本發(fā)明屬于油田開發(fā)，特別涉及一種學習地層單元界線標定質(zhì)控方法及系統(tǒng)。

背景技術(shù)：

1、目前很多油氣田都是在以沉積巖為主要儲層的盆地發(fā)現(xiàn)的，而標準的陸相沉積模式下儲層呈現(xiàn)垂向發(fā)育十到上百個小層、厚度各不相等的強非均質(zhì)特點。已開發(fā)油田，特別是高含水老油田，要實現(xiàn)多層非均質(zhì)儲層的效益精準開發(fā)，首要工作就是保證從油層組級、砂巖組到單元級的各級次地層單元界線準確，消除因劃漏、劃錯造成的射孔竄層、投資高但實施效果差的風險。但目前在地層界線核查中，存在以下難點：一是地層界線質(zhì)控以人工審核為主，隨著已開發(fā)油田井數(shù)持續(xù)增加，僅依靠人工質(zhì)控難度日益增大；二是常規(guī)地層界線質(zhì)控以測井曲線特征和解釋資料為主，但已開發(fā)油田不同時期井網(wǎng)的測井曲線和解釋結(jié)果存在差異，僅依賴測井信息難以保證地層界線劃分的精度；三是沉積單元級地層界線質(zhì)控以逐一核查為主，缺少宏觀沉積地質(zhì)模式約束，沒有有效的河流相儲層界線標定質(zhì)控手段。

2、開發(fā)精細地質(zhì)研究重要的手段就是建模，小到分米級砂體單元、大到幾十上百米的油層組，而建模的基礎是測井數(shù)據(jù)和開發(fā)數(shù)據(jù)等基礎數(shù)據(jù)，在開發(fā)區(qū)級別的建模中，很難保證上千口井的幾萬至幾十萬個個數(shù)據(jù)的準確率達到百分之百，而通過開發(fā)數(shù)據(jù)和實踐經(jīng)驗確定的特定開發(fā)研究區(qū)的技術(shù)數(shù)據(jù)和模型精度質(zhì)控判別標準就顯得尤為重要。本發(fā)明適用的開發(fā)研究對象是典型陸相沉積、尤其是河流相沉積模式下的砂體單元界線標定的質(zhì)控，輸入的數(shù)據(jù)就是油層組級模型，但質(zhì)控研究對象要細化到單元(小層)級別砂體單元界線劃分是否準確合理。作為質(zhì)控對象的輸入數(shù)據(jù)就是通過以下方法實現(xiàn)插值擬合后建模的，而后面的質(zhì)控判別則應用隨機森林算法通過機器學習高效實現(xiàn)，設計的算法原理和背景如下：

3、標準陸相沉積模式約束下基于隨機森林法則機器學習地層單元界線標定質(zhì)控方法中建模原理：克里金法(kriging)是依據(jù)協(xié)方差函數(shù)對隨機過程/隨機場進行空間建模和預測(插值)的回歸算法，算法原型被稱為普通克里金，改進算法包括泛克里金、協(xié)同克里金和析取克里金等。根據(jù)地理學第一定律，空間上的所有值都是互相聯(lián)系的，且距離近的值具有更強的相關(guān)性。隨機場使用協(xié)方差函數(shù)對上述結(jié)論進行刻畫，對應高斯過程回歸理論中的核函數(shù)。使用克里金法需要隨機場滿足兩個假設：第一、隨機場的數(shù)學期望存在，且與位置無關(guān)；第二、對隨機場內(nèi)任意兩點，其協(xié)方差函數(shù)僅是點間向量的函數(shù)。

4、目前油田開發(fā)地質(zhì)研究中地層界線核查工作中存在的三個問題(一是地層界線質(zhì)控以人工審核為主，隨著開發(fā)井增加精度和效率無法保證；二是常規(guī)地層界線質(zhì)控以測井曲線特征和解釋資料為主，但已開發(fā)油田不同時期井網(wǎng)的測井曲線和解釋結(jié)果存在不可避免的統(tǒng)計效應和系統(tǒng)誤差；三是沉積單元級地層界線質(zhì)控以逐一核查為主，缺少宏觀沉積地質(zhì)模式約束，沒有有效的河流相儲層界線標定質(zhì)控手段)，以保真算法建模為基礎、以機器學習手段提高效率。

技術(shù)實現(xiàn)思路

1、為了解決背景技術(shù)中至少一個問題，本發(fā)明提出一種學習地層單元界線標定質(zhì)控方法及系統(tǒng)。

2、為了實現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：

3、一種學習地層單元界線標定質(zhì)控方法，包括以下步驟：

4、獲取研究區(qū)域的全部井的基礎數(shù)據(jù)；

5、根據(jù)全部井的基礎數(shù)據(jù)，采用克里金算法建立第一模型；

6、對第一模型中油層組級界線進行標定質(zhì)控，完成油層組級模型和全部井數(shù)據(jù)更新，得到第二模型；

7、基于第二模型進行單元級界線標定質(zhì)控，完成異常井的校正或剔除，得到更新后的單元級模型，為第三模型；

8、基于第三模型，根據(jù)隨機森林機器學習完成單元內(nèi)部異常砂體區(qū)識別、鎖定異常井，完成異常井剔除后得到更新后的模型作為第四模型；

9、從第四模型中逐個提取單元級模型，得到每個單元修正后的模型，將每個修正后的單元模型與相鄰的砂巖組標準層進行質(zhì)控，得到砂巖組級界線標定模型；

10、基于砂巖組級界線標定模型和深度域地震模型進行質(zhì)控，得到最終開發(fā)地質(zhì)模型作為第五模型。

11、優(yōu)選地，獲取研究區(qū)域的全部井的基礎數(shù)據(jù)，包括：

12、確定研究區(qū)域的四點坐標；

13、收集全部研究區(qū)域內(nèi)鉆遇目的層分層數(shù)據(jù)和測井曲線數(shù)據(jù)；

14、收集完全覆蓋研究區(qū)域坐標范圍的三維地震數(shù)據(jù)體；

15、收集研究區(qū)域的深度域速度模型；

16、收集研究區(qū)域的地震地質(zhì)解釋成果。

17、優(yōu)選地，根據(jù)全部井的基礎數(shù)據(jù)，采用克里金算法建立第一模型，包括以下步驟：

18、應用測井曲線數(shù)據(jù)和分層數(shù)據(jù)采用克里金算法插值建立油層組級模型；

19、細化油層組級模型的三維網(wǎng)格，建立砂層組模型；

20、在砂層組模型內(nèi)建立單元級模型；

21、確定不同尺度三維網(wǎng)格三個方向的尺度，及每一層級模型建立的更新迭代輪次；

22、基于標準陸相沉積模式的地質(zhì)模型奇點質(zhì)控，如果油層組級模型在100m*100m網(wǎng)格精度下，任意網(wǎng)格內(nèi)特征值垂向相關(guān)系數(shù)低于90％，則不通過質(zhì)控需要進行綜合調(diào)整，直到通過質(zhì)控，經(jīng)過質(zhì)控和迭代更新得到用于后續(xù)質(zhì)控的第一模型。

23、優(yōu)選地，對第一模型中油層組級界線進行標定質(zhì)控，完成油層組級模型和全部井數(shù)據(jù)更新，得到第二模型，包括以下步驟：

24、應用深度域速度模型將收集的三維地震數(shù)據(jù)體和地震地質(zhì)解釋成果通過時深轉(zhuǎn)換到深度域，得到地震深度和地平線深度用于后續(xù)質(zhì)控；

25、基于地震深度和地平線深度對第一模型中油層組級界線進行標定質(zhì)控；

26、若任意網(wǎng)格內(nèi)大于等于30m的油層組層位數(shù)據(jù)的地平線深度和測井分層深度誤差率*100％大于5％，則質(zhì)控不通過，所述網(wǎng)格測井數(shù)據(jù)對應的井的標定位為不可用井，若誤差率大于等于1％小于等于5％，則調(diào)整測井曲線油層組級分層深度，若誤差率小于1％則通過質(zhì)控無需做任何調(diào)整更新，完成油層組級模型和全部井數(shù)據(jù)更新得到第二模型。

27、優(yōu)選地，基于第二模型進行單元級界線標定質(zhì)控，完成異常井的校正或剔除，得到更新后的單元級模型，為第三模型，包括以下步驟：

28、對砂巖組的測井曲線進行識別，建立砂巖組級模型和閾值標準，然后得到標準層計算校正量實現(xiàn)砂巖組級界線自動校正修正；

29、粗化單一單元的空間網(wǎng)格，應用標準陸相沉積模式約束下最大誤差控制方法質(zhì)控，識別出異常單元體首輪大邊界；

30、以首輪大網(wǎng)格異常單元體位為輸入數(shù)據(jù)，進行細化網(wǎng)格后的斷層自動判別質(zhì)控，利用質(zhì)控結(jié)果雕刻單元級斷層邊界；

31、利用標準陸相沉積模式約束完成單元級界線標定質(zhì)控，通過變網(wǎng)格計算出最小采樣間隔校正量，完成異常井校正或剔除；

32、若某任意網(wǎng)格內(nèi)大于等于2m的砂體單元和測井分層深度誤差率*100％，大于5％，則質(zhì)控不通過，所述網(wǎng)格測井數(shù)據(jù)對應的井的標定位為不可用井，若誤差率大于1％小于等于5％，則調(diào)整測井曲線分層深度，如果誤差率小于等于1％則通過質(zhì)控；

33、剔除第二模型中的不可用井，得到第三模型。

34、優(yōu)選地，基于第三模型，根據(jù)隨機森林機器學習完成異常砂體區(qū)識別、鎖定異常井，完成異常井剔除后得到更新后的模型作為第四模型，包括以下步驟：

35、利用隨機森林算法通過機器學習實現(xiàn)單元內(nèi)部不同類型疊置砂體識別分類，得到異常砂體識別區(qū)；

36、基于異常砂體識別區(qū)鎖定異常井；

37、從第三模型中剔除異常井，得到第四模型。

38、一種學習地層單元界線標定質(zhì)控系統(tǒng)，包括：

39、基礎單元，用于獲取研究區(qū)域的全部井的基礎數(shù)據(jù)；

40、第一單元，用于根據(jù)全部井的基礎數(shù)據(jù)，采用克里金算法建立第一模型；

41、第二單元，用于對第一模型中油層組級界線進行標定質(zhì)控，完成油層組級模型和全部井數(shù)據(jù)更新，得到第二模型；

42、第三單元，用于基于第二模型進行單元級界線標定質(zhì)控，完成異常井的校正或剔除，得到更新后的單元級模型，為第三模型；

43、第四單元，用于基于第三模型，根據(jù)隨機森林機器學習完成單元內(nèi)部異常砂體區(qū)識別、鎖定異常井，完成異常井剔除后得到更新后的模型作為第四模型；

44、提取單元，用于從第四模型中逐個提取單元級模型，得到每個單元修正后的模型，將每個修正后的單元模型與相鄰的砂巖組標準層進行質(zhì)控，得到砂巖組級界線標定模型；

45、第五單元，用于基于砂巖組級界線標定模型和深度域地震模型進行質(zhì)控，得到最終開發(fā)地質(zhì)模型作為第五模型。

46、優(yōu)選地，所述基礎單元包括：

47、定位模塊，用于確定研究區(qū)域的四點坐標；

48、第一收集模塊，用于收集全部研究區(qū)域內(nèi)鉆遇目的層分層數(shù)據(jù)和測井曲線數(shù)據(jù)；

49、第二收集模塊，用于收集完全覆蓋研究區(qū)域坐標范圍的三維地震數(shù)據(jù)體；

50、第三收集模塊，用于收集研究區(qū)域的深度域速度模型；

51、第四收集模塊，用于收集研究區(qū)域的地震地質(zhì)解釋成果。

52、優(yōu)選地，所述第一單元包括：

53、插值模塊，用于應用測井曲線數(shù)據(jù)和開發(fā)數(shù)據(jù)采用克里金算法插值建立油層組級模型；

54、構(gòu)建模塊，用于細化油層組級模型的三維網(wǎng)格，建立砂層組模型，還用于在砂層組模型內(nèi)建立單元級模型，還用于確定不同尺度三維網(wǎng)格三個方向的尺度，及每一層級模型建立的更新迭代輪次；

55、第一質(zhì)控模塊，用于基于標準陸相沉積模式的地質(zhì)模型奇點質(zhì)控，如果油層組級模型在100m*100m網(wǎng)格精度下，任意網(wǎng)格內(nèi)特征值垂向相關(guān)系數(shù)低于90％，則不通過質(zhì)控需要進行綜合調(diào)整，直到通過質(zhì)控，經(jīng)過質(zhì)控和迭代更新得到用于后續(xù)質(zhì)控的第一模型。

56、優(yōu)選地，所述第二單元包括：

57、轉(zhuǎn)換模塊，用于應用深度域速度模型將收集的三維地震數(shù)據(jù)體和地震地質(zhì)解釋成果通過時深轉(zhuǎn)換到深度域，得到地震深度和地平線深度用于后續(xù)質(zhì)控；

58、第二質(zhì)控模塊，用于基于地震深度和地平線深度對第一模型中油層組級界線進行標定質(zhì)控；若任意網(wǎng)格內(nèi)大于等于30m的油層組層位數(shù)據(jù)的地平線深度和測井分層深度誤差率*100％大于5％，則質(zhì)控不通過，所述網(wǎng)格測井數(shù)據(jù)對應的井的標定位為不可用井，若誤差率大于等于1％小于等于5％，則調(diào)整測井曲線油層組級分層深度，若誤差率小于1％則通過質(zhì)控無需做任何調(diào)整更新，完成油層組級模型和全部井數(shù)據(jù)更新得到第二模型。

59、優(yōu)選地，所述第三單元包括：

60、識別模塊，用于對砂巖組的測井曲線進行識別，建立砂巖組級模型和閾值標準，然后得到標準層計算校正量實現(xiàn)砂巖組級界線自動校正修正；

61、粗化模塊，用于粗化單一單元空間網(wǎng)格，應用標準陸相沉積模式約束下最大誤差控制方法質(zhì)控，識別出異常單元體首輪大邊界；

62、雕刻模塊，用于以首輪大網(wǎng)格異常單元體位為輸入數(shù)據(jù)，進行細化網(wǎng)格后的斷層自動判別質(zhì)控，利用質(zhì)控結(jié)果雕刻單元級斷層邊界；

63、第三質(zhì)控模塊，用于利用標準陸相沉積模式約束完成單元級界線標定質(zhì)控，通過變網(wǎng)格計算出最小采樣間隔校正量，完成異常井校正或剔除；若某任意網(wǎng)格內(nèi)大于等于2m的砂體單元和測井分層深度誤差率*100％，大于5％，則質(zhì)控不通過，所述網(wǎng)格測井數(shù)據(jù)對應的井的標定位為不可用井，若誤差率大于1％小于等于5％，則調(diào)整測井曲線分層深度，如果誤差率小于等于1％則通過質(zhì)控；最后剔除第二模型中的不可用井，得到第三模型。

64、優(yōu)選地，所述第四單元包括：

65、第四質(zhì)控模塊，用于利用隨機森林算法通過機器學習實現(xiàn)單元內(nèi)部不同類型疊置砂體識別分類，得到異常砂體識別區(qū)，然后基于異常砂體識別區(qū)鎖定異常井，最后從第三模型中剔除異常井，得到第四模型。

66、本發(fā)明的有益效果：

67、1、本發(fā)明的標準陸相沉積模式約束下基于隨機森林法則機器學習地層單元界線標定質(zhì)控方法，以保真算法建模為基礎、以機器學習手段提高效率，有效解決油田開發(fā)中單元界線劃定人工識別效率低、精度低、無法適應海量數(shù)據(jù)這三個問題，實現(xiàn)從油層組級、砂巖組到單元級的各級次地層單元界線誤差快速自動對比篩查標定，大幅提高了地層對比審核工作的精度效率，并可廣泛應用在高時效性需求的基礎地質(zhì)研究領(lǐng)域，以支撐常、非、新能源精準開發(fā)，具備良好的應用推廣前景；

68、2、本發(fā)明實現(xiàn)從油層組級、砂巖組到單元級的各級次地層單元界線誤差快速自動對比篩查標定，大幅提高了地層對比審核工作的精度效率，并可廣泛應用在高時效性需求的基礎地質(zhì)研究領(lǐng)域。

69、本發(fā)明的其它特征和優(yōu)點將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點可通過在說明書以及附圖中所指出的結(jié)構(gòu)來實現(xiàn)和獲得。