一种基于砂岩段和地层段测井曲线的判相方法与流程
本发明涉及精细油藏描述,尤其涉及一种基于砂岩段和地层段测井曲线的判相方法。
背景技术:
1、沉积相作为油田精细油藏描述研究工作的重要研究内容之一,是已开发区块地质储量计算与产量预测的重要地质依据。传统的沉积相划分方法一般是以区域沉积背景为基础,结合多种测井曲线形态特征,综合分析岩石厚度、粒度等特征,划分研究区沉积微相,但是这个过程中需要多种、多项资料综合分析,研究过程复杂、繁琐,工作难度大。随着机器学习技术的发展,形成了基于测井数据的深度学习判相方法,但该类方法仅能对测井曲线进行单输入的深度学习,且训练后的判相工作精度最高仅能达到85%左右,工作精度不足。针对以上不足,提出了一种基于砂岩段和地层段测井曲线的判相方法。
技术实现思路
1、(一)要解决的技术问题
2、针对现有技术的不足,本发明提供了一种基于砂岩段和地层段测井曲线的判相方法,解决了现有技术中人工判相工作流程复杂、工作难度大和利用深度学习模型进行判相工作的准确率低的问题。
3、(二)技术方案
4、为解决上述问题,本发明提供一种基于砂岩段和地层段测井曲线的判相方法,包括:
5、步骤s1:收集目标区域内的地层和生产井数据;
6、步骤s2:对步骤s1收集到的数据进行分析和清洗,消除数据中的异常值;
7、步骤s3:根据步骤s2中处理后的数据创建多个数据样本x1、x2...xn,并根据建立的样本构建数据集{x1i,x2i,...,xni},数据样本中至少有一个样本为砂岩参数样本;
8、步骤s4:构建多输入模型,多输入模型输入端设有多个输入分支,输入分支的数量与样本数相对应,每个输入分支内选择与输入数据对应的子学习模型,将各输入端的输出结果合并运算输出分类结果;
9、步骤s5:将步骤s3得到的数据集输入步骤s4中构建的多输入模型中进行训练;
10、步骤s6:评估多输入模型的训练结果;
11、步骤s7:将需要进行判相的数据输入训练好的多输入模型中进行预测分析。
12、进一步的,所述步骤s1中根据收集到的数据对目标区域内的砂岩数据表进行扩展,增加地层底深和地层厚度字段。
13、进一步的,所述步骤s2中对存在无效值和缺失值的数据进行清理,然后对剩余的数据进行归一化处理。
14、进一步的,所述归一化处理过程中将测井曲线缩放到{0-255}像素范围。
15、进一步的,所述测井曲线包括微梯度曲线、微电位曲线、自然伽马曲线和自然电位曲线。
16、进一步的,所述步骤s3中数据样本包括x1砂岩段测井曲线、x2砂岩参数和x3地层段测井曲线。
17、进一步的,所述步骤s3中样品构建成后,将得到的样品按照沉积相类别进行分类并统计各类地层样品的数量。
18、进一步的,所述步骤s4中子学习模型包括cnn模型和rnn模型,多输入模型的输入端后通过拼接技术将输入端各子学习模型的输出结果合并后输出计算结果。
19、进一步的,步骤s5中将步骤s3所得的样本数据集按照6:2:2的比例分割成训练集、验证集和测试集,在训练过程中将训练集的内容代入多输入模型中进行训练学习,通过验证集对多输入模型的学习成果进行验证和矫正。
20、进一步的,步骤s6中将测试集输入训练好的多输入模型中将多输入模型输出的结果与实际结果对比,根据二者之间的准确率判断多输入模型训练效果。
21、(三)有益效果
22、本发明提供的基于砂岩段和地层段测井曲线的判相方法,通过建立多输入深度模型样本,在多输入模型的输入端设立多个输入分支每个分支对一种数据样本进行学习后将各输入分支的输出结果结合进行判相,同时对多种样本对判相结果的影响进行学习,并将砂岩参数等多种数据作为在判断沉积相时需要考虑的内容,并不仅对单一数据进行学习,从而能够在判相过程中结合更多方面的数据信息,提高学习模型在判断沉积相工作时的准确性。
1.一种基于砂岩段和地层段测井曲线的判相方法,其特征在于,包括:
2.根据权利要求1所述的基于砂岩段和地层段测井曲线的判相方法,其特征在于,所述步骤s1中根据收集到的数据对目标区域内的砂岩数据表进行扩展,增加地层底深和地层厚度字段。
3.根据权利要求1所述的基于砂岩段和地层段测井曲线的判相方法,其特征在于,所述步骤s2中对存在无效值和缺失值的数据进行清理,然后对剩余的数据进行归一化处理。
4.根据权利要求3所述的基于砂岩段和地层段测井曲线的判相方法,其特征在于,所述归一化处理过程中将测井曲线缩放到{0-255}像素范围。
5.根据权利要求4所述的基于砂岩段和地层段测井曲线的判相方法,其特征在于,所述测井曲线包括微梯度曲线、微电位曲线、自然伽马曲线和自然电位曲线。
6.根据权利要求1所述的基于砂岩段和地层段测井曲线的判相方法,其特征在于,所述步骤s3中数据样本包括x1砂岩段测井曲线、x2砂岩参数和x3地层段测井曲线。
7.根据权利要求5所述的基于砂岩段和地层段测井曲线的判相方法,其特征在于,所述步骤s3中样品构建成后,将得到的样品按照沉积相类别进行分类并统计各类地层样品的数量。
8.根据权利要求3所述的基于砂岩段和地层段测井曲线的判相方法,其特征在于,所述步骤s4中子学习模型包括cnn模型和rnn模型,多输入模型的输入端后通过拼接技术将输入端各学习模型的输出结果合并后输出计算结果。
9.根据权利要求1所述的基于砂岩段和地层段测井曲线的判相方法,其特征在于,步骤s5中将步骤s3所得的样本数据集按照6:2:2的比例分割成训练集、验证集和测试集,在训练过程中将训练集的内容代入多输入模型中进行训练学习,通过验证集对多输入模型的学习成果进行验证和矫正。
10.根据权利要求9所述的基于砂岩段和地层段测井曲线的判相方法,其特征在于,步骤s6中将测试集输入训练好的多输入模型中将多输入模型输出的结果与实际结果对比,根据二者之间的准确率判断多输入模型训练效果。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com