一种半充填缝洞型储层拟相对渗透率的确定方法、计算方法及其确定系统与流程

1.本发明属于石油工业非常规油藏开发技术领域，具体涉及一种半充填缝洞型储层拟相对渗透率的确定方法、计算方法及其确定系统。


背景技术：

2.碳酸盐岩油藏是全球最主要的油藏类型之一，该类油气藏在全球分布广泛、油气储量巨大，在全球业已发现的油气田中占有重要地位。据统计，目前已经发现的碳酸盐岩油气藏储量占全球油气总储量的50％左右，产量占60％左右。其中，缝洞型油藏在碳酸盐岩油藏的总储量中占有很大比重，复杂储集空间决定了缝洞型油藏开发特征的特殊性，具体表现为大洞大缝以管流为主，油井产能差异大，开发规律迥异于常规砂岩油藏，甚至与裂缝性油藏亦有显著差异。油藏数值模拟被认为是研究油藏开发规律、优选开发方式以及预测油田指标最可靠的方法之一。当前，缝洞型油藏数值模拟主要为三重介质模型、等效介质模型和渗流-自由流耦合模型。三种模拟模型是一个计算量和准确度的博弈问题，即三重介质模型和等效连续介质模型方法成熟、难度较小、计算耗时较少，但是准确度较低；而离散缝洞网络计算门槛高、计算量大但计算结果较准确。因此，针对该类油藏，如何有机融合等效连续介质模型和离散缝洞网络模型，发明可靠、准确的相对渗透率基础参数确定方法，从而减少该类油藏数值模拟的计算时间的同时获得准确的采收率预测结果，成为缝洞型油藏有效开发迫切解决的难题。
3.专利号为cn202011376605.2的中国专利“串珠状缝洞型碳酸盐岩储层物性参数分析方法及装置”，公布了一种串珠状缝洞型碳酸盐岩储层物性参数分析方法及装置，其详细论述了通过建立串珠状缝洞型储层一洞一缝串联数学模型并解析求得无因次产量拉氏解后进行数值反演，获得无因次产量、无因次产量积分等，并绘制油井产量不稳定分析曲线图版。通过对油井产量不稳定分析曲线图版和油井产量的规整化曲线进行拟合，确定目标串珠状缝洞型碳酸盐岩储层的实际物性参数。该专利没有提及缝洞型油藏拟相对渗透率的确定方法。
4.专利号为cn 202110162655.9的中国专利“一种缝洞型油藏储层参数计算方法”，提出了首先建立缝洞型油藏的注水指示曲线、液面恢复曲线及能量指示曲线；然后，分别根据注水指示曲线的斜率k和原油压缩系数co，计算远井储量，根据液面恢复曲线利用直线外推法计算远井能量，选取注水指示曲线的两个注水节点和选取能量指示曲线上的两个生产节点计算近井的裂缝启动压差，根据近井的裂缝启动压差、另一个注水节点的数据及另一个生产节点的数据计算远井的裂缝启动压差。该技术并没有提及缝洞型油藏两相流动拟相对渗透率确定方法问题。
5.专利号为cn 202110162652.5的中国专利“一种缝洞型油藏储层结构判定方法”，提出了首先建立缝洞的注水指示曲线、能量指示曲线、液面恢复曲线、试井指示曲线，然后，从四个曲线中获取四个曲线的曲线形态特征(“直线型”、“快速起压-走缓型”、“双斜率夹台
阶型”及“双斜率型”)，根据四个曲线的曲线形态特征判定储层结构。该专利同样未涉及到拟相对渗透率的确定方法。


技术实现要素：

6.基于本领域上述现有技术存在的不足，本发明提供一种基于集成学习半充填缝洞型储层拟相对渗透率确定方法及系统。
7.本发明的技术方案如下：
8.一种半充填缝洞型储层拟相对渗透率的确定方法，其特征在于，包括：
9.针对目标油田构建缝洞型储层油水两相流动过程代理模型，
10.基于所述缝洞型储层油水两相流动过程代理模型预测目标油田的相对渗透率参数和缝洞型储层指标；
11.将预测得出的缝洞型储层指标的值、实测得出的缝洞型储层指标的值、预测得到的目标油田的相对渗透率参数的值，代入可计算误差的目标函数，采用遗传算法，通过多次迭代直至目标函数计算结果达到最小时，输出此时对应的预测得到的相对渗透率参数值；
12.将相对渗透率参数值代入拟相对渗透率表达式即可求得目标油田半充填缝洞型储层的拟相对渗透率。
13.所述的一种半充填缝洞型储层拟相对渗透率的确定方法还包括：在构建目标油田的缝洞型储层代理模型之前获取目标油田的缝洞型储层参数，并基于缝洞型储层参数构建缝洞型储层油水两相流动过程代理模型。
14.获取目标油田的缝洞型储层参数指：根据露头描述、和/或，成像测井、和/或，激光扫描、和/或，应用autocad软件构建缝洞型储层离散缝洞网络模型获取缝洞型储层参数；
15.所述缝洞型储层参数包括：洞穴尺寸、洞穴密度、裂缝密度、裂缝开度。
16.所述“基于缝洞型储层参数计算出目标油田缝洞型储层指标”指：以缝洞型储层参数为自变量、采用离散缝洞网络油水两相渗流-自由流耦合数值模拟方法、利用comsol软件计算出目标油田的缝洞型储层指标。
17.所述缝洞型储层指标包括：产油量、产水量、累积产水量(含水率)。
18.基于数据样本库构建缝洞型储层油水两相流动过程代理模型指：参考“缝洞型碳酸盐岩储层多类多尺度建模方法研究：以塔河油田四区奥陶系油藏为例”一文记载的方法进行模型构建。
19.所述拟合目标为缝洞型储层油水两相流动过程代理模型预测的累积产水量；
20.优选地，归一化的相对渗透率参数包括：油相的相对渗透率端点值k
roe
、水相的相对渗透率端点值k
rwe
、油相的残余油饱和度s
or
、水相的束缚水饱和度s
wc
、油相的相对渗透率指数因子no、水相的相对渗透率指数因子nw、含水饱和度sw；
21.优选地，所述目标函数为：error误差＝sum(fw
1-fw2)，其中fw1为目标油田的含水率的预测值，fw2为目标油田的含水率的现场实测值；
22.优选地，目标函数计算结果达到最小指：目标函数计算出的误差值小于阈值、或，迭代次数达到最大时计算终止；所述阈值的取值范围为1％～10％优选5％，本领域技术人员可根据实际的精度需要调整阈值；
23.优选地，采用遗传算法，通过多次迭代指采用python软件进行计算；
24.优选地，目标油田的缝洞型储层的拟相对渗透率＝k
ro
/k
rw
；其中，
25.k
ro
＝k
roe
×
(1-s
w-s
or
)/(1-s
wc-s
or
)
no
26.k
rw
＝k
rwe
×
(s
w-s
wc
)/(1-s
wc-s
or
)
nw
；
27.优选地，s
wc
的取值范围为0.18-0.2；s
wc
的取值范围为0.25-0.26；no的取值范围为1.1-1.4； nw的取值范围为1.35-1.8；k
rw
的取值范围为0.16-0.22；
28.优选地，s
wc
＝0.2，s
or
＝0.25，no＝1.2，nw＝1.8，k
ro
＝1.0，k
rw
＝0.2
29.优选地，s
wc
＝0.21，s
or
＝0.26，no＝1.1，nw＝1.7，k
ro
＝1.0，k
rw
＝0.22
30.优选地，s
wc
＝0.18，s
or
＝0.26，no＝1.4，nw＝1.35，k
ro
＝1.0，k
rw
＝0.16。
31.一种半充填缝洞型储层的拟相对渗透率的计算方法，其特征在于，将目标油田的缝洞型储层参数代入下述拟相对渗透率表达式：拟相对渗透率＝k
ro
/k
rw
；其中，
32.k
ro
＝k
roe
×
(1-s
w-s
or
)/(1-s
wc-s
or
)
no
33.k
rw
＝k
rwe
×
(s
w-s
wc
)/(1-s
wc-s
or
)
nw
，
34.其中，k
roe
为油相的相对渗透率端点值、k
rwe
为水相的相对渗透率端点值，即相渗最大值， s
or
为油相的残余油饱和度，s
wc
为水相的束缚水饱和度，no为油相的相对渗透率指数因子、 nw为水相的相对渗透率指数因子，sw为含水饱和度。
35.一种半充填缝洞型储层拟相对渗透率的确定系统，包括计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现所述的一种半充填缝洞型储层拟相对渗透率的计算方法。
36.本文中，“缝洞型储层”具有石油领域技术人员熟知的常规技术含义，例如，它可以是《缝洞型储层地震识别理论与方法》一书中记载的技术含义。
[0037]“半充填缝洞型储层”的含义是：地下的溶洞中，仅有一半或者部分空间被泥质或者垮塌的角砾岩充填，而另一半空间是空的，这样的储层被称为“半充填缝洞型储层”。
[0038]“相对渗透率”具有流体领域技术人员熟知的常规技术含义，具体指：多相流体共存时，每一相的有效渗透率与绝对渗透率的比值。其中，有效渗透率是当多流体共存时，岩石允许每一相对流体通过的能力。油和水的有效渗透率总是低于岩石的绝对渗透率。
[0039]“拟相对渗透率”是指：不同含水饱和度水平下(sw)“油相相对渗透率(k
ro
)”与“水相相对渗透率(k
rw
)”的比值。在模拟缝洞型油藏多相流动过程中，由于流动规律与常规达西渗流差异很大，但是在模拟过程中油田尺度很难采用多种流动规律控制，参考相对渗透率的物理意义，引入拟相对渗透率来描述缝洞型油藏中多相流体共流时单相的通过能力。
[0040]
本发明的优势及有益效果：
[0041]
本发明所要解决的技术问题是提供一种适用于缝洞型储层拟相对渗透率的确定方法，解决了等效连续模拟精度不高、而离散缝洞网络模型计算量大的难题。通过该发明提出的集成学习方法，可以有效发挥等效连续介质模型规模大、速度快和离散缝洞网络模型精度高的优势，从而对缝洞型油藏高效开发提供更符合实际的指导。
[0042]
本发明中，拟相对渗透率是描述缝洞型油藏中油水两相流动机制的关键参数，亦是影响缝洞型油藏基于等效连续介质模型开发指标预测准确性的关键问题。本发明针对当前技术尚未解决缝洞型油藏大规模、高效率、高精度的油藏数值模拟中拟对渗透率值准确确定问题，为了提高大规模缝洞型油藏高效数值模拟的精度，建立一种缝洞型油藏数值模拟中拟相对渗透率等关键参数的确定方法及系统。本发明是缝洞型油藏数值模拟理论与方
法的完善与发展，将使油藏数值模拟技术在缝洞型油藏新区方案编制、老区综合治理发挥更大的指导作用。
[0043]
该发明主要应用在缝洞型碳酸盐岩油藏开发过程中高效油藏数值模拟技术领域。相对渗透率是描述缝洞型油藏中油水两相流动机制的关键参数，亦是影响缝洞型油藏基于等效连续介质模型开发指标预测准确性的核心问题。塔河油田缝洞型油藏与国内外碎屑岩油藏及多数碳酸盐岩油藏差异很大。缝洞油藏储集空间类型多样、孔、缝、洞介质不连续、自由流与渗流共存，以达西定律、连续介质为基础的传统数值模拟方法已不完全适用，在缝洞型油藏开发模拟中，选择合适的油藏模型和准确的参数赋值是保证模拟精度的核心问题。本专利基于集成学习，有机融合等效连续介质模型和离散缝洞网络模型两者的优点，发明可靠、准确的相对渗透率基础参数确定方法，提高了缝洞型油藏数值模拟计算效率的同时获得准确的数值模拟预测结果，具有广阔的推广应用前景。
[0044]
本发明了涉及的一种基于集成学习代理模型的缝洞型油藏拟相对渗透率的确定方法具有以下效果。通过构建洞穴、裂缝特征参数组合下的缝洞型储层离散缝洞网络特模型，应用基于离散缝洞网络油水两相渗流-自由流耦合模拟技术可以提高产油量、产水量、含水率等开发指标预测精度，从而构建以洞穴规模、裂缝参数和配置关系为自变量，以产油量、产水量和含水率为因变量样本库；应用集成学习算法以代理模型为学习样本进行督导训练，可以显著降低缝洞型油藏离散缝洞模型的技术门槛，提高计算速度的同时保证计算结果与数值模拟器得到的结果相近。以模型含水率为拟合目标，以相对渗透率5个参数为优化变量，建立目标函数，采用遗传算法获得缝洞型储层拟相对渗透率表达式。该发明通过集成学习有机融合了离散缝洞网络模型精度高及等效连续介质模型速度快的优势，对于提高油藏数值模拟技术在缝洞型油藏高效开发决策中的作用具有重要现实意义。
附图说明
[0045]
图1为本发明的一个实施例针对某个目标油田获取目标油田的缝洞型储层参数，并基于缝洞型储层参数构建缝洞型储层油水两相流动过程代理模型的操作示意图；其中a为目标油田的缝洞型储层野外露头现场照片，b为构建缝洞型储层油水两相流动过程代理模型的示意图。
[0046]
图2为本发明的另一些实施例在进行缝洞型储层油水两相流动过程代理模型构建过程中分别针对三种类型的缝洞型储层的结构抽提与重构示意图；其中，a为单洞穴型储层，b为双洞穴型储层，c为三洞穴型储层。
[0047]
图3为本发明的一些实施例得到的缝洞型储层油水两相流动过程代理模型对相对渗透率参数和缝洞型储层指标的预测曲线图，仅以其中2个参数或指标为例，其中a为含水率指标 (即上文中说的“累积产水量”)，b为洞内原油采出程度(即上文中说的“产油量”)。每个指标每个类型的储层都对应一个代理模型曲线，那么第2步构建的代理模型其实是一个代理模型的集合。图3a和3b中，nc＝0时对应图2中的a模型，nc＝0.001时对应图2中的b模型， nc＝0.01时对应图2中的c模型。
[0048]
图4为本发明的另一个实施例基于遗传算法对相对渗透率参数的反演程序，其中，“初值 (a,b,c)”代表的是通过所述代理模型预测出的某一参数的具体取值，通过确定参数变化的最大值与最小值，即可产生父代群体，即某一参数变化范围内的一系列取值组合；
[0049]“计算k
ro
，k
rw”指根据下述公式计算：
[0050]kro
＝k
roe
*(1-s
w-s
or
)/(1
–swc-s
or
)^n
o (式i)
[0051]krw
＝k
rwe
*(s
w-s
wc
)/(1
–swc-s
or
)^n
w (式ii)；
[0052]
上述公式中，k
roe
为油相的相对渗透率端点值、k
rwe
为水相的相对渗透率端点值，即相渗最大值，s
or
为油相的残余油饱和度，s
wc
为水相的束缚水饱和度，no为油相的相对渗透率指数因子、nw为水相的相对渗透率指数因子；sw为含水饱和度。
[0053]
除sw外，上述6个相对渗透率的参数，确定各个参数的取值范围后，从各参数的取值范围中随机取值，代入上述公式计算k
rw
和k
ro
，进一步代入目标函数，通过反演可以同时得到 6个参数的最优解。
[0054]
各个参数的取值范围可通过现场或者室内实验构建得出的目标油田的缝洞型储层油水两相流动过程代理模型预测确定得出，所述现场或者室内实验方法为本领域已知成熟测定方法，具体操作可参见李爱芬主编的《油层物理学》。一般会提供束缚水及残余油饱和度的参考值，可以依据此参考值确定两个参数的取值范围，指数因子一般可以取值为[1，5]。
[0055]“目标函数”为目标油田的含水率fw的预测值fw1与现场实测值fw2的差值，即，error (误差)＝sum(f
w1-f
w2
)，该误差代表的是目标油田的含水率的预测值与现场实测值的差距；目标油田的含水率fw与上述6个相对渗透率的参数之间存在本领域公知的关系表达式：式iii中，qw为产水量，qo为产油量，μo为原油黏度，μw为地层水黏度；
[0056]
当计算预测值fw1时，qw和qo这两个指标可通过对目标油田现场实测获得，k
ro
/k
rw
值可采用上述本领域已知的测定方法，对brooks-corey相渗模型的6个相对渗透率的参数的实测值的取值范围进行确定后再进行随机取值，可以计算出k
ro
/k
rw
值；
[0057]
原油黏度μo和地层水黏度μw通过实验室可以测定出来，根据上述分流量方程(式iii)，即可以计算出目标油田的含水率预测值f
w1
，目标油田的含水率的实测值f
w2
可通过本领域已知的测定方法在目标油田现场测定出来。
[0058]
原油黏度μo和地层水黏度μw的实验室测定方法、qw和qo的现场实测方法、目标油田的含水率的实测值f
w2
的测定方法均可参见李爱芬主编的《油层物理学》一书记载的方法。
[0059]
现场上根据实际的油井产水量、产油量可以计算出一个实际的含水率；通过油藏工程方法(该方法为本领域公知方法，方法同上)，也可以计算出一个预测的含水率(用的是相对渗透率)。此处表达的是基于相对渗透率参数计算的含水率值与现场实测的含水率值的差值作为目标函数。
[0060]“目标函数是否最小”有两种情况：(1)迭代次数达到了最大迭代次数，模型计算终止； (2)error(误差)值小于某一阈值；以上两种情况下输出的各相对渗透率参数(k
roe
、k
rwe
、 s
or
、s
wc
、no、nw)的值即为最优解。
[0061]“复制计算”、“交叉计算”均为遗传算法的专用术语，即根据上一步迭代的两个父代交叉，产生两个新的后代，产生新的后代之后进行交叉计算，选择适应度高的两个样本作为新的父代，重复计算，即可达到目标函数最小。
[0062]
图5为本发明的一些实施例得到的三种类型的缝洞型储层的拟相对渗透率曲线图；其中， a为单洞穴型储层，b为双洞穴型储层，c为三洞穴型储层。
具体实施方式
[0063]
下面结合具体实施例和附图对本发明的内容做进一步详细描述，但并不以此限制本发明的保护范围。
[0064]
第1组实施例、本发明的半充填缝洞型储层拟相对渗透率的确定方法
[0065]
本组实施例提供一种半充填缝洞型储层拟相对渗透率的确定方法。本组所有的实施例都具备如下共同特征：
[0066]
所述一种半充填缝洞型储层拟相对渗透率的确定方法包括：
[0067]
针对目标油田构建缝洞型储层油水两相流动过程代理模型，
[0068]
基于所述缝洞型储层油水两相流动过程代理模型预测目标油田的相对渗透率参数和缝洞型储层指标；
[0069]
将预测得出的缝洞型储层指标的值、实测得出的缝洞型储层指标的值、预测得到的目标油田的相对渗透率参数的值，代入可计算误差的目标函数，采用遗传算法，通过多次迭代直至目标函数计算结果达到最小时，输出此时对应的预测得到的相对渗透率参数值；
[0070]
将相对渗透率参数值代入拟相对渗透率表达式即可求得目标油田半充填缝洞型储层的拟相对渗透率。
[0071]
在进一步的实施例中，所述的一种半充填缝洞型储层拟相对渗透率的确定方法还包括：在构建目标油田的缝洞型储层代理模型之前获取目标油田的缝洞型储层参数，并基于缝洞型储层参数构建缝洞型储层油水两相流动过程代理模型。
[0072]
在一些实施例中，获取目标油田的缝洞型储层参数指：根据露头描述、和/或，成像测井、和/或，激光扫描、和/或，应用autocad软件构建缝洞型储层离散缝洞网络模型获取缝洞型储层参数；
[0073]
例如，在一些实施例中，洞穴尺寸、洞穴密度、裂缝密度、裂缝开度特征参数可通过露头描述获取，裂缝密度、裂缝开度参数可通过成像测井获取，洞穴尺寸、洞穴密度参数可通过应用autocad软件构建缝洞型储层离散缝洞网络模型获取。露头描述是地质学中的常见操作，具体可见“《碳酸盐岩缝洞型油藏开采机理及提高采收率基础研究丛书》”一文的记载。成像测井为石油领域的常规操作，具体可参考“《成像测井裂缝识别与提取及裂缝参数计算方法研究》”一文的记载。
[0074]
在另一些实施例中，所述缝洞型储层参数包括：洞穴尺寸、洞穴密度、裂缝密度、裂缝开度。
[0075]
在具体的实施例中，所述“基于缝洞型储层参数计算出目标油田缝洞型储层指标”指：以缝洞型储层参数为自变量、采用离散缝洞网络油水两相渗流-自由流耦合数值模拟方法、利用comsol软件计算出目标油田的缝洞型储层指标。
[0076]
在优选的实施例中，所述缝洞型储层指标包括：产油量、产水量、累积产水量。本文中的“累积产水量”具有如下技术含义：油井或者油田自正式投产截至目前，从地层产出水的累积值。
[0077]
在另一些实施例中，基于数据样本库构建缝洞型储层油水两相流动过程代理模型
指：参考“缝洞型碳酸盐岩储层多类多尺度建模方法研究：以塔河油田四区奥陶系油藏为例”一文记载的方法进行模型构建。
[0078]
在具体的实施例中，所述拟合目标为缝洞型储层油水两相流动过程代理模型预测的累积产水量；
[0079]
优选地，归一化的相对渗透率参数包括：油相的相对渗透率端点值k
roe
、水相的相对渗透率端点值k
rwe
、油相的残余油饱和度s
or
、水相的束缚水饱和度s
wc
、油相的相对渗透率指数因子no、水相的相对渗透率指数因子nw、含水饱和度sw；
[0080]
优选地，所述目标函数为：error误差＝sum(f
w1-f
w2
)，其中f
w1
为目标油田的含水率的预测值，f
w2
为目标油田的含水率的现场实测值；
[0081]
优选地，目标函数计算结果达到最小指：目标函数计算出的误差值小于阈值、或，迭代次数达到最大时计算终止；所述阈值的取值范围为1％～10％优选5％，本领域技术人员可根据实际的精度需要调整阈值；
[0082]
优选地，采用遗传算法，通过多次迭代指采用python软件进行计算；
[0083]
优选地，目标油田的缝洞型储层的拟相对渗透率＝k
ro
/k
rw
；其中，
[0084]kro
＝k
roe
×
(1-s
w-s
or
)/(1-s
wc-s
or
)
no
[0085]krw
＝k
rwe
×
(s
w-s
wc
)/(1-s
wc-s
or
)
nw
；
[0086]
优选地，s
wc
的取值范围为0.18-0.2；s
wc
的取值范围为0.25-0.26；no的取值范围为1.1-1.4； nw的取值范围为1.35-1.8；k
rw
的取值范围为0.16-0.22；
[0087]
优选地，s
wc
＝0.2，s
or
＝0.25，no＝1.2，nw＝1.8，k
ro
＝1.0，k
rw
＝0.2
[0088]
优选地，s
wc
＝0.21，s
or
＝0.26，no＝1.1，nw＝1.7，k
ro
＝1.0，k
rw
＝0.22
[0089]
优选地，s
wc
＝0.18，s
or
＝0.26，no＝1.4，nw＝1.35，k
ro
＝1.0，k
rw
＝0.16。
[0090]
第2组实施例、本发明半充填缝洞型储层的拟相对渗透率的计算方法
[0091]
本组实施例提供一种半充填缝洞型储层的拟相对渗透率的计算方法。本组所有的实施例都具备如下共同特征：
[0092]
将目标油田的缝洞型储层参数代入下述拟相对渗透率表达式：拟相对渗透率＝k
ro
/k
rw
；其中，
[0093]kro
＝k
roe
×
(1-s
w-s
or
)/(1-s
wc-s
or
)
no
[0094]krw
＝k
rwe
×
(s
w-s
wc
)/(1-s
wc-s
or
)
nw
，
[0095]
其中，k
roe
为油相的相对渗透率端点值、k
rwe
为水相的相对渗透率端点值，即相渗最大值， s
or
为油相的残余油饱和度，s
wc
为水相的束缚水饱和度，no为油相的相对渗透率指数因子、 nw为水相的相对渗透率指数因子，sw为含水饱和度。
[0096]
第3组实施例、本发明半充填缝洞型储层拟相对渗透率的确定系统
[0097]
本组实施例提供一种半充填缝洞型储层拟相对渗透率的确定系统，包括计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如第2组实施例任一项所述的一种半充填缝洞型储层拟相对渗透率的计算方法。
[0098]
实验例1
[0099]
(1)不同洞穴、裂缝特征参数组合下的缝洞型储层数值模拟模型构建。
[0100]
根据目标油田露头地质描述、岩心观察、成像测井解释结果及地震蚂蚁体属性分析等，确定目标油田洞穴规模、裂缝参数及空间拓扑结构参数，主要包括洞穴尺寸、洞穴密
度、裂缝密度、裂缝开度等，根据上述参数应用确定性建模方法建立n套不同洞穴、裂缝特征参数组合下的缝洞型储层数值模拟模型。具体流程操作示意图如图1所示。上述参数是通过对出露地表的地质露头进行激光扫描获得，具体可参照专利申请cn201910291767.7一文记载的方法。
[0101]
(2)基于离散缝洞网络油水两相渗流-自由流耦合数值模拟方法计算特征模型产油量、产水量等指标。
[0102]
应用基于离散缝洞网络油水两相渗流-自由流耦合数值模拟方法(comsol软件)，分别针对上述n套离散缝洞地质模型开展水驱油开发数值模拟，分别计算不同洞穴、裂缝参数组合下油藏数值模型产油量、产水量等指标。从而建立起一组以洞穴尺寸、洞穴密度、裂缝密度、裂缝开度为自变量，以累积产水量为因变量的缝洞型油藏的代理模型数据样本。
[0103]
所述“离散缝洞网络油水两相渗流-自由流耦合数值模拟方法”是本领域已报道的常规方法，例如，“离散缝洞网络油水两相流动的数值模拟”一文记载的方法，本发明实施例中具体的构建过程操作示意图分别如图2所示。
[0104]
(3)基于集成学习缝洞型储层油水两相流动过程代理模型构建。
[0105]
基于机器学习方法中的集成学习技术，以(2)步中特征模型样本进行督导训练，构建一个计算量小，计算速度快，但计算结果与数值模拟器得到的结果相近的代理模型。基于该模型，以洞穴规模、裂缝参数和空间配置组合为输入变量，快速计算不同类型缝洞型储层产油量、产水量值。
[0106]
代理模型即不同缝、洞参数组合的缝洞型储层离散缝洞网络模型。这一步通过autocad 软件根据地表地质露头或者地震雕刻的成果来进行建模，是本领域常见的操作，例如，可参考“缝洞型碳酸盐岩储层多类多尺度建模方法研究：以塔河油田四区奥陶系油藏为例”一文记载的方法进行模型构建。该代理模型为“离散缝洞网络模型”的几何模型，非数学模型，故无数学表达式。
[0107]
(4)基于遗传算法的缝洞型储层拟相对渗透率参数拟合及表达式确定。
[0108]
以缝洞型油藏代理模型所预测的累积产水量为拟合目标(即“因变量”，亦即根据拟合的参数计算相应的含水率)，以归一化相对渗透率6个参数为优化变量(即“自变量”)，建立目标函数，采用遗传算法，通过多次迭代找到全局最优解，从而获得缝洞型储层拟相对渗透率表达式。
[0109]
上述归一化相对渗透率6个参数是：油相的相对渗透率端点值、水相的相对渗透率端点值、油相相渗的指数因子、水相相渗的指数因子、油相残余油饱和度s
or
、水相束缚水饱和度 s
wc
。
[0110]
每个不同的油田、不同的缝洞型储层采用的拟相对渗透率模型(拟相对渗透率表达式) 相同，但是对应模型的优化参数值不同，因此只需要根据不同油藏的动态生产曲线确定相应的输入条件，然后重复(1)-(4)即可求得不同油藏下的拟相对渗透率曲线。所述拟相对渗透率曲线是一个以含水饱和度sw为自变量、以拟相对渗透率为因变量的函数。
[0111]
本发明的一种缝洞型油藏数值模拟中拟相对渗透率确定方法及系统，包括根据相似区露头、成像测井等构建离散缝洞网络模型，应用渗流-自由流耦合模拟预测产油量、产水量及含水率等，基于集成学习算法构建不同缝洞参数组合模型的代理模型，采用遗传算法拟合含水率确定缝洞型储层拟归一化相对渗透率的关键参数。
[0112]
所述的离散缝洞网络模型，其特征在于：根据相似区露头、岩心观察等缝洞参数应用确定性建模方法建立不同缝洞特征参数组合下的离散缝洞网络数值模拟模型。
[0113]
所述的应用渗流-自由流耦合模拟预测产油量、产水量及含水率，其特征在于：应用渗流
ꢀ‑
自由流耦合数值模拟方法(comsol软件)建立以缝洞参数为自变量，以含水率为因变量的缝洞型油藏的数据样本库。
[0114]
所述的代理模型建立，其特征在于：基于集成学习算法构建不同缝洞参数组合模型的产油量、产水量及含水率预测的代理模型。
[0115]
所述的应用代理模型的指标预测，其特征在于：应用集成学习算法所构建的缝洞型油藏指标预测代理模型，快速预测不同缝洞参数组合模型的产油量、产水量及含水率等指标，获得多个不同缝洞参数组合下产油量、产水量及含水率预测值。
[0116]
所述的基于遗传算法的缝洞型储层拟相对渗透率参数拟合及表达式确定，其特征在于：以缝洞型油藏代理模型所预测的含水率为拟合目标，以归一化相对渗透率5个参数为优化变量，建立目标函数，采用遗传算法通过多次迭代找到全局最优解，从而获得缝洞型储层拟相对渗透率表达式。
[0117]
实验例2
[0118]
利用本专利计算不同缝洞组合参数下拟相对渗透率曲线。
[0119]
首先根据露头描述、成像测井应用autocad软件构建3套考虑洞穴(裂缝)规模、洞穴(裂缝)密度、缝洞水力学参数和拓扑结构随机组合下的缝洞型储层离散缝洞网络模型，即上文所说的“缝洞型储层油水两相流动过程代理模型”；然后应用comsol多物理场耦合软件预测3套缝洞组合模型的产油量、产水量等指标，从而获得了以洞穴规模、裂缝参数和配置关系为自变量、以产油量、产水量为因变量的代理模型样本库，最后，以模型累积产水量为拟合目标，以相对渗透率6个参数为优化变量，建立目标函数，采用遗传算法，通过多次迭代找到全局最优解(图4)，从而获得缝洞型储层拟相对渗透率表达式(图5)。