基于微生物勘探的对地下地层中的非均质分布式烃源的计算机支持的探测和生产的制作方法

本发明涉及油气勘探和生产行业，更具体地涉及对地层中的非均质分布式烃源的优化探测及其生产，诸如使用微生物勘探的对页岩气源和页岩油源的探测和生产。

背景技术：

为了高效地生产地下烃源，储藏工程师和勘探地球科学家的目的是对用于钻井和/或压裂页岩地层的最佳点和轨迹进行定位。

页岩气层或页岩油层通常是非均质地层，其矿物学、有机物含量、天然裂缝和其它性质随着地质构造和岩石性质的变化而变化。

与传统的油气储层或来源相比，页岩油和/或页岩气区带在其区域表面中通常更加紧凑和受限并且对于该页岩油和/或页岩气区带的经典探测和生产技术已被证实为有效，因而覆盖面积更大。

传统的油气储层中钻出的井能够在储层的相对较大的区域上排出油或气。相比之下，页岩油和页岩气区带需要多个相对紧密排列的井，所有这些井都位于页岩油和/或页岩气区带的区域之上，以成功地产生区带。与其它井(即较低生产力的井或带)相比，这些井中的一些井产生显著较大的体积，即高生产力的井或带，也称为“甜点”(sweetspot)。在钻井和/或压裂之前标识甜点的位置将会节省大量时间和金钱，这是因为钻井优选限于或基本上限于表示页岩油和/或页岩气区带处存在甜点并且与这种存在相关联的地理位置或地理带。

地下储层通常是使用例如专门编程的计算机和地质统计建模由地质学家、地球物理学家和岩石物理学家所获得的地震和地质数据建模而成的。为了生产通过地质统计学建模所标识出的页岩源，在实践中，应用了称为网格钻井的技术。即，要探测的区域被标识该区域的地理位置的虚拟网格所覆盖。在多个或所有网格位置中，将井钻到页岩地层，并且测量这种井的烃生产力并以表示各自的烃生产力的量进行表示。

因为钻井既费时又费成本，因此在实践中，生产工程师的目的是将钻井和/或压裂活动减少到从地下地层高效获得油或气所必需的程度。

作为地震和地质数据的替代或附加，特别是为了检测地下烃源，可以使用微生物勘探。已知某些细菌对烃类起反应，因此可用作用于发现油气储层的指标。

烃类的微生物勘探是一种表面勘探技术，其基于以下前提：诸如甲烷(c1)、乙烷(c2)、丙烷(c3)和丁烷(c4)等的挥发性气态烃组分例如从地下烃类聚集向上迁移通过地质结构中的天然微裂纹(一般称为微渗漏)，并且可能影响浅层底土生态系统中所存在的微生物。烃氧化菌排他地使用这些气体作为其代谢活动和生长的碳源。这些细菌通常被发现富含在含烃结构之上的土壤/沉积物中，并且可以区分烃的预期和非预期生产区域。即，就页岩气或页岩油储层而言，分别在甜点和非生产带或低生产带之间。

例如在表层土壤或沉积物中检测甲烷、乙烷、丙烷或丁烷氧化菌的各种组有助于评价烃探测和生产的预期。

微生物勘探基本上涉及从被调查区域收集底土样本，然后对样本中发现的微生物活性进行分离和列举。所涉及的微生物不限于烃氧化微生物或代谢微生物，而且还可以包括耐受挥发性组分的微生物，即非代谢微生物或者在一定程度上通过挥发性烃类的微渗漏而降解或甚至消除的微生物。

可以通过标准分子生物学技术中已知的微生物筛选技术来检测从被调查的区带或区域中所取得的表层土壤或沉积物的样本中存在的微生物，从而提供标识微生物的微生物数据，诸如用作所谓的生物指标的dna序列等。

通过例如在种群密度和细菌计数方面分析所发现的微生物活性、并应用统计学方法和被认为是异常带划分的背景值的标准偏差值，将微生物分析的结果呈现在被调查区域的地理图上。该图具有用于在生产油和/或气的地层中进行钻井的预测生产图的功能。

对于盐下烃类储层，例如，目前，微生物勘探似乎是一种可行的用于勘探钻井的位置以从这种盐下储层中开采油源或气源的探测技术。

通过微生物勘探获得的结果可以与其它地理科学和地球物理学数据相整合，以预测被调查区域的烃类前景。

虽然微生物勘探工作已经在二十世纪初开始，并且从那时起已经标识出了多个细菌种群(其存在与否有资格表明地下烃源的存在与否)，但诸如页岩气源和页岩油源等的非均质地下烃源的微生物勘探的有效性仍然需要改进。特别是页岩油或气区带的非均质性，使得探测对于通过使待钻井的数量最小化来使这些区带的生产效率最大化至关重要。

技术实现要素：

本发明涉及使用微生物勘探从被调查的区域或区带中的非均质分布式地下烃源生产油和/或气的优化。

本发明还涉及优化对被调查的区域或区带中的非均质分布式地下烃源的探测，通过建立表示被调查的区域或区带中的预测烃生产力的预测生产图来勘探要进行钻井或在地下地层中应用压裂的位置。

作为起点，为了本发明的目的，如在以上背景技术部分中所阐述的，应该理解，本领域中容易利用用于获得表示代表微生物活性的多个不同微生物的类型和计数的微生物数据的微生物勘探技术，其中该微生物活性可归因于包括地下烃源或储层的地理区域或区带中的微渗漏。

因此，假设为了本发明的目的的微生物数据可获得并例如存储在与计算机或处理装置相关联的数据库中，存储在数据载体上，或者可经由数据连接从远程数字数据库等下载，或者甚至可通过在计算机或处理装置的同一输入中手动地输入来获得。

在第一方面，本发明提供了一种计算机支持或计算机控制的方法，用于基于微生物勘探等来探测和生产被调查区域中的地下非均质烃源，该被调查区域包括表示代表微生物活性的多个不同微生物的类型和计数的微生物数据。在甜点中，该微生物活性可归因于烃类微渗漏并且与被调查区域的非生产带或低生产带中的微生物活性不同。

该方法包括以下步骤：

i)利用所述计算机从包括非均质烃源的区域或区带的多个地理位置中检索与表示各地理位置处的地下烃生产力的量相关联的微生物数据；

ii)利用所述计算机在数据相关算法中使检索到的所述微生物数据和表示烃生产力的量进行相关，从而提供阈值烃生产量和检索到的所述微生物数据的截断集合，所述截断集合用于标识所述微生物的各个类型以及通过所述数据相关算法所计算出的相应加权因子，以将预期烃生产量与非预期烃生产量区分开；

iii)利用所述计算机来检索被调查区域的其它地理位置的微生物数据；

iv)利用所述计算机，通过应用各所述加权因子对所述截断集合中所标识的微生物的所述其它地理位置的检索到的微生物数据进行计数加权，来计算该其它地理位置的估计地下烃生产量；以及

v)在与所述阈值烃生产量相比、所述估计地下烃生产量符合预期烃生产量的情况下，在所述其它地理位置处生产或已经生产了所述烃源。

已经发现，通过在相同的数据相关算法中使微生物数据和生产力数字(即表示包括非均质分布式烃源的区域或区带的多个地理位置中的各地理位置处的烃生产力的量)进行相关，可以可靠地根据相关的微生物数据的截断集合来估计被调查区域处的其它地理位置的烃生产力，从而标识微生物的各个类型以及通过数据相关算法所计算出的相应加权因子。

在实践中，通过微生物勘探来收集多个地理位置的微生物数据，包含取得多个地理位置的土壤样本并从相应的土壤样本中检测这些地理位置中的各地理位置处的微生物活性。如此获得的微生物数据(即所发现的不同类型的微生物或生物指标以及每个这种类型或生物指标的数量或计数)与表示各地理位置处的或者归因于各地理位置的地下烃生产力的量或数字相关联地存储在数字数据库等中。

多个地理位置可以包括被调查区域的地理位置(即这些区域的已知或估计的微生物数据和生产力数据)，以及/或者多个地理位置可以包括已知的至少一个非均质烃区带的地理位置。对于已知的区带，如在以上背景技术部分中所阐述的，容易获得这样的生产量，特别是根据经典的网格钻探方法进行调查的区带的生产量。

应当理解，需要收集并仅存储一次这种已知的微生物数据和生产力数据。

通过在数据相关算法中使检索到的已知的微生物数据和表示烃生产力的量进行相关，来计算阈值烃生产量以及如此相关的微生物数据的截断集合和相应加权因子。即，截断集合标识相关中所涉及的多个微生物，并且针对集合中的每种类型的微生物包括相应的加权因子。阈值和微生物集合以及加权因子现在可用于将被调查区域中的预期烃生产量与非预期烃生产力区分开。

阈值量总体上由相关中所涉及的微生物数据(即各个微生物的类型和计数数据以及相应的生产力数据)计算得到，特别地由归因于甜点的微生物数据计算得到。

截断数据集的组成(即所涉及的不同微生物或生物指标的数量和类型)受制于可用微生物数据的组成、所计算出的各加权因子的值、特定微生物或生物指标的计数、相应位置处的生产量以及运行相关算法一个或多个计算机的处理能力。截断数据集的组成可能受制于用户的选择，或者由数据相关算法自动选择，而无论是否基于如上所述的用户可设置参数。

在示例中，截断集合可以涉及约50～250个不同的微生物或生物指标，从而以显著的方式有助于烃生产量的计算。一般来说，在一定程度上，与较小的数据集和/或较少个地理位置相比，相关中所涉及的更多个地理位置和/或更大的截断数据集将产生更准确的结果。数据相关算法使截断数据集的准确性和稳健性平衡。

适合于本发明的目的的数据相关算法是数据回归算法、数据挖掘算法、以及基于包括核函数的l1正则化和通过大量交叉验证的稳健参数估计的稀疏近似算法其中之一。为了本发明的目的，要应用的数据算法的类型可以随着要调查的区域而变化。

根据由此获得的截断的微生物数据集和所获得的各加权因子，通过对截断集合中所标识的这些微生物或生物指标的被调查区域的其它地理位置的检索到的微生物数据进行计数加权来计算该其它地理位置的估计烃生产量。

即，针对截断集合中所标识的微生物的各种类型，微生物在其它地理位置的微生物数据中的计数由相应加权因子进行加权，从而得到该其它地理位置的估计烃生产量或数字。

对于要调查的区域或区带中的烃源的烃探测，同样通过微生物勘探来检测若干地理位置处的微生物活性并将其存储在数字数据库等中。即，针对要估计生产量的至少一些位置，获得被调查区域的微生物数据。

通过将由此获得的估计烃生产量和所计算出的阈值烃生产力进行比较，如果估计烃生产量符合预期烃生产量，则可以通过从该相应的其它地理位置向地下烃源钻井在被调查区域生产或已经生产了烃源。

当根据已知的至少一个非均质分布式烃区带(特别是在地理上与被调查区域不同的烃区带或区域)的可用微生物数据和生产量来计算被调查区域的估计烃生产量时，已经发现，在其它实施例中，通过在相同的数据相关算法中使已知的至少一个非均质烃区带的微生物数据和被调查区域的至少一个位置的、与对应于该至少一个位置的已知和/或假设的烃生产量或数字相关联的微生物数据进行相关，显著地改进了被调查区域中的估计生产量的准确性，特别是对甜点的估计。

在该方法的以上其它实施例中，被调查区域的至少一个地理位置被选择为包括表示该位置处的地下烃生产力的量是指高烃生产的存在与否(即甜点的存在与否)的至少一个地理位置。

本领域技术人员应当理解，对于特定的地质构造，可以有效地假设在某些地点或其位置处，将不存在烃活动，即相应的生产量可被假设为零。然而，被调查区域的至少一个位置的生产量例如可以由(先前的)钻井操作已知，或者可以例如基于地质学家、地球物理学家和岩石物理学家所获得的地震和地质数据容易地估计出。

在该方法的另一实施例中，通过重复针对被调查区域的另一地理位置的步骤来改进估计生产量的准确性，其中，附加地从所计算出的估计烃生产量符合预期的其它地理位置中检索微生物数据和表示地下烃生产力的测得量。然后针对检索到的所有的微生物数据和表示烃生产力的量来进行数据相关。即，通过在先前计算出的估计生产量符合预期的位置处测量烃生产力来获得已知位置的数据和被调查区域的可用数据。

在该方法的又一其它实施例中，针对被调查区域的多个(虚拟)地理网格位置，估计被调查区域处的非均质烃源的生产量。即，针对多个网格位置中的各网格位置，通过应用各加权因子对截断数据集中所标识的微生物的各网格位置的检索到的微生物数据进行计数加权，来计算估计烃生产量。根据所获得的结果，在与阈值烃生产量相比具有符合预期烃生产量的估计烃生产量的相邻网格位置的集群所包括的其它地理位置处，生产或已经生产了被调查区域处的烃源。

特别是针对非均质分布式烃源区带，根据符合预期烃生产点的相邻网格位置的集群，甚至更准确地预测甜点的位置。

在包括页岩气源和页岩油源至少之一的地下非均质分布式烃源的情况下，根据被计算为预期的估计生产量来生产或已经生产了烃源包括：从其它地理位置向地下页岩源钻井，向井中提供压裂流体以在源或地层中建立裂缝，并且从裂缝中提取页岩气或页岩油。

通过压裂来产生页岩源对于本领域技术人员来说是容易获得的，并且为了本发明的目的，不需要进一步详细的说明。

在第二方面，本发明提供了一种计算机支持或计算机控制的方法，用于基于微生物勘探等生成被调查区域中的地下非均质烃源的预测生产图，该被调查区域包括表示代表微生物活性的多个不同微生物的类型和计数的微生物数据，所述微生物活性可归因于烃类微渗漏。该预测生产图表示被调查区域中的烃源的预测烃生产力。

该方法包括以下步骤：

i)利用所述计算机从包括非均质烃源的区域或区带的多个地理位置中检索与表示各地理位置处的地下烃生产力的量相关联的所述微生物数据；

ii)利用所述计算机在数据相关算法中使检索到的所述微生物数据和表示烃生产力的量进行相关，从而提供阈值烃生产量和检索到的所述微生物数据的截断集合，所述截断集合用于标识所述微生物的各个类型以及通过所述数据相关算法所计算出的相应加权因子，以将预期烃生产量与非预期烃生产量区分开；

iii)利用所述计算机来检索所述被调查区域的多个地理网格位置的所述微生物数据；

iv)利用所述计算机，通过应用各所述加权因子对所述截断集合中所标识的微生物的所述多个地理网格位置各自的检索到的微生物数据进行计数加权，来计算各地理网格位置的估计地下烃生产量；以及

v)利用所述计算机，通过呈现与所述被调查区域的相应地理网格位置有关的所述估计地下烃生产量、并且指示与所述阈值烃生产量相比、估计烃生产量是否符合预期烃生产量，来提供所述预测生产图。

应当理解，在实践中，网格位置是虚拟网格的位置，其中各位置例如由其全局定位数据表示。

为了完整起见，应当注意，数据相关算法可以是关于根据本发明的第一方面的方法所公开的任何数据相关算法。

相关中所涉及的多个地理位置可以包括被调查区域的地理位置，以及/或者多个地理位置可以包括已知的至少一个非均质烃区带(特别是在地理上与被调查区域不同的区域处的已知的非均质分布式烃区带)的地理位置。

当基于已知的至少一个烃区带的微生物数据和生产力数字、根据本发明的第二方面来估计烃生产力时，在其它实施例中，通过利用计算机来检索被调查区域的至少一个地理位置的其它微生物数据、并且通过在相同的数据相关算法中使其它微生物数据和表示被调查区域的至少一个位置处的地下烃生产力的量与检索到的微生物数据和表示已知的至少一个区带的烃生产力的量进行相关，来显著地改进预测生产图(即估计生产量)的准确性。

被调查区域的至少一个地理位置包括表示该位置处的地下烃生产力的量是指基于以下各项至少之一的烃生产力的存在与否的至少一个地理位置：假设的烃生产力数据、已知的烃生产力数据以及从至少一个位置处的钻井获得的测得烃生产力数据。

在根据第二方面的方法的另一实施例中，通过重复步骤来计算被调查区域的多个网格位置的改善的预测生产图，并且附加地从具有符合预期烃生产量的估计烃生产量的至少一个网格位置中检索微生物数据和表示地下烃生产力的测得量。然后针对检索到的所有的微生物数据和表示烃生产力的量来进行数据相关，因此通过在先前计算出的估计生产量符合预期烃生产量的至少一个网格位置处测量烃生产力来获得被调查区域的已知地理位置或已知的一个或多个区带的数据以及可用数据。

在实施例中，为了说明的目的，在包括但不限于图形显示装置、计算机屏幕或监视器、纸等的成像装置上以图形的方式呈现与被调查区域的相应网格位置有关的估计烃生产量，使得诸如通过相同的图形可区分标记(例如，着色、加影线和着阴影其中之一)来相同地呈现预定范围内的估计烃生产量。

以这种方式，提供了非均质烃源的清晰的预测生产图，从而示出烃生产力的轮廓线并促进用于生产烃源的目标钻井。可以基于所计算出的估计生产量的偏差来选择与特定标记相对应的生产力范围，以获得易于阅读的图。

根据本发明，优选地从具有至少一种性质(并且最优选地具有尽可能多的与被调查区域共通的性质)的至少一个非均质分布式烃区带中选择用于相关目的的微生物数据和生产力数据。这些性质包括但不限于：烃源的类型，即页岩油源或页岩气源；该源是生物成因的还是非生物成因的；地质情况，即诸如(主要地)粘土、沙子、石头或岩石等的区域的有机物含量；环境，诸如城市、草地、农田(谷物)和水流等；生态和气候，诸如沙漠、湿地、北极等。

为了本发明的目的，可利用的dna分析技术是商业上容易获得的，诸如但不限于基于qiagendneasyplantmini试剂盒(产品分类编号69104，qiagen,hilden,germanyde)的dna分离(无论是否具有使用illustraautoscreen96a孔板(gehealthcare，pittsburgh，pa，usa)的附加的纯化步骤)或基于mobiopowersoilhtpdna分离试剂盒(产品分类编号12955-12)的dna分离，以及等同技术。

尽管以上公开的方法已被证明对于地下非均质页岩气源或页岩油源是成功的，但这些方法可以例如用于盐下区域所包括的以及位于海洋或湖泊之下的被调查区域。

在第三方面，本发明提供一种系统，其包括至少一个计算机和数据输入/输出设备，该计算机以通信的方式连接至或可连接至数据库等，所述数据库存储包括非均质烃源的区域或区带的多个地理位置中的、表示代表微生物活性的多个不同微生物的类型和计数的微生物数据以及表示各地理位置处的地下烃生产力的各个量，所述微生物活性能够归因于烃类微渗漏，所述至少一个计算机被配置为进行以上公开的任何方法的计算机实现的步骤。

在系统的实施例中，数据库存储微生物数据以及表示包括地下非均质烃源的被调查区域的地下烃生产力的量。

在另一实施例中，数据库存储微生物数据以及表示已知的至少一个非均质分布式烃区带的地下烃生产力的量。

在第四方面，本发明提供了一种计算机程序产品，其能够从通信网络中下载并且存储在计算机可读介质和/或处理器可执行介质上，所述计算机程序产品包括用以使得计算机执行以上公开的任何方法的计算机实现的步骤的程序代码指令。用于本发明的目的的非暂时性计算机可读介质或处理器可执行介质包括但不限于光学介质、磁性介质、固态半导体或其它介质中的任一种，诸如指定的紧凑盘、cd、数字通用盘、dvd、闪速存储器、记忆棒、硬盘驱动器、hdd、固态硬盘、sdd等。

参考附图在以下说明中对本发明的上述和其它特征及优点进行说明，其中附图仅通过图示的方式提供并且不对本发明进行限制。

附图说明

图1以示意性和说明性的方式示出根据本发明所配置的计算机系统的框图。

图2以图形表示的方式示出根据本发明的方法中所使用的若干已知区带。

图3、图4、图5和图6以图形表示的方式示出被调查区域中的地下非均质烃源的预测生产图的生成。

具体实施方式

图1以简化框图示出包括至少一个数字计算机或数据处理设备2以及由一个或多个数据库3组成的远程数字数据存储设备的计算机系统1。计算机或数据处理设备2经由诸如互联网或其它一般可用的有线或无线数据通信网络等的中间数据通信网络9而连接或者可连接至远程数据存储设备或数据库3。应当理解，计算机或处理设备2和数据存储设备或数据库3设置有数据通信设备以便于利用计算机或处理设备2来进行与数据存储设备或数据库3的数据传输和数据检索等。

计算机或数据处理设备2还连接至数据输入/输出设备4、5、6等，数据输入/输出设备4、5、6包括显示器4、键盘5和数据传输设备6，用于读取数据和/或将数据写至诸如cd、dvd、闪速存储器、记忆棒、hdd、sdd等的计算机可读数据存储介质8。计算机可读存储介质8可以包括计算机可读的和/或处理器可执行的介质，从而存储包括使计算机执行计算机实现的根据本发明的步骤的程序代码指令的计算机程序产品。作为远程数据存储设备或数据库3的替代或附加，计算机或处理设备2可以连接或者可以包括本地数据库7。

在数据输入/输出设备4、5、6采取例如平板电脑或个人计算机或膝上型计算机的形式的情况下，数据输入/输出设备4、5、6可以经由数据通信网络9与计算机或处理设备2集成或者连接至该计算机或处理设备2。在这种情况下，计算机或处理设备2可以采取被配置为检索和处理大数据量的一个或多个远程服务器的形式。

为了本发明的目的，在使用中，数据存储设备或数据库3存储表示代表微生物活性的多个不同微生物的类型和计数的微生物数据以及表示多个位置的地下烃生产力的各量，其中该微生物活性可归因于被调查区域和/或至少一个已知非均质烃区带的多个地理位置的烃类微渗漏。在本发明的实际实施例中，数据存储设备或数据库3存储多达六个已知的非均质页岩油生产区带或甚至更多的微生物数据和关联的生产力数据。

从被调查区域获得的微生物数据(即从对被调查区域的一个或多个地理位置处取得的底土样本的dna分析获得并且代表受微渗漏影响的微生物活性的类型和细菌计数)还可以与生产量或数字(如果可用)相关联地存储在数据存储设备或数据库3中。应当理解，相关的微生物数据和生产力数据例如还可以直接地存储或下载在连接至计算机或处理设备2的本地数据库7中，而所测得的生产量可以通过诸如键盘5或数据传输设备6等的输入/输出部件来输入。

附图标记10表示在计算机或处理设备2上运行的数据相关算法，用于利用计算机或处理设备2来使利用计算机或处理设备2从数据存储设备或数据库3和/或本地数据库7检索到的和/或在从例如输入/输出部件4、5、6之一手动输入相应数据之后检索到的微生物数据以及表示至少一个已知区带和被调查区域的烃生产力的量进行相关。

根据本发明，数据相关算法10被配置用于计算阈值量，该阈值量将预期烃生产量与被调查区域中的非预期烃生产量区分开。即，与甜点相比，将甜点与没有生产力或具有低生产力的带分离开。

数据相关算法进一步被配置为计算检索到的微生物数据(即被调查区域和/或至少一个已知区带可用的微生物数据)中可用的不同类型的微生物或生物指标的可区分生物指标及其各自的加权因子。在高级数据处理中，根据多个地理位置处以及多个不同的已知非均质分布式区带处收集到的、与各个位置处检测到的特定类型的微生物或生物指标的计数或数量以及与该各个位置相关联的已知烃生产量或数字有关的微生物数据，来计算这些加权因子。即，已知区带不同于被调查区域。

在本发明的实施例中，当利用数据相关算法10仅使用已知区带的微生物数据和生产力数据来以提高的精度计算估计生产量时，被调查区域的至少一个位置的微生物数据必须与对应于该至少一个位置的烃生产量相关联地使用。

例如从(先前的)钻井操作中选择至少一个位置(诸如已知烃生产量的位置等)，或者可以例如基于被调查区域的已知地震和地质数据容易地估计该至少一个位置。本领域技术人员应当理解，对于特定的地质构造，可以有效地假设在某些地点或其位置处，将不存在烃活动，即相应的生产量可被假设为零。

为了本发明的目的，数据相关算法10例如是在由美国剑桥麻省理工学院的sofiamosci等人在2011年9月26日发表的“nonparametricsparsityandregularization”以及由corinnacortes等人在2012年12月3日发表的机器学习研究杂志3(2010)中所发表的“algorithmsforlearningkernelsbasedoncenteredalignment”中所描述的基于包括核函数的l1正则化和通过大量交叉验证的稳健参数估计的指定稀疏近似算法。然而，可以应用其它数据相关算法，诸如数据回归算法和数据挖掘算法及其等同物之一。

本发明的相关步骤提供阈值量和基于微生物的烃生产预测模型，其包括相关微生物数据的截断集合和各个加权因子。

在一个示例中，截断集合可以被提供作为例如由标识符i所标识的可区分的各个生物指标或微生物以及相应的各个加权因子λi的列表。计算阈值量以标识符合预期烃生产力(即，指向甜点)的烃生产量。

阈值量和截断的(即可区分的)微生物数据集(即，根据本发明计算估计生产量所涉及的微生物或生物指标的量)取决于可用微生物数据的组成、所涉及的已知区带的数量、所计算出的加权因子的值、特定微生物或生物指标的计数、相应位置处的生产量等。截断数据集的组成可能受制于用户选择，或者由数据相关算法自动选择，而无论是否基于用户可设置参数、例如基于运行相关算法的一个或多个计算机的可用处理能力以及可用处理时间。

根据计算机模拟，已经观察到应用相对大量的可区分生物指标(诸如多于50个生物指标)的模型(即，截断数据集)例如已经包括许多详情，因此甚至能够预测不同区带之间的小差异。

各个加权因子λi可以具有正值或负值，即判断特定微生物或生物指标是以正还是负的方式与所计算出的量相加。阈值量的精确值取决于具体情况。在以上模型的具体示例中，超过阈值量的生产量指向预期烃生产位置，使得超过阈值越多，则称作甜点的量越多。

利用由此获得的截断集合或烃生产预测模型，可以估计被调查区域的任何其它位置的生产量或数字。根据以下等式，计算机或处理设备2根据检索到的针对各个其它位置可用或建立的微生物数据来计算估计量：

其中：q＝估计量；

λi＝类型i的微生物的加权因子；

x＝截断集合的可区分微生物的数量

αi＝类型i的微生物的计数。

即，如等式所表达的，通过对其它位置的检索到的微生物数据中存在的并且由截断集合所标识的微生物的其它位置的检索到的微生物数据进行计数加权，来估计被调查区域的其它位置处的生产量。为了清楚起见，在所应用的所有微生物数据中，唯一地标识相同的微生物或生物指标。

利用根据本发明的方法，储藏工程师和探测工程师能够更准确地预测诸如甜点等的钻井位置。如果与阈值烃生产量相比、估计烃生产量符合预期烃生产量，则生产工程师可以决定生产或已经生产了其它地理位置处的烃源。

如以上发明内容部分中所论述的，除了通过涉及多个已知区带的微生物数据来扩展相关步骤之外，根据本发明的方法的预测精度可以通过在相关算法中涉及被调查区域的多个位置的微生物数据和生产力数字来进一步地增强。例如，从被调查区域的位于先前由该方法标识为预期位置的位置处的钻井测量中获得生产量或数字。

表1最佳地示出根据本发明的方法的预测结果，其示出根据本发明的方法的基于表1的左手栏中所示的并且全部位于美国的多个已知非均质烃区带的微生物数据和生产量的预测精度。

为了例示的目的，在相关算法中故意不包括各区带的可用地理位置的30％的微生物数据和生产量。这些位置用于检查本发明的预测精度，并且是随机选择的。其余70％的可用数据用于数据相关目的，即用作起始数据库。

表1.归一化预测分数

假设newmexicolewis区带用作被调查区域。在第一步骤中，不使用newmexicolewis区带的任何数据来仅使其余区带的微生物数据和生产量的其余70％相关，从而得到微生物数据的截断数据集以及该截断集合中所标识的各生物指标的各加权因子。

在第二步骤中，通过应用从数据相关中所获得的各个加权因子对检索到的截断集合中所标识的微生物的newmexicolewis区带的地理位置的微生物数据进行计数加权，来估计该位置的估计地下烃生产量。

针对起始数据库的不同组成和newmexicolewis区带的不同地理位置来重复以上的第一步骤和第二步骤1000次，从而提供newmexicolewis区带的1000个位置的1000个估计烃生产量。

将由此估计出的烃生产量与newmexicolewis区带的相应位置的已知生产量进行比较。在表1的标题为“不使用被调查区域的数据”的栏中示出正确估计出的生产量的平均归一化预测分数。

针对表1中所标识的所有区带连续地重复以上步骤，而每次不使用各个区带的任何微生物数据和生产量。

再次假设newmexicolewis区带用作被调查区域。接着，根据本发明，在相关算法中包括newmexicolewis区带的一个位置(即，被调查的特定区域，而不是指甜点)的微生物数据和生产量以及如上所说明的起始数据库的微生物数据和生产量。结果是微生物数据的其它截断数据集和该截断集合中所标识的各生物指标的其它各加权因子。

随后，通过对其它截断集合中所标识的微生物的相关算法中未使用的newmexicolewis区带的其它地理位置的检索到的微生物数据进行计数加权并且应用如上所说明的从数据相关中获得的其它各加权因子，来计算该其它位置的估计地下烃生产量。

再次，针对起始数据库的不同组成和newmexicolewis区带的不同其它地理位置来重复这些步骤1000次，从而提供newmexicolewis区带的1000个其它位置的1000个估计烃生产量。

再次将由此估计出的烃生产量与newmexicolewis区带的相应位置的已知生产量进行比较。在表1的标题为“使用被调查区域的一个非预期位置”的栏中示出正确估计出的生产量的平均归一化预测分数。

针对用作被调查区域的任何其它已知区带，同样重复针对newmexicolewis区带的预测。

表1的标题为“使用被调查区域的(#)位置”的右手栏表示根据本发明的方法的当在相关算法中涉及如括号之间所示的数量为#的位置的微生物数据和相应生产量时的预测精度。对于newmexicolewis区带即被调查区域，例如27个位置已被涉及称为甜点以及非生产位置或低生产位置。

如从表1可以看出，在newmexicolewis区带用作被调查区域的情况下，在相关算法中不包括该被调查区域的至少一个位置的微生物数据和生产量，从而导致预测分数为0.70。

然而，根据本发明，通过在相关算法中包括被调查区域的至少一个位置的微生物数据和相应生产量，针对newmexicolewis区带的预测精度从0.70增加了超过14％至0.8。通过在相关算法中包括被调查区域的其它位置的数据，针对texasavalon区带的预测精度甚至从0.70增加了超过32％至0.93。

可以对表1中所示的其它区带进行相同的观察，并且观察到高达0.95的非常高的预测精度。

在导致表1所示的分数的计算中，生物指标或微生物的截断集合根据相关中所涉及的微生物数据量而变化，并且包括通过dna分析所获得的例如超过140000个生物指标的集合中的50～200个不同的生物指标。

预测精度受制于截断数据集合中所允许的不同生物指标的数量。在实际情况下，可以例如改变生物指标的数量，同时观察被调查区域的估计生产量的变化。一旦该变化在统计上不明显，则可以有效地假设截断模型包括用于精确预测的足够的生物指标。可以对相关算法中所涉及的被调查区域的迭代数和位置数应用类似的方法。

图2以图形表示的方式示出表1中所提及的已知区带，其中在黑色或白色的斑点处，这些区带的微生物数据和生产量及数字是已知的并且在数据库中可获得以供本发明使用。各个区带上的图片插入是特定区带处的植被、景观和气候的特征。

总而言之，kentuckybigsandy页岩气田是著名的marcellus页岩的外露层。bigsandy页岩的特征可以在于其位置处于具有草地、草原并沿河岸的森林区域。位于密歇根州北部的antrim页岩包含森林残体和农田。土壤主要是沙地、一些粘土和少数石子。lewis页岩位于新墨西哥州的圣胡安盆地，并且是落基山脉最大的天然气生产地。天然气由lewis页岩的海洋页岩、泥岩、粉砂岩和砂岩以及cliffhouse砂岩的laventanatongue和chacratongue两者的边缘海洋临滨砂岩和粉砂岩生产而成。土壤主要是岩石和沙地。得克萨斯avalon和bonespring页岩田是新墨西哥州东南部的二叠纪盆地的一个复合田。avalon页岩是小的页岩油区带，也被称为leonard页岩。bonespring页岩也是石油区带，并且包含多油层油田。土壤主要是岩石和沙地，即沙漠环境。德克萨斯州和路易斯安那州发现的haynesville页岩是上侏罗系页岩区带，其特征在于既有森林和农田又有城市地区。它有炎热潮湿的气候。土壤是灰色到红色的，并且是沙地。northdakotabakken页岩是最著名的页岩油区带，并且是世界上最大的连续油藏之一。该地区包括草地、农田(谷物)和水流。土壤包含粘土、沙和石子。

在图2所示的图形表示和生产图中，根据各个图中的左上角处所描绘的生产规模，较浅的灰色带表示生产点。

图3、4、5和6以示意性和图形的方式示出根据本发明的第二方面的被调查区域中的地下非均质烃源的预测生产图的生成。

被调查区域20被虚拟网格21完全或部分地覆盖，表示有资格用于微生物勘探的位置，即要通过取得底土样本并且使用先前所公开的dna分析来分析每个这种样本的微生物活性而获得微生物数据的位置。例如，由此获得的微生物数据与可从至少一个已知区带获得的微生物数据和生产力数据一起存储在图1所示的数据存储设备或数据库3中。

图3示出被调查区域20和覆盖网格21。应当理解，可以在著名的全局坐标系中标识各网格位置。根据各全局定位数据，可以使用合适的全局定位指示手段很容易地在区域中标识用于收集样本的位置。

根据本发明的实施例，对于被调查区域20的由网格21的位置所指示的至少一个位置，获得生产量或数字。在该示例中，如图4中的箭头22所示，选择被调查区域的边缘附近的位置。可以有效地假设位置22处的烃生产力最小，即为零或接近于零。

将由此获得的数据存储在例如存储设备或数据库3或者本地数据库7中，并且利用计算机3来检索这些数据以与从已知的一个或多个区带检索到的微生物数据和生产力数据相结合地由相关算法10进行处理。

如以上所公开的，相关步骤提供基于微生物的烃生产预测模型，其包括相关微生物数据的截断集合和各加权因子以及阈值量。

对于各网格位置或多个网格位置，使用由此获得的预测模型，根据各个网格位置的可用微生物数据来估计烃生产量。

通过呈现与被调查区域的相应网格位置有关的估计烃生产量、并指示与阈值烃生产量相比、估计烃生产量是否符合预期烃生产量，来生成预测生产图。

图5例如示出表示预测甜点23的生产图。在生产图上诸如通过包括着色、加影线和着阴影之一的相同的图形可区分标记来相同地呈现预定范围内的估计烃生产量，由此例如得到如图2所示的预测生产轮廓线。

通过将井钻到与所预测甜点相对应的位置处的烃源并测量生产量，可以使预测生产图进一步改善。将由此获得的生产力数据应用在数据相关算法中，可以使生产预测模型改善。使用该改善的模型，可以发现其它预期位置，诸如图6所示的附图标记24、25、26所指示的位置。通过在与预期位置24、25、26相对应的各个网格位置处钻井、并测量相应的生产量，可以使预测生产图进一步改善。通过在相关算法中使用测得量等，可以使预测模型进一步改善。

本领域技术人员应当理解，在本发明的第一方面也可以使用网格预测，以对被调查区域中的预期带进行定位。

本发明能够以与这里具体描述的方式不同的方式实施，并且上述实施例和示例仅意图对本领域技术人员进行例示。特别地，通过运行针对不同微生物数据的相关算法并且对所获得的结果进行统计分析，可以得到被调查区域的估计生产量。