通过Kalman集合过滤方法对油藏描述的四维地震数据进行连续同化.pdfVIP

4 国外油田工程第24卷第1期 (2008．1) 通过Kalman集合过滤方法对 油藏描述的四维地震数据进行连续同化 编译：李宇 (西南石油大学) 审校：纪常杰 (大庆油田工程有限公司) 摘要 本文采用Kalman集合过滤方法 实现，但是由于需要关键代码并且最小化过程的计 对生产数据和时间偏移地震波阻抗数据进行 算耗时较长，因而该方法没有计算上的优势。因 了历史拟合。该方法不依赖于油藏模拟器， 此，对自动历史拟合的研究是很有意义的。 对油田孔隙度的预测比对渗透率的预测要 历史上，Kalman过滤方法是最广泛使用的连 好，可以利用一系列的油藏模型作为输入， 续数据同化方法，并且对现代控制理论的状态变量 并且通过不断同化观测数据来更新模型，输 方法的出现产生了明显有益的结果，但是这种方法 出适合不确定性分析的大量历史拟合模型。 不适用于非线性系统。由于油藏模拟方程在多相共 实例表明，通过 EnKF方法将时间偏移地 存时是高度非线性的，Kalman过滤法对油藏描述 震数据和生产数据结合起来描述油藏特征， 中的典型自动历史拟合问题不适用。1994年， 可以很好地拟合观测数据，并获得正确的 Evensen提出了适用于非线性系统的Kalman集合 模型。 过滤方法 (EnKF法)，EnKF法不依赖于油藏模 关键词 自动历史拟合 Kalman集合 拟器并且不需要伴随码，它能输出一系列适合不确 过滤 数据同化 时间偏移地震数据 定性分析的评估模型。这种方法提出后，在气象学 方面获得了成功应用。最近，EnKF方法也应用于 1 前言 水文地理学和石油工程方面。 历史拟合的目的是在油藏模拟模型中进行调 2 Kalman集合过滤法 参，如调整孔隙度和渗透率参数；通过调参能使计 EnKF的基本方法包括预测步骤和同化步骤。 算出来的历史数据和实际数据接近，如时间偏移地 预测步骤从当前时间开始预测将来的状态向量，状 震数据、产水量、产油量等；拟合过程主要涉及最 态向量包含系统描述需要的变量；同化步骤是调整 小二乘法和贝叶斯网格推导的目标函数的最小化。 状态向量中所有的变量使其和观测数据相匹配。在 如果采用以最小化方法为基础的非微分方法实现目 油藏描述中预测步骤可以通过油藏模拟器获得。因 标函数最小化，需要大量的模拟运算。运算过程中 此，每个模拟网格的状态向量主要包含孔隙度、测 将在每个迭代步骤中给目标函数赋值，并且需要找 井渗透率、压力、相饱和度。除了这些模型变量之 到全局性的最小点。当模型尺寸变大时，由于对模 外，状态向量还包括计算数据，如油藏响应、时间 拟器运算能力的要求很高，非微分最小化方法的使 偏移地震数据等。如果网格的数量是N ，计算数 用容易受到限制。如果微分法 (LBFGS法)的结 据的数量是 N ，那么对于忽略毛管压力的油水体 果接近实际数据，可采用伴随法对微分进行计算， 系其状态向量Y的大小为4×N ×N ，预测步骤 但是伴随方程要高度依赖于模拟器，如在运算中需 可用下式来表示： 要获得模拟器的源代码。如果转换为不同的油藏