海上油田水驱采收率预测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115271182A(43)申请公布日2022.11.01(21)申请号202210812608.9G06N20/00(2019.01)(22)申请日2022.07.12G06N3/08(2006.01)G06N3/04(2006.01)(71)申请人中海石油（中国）有限公司天津分公E21B49/00(2006.01)司E21B43/20(2006.01)地址300459天津市滨海新区海川路2121号(72)发明人吴春新刘英宪王少鹏张宏友马奎前罗宪波侯东梅邓琪刘美佳原建伟(74)专利代理机构天津三元专利商标代理有限责任公司12203专利代理师高凤荣(51)Int.Cl.G06Q10/04(2012.01)G06Q50/02(2012.01)权利要求书2页说明书11页附图4页(54)发明名称海上油田水驱采收率预测方法(57)摘要一种海上油田水驱采收率预测方法，包括以下步骤：一：根据研究对象地质油藏特征，确定类比油田；二：对类比油田生产动态数据进行历史拟合；三：预测类比油田的采收率，并开展采收率敏感性分析；四：基于采收率预测结果构建机器学习模型；五：利用训练好的机器学习模型对研究对象采收率进行预测。本发明不仅考虑了海上油田开发的特殊性；而且，在定量化预测采收率时，还构建了机器学习模型，避免了主观因素，具有较强的客观性；同时，机器学习时，还避免了常规采用机器学习样本点少的问题；解决了海上油田水驱采收率预测难的问题。CN115271182ACN115271182A权利要求书1/2页1.一种海上油田水驱采收率预测方法，其特征在于，包括：以下步骤：第一步：根据研究对象地质油藏特征，确定类比油田；第二步：对类比油田生产动态数据进行历史拟合；第三步：预测类比油田的采收率，并开展采收率敏感性分析；第四步：基于采收率预测结果构建机器学习模型；第五步：利用训练好的机器学习模型对研究对象采收率进行预测。2.根据权利要求1所述的海上油田水驱采收率预测方法，其特征在于，所述第一步中，其研究对象为：结合钻井、录井、测井以及地震资料，以确定研究对象的地质油藏特征，用于表征地质油藏特征的主要参数，包括：含油层位、沉积相、油藏类型、储层岩性、驱动类型、油藏埋深、有效厚度、孔隙度、渗透率和地层原油粘度，其中，特征参数含油层位、沉积相、油藏类型、储层岩性、驱动类型采用定性指标进行衡量，另外5个特征参数油藏埋深、有效厚度、孔隙度、渗透率和地层原油粘度采用定量指标进行衡量。3.根据权利要求1或2所述的海上油田水驱采收率预测方法，其特征在于，所述第一步中，按以下步骤选择选取类比油田：1.首先，依据国标、行标或企标油藏分类相关标准，对研究对象油藏类型进行划分；在选取类比油田时，要求研究对象和类比油田特征参数定性指标相同，要求研究对象和类比油田特征参数定量指标划分的油藏类型相同；2.根据油藏埋深，将油藏划分为5类：一类为浅层油藏，即：油藏埋深小于500米；二类为中浅层油藏，即：油藏埋深大于等于500米，且小于2000米；三类为中深层油藏，即：油藏埋深大于等于2000米，且小于3500米；四类为深层油藏，即：油藏埋深大于等于3500米，且小于4500米，五类为超深层油藏，即：油藏埋深大于等于4500米；3.根据油藏厚度将油藏划分4类：一类为薄层油藏，即：油藏厚度小于5米；二类为中厚层油藏，即：油藏厚度大于等于5米且小于20米；三类为厚层油藏，即：油藏厚度大于等于20米且小于40米；四类为特厚层油藏，即：油藏厚度大于等于40米；4.根据孔隙度将油藏划分为4类：一类为特低孔隙度油藏，即：油藏孔隙度小于10％；二类为低孔隙度油藏，即：油藏孔隙度大于等于10％，且小于15％；三类为中孔隙度油藏，即：油藏孔隙度大于等于15％，且小于25％；四类为高孔隙度油藏，即：油藏孔隙度大于等于25％；5.根据渗透率将油藏划分5类：一类为特低渗透油藏，即：油藏渗透率小于5毫达西；二类为低渗透油藏，即：油藏渗透率大于等于5毫达西，且小于50毫达西；三类为中渗透油藏，即：油藏渗透率大于等于50毫达西，且小于500毫达西；四类为高渗透油藏，即：油藏渗透率大于等于500毫达西，且小于1000毫达西；五类为特高渗透油藏，即：油藏渗透率大于等于1000毫达西；6.根据地层原油粘度将油藏划分4类：一类为低粘油油藏，即：地层原油粘度小于5毫帕秒；二类为中粘油油藏，即：地层原油粘度大于等于5毫帕秒，且小于20毫帕秒；三类为高粘油油藏，即：地层原油粘度大于等于20毫帕秒，且小于50毫帕秒，四类为稠油油藏，即：地层原油粘度大于等于50毫帕秒。4.根据权利要求1所述的海上油田水驱采收率预测方法，其特征在于，所述第二步中，对类比油田生产动态数据进行历史拟合过程：由