集合卡尔曼滤波在开发地震的应用研究

论文摘要

集合卡尔曼滤波(EnKF)方法作为一种新型的自动历史拟合方法,近年来开始被人们利用来进行自动历史拟合,更新油藏模型。实际证明,EnKF方法是一种有效的方法。EnKF方法要求一组初始实现,但是在实际中往往只有一个油藏或地质模型。这种情况如何利用EnKF进行历史拟合,更新油藏模型就成了一个实际应用的关键。综合其它信息如地震资料信息进行历史拟合是认识油藏剩余油气分布的重要途径,如何用EnKF方法把生产数据和地震资料信息相结合来进行历史拟合也是本文研究的内容。针对实际中一个油藏往往只有一个模型的情况,本文提出了一种随机导航点方法。用这种方法可以由一个模型派生出多个模型,从而满足EnKF方法的条件。用这些模型作为初始模型的集合,利用EnKF方法进行更新油藏模型实验。通过模型实验认为,用随机导航点方法派生出多个模型,再利用EnKF可以实现单一模型更新,并发现最终取得的模型与参考模型具有较好的一致性。本文对随机导航点方法进行改进,在生成多个初始模型的过程中加入地震约束,使初始模型不仅具有随机性,同时带有一定的地震信息。用由此得到的多个初始模型可以更有效地拟合油藏模型。本文尝试综合时移地震信息,把EnKF方法和时移地震技术相结合,由此对油藏性质进行更为准确的估计,减少描述和预测的不确定性。最后,本文还讨论了生产数据和时移地震数据的权值大小对更新结果的影响。

论文目录

• 摘要
• Abstract
• 第一章 前言
• 1.1 研究的意义
• 1.2 国内外研究现状
• 1.2.1 集合卡尔曼滤波方法的发展
• 1.2.2 集合卡尔曼滤波在油藏领域的应用
• 1.2.3 集合卡尔曼滤波方法和时移地震技术的结合
• 1.3 论文的主要内容
• 第二章 卡尔曼滤波方法及其发展
• 2.1 卡尔曼滤波的基本原理
• 2.1.1 最优估计准则
• 2.1.2 具有随机干扰线性系统的状态空间模型
• 2.1.3 离散线性系统卡尔曼滤波算法
• 2.2 扩展卡尔曼滤波的基本原理
• 2.2.1 扩展卡尔曼滤波算法
• 2.2.2 扩展卡尔曼滤波算法的实现
• 2.2.3 扩展卡尔曼滤波性质的几点讨论
• 2.3 小结
• 第三章 集合卡尔曼滤波方法原理及其应用
• 3.1 集合卡尔曼滤波方法
• 3.2 开发地震技术
• 3.2.1 开发地震技术
• 3.2.2 时移地震技术
• 3.3 集合卡尔曼滤波方法在开发地震中的应用
• 3.3.1 状态向量
• 3.3.2 集合卡尔曼滤波方法在开发地震中的工作流程
• 3.4 小结
• 第四章 用随机导航点法生成多个初始实现
• 4.1 随机模拟理论
• 4.2 反距离加权插值方法
• 4.3 随机导航点法
• 4.4 小结
• 第五章 用集合卡尔曼滤波方法进行更新油藏模型实验
• 5.1 建立油藏参考模型
• 5.2 初始多个模型的产生
• 5.3 用EnKF 更新油藏模型
• 5.4 在生成多个初始模型的过程中加入地震约束
• 5.5 小结
• 第六章 集合卡尔曼滤波方法与时移地震技术的结合
• 6.1 时移地震差异
• 6.1.1 时移地震油藏监测技术
• 6.1.2 时移地震在油藏管理中的作用
• 6.1.3 时移地震可行性研究
• 6.1.4 时移地震正演模拟
• 6.1.5 时移地震差异的影响因素
• 6.2 岩石物理模型
• 6.3 生产数据联合时移地震数据更新油藏模型
• 6.3.1 状态向量和观测向量
• 6.3.2 生产数据与时移地震数据权值大小对结果的影响
• 6.3.3 生产数据与时移地震数据权值大小的确定
• 6.4 小结
• 结论
• 参考文献
• 攻读硕士学位期间取得的学术成果
• 致谢