海上油气田开发受平台使用寿命的限制, 为了提高采出程度, 一般需要布置水平井。然而, 水平井的着陆深度是最难预测的。着陆深度设计浅, 可能钻穿储层; 着陆深度设计深, 可能无法钻遇储层。目前设计井轨迹时, 一般借用邻井时深关系或者深度构造图预测靶点深度; 随钻过程中, 地震上根据标志层标定情况、地质上根据地层等厚对比共同预测靶点深度。上述方法存在明显缺陷, 由于地震上是借用邻井时深, 如果水平井的标志层和目的层之间速度有变化, 邻井的时深不能表征这一变化; 而地质上通过地层等厚对比, 如果水平井的标志层和目的层之间厚度相较邻井发生变化, 等厚对比方法就失效了。

水平井在钻进过程中, 随钻测井曲线一般只有电阻曲线和伽马曲线, 没有声波曲线。因此, 不能利用声波曲线制作合成地震记录对该井进行精细的时深标定与分析。工程应用中, 一般只能借用邻井时深, 因而深度预测存在误差就在所难免。为了获得声波测井曲线, 前人有利用Gardner公式估算^{[1, 2]}, 利用Faust公式估算^[3], 利用GR曲线重构^[4], 利用流体替换技术重构等。这些方法能解决一些问题, 但也存在一些不足。比如随钻过程中没用密度测井曲线, 因此Gardner公式无法应用。储层中流体性质对电阻率的影响比声波大得多, 很难建立起声波曲线和电阻曲线之间的统计关系, 因此Faust公式也很难应用。

不同测井曲线是用不同物理场探测同一个地质目标所得到的结果, 尽管这些结果是不同的物理响应, 但它们所反映的是同一个地质体, 所以它们之间必然有一种内在的关系。但是, 这种关系不是简单的线性关系, 而往往是非线性关系, 例如声波测井曲线与其他的测井曲线就存在着某种确定性或统计性的关系^[5]。基于上述理论, 笔者利用随钻过程中的电阻曲线和伽马曲线, 通过支持向量机预测声波曲线, 进而进行合成地震记录标定。在支持向量机算法误差和合成地震记录标定的双重质量控制下, 得到该井相对精细的时深关系, 预测目的层深度, 指导开发井着陆^{[6, 7, 8, 9]}。在渤海湾盆地A油田群随钻过程中, 本方法的深度预测精度较之前方法大幅提高, 值得推广到其他油田水平井随钻过程中。

支持向量机(support vector machine, SVM)是20世纪90年代中期发展起来的, 在解决非线性、小样本及高维模式识别中应用非常广泛。它是建立在结构风险最小化原则以及VC维概念基础上的一种有限样本统计学习理论^{[10, 11, 12]}。

文中主要研究支持向量机在用泥质含量曲线和电阻率曲线预测声波曲线技术问题, 它属于回归问题^{[13, 14, 15]}。由于测井曲线之间属于非线性关系, 因此在测井曲线预测问题中, 在原空间寻找一个回归函数相当困难, 需要构造高维空间, 在高维空间中寻找最优的回归函数。对于测井曲线样本, 采用非线性函数ϕ (· )将其映射到一个高维线性特征空间。并使其在高维特征空间线性可分, 非线性空间的回归函数估计问题转化为高维数的线性空间回归函数估计问题^{[16, 17, 18]}。其主要步骤有以下几步(图1), 首先利用探井1的电阻曲线、泥质含量曲线和实测声波曲线作为向量机的学习样本, 将泥质含量曲线和电阻曲线作为输入层, 声波曲线作为输出层, 经学习训练得到一个适用网络。比较探井1实测声波曲线与预测声波曲线的差别, 如果差异小, 将探井2的泥质含量曲线和电阻曲线作为输入层, 利用刚训练好的网络来预测探井2的声波曲线。再比较探井2实测声波曲线与预测声波曲线的差别, 如果差异小, 再比较实测声波曲线和预测声波曲线分别制作的合成地震记录的差别; 如果差异小, 再比较利用各自合成地震记录得到的时深关系的差别, 差异小说明方法是准确可行的。最后利用刚训练好的网络来预测水平井的声波曲线, 制作合成地震记录, 得到精细时深关系、预测深度, 指导水平井着陆决策。

图1

	Figure Option ViewDownloadNew Window
	图1 支持向量回归机技术流程

1) 在水平井着陆过程中, 利用基于支持向量机的声波曲线预测技术根据已有的泥质含量曲线和电阻曲线预测出声波曲线, 制作合成地震记录, 得到水平井精细的时深关系, 重新预测靶点深度。与传统借用相邻探井时深关系预测靶点深度相比, 该方法精度大幅提高。

2) 解决借用探井时深关系出现的砂体标定不协调等现象。比如借用探井时深目的层之上钻遇的砂体与地震反演剖面标定较好, 但目的层加深; 而利用本文方法得到的时深关系, 水平井砂体从上到下都标定协调。