• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    逐步回歸分析方法在儲(chǔ)層參數(shù)預(yù)測中的應(yīng)用*

    2014-05-22 11:36:34
    關(guān)鍵詞:回歸方程測井電阻率

    范 雯

    (陜西職業(yè)技術(shù)學(xué)院人事處,陜西西安710100)

    0 引言

    在油氣勘探中,儲(chǔ)層參數(shù)是含油氣性的一個(gè)重要標(biāo)志。許多地質(zhì)工作者致力于儲(chǔ)層參數(shù)的研究和預(yù)測。隨著我國經(jīng)濟(jì)的飛速發(fā)展,對各種能源的需求與日俱增,能源短缺問題日漸突出,尤其是對石油的需求更為緊迫,如何解決我國石油能源緊缺問題是許多科學(xué)工作者正在潛心研究的重要課題。目前,儲(chǔ)層參數(shù)(孔隙度和滲透率等)分布規(guī)律和儲(chǔ)層非均質(zhì)性研究是油氣藏描述的核心,同時(shí)它也是精細(xì)油藏描述的核心內(nèi)容??紫抖群蜐B透率分布的不均勻性直接影響油氣分布、運(yùn)移和開采[1]。預(yù)測巖石的孔隙度和滲透率的分布是儲(chǔ)層描述的重要內(nèi)容,儲(chǔ)層參數(shù)是油層評價(jià)的重要依據(jù),儲(chǔ)層參數(shù)預(yù)測在油氣勘探開發(fā)中具有重要意義,對油田勘探和開發(fā)九尤為重要。

    儲(chǔ)層孔隙度是表征儲(chǔ)層特性、描述流體模式和建立儲(chǔ)層地質(zhì)模型最重要的參數(shù)之一。利用地震屬性和孔隙度的相關(guān)性可以獲取全區(qū)的儲(chǔ)層孔隙度分布特征,但由于地震資料的分辨率較低,所獲得儲(chǔ)層孔隙度精度較低。油田的測井資料非常豐富且分辨率較高。在常規(guī)測井中,常根據(jù)某一測井信息求取儲(chǔ)層的孔隙度。由于此種方法把地層進(jìn)行理想化假設(shè),誤差較大。

    在文中研究如何根據(jù)測井曲線并利用回歸分析技術(shù)預(yù)測孔隙度。采用某一個(gè)點(diǎn)的測井曲線或地震數(shù)據(jù)推測出該點(diǎn)的孔隙度或滲透率[2]?;诙喾N測井信息的多元線性回歸方法已成為儲(chǔ)層孔隙度定量預(yù)測的主要方法。該方法可以把非線性問題轉(zhuǎn)化為線性問題,大大減少了技術(shù)上的難題。多元逐步回歸分析方法的理論正好適用于這種實(shí)際問題。它是利用通過特殊儀器測量的測井曲線數(shù)據(jù)參數(shù)與巖芯屬性參數(shù)(例如孔隙度),建立測井曲線數(shù)據(jù)參數(shù)與多個(gè)巖芯屬性參數(shù)之間的線性關(guān)系,這種方法比較簡單實(shí)用,預(yù)測效果主要取決于測井?dāng)?shù)據(jù)與實(shí)測巖芯屬性參數(shù)之間的線性關(guān)系的吻合程度,若線性關(guān)系近似成立,則選擇這種方法是可行的,也是比較容易實(shí)現(xiàn)的;若線性關(guān)系的近似程度很低,則預(yù)測結(jié)果的誤差就比較大。經(jīng)過分析比較,該方法具有很好的可行性。因此,文中采用逐步回歸分析方法作為預(yù)測方法。

    1 預(yù)測流程與方法

    在多元逐步回歸分析方法中,需要測井曲線數(shù)據(jù)。通過回歸分析獲得一定的預(yù)測能力,逐步回歸分析的方法就是找到對儲(chǔ)層參數(shù)(應(yīng)變量)有明顯影響的測井曲線數(shù)據(jù)的過程[3]。完成后,回歸方程是一個(gè)數(shù)據(jù)預(yù)測模型,能用于儲(chǔ)層參數(shù)(孔隙度、滲透率等)預(yù)測儲(chǔ)層含油氣情況。處理流程如圖1所示。

    圖1 預(yù)測流程Fig.1 Forecasting process

    1.1 信息獲取

    信息獲取就是選取什么數(shù)據(jù)作為輸入用來預(yù)測儲(chǔ)層參數(shù)。通常用測井曲線或地震數(shù)據(jù)預(yù)測儲(chǔ)層參數(shù)的值。這兒以測井曲線預(yù)測孔隙度為例來說明逐步回歸分析方法的使用。

    孔隙度與測井曲線有關(guān)系。逐個(gè)選取測井?dāng)?shù)據(jù)(深度、自然伽瑪、補(bǔ)償中子、光電吸收截面指數(shù)、體積密度、自然電位、淺側(cè)向電阻率、深側(cè)向電阻率、淺探測電阻率、聲波時(shí)差、井徑)預(yù)測孔隙度。

    1.2 數(shù)據(jù)的標(biāo)準(zhǔn)化

    每一種測井曲線采用不同的單位,數(shù)據(jù)的量綱和量級都不同,因此這些數(shù)據(jù)必須統(tǒng)一(最好按國標(biāo)來計(jì)算)。例如曲線數(shù)據(jù)可能突出量級特別大的數(shù)據(jù)指標(biāo)的作用,而忽略某些數(shù)量級較小的數(shù)據(jù)指標(biāo)的作用。為了均衡不同測線對預(yù)測數(shù)據(jù)的影響,通常在數(shù)據(jù)輸入回歸方程前需對每種數(shù)據(jù)分別規(guī)格化[4]。

    設(shè)一分類問題有n個(gè)待分類樣本,有p個(gè)特性指標(biāo),則數(shù)據(jù)矩陣如下

    1.3 數(shù)據(jù)的輸入模式

    把測井?dāng)?shù)據(jù)放在一個(gè)文件中,通過讀取文件的形式讀取數(shù)據(jù)。

    1.4 逐步回歸與篩選

    輸入引入或者剔除的臨界值,考慮是否引入或刪除變量,進(jìn)行篩選。

    1.5 輸出結(jié)果

    通過處理后輸出孔隙度的數(shù)據(jù)以及孔隙度與深度的圖像。

    2 實(shí)例分析

    測井是一門邊沿學(xué)科,它是將電磁學(xué)、聲學(xué)、核物理學(xué)、熱學(xué)、光學(xué)、力學(xué)等學(xué)科的基本理論和測量方法,用于油氣井或其它礦井中,依靠獲取的大量信息進(jìn)行資源評價(jià)。在石油地質(zhì)中,通常根據(jù)不同的測井曲線劃分沉積相,預(yù)測儲(chǔ)層孔隙度、滲透率,預(yù)測巖性,評估儲(chǔ)層油氣含量等。根據(jù)測井理論及其方法,與孔隙度相關(guān)的測井方法有聲波測井、中子測井和巖石密度測井。

    實(shí)際數(shù)據(jù)是國內(nèi)某油田三口井,見表1.

    表1 測井表Tab.1 Log table

    在不同的深度點(diǎn)選取測井?dāng)?shù)據(jù)的各個(gè)值,其中包括深度、聲波時(shí)差、自然電位、自然伽瑪、補(bǔ)償中子、巖石密度、電阻率等11種屬性??紫抖仁菙鄶嗬m(xù)續(xù)巖芯實(shí)測值。的實(shí)驗(yàn)即預(yù)測孔隙度。

    2.1 數(shù)據(jù)預(yù)處理

    1 )在用逐步回歸預(yù)測孔隙度之前,必須把相關(guān)數(shù)據(jù)放在同一深度來處理。以井X43為例,測井?dāng)?shù)據(jù)和巖芯數(shù)據(jù)(如孔隙度)沒有對應(yīng)同一深度,因而無法建立起孔隙度和測井?dāng)?shù)據(jù)之間的關(guān)系。為此,在巖芯數(shù)據(jù)中,建立起孔隙度和深度之間的對應(yīng)關(guān)系;然后通過線性插值的方法求出測井?dāng)?shù)據(jù)中深度對應(yīng)的孔隙度數(shù)據(jù)。在此值得注意的是:由于巖芯數(shù)據(jù)中的深度數(shù)據(jù)很密集,因此認(rèn)為它是連續(xù)的。操作方法如下

    在Matlab中建立一個(gè)M文件,輸入數(shù)據(jù),通過線性插值函數(shù)interp1插值,得到插值圖像和插值數(shù)據(jù)。插值圖像如下

    圖2 深度在3 422~3 447 m之間的線性插值圖像Fig.2 Linear interpolation images between depth of 3 422 to 3 447 m

    到此,找到了井X43中測井?dāng)?shù)據(jù)深度所對應(yīng)的孔隙度。

    2 )作出每個(gè)測井屬性(如聲波時(shí)差、自然電位、自然伽瑪、補(bǔ)償中子、巖石密度、電阻率等)數(shù)據(jù)與1)得到的孔隙度數(shù)據(jù)的散點(diǎn)圖,觀察圖形并作適當(dāng)?shù)淖儞Q,化成線性關(guān)系。如指數(shù)形式取對數(shù)使之化為線性關(guān)系。由于在井X43測井?dāng)?shù)據(jù)資料中,井深3 000~3 500 m之間,GR的數(shù)據(jù)相對于Por(孔隙度)數(shù)據(jù)很大,因此在進(jìn)行回歸分析時(shí)可能誤差較大,為此,取GR的1/10作為預(yù)測孔隙度的變量值。其它的如AC按照適當(dāng)?shù)谋壤鳛轭A(yù)測孔隙度的變量值。

    圖3 深度在3 450~3 463 m之間的插值圖像Fig.3 Linear interpolation image between depth of 3 450 to 3 463 m

    如在深度3 422~3 447 m之間,聲波時(shí)差與孔隙度的散點(diǎn)圖如圖4所示。

    圖4 聲波時(shí)差與孔隙度的散點(diǎn)圖Fig.4 Scatter plot of sonicmoveout and porosity

    觀察圖像,于是,在200~200之間考慮用y=a2·x/(b2·x+c)來擬合散點(diǎn),令y2=1/y,x2=1/x,于是非線性關(guān)系轉(zhuǎn)化為了y2=a2+b2.x2線性關(guān)系;在220~300之間考慮用線性關(guān)系y1=a1+b1·x擬合散點(diǎn)。到此,整個(gè)非線性關(guān)系就轉(zhuǎn)化為了線性關(guān)系。

    一般地,對非線性回歸模型yi=f(xi,θ)+εi一般采用spss軟件來實(shí)現(xiàn)回歸函數(shù)的求取,然后通過適當(dāng)?shù)淖儞Q化成線性模型。

    到此,得到了一組新的測井屬性數(shù)據(jù)與孔隙度數(shù)據(jù),下面開始建立多元回歸模型并實(shí)現(xiàn)。

    2.2 建立數(shù)學(xué)模型

    預(yù)測孔隙度,用如聲波時(shí)差、自然電位、自然伽瑪、補(bǔ)償中子、巖石密度、電阻率等11個(gè)測井屬性數(shù)據(jù)作為數(shù)據(jù)輸入,實(shí)測的孔隙度值作為目標(biāo)輸出值,用以預(yù)測孔隙度的大小。

    為此,建立數(shù)學(xué)模型如下

    因此,對觀測到的n組數(shù)據(jù)(x1α,x2α,x3α,…,x10α),(α=1,2,…,n)(n>10),(n>10),滿足以下回歸模型

    其中 x1α,x2α,x3α,…,x10α分別為自然伽瑪、聲波時(shí)差、井徑、深側(cè)向電阻率、淺側(cè)向電阻率、淺探測電阻率、光電吸收截面指數(shù)、補(bǔ)償中子、體積密度、自然電位。

    2.3 上機(jī)編程序

    1 )首先編輯一個(gè)作消去變換的函數(shù),并以xiaoqu.m保存;然后編輯逐步回歸函數(shù),并以dy.m文件名保存[5]。

    取Fm=Fout=F*,檢驗(yàn)水平 α=0.10,由于樣本X43中的樣本數(shù)為208,故自由度>120,因此查F分布表得到F*=2.71.

    2.4 對運(yùn)行出來的數(shù)據(jù)進(jìn)行分析

    根據(jù)井X43預(yù)處理后的數(shù)據(jù),得到回歸方程

    2.4.1 深度在3 422~3 447 m

    y=41.586 6 - 0.234 22X1- 1.107 7X3+0.269 94X4- 0.373 9X5+0.051 862X6+1.812 6X7+0.113 78X8-3.461 9X9- 0.060 899X10(其中,y為孔隙度por;X1為自然伽瑪GR;X3為井徑CAL;X4為深側(cè)向電阻率RLLD;X5為內(nèi)側(cè)向電阻率;X6為淺探測電阻率;X7為光電吸收截面指數(shù)PE;X8為補(bǔ)償中子CNL;X9為體積密度DEN;X10為自然電位SP)注意:復(fù)相關(guān)系數(shù)R=0.760 88趨近于1,因此回歸效果較好。

    圖5 R=0.760 88回歸方程預(yù)測X 43的孔隙度效果圖Fig.5 R=0.760 88 regression on equation to predict X 43 porosity rendering

    2.4.2 深度在3 450 ~3 464 m

    y=84.942 4 - 7.795 5X2- 18.444 7X3-1.393 7X5+0.188 96X6- 3.324 9X7+2.242 5X8-0.120 82X10(其中,y為孔隙度 por;X2為聲波時(shí)差A(yù)C;X3為井徑CAL;X4為深側(cè)向電阻率RLLD;X5為內(nèi)側(cè)向電阻率;X6為淺探測電阻率;X7為光電吸收截面指數(shù)PE;X8為補(bǔ)償中子CNL;X10為自然電位SP)

    注意:復(fù)相關(guān)系數(shù)R=0.779 56趨近于1,因此回歸效果較好,說明建立的回歸方程是較最優(yōu)的。在此,通過此回歸方程預(yù)測X43的孔隙度,效果圖如圖6所示。

    圖6 R=0.779 56回歸方程預(yù)測X 43的孔隙度效果圖Fig.6 R=0.779 56 regression on equation to predict X 43 porosity rendering

    為此,分別對井X19,X40進(jìn)行預(yù)測,結(jié)果如圖7,8 所示。

    從上面的圖及表中可以看出,逐步回歸預(yù)測X19時(shí)效果最好,預(yù)測X40井時(shí)效果最差。

    圖7 以X43為樣本,逐步回歸預(yù)測X19Fig.7 A convenience sample of X43,X19 stepwise regression prediction

    圖8 以X43為樣本,逐步回歸預(yù)測X40Fig.8 A convenience sample of X43,X40 stepwise regression prediction

    3 結(jié)論

    文中對當(dāng)前數(shù)學(xué)地質(zhì)學(xué)習(xí)問題研究中很重要的領(lǐng)域——回歸分析預(yù)測問題進(jìn)行了研究,討論了逐步回歸分析中變量選擇問題,并將研究的結(jié)果應(yīng)用于儲(chǔ)層巖性參數(shù)預(yù)測??v觀全文,可得出以下結(jié)論

    1 )孔隙度和與各種地質(zhì)因素之間在一定程度上(通過數(shù)據(jù)的相關(guān)轉(zhuǎn)換)存在著相關(guān)關(guān)系;

    2 )回歸分析具有一定的預(yù)測能力??梢愿鶕?jù)測井的測井曲線預(yù)測儲(chǔ)層參數(shù),有較高的的預(yù)測精度。但是由于地質(zhì)儲(chǔ)層變化的復(fù)雜性,在應(yīng)用中應(yīng)注意應(yīng)用的條件。因此在應(yīng)用中一定要考慮地質(zhì)條件的約束。

    References

    [1] 王學(xué)仁.地址數(shù)據(jù)的多變量統(tǒng)計(jì)分析[M].北京:科學(xué)出版社,1982.

    WANG Xue-ren.The address data of multivariate statis-tical analysis[M].Beijng:Science Press,1982.

    [2] 陳家鼎,孫山澤,李東風(fēng).數(shù)理統(tǒng)計(jì)學(xué)講義[M].北京:高等教育出版社,1993.

    CHEN Jia-ding,SUN Shan-ze,LI Dong-feng.The notes of mathematical statistics[M].Beijing:Higher Education Press,1993.

    [3] 西安礦業(yè)學(xué)院數(shù)學(xué)教研室.數(shù)學(xué)地質(zhì)基礎(chǔ)與方法[M].北京:煤炭工業(yè)出版社,1979.

    Xi’an Mining College Mathematics Teaching and Research Section.Mathematics geology basis and methods[M].Beijing:Coal Industry Press,1979.

    [4] 小喬治S科克,理查德 F林克.地質(zhì)數(shù)據(jù)統(tǒng)計(jì)分析[M].北京:科學(xué)出版社 1978.

    Little George S Cork,Richard F Link.Geological data statistical analysis[M].Beijing:Science Press,1978.

    [5] 骨澤銀,郭 科.多元統(tǒng)計(jì)方法及其程序設(shè)計(jì)[M].成都:四川科學(xué)技術(shù)出版社,1999.

    GU Ze-yin,GUO Ke.Multivariate statistical method and its programming[M].Chengdu:Sichuan Science and Technology Press,1999.

    [6] 姬戰(zhàn)懷.用測井曲線預(yù)測儲(chǔ)層參數(shù)——正則化神經(jīng)網(wǎng)絡(luò)方法[D].西安:西安科技大學(xué),2003.

    JI Zhan-huai.Using well logging curve to predict reservoir parameter:Regularization neural network method[D].Xi’an:Xi’an University of Science and Technology,2003.

    [7] 景興鵬,劉 潔,段宗懷,等.致密砂巖氣含量試驗(yàn)測試技術(shù)[J].西安科技大學(xué)學(xué)報(bào),2013,33(5):559 -564.

    JING Xing-peng,LIU Jie,DUAN Zong-huai,et al.Test technology on gas content of tight sandstone gas[J].Journal of Xi’an University of Science and Technology,2013,33(5):559 -564.

    [8] 張彥周,劉葉玲.支持向量機(jī)在儲(chǔ)層厚度預(yù)測中的應(yīng)用[J].勘探地球物理進(jìn)展,2005,28(6):422 -424.

    ZHANG Yan-zhou,LIU Ye-ling.Support vector machine(SVM)in the application of the reservoir thickness prediction[J].Progress in Exploration Geophysics,2005,28(6):422-424.

    [9] 阮詩新,于 波.一些回歸分析方法的實(shí)現(xiàn)、改進(jìn)與應(yīng)用[D].長春:吉林大學(xué),2005.

    RUAN Shi-xin,YU Bo.Some of the implementation,improvement and application of regression analysis method[D].Changchun:Jilin University,2005.

    [10]李紅東,葉 青.儲(chǔ)層預(yù)測方法在WC油田開發(fā)中的應(yīng)用[J].石油鉆采工藝,2007,29(6):56 -59.

    LI Hong-dong,YE Qing.Reservoir prediction method in the application of WC oilfield development[J].Oil Drilling Process,2007,29(6):56 -59.

    [11]苑玉風(fēng).多元回歸分析的應(yīng)用研究[J].汽車科技,1996(4):25-28.

    YUAN Yu-feng.The application of multiple regression analysis[J].Automotive Technology,1996(4):25 - 28.

    [12]陳 杰.MATLAB寶典[M].北京:電子工業(yè)出版社,2007.

    CHEN Jie.MATLAB bible[M].Beijing:Electronic Industry Press,2007.

    [13] Lawrence P,Apamco S,Dhahran,Arabia S.Seismic attributes in the characterization of small-scale reservoir in Abqaiq field[M].The Leading EDGE,1998.

    [14] Chen Q,Sideney S.Seismic attribute technology for reservoir forecasting and monitoring[M].The Leading Edge,1997.

    [15]景興鵬.煤層氣儲(chǔ)層壓力測試實(shí)驗(yàn)研究[J].西安科技大學(xué)學(xué)報(bào),2011,31(5):554-558.

    JING Xing-peng.An experimental research on reservoir pressure of coal- bed methane[J].Journal of Xi’an U-niversity of Science and Technology,2011,31(5):554-558.

    [16]吳志宇,李克永.安塞油田晚三疊世長7油層組沉積微相及儲(chǔ)層非均質(zhì)性研究[J].西安科技大學(xué)學(xué)報(bào),2012,32(4):470 -485.

    WU Zhi-yu,LI Ke-yong.Sedimentary microfacies and heterogeneity of Chang 7 formation in Late Triassic of Ansai Oilfield[J].Journal of Xi’an University of Science and Technology,2012,32(4):470 -485.

    [17]易丹輝.統(tǒng)計(jì)預(yù)測——方法與應(yīng)用[M].北京:中國統(tǒng)計(jì)出版社,2001.

    YI Dan-hui.Statistical prediction:method and application[M].Beijing:China Statistics Press,2001.

    [18]骨澤銀,郭 科.多元統(tǒng)計(jì)方法及其程序設(shè)計(jì)[M].成都:四川科學(xué)技術(shù)出版社,1999.

    GU Ze-ying,GUO Ke.Multivariate statistical method and its programming[M].Chengdu:Sichuan Science and Technology Press,1999.

    [19]劉 嚴(yán).多元線形回歸的數(shù)學(xué)模型[J].沈陽工程學(xué)院學(xué)報(bào),2005,1(2-3):128-129.

    LIU Yan.The mathematical model of multivariate linear regression[J].Journal of Shenyang Engineering College,2005,1(2 -3):128 -129.

    猜你喜歡
    回歸方程測井電阻率
    本期廣告索引
    采用直線回歸方程預(yù)測桑癭蚊防治適期
    線性回歸方程的求解與應(yīng)用
    線性回歸方程要點(diǎn)導(dǎo)學(xué)
    八扇區(qū)水泥膠結(jié)測井儀刻度及測井?dāng)?shù)據(jù)處理
    中國煤層氣(2021年5期)2021-03-02 05:53:12
    走進(jìn)回歸分析,讓回歸方程不再是你高考的絆腳石
    三維電阻率成像與高聚物注漿在水閘加固中的應(yīng)用
    基于測井響應(yīng)評價(jià)煤巖結(jié)構(gòu)特征
    中國煤層氣(2015年4期)2015-08-22 03:28:01
    隨鉆電阻率測井的固定探測深度合成方法
    中石油首個(gè)全國測井行業(yè)標(biāo)準(zhǔn)發(fā)布
    山阳县| 枣强县| 建水县| 云林县| 娄底市| 大厂| 景东| 广昌县| 兴文县| 砚山县| 徐闻县| 绍兴市| 德江县| 芦溪县| 手游| 苏尼特右旗| 财经| 永昌县| 洮南市| 平舆县| 五华县| 西乡县| 宁阳县| 新民市| 沂源县| 贞丰县| 泰宁县| 绥阳县| 顺义区| 昭平县| 保定市| 汉源县| 延长县| 政和县| 南投市| 惠东县| 灵台县| 夏邑县| 乌拉特中旗| 荃湾区| 九江市|