如何用智能系統改進儲層描述—實例研究：哥倫比亞TOLDADO油田

作者：R.Soto,B,王曉慧

摘要：本文提出了一項新的儲層模擬技術，以改進儲描述。該技術綜合了多變量統計分析、神經網絡和模糊邏輯理論，以得到更好的巖石物理模型。方法的第一步是預處理數據，針對這一步，我們用具95％置信度橢圓的Q－Q曲線進行質量控制。然后用主分量、因子分析和模糊邏輯理論根據巖心和測井資料識別占優勢的及最佳的獨立變量數目。再用神經網絡來模擬目標變量。并用剩余曲線、平均絕對誤差和相關系數來檢驗模型的有效性。最后，用水力井間連通性指數（HICI）來表征和估算儲層連通性。為了計算HICI，我們綜合了神經網絡巖石物理模型、地質統計理論、生產動態和油藏工程。研究中，我們應用所提出的技術來模擬哥倫比亞Toldado油田高度非均質的白堊系Caballos組的滲透率。首先，評價D.K.Davies所建立的該油田的滲透率模型。該方法是基于巖石類型的識別（具特殊孔隙幾何形態的巖層段）。我們認為這是一種提高滲透率預測的好方法。但是，Davies得到的是每種巖石類型的傳統模型（巖心滲透率與巖心孔隙度的對數關系）。來自巖心分析的滲透率值只代表一立方英寸的巖石，而不能反映儲層中的滲透率分布。也有許多作者發現滲透率不只是孔隙度的函數。據測井數據推導的滲透率代表了采樣井段數立方英尺巖石的平均值。我們發現，Davies所建立的Toldado油田滲透率模型中平均絕結誤差為78％，且剩余曲線具連續相關性。這就意味著這種情況下的滲透率不僅僅是孔隙度的函數。在綜合Davies法和智能系統的情況下，顯著提高了據巖心和測井數據所作的滲透率預測。應用主分量和因子分析理論，我們發現，預測Toldado油田滲透率的主要自變量是孔隙度、地層的有效光電吸收截面指數（PEF）和伽馬射線測井值。智能系統的滲透率預測似乎是最

關鍵詞：智能系統儲層描述哥倫比亞TOLDADO油田

分類號： TE321[石油與天然氣工程—油氣田開發工程]