数字油藏中的数据类型繁多，要想从大量的、有噪声的、模糊的、随机的这样的数据体中提取出辅助数字油藏的知识是一项复杂的任务。数字油藏数据挖掘的主要内容包括储层知识的发现算法研究、储层地质信息的表征研究、定性定量数据的转换方法研究和其应用时机等。
数字油藏工作从单井沉积微相分析开始，再进行剖面微相分析，然后根据剖面微相特征，依据沉积模式，进行平面微相组合，如此反复，直至建立一个满意的储层概念模型。单井沉积微相分析从取芯井分析入手，收集测井资料和物性分析资料，如孔、渗、饱及压汞分析等，进行岩性和电性分析，分析岩芯的沉积构造，判断水流机制，描述沉积结构特征和各种变化，建立岩性组合和沉积韵律，确定沉积间断、冲刷面及各种接触关系，确定和建立可能的沉积层序，最终建立沉积微相和测井相的对应模型。所涉及的数据既有定性数据，如泥岩颜色、沉积构造特征等，也有定量数据，如油层的物性参数等。这一阶段中，采用数据挖掘方法可能得到的知识是沉积微相和测井相之间的关联知识，以及各种岩石类型的沉积知识。建立好沉积微相和测井相之间的关系模型以后，对建立的剖面依次建立微相模型。在数字油藏中主要是单砂层的划分与对比，根据沉积旋回进行砂层组内小层的对比，以保证用测井曲线准确标定砂层组和单砂层;用测井沉积微相的研究方法进行小层对比，保证单砂层平面追踪准确。在地层对比时，不是利用测井曲线的确切数值信息，而是利用其形态特征等符号概念，可见该项关键技术是测井曲线的符号化。得到的成果就是单砂层、砂层组、油藏的分层界线及单井的沉积微相。在此基础上形成平面微相，建立储层概念模型。这个过程就是精细储层地质研究的过程，因而可以得到的知识就是建立储层模型所需知识，也就是储层知识库包括的内容。
在得到储层地质知识库后，就可以建立储层地质模型了。在这一阶段，只需要储层地质知识库的支持，不需要数据挖掘方法的帮助。此后，由于建立的是多个等概率的储层模型，模型优选就需要数据挖掘方法的支撑，以找出满足储层地质知识的候选模型，提供给油藏数值使用。这时也可以利用该模型来指导油田的开发生产，如高渗透带的分布范围等，因而也离不开数据挖掘方法。
储层模型的建立过程应该说是储层地质研究结果定量化的过程，也就是得到的地质知识的综合和概括。这一过程离不开数据挖掘方法，但也不是贯穿于数字油藏的整个流程，而是作用在数字油藏的前处理和后处理阶段，因而也没必要在软件的开发中建立一个数据挖掘子系统，而是作为一项功能融合到数字油藏的流程当中(图5-1)。
图5-1 储层建模中数据挖掘方法的应用时机
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
