专利交易市场

本发明涉及一种基于聚类分析测井岩石物理相划分的储层可压性评价方法，该方法包括步骤：根据取芯资料的岩石力学参数测试结果和声波时差数据获取目标区块的脆性指数剖面；获取目标区块的岩石物理响应特征数据，获取目标区块的储层物性参数测井数据，根据目标区块的脆性指数剖面、岩石物理响应特征数据、储层物性参数测井数据，基于聚类分析方法，采用K邻近算法和核心代表指数，划分储层岩石物理相分类；根据储层岩石物理相分类结果进行目标井的可压性评价。本发明解决了现有技术可压性评价结果单一且不具有代表性的技术问题，基于聚类分析方法可以得到储层可压性定量分类分级结果。

本发明属于非常规油气储层甜点评价研究领域，涉及一种基于聚类分析测井岩石物理相双甜点识别方法，该方法包括工程甜点识别方法和储层品质甜点识别方法，所述的工程甜点识别方法是在现有的储层可压性评价方法基础上，在纵横波时差转换模型中放弃使用经验公式，而是基于多元线性回归理论提出了一种改进的综合分析储层岩石物理响应特征的横波时差计算方法，得到了考虑多因素影响、且适用于目前研究区块的横波时差计算公式；在储层品质甜点识别方面，本发明根据孔隙度测井解释模型与含油饱和度计算结果进行自动聚类分析，将储层品质分类，得到储层品质甜点。最后，结合工程甜点和储层品质甜点分级分类评价结果，给出目标储层双甜点分类分级结果。

本发明提供一种基于测井大数据的地层评价方法及系统，所述方法基于物理模拟和机器学习实现，属于测井技术领域。所述方法包括：获取测井数据，并根据所述测井数据进行机器学习模型训练，获得机器学习模型；采集测井测量值，并根据预设规则进行所述测量值预处理，获得训练样本数据；基于所述机器学习模型进行所述训练样本数据训练，输出计算结果；根据所述计算结果进行对应地层评价。利用了完整的测井数据进行机器学习模型构建，并基于该机器学习模型进行测井数据解释，使得机器学习模型的关联参数更为全面，模型训练结果更加贴合实际情况。