基于机器学习的岩芯渗透率及裂缝开度预测.pdf
《基于机器学习的岩芯渗透率及裂缝开度预测.pdf》由会员分享,可在线阅读,更多相关《基于机器学习的岩芯渗透率及裂缝开度预测.pdf(9页珍藏版)》请在咨信网上搜索。
1、1958西南石油大学学报(自然科学版)2023 年 8 月 第 45 卷 第 4 期Journal of Southwest Petroleum University(Science&Technology Edition)Vol.45 No.4 Aug.2023DOI:10.11885/j.issn.1674 5086.2021.04.30.04文章编号:1674 5086(2023)04 0155 09中图分类号:TE311文献标志码:A基于机器学习的岩芯渗透率及裂缝开度预测陈 林1*,黎棚武2,张绍俊1,李志杰2,杜小勇11.中国石油塔里木油田分公司油气工程研究院,新疆 库尔勒 84100
2、02.油气藏地质及开发工程全国重点实验室 西南石油大学,四川 成都 610500摘要:应力敏感是致密砂岩气藏损害的主要原因之一,预测应力敏感损害下岩芯渗透率和裂缝开度的变化规律一直是致密砂岩储层保护领域的重点。以塔里木盆地克拉苏构造带岩样为研究对象,基于应力敏感实验及调研数据,采用机器学习多元线性回归算法,耦合了围压渗透率关系模型和 K p 函数参数预测模型,建立了岩芯渗透率预测模型和裂缝开度预测模型,并通过决定系数、均方根误差和相对误差检验模型精度。结果表明,围压渗透率关系模型在裂缝性岩芯和非裂缝性岩芯中预测结果决定系数平均值均大于 0.960;K p 函数参数预测模型在裂缝性岩芯中的均方根
3、误差高于非裂缝性岩芯,但裂缝性岩芯的相对误差要低于非裂缝性岩芯,综合来看岩芯渗透率预测模型更适用于裂缝性岩芯;裂缝开度预测模型与实测值决定系数 0.978,预测精度较高。建立的渗透率预测模型和裂缝开度预测模型可为致密砂岩储层的开采与保护提供指导。关键词:机器学习;渗透率预测;裂缝开度;应力敏感;致密砂岩;多元线性回归Prediction Method of Core Permeability and Fracture ApertureBased on Machine LearningCHEN Lin1*,LI Pengwu2,ZHANG Shaojun1,LI Zhijie2,DU Xiaoy
4、ong11.Research Institute of Oil and Gas Engineering,Tarim Oilfield Branch,PetroChina,Korla,Xinjiang 841000,China2.National Key Laboratory of Oil and Gas Reservoir Geology and Exploitation,Southwest Petroleum University,Chengdu,Sichuan 610500,ChinaAbstract:Stress sensitivity is one of the main reason
5、s for the damage of tight sandstone gas reservoirs.The prediction of thechange law of core permeability and fracture aperture under stress sensitivity damage is always the key point in the field oftight sandstone reservoir protection.Based on the stress-sensitive experiment and survey data,the core
6、permeability predictionmodel and fracture opening prediction model were established by using machine learning multiple linear regression algorithmcoupled with the confining pressure permeability relationship model and the K p function parameter prediction model.Theaccuracy of the model was tested by
7、 correlation coefficient,root mean square error and relative error.The results show thatthe average correlation coefficient of the prediction results of the confining pressure permeability model in fractured and non-fractured cores is greater than 0.96.The prediction results of Kp function parameter
8、 prediction model show that the root meansquare error in fractured cores is higher than that in non-fractured cores,but the relative error of fractured cores is lower thanthat of non-fractured cores.It shows that the permeability prediction model is more suitable for fractured cores.The coefficiento
9、f determination between the fracture opening prediction model and the measured value is 0.978,indicating a high predictionaccuracy.The permeability prediction model and fracture aperture prediction model can provide guidance for the exploitationand protection of tight sandstone reservoir.Keywords:ma
10、chine learning;permeability prediction;fracture aperture;stress sensitivity;tight sandstone;multiple linearregression网络出版地址:http:/ 林,黎棚武,张绍俊,等.基于机器学习的岩芯渗透率及裂缝开度预测J.西南石油大学学报(自然科学版),2023,45(4):155 163.CHEN Lin,LI Pengwu,ZHANG Shaojun,et al.Prediction Method of Core Permeability and Fracture Aperture B
11、ased on Machine LearningJ.Journalof Southwest Petroleum University(Science&Technology Edition),2023,45(4):155163.*收稿日期:2021 04 30网络出版时间:2023 04 20通信作者:陈 林,E-mail:chenl-156西南石油大学学报(自然科学版)2023 年引言塔里木盆地致密砂岩气藏储量丰富,经过多年的勘探开发,已成为中国致密气开采稳步提升的战略要地。致密砂岩储层低孔低渗,开采难度大。与常规气藏相比,致密砂岩气藏孔喉细小,毛管压力高,黏土矿物含量高,在开发过程中极易受到
12、敏感性损害,影响开发效果及产能1 4。裂缝和微裂缝是其主要的渗流通道5 6,因此,常有“保护裂缝为主,同时兼顾基质”的储层保护对策,但裂缝通常具备较强的应力敏感7,保护难度大。研究应力敏感损害下致密砂岩气藏裂缝和基质岩芯渗透率的变化规律并根据规律预测岩芯渗透率,一直是国内外学者关注的焦点。20 世纪末,众多学者开展了渗透率预测方面的研究。1996 年,Huang 等8基于不同的测井曲线,运用反向人工神经网络预测渗透率,得到实测渗透率与人工神经网络预测渗透率的相关系数为 0.8;2013 年,Liu 等9基于理论煤基质收缩应变,将理论应变模型结合到渗透率预测模型中,结果表明预测值与现场观测值契合
13、度很高;2018 年,张路锋等10模拟裂缝岩芯,发现可通过缝宽预测渗透率,岩芯渗透率与缝宽呈三次方关系;蔡李梅等11建立了基于孔隙度、粒度及裂缝发育指数的地震 地质约束的多参数渗透率综合预测模型,实现高精度的致密砂岩储层渗透率单井、平面预测。2020 年,程辉等12分别评价并优选了更适用于致密砂岩岩芯的基于高压压汞和核磁共振的渗透率预测模型;张鹏等13分析筛选了等效缝宽、孔洞平均直径、非碳酸盐矿物含量等 11 个应力敏感伤害主控因素,通过BP 神经网络法预测碳酸盐岩储层应力敏感程度,然而,该模型并未考虑方解石含量和白云石含量等与应力敏感性伤害率显著相关的影响因素;陈龙伟等14以沁水盆地煤系地层
14、为例,提出利用地震资料曲率属性预测地应力,根据渗透率与地应力的幂指数关系式,将地应力转换为渗透率,该方法预测结果与实钻井吻合程度较高。2021年,谷宇峰等15以姬塬油田西部长4+5段致密砂岩储层测井资料为基础,基于机器学习的数据分析性能,利用梯度提升决策树(Gradient Boosting Decision Tree,GBDT)技术预测致密砂岩储层渗透率,该方法只需要测井数据,且模型精度较高;谷宇峰等16还提出利用PSO 算法改进极限梯度提升算法(eXtreme GradientBoosting,XGBoost),进而提出 PSO-XGBoost 渗透率预测模型优化参数;闫国峰等17基于压降
15、试井测试原理,以压裂施工曲线为基础,考虑压裂液漏失和裂缝扩展综合影响,建立了致密油储层压裂后渗透率预测数学模型,利用压裂施工数据计算压裂后的渗透率;景文龙等18以随机生成的数字岩芯的孔隙度和渗透率作为机器学习的数据库,数据进行提取和处理,建立了任意岩芯的孔隙度渗透率预测模型。综上可见,当前学者建立的渗透率预测模型对测井资料的依赖性较强,考虑的渗透率影响因素还不够全面,在裂缝性致密砂岩中运用还具有一定的局限性。为此,本文基于岩石自身属性数据如初始孔渗、孔喉半径和黏土矿物含量等,采用机器学习多元线性回归算法,分析挖掘各物性参数与应力敏感损害下的岩芯渗透率之间的关系,耦合围压渗透率关系模型和 K p
16、 函数参数预测模型,从而建立应力敏感损害下的岩芯渗透率预测模型和裂缝开度预测模型,并通过决定系数、均方根误差和相对误差检查模型精度。该模型对输入数据依赖性弱、适用范围广,根据岩石基础物性和矿物成分含量即可预测不同围压下岩芯渗透率,对裂缝性致密砂岩气藏的储层伤害评价、储层保护对策和生产模拟预测具有指导作用。1 多元线性回归模型1.1 模型建立线性回归是机器学习数据挖掘中的基础算法,能够对一个或者多个自变量和一个因变量线性关系进行分析。在处理大量数据和较少的数据特征时,多元线性回归是寻找输出参数和输入参数之间线性关系的最常用的模型19。对于 n 个自变量,多元线性回归模型如式(1)所示,当 n=1
17、 时为一元线性回归。y=ni=1wixi+c(1)式中:y因变量;n自变量数;wi第 i 个自变量的系数;第 4 期陈 林,等:基于机器学习的岩芯渗透率及裂缝开度预测157xi第 i 个自变量;c常系数项。1.2 模型验证1.2.1 决定系数决定系数可以根据拟合程度来评估方程的预测能力。决定系数取值为0,1,决定系数越接近于 1,则预测精度越高;决定系数越接近于 0,预测精度越低。决定系数为相关系数的平方,相关系数计算公式为r=NNj=1xjyjNj=1xjNj=1yjNNj=1xj2(Nj=1xj)2NNj=1yi2(Nj=1yj)2(2)式中:r相关系数;N样本个数;xj,yj样本序列。1
18、.2.2 均方根误差与相对误差均方根误差是均方误差的算术平方根,均方根误差是各数据偏离实测值差值的平方和的平均数,均方根误差越小,说明模型预测准确度越高20。N 个数据均方根误差公式为ERMS=1NNt=1(Ot Pt)2(3)式中:ERMS均方根误差;Ot第 t 个样本的实测值;Pt第 t 个样本的预测值。相对误差可以反映实测值和预测值偏离程度,可以用来比较模型预测精度。相对误差为实测值与预测值之差的绝对值与实测值的比值ER=|Ot Pt|Ot(4)式中:ER相对误差,无因次。2 实例运用2.1 数据获取本文以塔里木盆地克拉苏构造带岩样为例建模分析。如图 1 所示,克拉苏构造带致密砂岩储层基
19、础物性差、低孔隙度、低渗透率,黏土矿物含量高,含水饱和度高,应力敏感性及非均质性较强。发育的裂缝和微裂缝提高了储层的渗流能力21 23。20m20ma0.010.15mm!#$%b0.010.20mm!#$%图 1部分岩芯铸体薄片Fig.1The thin section of core2.1.1 渗透率影响因素分析要精确预测岩石渗透率,必须明确各种影响因素的权重占比并选择合适的主控影响因素。2001年,黄思静等24认为碳酸盐岩的组成、温度、压力以及石英胶结物对孔隙度和渗透率有重要影响;2003 年,Heiland25研究了不同应力下低孔隙度砂岩岩芯的渗透率变化,认为不同应力、岩石变形、岩石破
20、坏和水力特性与渗透率有密切关系;2013 年,Arson 等26提出了一种模型,将渗透率与孔隙度联系起来,并且考虑了未损伤样品和裂纹样品(不同的损伤状态),该模型较好地反映了围压对损伤演化和渗透率变化的影响;2015 年,Ngo 等27收集越南 Cuu-Long 盆地和松洪盆地砂岩和碳酸盐岩,分析其孔隙度、常规岩芯分析渗透率数据和注汞毛细管压力的孔喉尺寸,利用水力流动单元(HFU)进行渗透率预测;2019 年,Li 等28发现孔隙的分布非均质性和各向异性与渗透率有关,并探讨了微观影响机理;2021 年,熊繁升等29认为含多孔介质宏观渗透率与孔隙度、纵横比、裂缝(软孔隙体)密度等参数有关。根据塔
21、里木盆地克拉苏构造带实际情况可知,影响渗透率的因素主要是储层岩性与物性,其中,不同的矿物组成及含量直接影响致密砂岩的渗158西南石油大学学报(自然科学版)2023 年透率变化。目前,针对岩石渗透率和岩性及物性的关系,学者们普遍认为:1)黏土含量越高,储层的孔隙度和渗透率越低。黏土矿物遇水膨胀,形态结构也会发生变化,从而封堵喉道,降低储层渗透率。2)长石为易溶的不稳定矿物,是次生孔隙形成的物质基础,在溶蚀作用下形成高岭石,堵塞孔隙和喉道,长石含量越高,储层的孔隙度和渗透率都降低。3)致密砂岩的孔隙度与渗透率具有一定的正相关性,低渗低孔的致密砂岩岩样具有更强的应力敏感性。在应力敏感实验中,发现不同
22、围压下岩芯渗透率的变化规律与岩石的矿物成分与内部结构存在一定关联。通过多因素权重分析,选取了属于岩石物性(初始孔隙度、初始渗透率、中值孔喉半径和最大孔喉半径)和矿物组分含量(钾长石、方解石、蒙脱石、斜长石、伊利石、高岭石、绿泥石和胶结物)的12 个岩石渗透率影响因素。2.1.2 岩芯数据获取岩芯裂缝对岩芯渗透率影响明显,非裂缝性岩芯与裂缝性岩芯的应力敏感程度有所差异30 31,因此,本文区分了裂缝性岩芯和非裂缝性岩芯,在明确影响岩石渗透率的包括物性和矿物成分在内的 12个影响因素后,通过实验及文献调研,收集了该区块裂缝性岩芯和非裂缝性岩芯基础物性参数(表 1)及岩芯样品矿物组分含量共 150
23、组数据(表 2)。表 1部分岩芯样品基础物性参数Tab.1Basic physical parameters of core samples岩芯编号初始孔隙度/%初始渗透率/mD中值孔喉半径/m最大孔喉半径/m裂缝性岩芯1*7.515.365 007.600 08.650 0是2*7.3110.430 007.300 08.290 0是38.103.150 000.037 20.234 5是49.3019.400 000.033 80.152 2是55.901.510 000.032 90.163 6是66.102.040 000.024 90.136 7是76.203.680 000.041
24、 70.305 0是85.802.100 000.347 50.207 5是9*7.890.093 000.439 02.200 0否10*6.380.088 000.280 02.600 0否11*2.350.005 212.400 02.640 0否12*2.670.009 082.800 02.870 0否13*4.020.093 304.100 04.150 0否14*3.290.140 003.300 03.340 0否15*3.150.007 343.200 03.680 0否16*2.620.004 952.700 02.770 0否注:*数据出自文献31。表 2部分岩芯样品矿物
25、组分含量Tab.2Mineral component content of core samples岩芯编号钾长石/%方解石/%蒙脱石/%斜长石/%伊利石/%高岭石/%绿泥石/%胶结物/%裂缝性岩芯1*1.170.120.410.5731.514.356.523.73是2*1.130.120.300.5331.283.846.597.02是31.9700029.5811.1711.830.76是42.6100013.7239.866.530.68是51.3200033.0314.5310.570.92是61.0900014.2026.7510.920.63是70001.1213.9526.23
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 机器 学习 渗透 裂缝 预测
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。