳定时的抽样次数(如1000次)，理论上采用更多的次数(比如10000次)结果更好，但在实际使用时，为了节省时间，采样次数的选择应对比计算结果来确定。若概率分布有解析式，而且归一化常数是已知的，则可用前面的直接抽样方法；若直接抽样方法失效，或者归一化常数是未知的，概率分布式不完全已知，可用马尔科夫链蒙特卡罗方法；如果概率分布没有解析式，则概率分布是未知的，可采取系统抽样方法，统计参数抽样方法等。在实际操作中，应采取合适的抽样方法以此节省时间，提高计算效率。
70.步骤104：将各次各变量的随机抽样结果输入油气资源量计算模型，获得对应多个资源量计算值。
71.依据拉依达准则剔除多个资源量计算值中异常值，以此减小资源量评估的方差，使资源量评估更接近真实值。
72.步骤105：对多个资源量计算值进行统计学处理，确定资源量计算值的概率分布函
数和置信区间。
73.其中，步骤105具体包括：根据多个资源量计算值，采用频率统计法通过计算机编程自动生成资源量概率分布曲线和累积概率曲线，最后通过资源量概率分布曲线和累积概率曲线得到资源量计算值及其相对应的概率分布函数和置信区间。
74.步骤106：判断当前资源量计算值的概率分布函数的方差是否大于设定方差。
75.作为具体实施例，设定方差为当前资源量计算值的概率分布函数均值的30％。
76.对于资源量计算值的概率分布函数的方差过大的问题，解决方法包括以下两点：
77.(1)采用增大设定抽样次数的方式增大计算量，在置信水平相同的情况下，样本量越多，置信区间越窄，计算量越大结果越准确。但考虑计算时间因素，应选择合适的计算量。在利用蒙特卡罗方法随机抽样时，直接随机抽样方法获得的当前资源量计算值的概率分布函数的方差大，收敛速度慢，计算精度低，蒙特卡罗方法的效率与方差和实践成反比，为提高计算效率，节省计算时间，提高蒙特卡罗方法的效率有两条途径，一是降低油气资源量计算模型输入各变量方差：降低变量方差基本技巧有重要抽样、分层抽样、控制变量、对偶随机变量等多种方法；二是使用各种高效蒙特卡罗方法，如互熵方法、马尔科夫链蒙特卡罗模拟方法、并行蒙特卡罗方法等方法来解决参数的抽样效率问题。
78.(2)对油气资源量计算模型中采用的参数(变量)进行敏感性分析，然后通过统计学判定，对公式(油气资源量计算模型)中的变量数据采取异常值剔除或根据专家确认重新确定对应变量的概率分布。重点考虑调整敏感性大的变量，提高了模型计算精度，从而更准确的获得资源量的分布及其对应的概率分布。
79.敏感性分析就是假设油气资源量计算模型表示为y＝f(x1,x2,
…
,xn)，令每个变量在可能的取值范围内变动，研究和预测这些变量的变动对油气资源量计算模型输出值的影响程度，影响程度大小成为该属性的敏感性系数，敏感性系数越大，说明该属性对模型输出的影响越大，先对敏感性系数大的变量做异常值剔除，重新确定该变量的概率分布，进而重新确定资源量计算值的概率分布函数，若当前资源量计算值的概率分布函数的方差依然超过设定方差，再对敏感性系数小(与上次进行异常值剔除的变量的敏感性系数相比)的变量进行异常值剔除，重新确定该变量概率分布，再依据新的参数概率分布重新抽样计算观察结果，直到资源量计算值的概率分布函数的方差满足不超过设定方差的条件。计算变量敏感性系数时，由于绝大部分资源量计算模型中的计算函数都是已知的，所以只需通过改变某变量的值，剩余变量的值不变，观察此变量变动对油气资源量计算模型输出值的影响程度，再比较每个变量的影响程度即可。
80.若通过上述步骤得到资源量概率分布方差过大，可重复上述步骤，通过多次迭代，获得具有统计价值的油资源量计算值置信区间。
81.因此，若大于设定方差，则执行步骤107。
82.步骤107：增大设定抽样次数，返回步骤103。
83.其中，步骤107具体包括：
84.若大于设定方差，则在增大设定抽样次数后，采用具有重要抽样法、分层抽样法、控制变量法或对偶随机变量法的蒙特卡罗方法，根据各变量的概率分布函数，对各变量进行设定抽样次数的随机抽样，返回步骤104。
85.蒙特卡罗方法包括互熵方法、马尔科夫链蒙特卡罗模拟方法和并行蒙特卡罗方
法。
86.其中，步骤107具体还包括：
87.若大于设定方差，则增大设定抽样次数，同时对变量数据进行异常值剔除，返回步骤102。
88.若小于或等于设定方差，则执行步骤108。
89.步骤108：输出当前资源量计算值的置信区间。
90.本发明可以解决油资源量计算公式中变量的不确定性，可得到以概率形式标出的计算结果范围，将评价结果的可信度提高，更符合实际情况且应用含油地层广泛，包括所有的含油地层，尤其是页岩油。
91.一种基于置信水平的油气资源量计算方法还包括：
92.计算各变量的敏感性；敏感性为对油气资源量计算模型输出的影响程度。
93.对各变量的敏感性从大到小进行排序。
94.按照敏感性从大到小的顺序，每当资源量计算值的概率分布函数的方差大于设定方差时，剔除一个敏感性对应变量数据中的异常值。
95.剔除一个敏感性对应变量数据中的异常值，具体包括：采用3σ准则，剔除一个敏感性对应变量数据中的异常值。
96.对变量进行异常值剔除时，若变量的分布函数由大量实测数据计算得到可先用物理判别法，对已知变量数据的明显错误或突发事件造成的数据异常，根据专家鉴定或实验人员的客观认知，判别出由外界干扰或人为误差等原因所引起的实测数据值偏离正常值，其次可根据统计判别法中的3σ准则，即拉依达准则，根据统计理论证明，测量值的偏差超过3倍实验标准偏差的概率非常小可认为是小概率事件，因此可以认为偏差超过3σ的测量值是应当剔除的异常数据，通过物理判别法和拉依达准则剔除异常数据值后，重新构造参数的分布函数，依据新的分布函数，重新运用蒙特卡罗法抽样计算，观察结果是否服从较小的方差的分布。
97.下面以具体实施例说明本发明基于置信水平的油气资源量计算方法。
98.step1、根据录取资料确定油地质资源量的计算模型(油气资源量计算模型)；本实施例介绍一种根据体积法计算某一区块页岩油资源量的方法，体积法是最常用的资源量计算方法，且体积法的主要参数(变量)获取方法成熟。体积法计算资源量的时候，需要用到孔隙度、含油饱和度等重要的变量。传统的计算方法将这些变量在实验室或者现场测到的值取平均值后代入资源类的模型公式进行计算，由于地质因素的复杂性，很多模型变量的值具有不确定性，针对以上问题，使用本发明的方法计算资源量并给出置信区间。
99.下面的公式为体积法计算公式：
[0100][0101]
其中，q为页岩油资源量，单位t；s为页岩油富集区面积，单位km2；h为富有机质泥页岩层段厚度，单位m；ф为有效孔隙度，单位％；s0为含油饱和度，单位％；ρ0为页岩油密度，单位t/m3。
[0102]
step2、通过统计学方法，使用各种现场和实验室测试数据，确定油资源量计算公式中各变量的概率分布函数。根据实测资料确定某页岩油富集区面积s为2654.23km2；对研究区钻穿探井的岩性资料进行统计，结果表明有机质泥页岩层段厚度h为27.2～73.1m，平
均厚度50.15m，且分布稳定，在此判断其服从均匀分布，其概率密度函数图如图2所示；实测页岩油密度为0.8200t/m3；由于含油饱和度资料非常少，结合实验室结果及结合专家经验确定了其均值为34.3％，方差为0.6的对数正态分布概型，如图3所示；页岩孔隙度通过十五组实测数据并结合专家经验将其拟合为均值为7.3％，方差为0.5的正态分布，如图4所示。
[0103]
step3、由于本实施例中各变量的概率分布函数已知，采用蒙特卡罗方法直接抽样计算。本次实例中选择用python语言进行编程，利用python中自带的random模块，random模块实现了各种概率分布的随机数生成器，例如语句:random.uniform(a,b,n)，用于生成一个指定范围内的随机符点数，三个参数其中b是上限，a是下限，n是生成随机数数量，可使用此语句生成一组n个服从均匀分布的随机数组，random模块中包括生成服从正态分布、对数正态分布等。利用上述方法快速实施充分大量的随机抽样，针对每一个参数所服从的概率分布生成了5000组随机数代入公式进行计算。
[0104]
step4、通过step3得到的5000组随机数通过计算机代入公式计算得到5000个油地质资源量计算值，用统计学方法对5000个结果进行处理，利用频率统计法，把数据范围化为1000个区间，求出每个区间内数据的频数，将频数除以原始数据总个数，得到每个区间的区间频率，计算每个区间的中值，将每个区间中值和其对应的区间频率分别作为x与y值当做一个点，这样就可以得到1000个点，将这1000个点拟合成一条曲线，此曲线为资源量概率密度曲线，最终求出得到某一段页岩油地质资源量，其概率密度函数与累积概率分布函数如图5所示，其中图5中开口向下的抛物线为概率密度函数曲线，另外一个曲线为累积概率分布函数曲线。
[0105]
step5、从图5所示的结果来看，资源量分布函数曲线方差过大，不能很好的体现资源量估算的精度，针对这种情况，首先增加模拟次数到20000，得到20000组随机数代入公式进行计算，并对页岩孔隙度变量进行异常值处理，首先根据物理判别法，依据专家鉴定和实验人员的客观认知，剔除三组实测数据，后利用余下十二组数据拟合成新的正态分布函数，再通过抽样得到20000组数据，后又根据统计判别法中的拉依达法则，将偏差超过3σ的范围外的数据剔除，利用剩余数据重新构造分布函数，依据新的正态分布函数，重新运用蒙特卡罗法抽样计算得到一组新的结果。
[0106]
step6、最终通过重复两次step5的步骤，用统计学方法最终得到资源量，此处用到的统计学方法和step4中的相同，在此不再赘述，得到的油资源概率密度函数和累积函数分布函数曲线如图6所示，资源量估算的精度显著提高。从图6中可知，此例中计算的资源量范围是7.20亿吨到32.19亿吨，平均值为18.72亿吨，置信度在95％下的资源量范围是10亿吨到30亿吨。其中图6中开口向下的抛物线为概率密度函数曲线，另外一个曲线为累积概率分布函数曲线
[0107]
图7为本发明一种基于置信水平的油气资源量计算系统结构示意图，如图7所示，本发明还公开了一种基于置信水平的油气资源量计算系统，包括：
[0108]
油气资源量计算模型确定模块201，用于根据待计算油气资源的类型确定油气资源量计算模型。
[0109]
各变量的概率分布函数确定模块202，用于根据油气资源量计算模型中各变量的数据集确定各变量的概率分布函数。
[0110]
各变量的概率分布函数确定模块202，具体包括：
[0111]
数据量判断单元，用于判断油气资源量计算模型中各变量的数据集中数据量是否超过设定数据阈值。
[0112]
第一概率分布函数确定单元，若变量的数据量超过设定数据阈值，用于对对应的变量数据进行统计学处理，确定变量的概率分布函数。
[0113]
第二概率分布函数确定单元，若变量的数据量没有超过设定数据阈值，用于根据对应变量的历史数据确定变量的概率分布函数。
[0114]
变量抽样模块203，用于采用蒙特卡罗方法，根据各变量的概率分布函数进行设定抽样次数的随机抽样。
[0115]
多个资源量计算值获得模块204，用于将各次各变量的随机抽样结果输入油气资源量计算模型，获得对应多个资源量计算值。
[0116]
资源量计算值的概率分布函数和置信区间确定模块205，用于对多个资源量计算值进行统计学处理，确定资源量计算值的概率分布函数和置信区间。
[0117]
方差判断模块206，用于判断当前资源量计算值的概率分布函数的方差是否大于设定方差。
[0118]
返回模块207，若大于设定方差，用于增大设定抽样次数，返回变量抽样模块。
[0119]
返回模块207，具体包括：
[0120]
返回单元，若大于设定方差，用于在增大设定抽样次数后，采用具有重要抽样法、分层抽样法、控制变量法或对偶随机变量法的蒙特卡罗方法，根据各变量的概率分布函数进行设定抽样次数的随机抽样，返回多个资源量计算值获得模块。
[0121]
蒙特卡罗方法包括互熵方法、马尔科夫链蒙特卡罗模拟方法和并行蒙特卡罗方法。
[0122]
资源量计算值的置信区间输出模块208，若小于或等于设定方差，用于输出当前资源量计算值的置信区间。
[0123]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0124]
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。