本发明涉及非常规油气开发技术领域，尤其是涉及低渗透油藏特征主控因素提取方法、设备及可读存储介质。
背景技术：
低渗透油藏具有三低的特点(低渗、低压、低丰度)，为了提高此类油藏的采收率，正确掌握油藏特征主控因素是非常必要的。
在确定主控影响因素的过程中，不同学者采用的方法也因人而异。其中，陈新彬通过主成分分析法确定油藏开发主控因素，但该方法没有考虑油藏自身能量对油藏在开发过程中的影响；黄力等通过灰色关联法、逐步回归法、主成分分析法三种方法共同确定主控影响因素，但该方法操作过程复杂，不适用于数据变量过多的情况；刘之的等采用地质统计学和参数交会图分析法确定主控影响因素，但该方法没有考虑到变量之间隐含的相对性对主控因素的影响；王少雷等采用正交试验直观分析法确定主控影响因素，该方法适用于数据变量较少的情况下，若数据变量较多，则该方法不再适用；曹海涛等利用灰色关联分析法确定主控影响因素，该方法对数据变量的数量没有过多要求，计算量较少，但该方法出现解的结果比较多，需要进一步补充信息才能确定最终解。
可见，现有的油藏特征主控因素确定方法不能提取出隐藏的油藏特征且不能细化各类油藏的主控因素。
技术实现要素：
有鉴于此，有必要提供一种能提取出隐藏的油藏特征、且能细化各类油藏主控因素的低渗透油藏分类方法。
本发明提供了一种低渗透油藏特征主控因素提取方法，包括如下步骤：
s1、获取研究区内的若干个待分类油藏的参数，其中，所述参数至少包括油藏中深、丰度、钻遇厚度、压力系数、孔隙度、含油饱和度、流度、裂缝、体积系数、动用含油面积、动用地质储量、动用可采储量、渗透率及粘度；
s2、根据各个参数相互之间的相关度，筛选出若干个满足预设条件的参数；
s3、对筛选出的参数进行标准化处理；
s4、对标准化处理后的参数进行因子分析，提取出若干个主因子；
s5、以提取出的主因子为标准对所述待分类油藏进行分类；
s6、分别对各个类型的油藏进行分析，确定各个类型的油藏影响最大的主因子，以确定各个类型的油藏的主控因素。
本发明还提供了一种低渗透油藏特征主控因素提取设备，包括处理器和存储器；所述存储器上存储有可被所述处理器执行的计算机可读程序；所述处理器执行所述计算机可读程序时实现了本发明提供的低渗透油藏特征主控因素提取方法中的步骤。
本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现了本发明提供的低渗透油藏特征主控因素提取方法中的步骤。
与现有技术相比，本发明提出的技术方案的有益效果是：通过因子分析方法以及k-均值聚类分析方法对低渗透油藏进行了分类，并结合油藏工程及渗流理论，明确了每类油藏的主控影响因素。结果表明，该方法可提取出隐藏的油藏特征，明确了各类油藏的主控影响因素，从而可指导低渗透油藏的精细开发。
附图说明
图1是本发明提供的低渗透油藏特征主控因素提取方法的一实施例的流程示意图；
图2是主因子1与对应的主要影响参数的相关性图；
图3是主因子2与对应的主要影响参数的相关性图；
图4是主因子3与对应的主要影响参数的相关性图；
图5是主因子4与对应的主要影响参数的相关性图；
图6是各个类型油藏的最终聚类中心分布图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明提供了一种低渗透油藏特征主控因素提取方法，包括如下步骤(见图1)：
s1、获取研究区内的若干个待分类油藏的参数，其中，所述参数至少包括油藏中深、丰度、钻遇厚度、压力系数、孔隙度、含油饱和度、流度、裂缝、体积系数、动用含油面积、动用地质储量、动用可采储量、渗透率及粘度；
本实施例中，获取了某油田100个低渗透油藏的参数；
s2、根据各个参数相互之间的相关度，筛选出若干个满足预设条件参数；
相关性分析是一种研究两个或多个随机变量之间是否存在隐含相关关系的统计分析方法，是否相关要看两方面：显著水平以及相关系数，本实施例中，步骤s2具体包括：
s21、计算各个参数相互之间的相关度r及显著性水平p(表1)；
s22、筛选出同时满足相关度r<0.4,p>0.01的参数。请参见表1，筛选出了以下7个参数：钻遇厚度、压力系数、孔隙度、含油饱和度、流度、裂缝、体积系数，这些参数相关度小，从而能更好地表征油藏特征。相关度r的计算公式是：
其中，xi为参数x的第i个数据，
显著性水平p是通过spss软件计算得到的，通过spss软件计算数据的显著性水平属于现有技术，本说明书对此不再赘述。
表1各个参数两两之间的相关性和显著性水平
注：表中：c1-油藏中深、c2-丰度、c3-钻遇厚度、c4-压力系数、c5-孔隙度、c6-含油饱和度、c7-流度、c8-裂缝、c9-体积系数、c10-动用含油面积、c11-动用地质储量、c12-动用可采储量、c13-渗透率、c14-粘度、r-相似度、p-显著性水平。
s3、对筛选出的参数进行标准化处理；
标准化处理是为了防止不同量纲和单位的数据对数据分析结果造成较大影响而做的一种预处理，其结果是使数据缩放到相同的区间和范围。筛选出的参数的描述统计表见表2，可以看出，虽然不同参数可反映油藏不同特征，但不同参数之间数值差异较大，其中流度的最小值为0.020μm2/mpa·s，最大值为1.227μm2/mpa·s，而原始含油饱和度最小值为47.70％，最大值为72.80％。因此对数据的标准化处理显得尤为重要。
表2筛选出的参数的描述统计表
本发明对筛选出的参数进行标准化处理的公式是：
其中，zi为参数x的第i个数据的标准化值，xi为参数x的第i个数据.
s4、对标准化处理后的参数进行因子分析，提取出若干个主因子；
本实施例中，因子分析的方法是采用主成分分析法，主成分分析是通过线性组合将原变量综合成几个主成分，用较少的综合指标来代替原来较多的指标，从而达到降维的目的。本实施例中，主成分分析也是通过spss软件实现的，选择spss软件“分析-降维-因子”，可得到若干个因子(见表3)，确定主因子的标准是：因子的初始特征值大于1，从表3可以看出，7个因子中，初始特征值大于1的有4个，则这4个因子为主因子。再通过spss软件得到主因子矩阵系数表(表4)。
表3各个因子的总方差解释
表4各个主因子的矩阵系数表
根据表4，可以得出各主因子的表达式：
主因子1：
f1＝0.838so-0.772φ 0.061bo-0.128h 0.365x 0.040cp 0.220mo
主因子2：
f2＝-0.071so-0.407φ 0.897bo-0.141h-0.346x 0.072cp 0.506mo
主因子3：
f3＝0.132so-0.203φ 0.006bo 0.837h 0.609x 0.161cp 0.401mo
主因子4：
f4＝-0.110so-0.150φ 0.050bo 0.263h-0.340x 0.885cp-0.526mo
式中，so为原始含油饱和度，％；φ为孔隙度，％；bo为体积系数，m3/m3；h为平均钻遇有效厚度，m；x为裂缝；cp为压力系数；mo为流度，μm2/mpa·s。
结合低渗透油藏开发特征，根据主因子中主要影响参数，进一步确定主控因素。其中，主因子1的主要影响参数为原始含油饱和度和孔隙度，因此将主因子1命名为饱和因子，其中原始含油饱和度与饱和因子呈现正相关，孔隙度与饱和因子呈现负相关(请参见图2)；主因子2的主要影响参数为体积系数，因此将主因子2命名为膨胀因子，该参数与膨胀因子呈现正相关(请参见图3)；主因子3的主要影响参数为平均钻遇有效厚度和裂缝，因此将主因子3命名为地层因子，其中平均钻遇有效厚度、裂缝与地层因子都呈现正相关(请参见图4)；主因子4的主要影响参数为压力系数和流度，因此将主因子4命名为流动因子，其中压力系数与流动因子呈现正相关，流度与流动因子呈现负相关(请参见图5)。
优选地，在提取出主因子后，再通过方差分析法确定各主因子的影响程度，方差分析(anova)是指在对两个或两个以上的随机变量均数设定某一假设的前提下，根据不同检验方法计算检验统计量的值，进而判断随机变量均数是否满足这一假设的一种单因素分析方法。f值是f检验的统计量，其是由统计均方除以误差均方计算而来，该值的大小可以看出随机变量在聚类分析过程中的作用大小，若该值越大则表明随机变量的作用越大，请参照表5，通过spss软件计算了4个主因子(流动因子、地层因子、饱和因子及膨胀因)的f值，由表5可知，f流动因子＞f地层因子＞f饱和因子＞f膨胀因子，因此，在聚类分析结果中，这四个主因子的作用重要程度为：流动因子＞地层因子＞饱和因子＞膨胀因子。
表5主因子方差分析(anova)表
s5、以提取出的主因子为标准对所述待分类油藏进行分类；
本实施例中，采用k-均值聚类法以提取出的主因子为标准对所述待分类油藏进行分类。
具体实现方法是通过spss软件“分析-分类-k-均值聚类”，最终确定油藏分类数量为3类，其中i类油藏个数30个，ii类油藏个数45个，iii类油藏个数25个(请参见表6)。
表6研究区100个油藏的分类结果
s6、分别对各个类型的油藏进行分析，确定各个类型的油藏影响最大的主因子，以确定各个类型的油藏的主控因素。步骤s6的具体方法是确定各个类型的油藏的最终聚类中心(请参见表7及图6)，最终聚类中心是各个类别在各个随机变量上的平均值，是各个随机变量初始聚类中心在经过若干次迭代后满足收敛条件而确定的各类聚集最终中心点，由表7可知，饱和因子在i类油藏中占主要作用，在ii类油藏中占次要作用；膨胀因子在i类油藏中占主要作用，在iii类油藏中占次要作用；地层因子在i类油藏中占主要作用，在iii类油藏中占次要作用；流动因子在iii类油藏中占主要作用，在ii类油藏中占次要作用。
表7研究区各类型油藏的最终聚类中心
因此，i类油藏主要影响因子为地层因子、饱和因子、膨胀因子，ii类油藏主要影响因子为流动因子、饱和因子，iii类油藏主要影响因子为流动因子、地层因子。
应当理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。
本发明还提供了一种低渗透油藏特征主控因素提取设备，包括处理器和存储器；所述存储器上存储有可被所述处理器执行的计算机可读程序；所述处理器执行所述计算机可读程序时实现了前述低渗透油藏特征主控因素提取方法中的步骤，由于上文已对低渗透油藏特征主控因素提取方法进行详细说明，在此不再赘述。
综上所述，本发明通过因子分析方法以及k-均值聚类分析方法对低渗透油藏进行了分类，并结合油藏工程及渗流理论，明确了每类油藏的主控影响因素。结果表明，该方法可提取出隐藏的油藏特征，明确了各类油藏的主控影响因素，从而可指导低渗透油藏的精细开发。
当然，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关硬件(如处理器，控制器等)来完成，所述的程序可存储于一计算机可读取的存储介质中，该程序在执行时可包括如上述各方法实施例的流程。其中所述的存储介质可为存储器、磁碟、光盘等。
以上所述本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形，均应包含在本发明权利要求的保护范围内。
1.一种低渗透油藏特征主控因素提取方法，其特征在于，包括如下步骤：
s1、获取研究区内的若干个待分类油藏的参数，其中，所述参数至少包括油藏中深、丰度、钻遇厚度、压力系数、孔隙度、含油饱和度、流度、裂缝、体积系数、动用含油面积、动用地质储量、动用可采储量、渗透率及粘度；
s2、根据各个参数相互之间的相关度，筛选出若干个满足预设条件的参数；
s3、对筛选出的参数进行标准化处理；
s4、对标准化处理后的参数进行因子分析，提取出若干个主因子；
s5、以提取出的主因子为标准对所述待分类油藏进行分类；
s6、分别对各个类型的油藏进行分析，确定各个类型的油藏影响最大的主因子，以确定各个类型的油藏的主控因素。
2.如权利要求1所述的低渗透油藏特征主控因素提取方法，其特征在于，所述步骤s2包括：
s21、计算各个参数相互之间的相关度r及显著性水平p；
s22、筛选出同时满足相关度r<0.4,p>0.01的参数。
3.如权利要求2所述的低渗透油藏特征主控因素提取方法，其特征在于，所述步骤s21中，相关度r的计算公式是：
其中，xi为参数x的第i个数据，
4.如权利要求1所述的低渗透油藏特征主控因素提取方法，其特征在于，所述步骤s3中，对筛选出的参数进行标准化处理的公式是：
其中，zi为参数x的第i个数据的标准化值，xi为参数x的第i个数据，
5.如权利要求1所述的低渗透油藏特征主控因素提取方法，其特征在于，所述步骤s4中，因子分析的方法采用主成分分析法。
6.如权利要求5所述的低渗透油藏特征主控因素提取方法，其特征在于，采用主成分分析法确定主因子的标准是：因子的初始特征值大于1。
7.如权利要求1所述的低渗透油藏特征主控因素提取方法，其特征在于，所述步骤s4中，在提取出主因子后，再通过方差分析法确定各主因子的影响程度。
8.如权利要求1所述的低渗透油藏特征主控因素提取方法，其特征在于，所述步骤s5中，采用k-均值聚类法以提取出的主因子为标准对所述待分类油藏进行分类。
9.一种低渗透油藏特征主控因素提取设备，其特征在于，包括处理器和存储器；所述存储器上存储有可被所述处理器执行的计算机可读程序；所述处理器执行所述计算机可读程序时实现如权利要求1-8任意一项所述的低渗透油藏特征主控因素提取方法中的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1-8任意一项所述的低渗透油藏特征主控因素提取方法中的步骤。
技术总结