一种井震联合储层鲁棒识别方法
本发明涉及油气勘探智能解释,特别涉及一种井震联合储层鲁棒识别方法。
背景技术:
1、油气储层精准识别与评价是油气勘探开发领域的核心关键环节,直接决定有利区优选精度与油气资源勘探成效。随着油气勘探进程不断深入,勘探目标逐步转向隐蔽薄储层、低信噪比复杂地层、非均质强储层等复杂地质场景,对储层识别方法的空间分辨率、抗干扰能力和地质合理性提出了更高要求。
2、现阶段主流储层识别技术主要分为两类:
3、其一,传统人工解释与地球物理反演方法。该类方法高度依赖技术人员经验积累,通过人工标定测井曲线、解释地震层位、反演波阻抗等物性参数来完成储层判别,解释标准主观性强、量化精度低、工作效率有限。在面对薄互层、低信噪比、强非均质性等复杂地质条件时,传统方法极易出现层位匹配偏差、储层边界模糊、流体性质误判等问题,难以精准刻画复杂地层的储层发育规律与空间展布特征,勘探适配性与精准度大幅受限。
4、其二,基于数据驱动的人工智能储层识别方法。近年来,深度学习技术凭借其强大的特征提取与数据拟合能力,逐步应用于储层识别领域,有效突破了传统人工解释效率低、主观性强的技术瓶颈。然而,现有智能识别方法仍存在以下突出技术缺陷:
5、(1)数据融合不充分。多数模型仅单一依托测井数据或地震数据开展训练,未能实现井震异构数据的深度融合,无法兼顾测井数据纵向高分辨率物性特征与地震数据横向全域连续特征的双重优势。
6、(2)抗干扰能力不足。现有模型缺乏针对油气勘探场景的专属抗干扰机制,难以有效适配野外采集噪声、地层非均质畸变、地震子波畸变、薄层干涉等复杂勘探干扰,训练所得模型泛化能力差,极易出现局部预测失真、储层识别跳变、地质逻辑违背等问题。
7、(3)未适配钻井样本稀缺的实际场景。现有跨域智能识别技术未充分适配钻井样本稀缺、地震无标签样本海量的行业实际场景,伪标签筛选机制同质化、抗扰动训练模式单一,无法有效区分带真值测井数据与无标签地震数据的可信度差异,易受低质、模糊地震样本干扰引发模型训练偏差。
8、(4)缺乏地质先验约束。多数智能模型仅依靠纯数据驱动完成预测,未结合层序地层、沉积相、构造成藏等地质先验规则进行约束校正,导致模型习得特征与实际地质演化规律、油气成藏规律匹配度低,难以实现复杂工区全域、稳定、精准的储层智能识别。
9、综上所述,亟需构建一种兼顾数据特征优势与地质逻辑约束、具备强鲁棒性与高泛化能力的井震联合储层识别方法,以满足复杂油气勘探场景的智能化、精准化勘探需求。
技术实现思路
1、本发明旨在提供一种井震联合储层鲁棒识别方法,以解决现有储层识别技术中井震异构数据融合不充分、模型抗干扰能力不足、钻井样本稀缺条件下跨域适配困难以及缺乏地质先验约束导致识别结果地质符合性差的技术问题。
2、为实现上述目的,本发明采用如下技术方案:
3、一种井震联合储层鲁棒识别方法,包括以下步骤:
4、s1、获取目标工区的测井数据和地震数据,分别构建源域带标签测井数据集和目标域无标签地震数据集;
5、s2、加载视觉语言预训练模型,对所述视觉语言预训练模型进行地质适配初始化,包括:将模型输入层改造为适配单通道灰度数据的结构,冻结模型主干编码模块的全部网络参数,并搭建地质专属映射模块,所述地质专属映射模块用于将主干编码模块输出的通用视觉特征转换为地质分类特征;
6、s3、利用所述源域带标签测井数据集,对经地质适配初始化后的模型进行监督对抗微调训练,包括:对测井样本进行梯度迭代生成地质对抗样本,构建包含纯净样本与对抗样本的混合训练集,采用动态加权的融合损失函数进行模型参数迭代优化,直至模型收敛,获得源域预训练模型;
7、s4、冻结所述源域预训练模型的全部网络参数,将其作为固定推理模型,利用所述固定推理模型对所述目标域无标签地震数据集进行推理,基于各样本预测概率分布的信息熵生成熵加权伪标签,通过动态置信阈值筛选高可信地震样本,将筛选出的高可信地震样本与所述源域带标签测井数据联合构建跨域训练集,进行跨域自适应训练,更新所述视觉语言预训练模型中部分可训练参数,直至模型收敛,获得井震联合模型;
8、s5、冻结训练完成的所述井震联合模型的全部网络参数,对工区全域地震数据进行批量推理,输出推理结果;采用多维度地质先验规则对所述推理结果进行量化校正,得到校正后的最终储层识别结果并输出标准化成果。
9、进一步地,步骤s1中,构建源域带标签测井数据集具体包括:对原始测井曲线进行前置质控清洗后,采用固定标准深度窗长和固定纵向滑动步长的滑动切片机制,将一维测井时序数据转换为尺寸灰度区间归一化的二维灰度特征切片;结合目标工区已知地质先验信息为每一张所述二维灰度特征切片标注对应的地质分类真值标签,所述地质分类真值标签包括岩性类别标签、储层有效性标签和流体性质标签。
10、进一步地,步骤s2中,地质适配初始化还包括:对所述视觉语言预训练模型采用全局主干参数永久冻结机制,完整锁定模型内置的图像编码模块、文本编码模块以及文本特征投影模块的全部网络参数;仅保留视觉投影层为可渐进式更新结构,采用分阶段、非同步的参数解冻训练逻辑:训练初始阶段完全锁定视觉投影层参数,待基础地质识别规律收敛后逐步放开视觉投影层参数迭代更新权限;所述地质专属映射模块为单层全连接线性变换结构,用于将主干编码模块输出的通用视觉特征映射为地质专属特征向量。
11、进一步地,步骤s3中,生成地质对抗样本具体包括:对批次内标准化测井灰度切片,在预设最大扰动幅值范围内进行均匀随机扰动初始化;采用地层物性自适应梯度迭代公式进行迭代优化,每步更新引入随地层非均质性动态变化的物性自适应系数,所述物性自适应系数根据单张测井切片的局部物性方差与工区全部测井样本的全局物性方差的比值确定;经固定迭代步数收敛后,将最终优化得到的扰动变量叠加至原始测井灰度切片,生成地质对抗样本。
12、进一步地,所述地层物性自适应梯度迭代公式为:
13、;
14、其中,为扰动变量,为迭代步数索引,为幅值约束函数,为预设最大扰动幅值,为符号函数,为损失函数对扰动变量的梯度,为固定基础迭代步长,为地层物性自适应系数且,为单张测井切片的局部物性方差,为工区全部测井样本的全局物性方差,为原始测井灰度切片,为对应的地质分类真值标签,为模型预测函数;经步迭代收敛后得到最优扰动,生成地质对抗样本。
15、进一步地,步骤s3中,所述动态加权的融合损失函数为:
16、;
17、其中和分别为纯净样本和对抗样本的损失值,和为动态加权系数且满足;在训练前期设置以优先拟合钻井真值特征,在训练后期设置以均衡识别精度与模型鲁棒性。
18、进一步地,步骤s4中,生成熵加权伪标签具体包括:将地震样本输入所述固定推理模型,经前向推理输出各类别概率分布,并计算概率分布的信息熵:
19、;
20、其中,为地震样本的预测概率分布的信息熵,为模型预测函数,为模型预测地震样本属于第 类地质类别的概率,为样本类别索引,,为工区地质分类总类别数;
21、基于所述信息熵生成熵加权伪标签:
22、;
23、其中,为样本的伪标签,为熵置信修正系数,熵值越小则该系数越趋近于1,伪标签可信度越高,表示取修正后置信度得分最高的类别编号 。
24、进一步地,步骤s4中,通过动态置信阈值筛选高可信地震样本具体包括:设置初始置信阈值、阈值下限和基础衰减系数;第轮迭代的置信阈值按如下规则更新:
25、;
26、其中为第轮参与筛选的地震样本总数,为第个地震样本的信息熵,表示从括号中的两个值中取较大值作为新的阈值;以为基准,筛选伪标签置信度不低于的样本构成高可信地震样本子集:
27、。
28、进一步地,步骤s4中,进行跨域自适应训练时,采用双域差异化对抗扰动策略:对测井源域样本施加第一幅值范围的扰动生成测井对抗样本,对地震目标域样本施加第二幅值范围的扰动生成地震对抗样本,所述第二幅值范围根据地震样本的整体平均信息熵动态自适应调整;跨域自适应训练的损失函数包括加权鲁棒分类损失和熵加权域对齐损失,所述熵加权域对齐损失为:
29、;
30、其中为模型主干固定特征提取输出,为源域测井基准特征均值,为第个地震样本的特征,为欧几里得范数,高不确定性样本的对齐权重被自适应压低。
31、进一步地,步骤s5中,所述多维度地质先验规则包括层序地层规则、沉积相规则和构造成藏规则;所述量化校正具体包括:对于每一空间像素点,分别计算层序地层合规得分、沉积相适配得分和构造成藏合规得分,按下式计算综合地质适配得分:
32、;
33、其中、、为固定权重系数且;将模型预测概率与所述综合地质适配得分相乘,以乘积最大化的类别作为最终分类结果:
34、;
35、其中为模型对像素点属于第类地质类别的预测概率;所述标准化成果包括全工区逐像素的岩性识别结果、储层与非储层划分结果、流体性质判别结果及各像素点对应的预测置信度数值,以及基于全域校正预测数据生成的储层图件。
36、由以上技术方案可知,与现有技术相比,本发明的有益效果是:
37、1、本发明实现了测井纵向高精度物性特征与地震横向全域连续特征的深度融合,摒弃了单一数据训练的局限性,充分结合两类勘探数据的独有优势,大幅提升了复杂地层场景下储层识别的全面性与完整性。
38、2、本发明构建了适配油气勘探场景的物性自适应对抗扰动机制,通过引入地层物性自适应系数实现扰动步长随地层非均质性的动态调整,可有效适配野外采集噪声、地层非均质畸变、薄层干涉等复杂勘探干扰,提升了模型识别的稳定性与抗干扰能力。
39、3、本发明针对钻井标签稀缺、地震无标签数据海量的行业实际场景,构建了熵加权伪标签生成与熵耦合动态置信阈值筛选机制,区分井震双域数据可信度差异,通过动态阈值筛选与自适应权重约束规避了低质量地震样本对模型训练的干扰,有效提升了跨域特征对齐精度与模型全域适配能力。
40、4、本发明创新性引入层序、沉积、构造多维度地质先验量化校正体系,构建综合地质适配得分对推理结果进行像素级加权融合校正,使智能预测结果贴合地层沉积演化与油气成藏规律,显著提升了储层识别成果的地质符合性与工程实用性。
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