面向测井跨域迁移解释的分曲线离散自监督表征学习方法

本发明涉及油气勘探地球物理测井智能解释，具体涉及一种面向测井跨域迁移解释的分曲线离散自监督表征学习方法，适用于多盆地、多采集年代、标签稀缺、测井曲线缺失及地质区域分布偏移场景下的岩性分类、孔隙度预测等储层评价任务。

背景技术：

1、测井数据是地层物性评价与储层表征的核心数据源。历经数十年勘探积累，已形成海量无标签多曲线测井档案，覆盖不同盆地、不同采集年代。然而，这些历史测井数据普遍面临三大行业痛点：其一，岩心标注成本高昂，大量老井、偏远探井缺乏有效标签；其二，受仪器故障、采集方案差异等因素影响，部分测井曲线存在不同程度缺失；其三，不同地质区域之间储层物性特征差异明显，数据分布偏移问题较多，导致单工区训练的模型难以跨区域泛化。

2、现有基于机器学习的测井解释方法主要分为有监督深度学习与通用时序基础模型两类。有监督深度学习方法依赖海量标注数据进行训练，模型性能高度耦合于特定工区的数据分布，一旦面临新盆地、新采集批次，解释精度就会下降，无法有效复用海量无标签历史测井档案。通用时序基础模型则将自然伽马（gr）、声波时差（ac）、体积密度（den）、中子孔隙度（cnl）、深电阻率（rt）等不同物理测量机理的测井曲线视作等价通道进行统一编码，忽略了各类测井在测量原理、量纲量级、动态响应范围等方面的本质差异，致使形态相似但物理含义截然不同的测井信号被映射至同一隐空间，引发物理语义混淆，在曲线缺失、区域偏移等复杂工况下泛化能力严重不足。

3、此外，现有基于离散量化表征的方法（如vq-vae及其变体）采用全局共享码本对全部测井曲线进行统一编码，难以区分不同测井类型的物理解释特征；同时，该类方法缺乏面向测井数据特性的结构化预训练约束，在跨工区、缺曲线场景下的模型迁移能力有限。

4、因此，亟需一种能够区分不同测井曲线物理机理、适应标签稀缺和曲线缺失场景，并提高跨地质区域迁移能力的测井表征学习方法。

技术实现思路

1、本发明针对现有测井解释模型存在的标签稀缺、测井曲线缺失、跨地质区域数据分布偏移，以及通用时序模型、离散量化编码方法无法区分不同测井物理机理等技术问题，提供一种面向测井跨域迁移解释的分曲线离散自监督表征学习方法。

2、为解决上述技术问题，本发明采用如下技术方案：

3、一种面向测井跨域迁移解释的分曲线离散自监督表征学习方法，包括：

4、为每一类测井曲线配置专属的编码器与码本，将各类测井曲线的原始波形切片经编码器映射为隐向量，通过量化各自码本，获得细粒度令牌及对应的量化向量；

5、将各类测井曲线中细粒度令牌对应的量化向量经专属的解码器反演为原型波形，基于原型波形间的相似度对同类测井曲线的细粒度令牌进行聚类合并，生成宏令牌，并为各类测井曲线构建互不重叠的分段隔离全局词表；

6、基于师生双分支架构进行自监督预训练，教师端输入完整序列，学生端输入经结构化掩码、曲线随机丢弃和通道次序扰动后的序列，以全局词表中对应位置的宏令牌作为预测监督标签，联合掩码令牌预测、波形重构、局部表征对齐及全局表征对齐损失，优化学生网络；

7、完成学生网络预训练后，采用主干冻结或并行适配器微调模式进行下游任务迁移，并通过深度维度多曲线动态加权融合输出预测结果。

8、在其中一个实施例中，所述为每一类测井曲线配置专属的编码器与码本，具体包括：

9、测井曲线的编码器采用幅值-形态双分支结构：幅值分支提取各类测井曲线的原始波形切片的均值与标准差并经多层感知机生成幅值描述子，形态分支对各类测井曲线的原始波形切片自归一化后经1d卷积提取局部形态特征，两分支特征拼接后投影为隐向量。

10、在其中一个实施例中，所述通过量化各自码本，获得细粒度令牌及对应的量化向量，具体包括：

11、采用归一化向量空间近邻量化：

12、；

13、；

14、其中，为隐向量，为第c类测井曲线的专属码本中的第个码本向量，为f2范数，为单曲线码本容量，为量化得到的细粒度令牌，为量化向量。

15、在其中一个实施例中，所述将各类测井曲线中细粒度令牌对应的量化向量经专属的解码器反演为原型波形，基于原型波形间的相似度对同类测井曲线的细粒度令牌进行聚类合并，生成宏令牌，具体包括：

16、第类测井曲线的个细粒度令牌索引集合为，其中，和表示所述细粒度令牌索引集合中的任意两个细粒度令牌索引，将细粒度令牌索引和对应的码本向量分别输入第类测井曲线的专属解码器，得到对应的原型波形；以第个细粒度令牌对应的原型波形解释第个细粒度令牌对应的原型波形时，对应的方向性判定系数为：

17、；

18、其中，表示第类测井曲线中第个细粒度令牌对应的原型波形在第个采样位置处的波形值；表示第类测井曲线中第个细粒度令牌对应的原型波形在第个采样位置处的波形值；表示第个细粒度令牌对应原型波形的平均值：

19、；

20、其中，表示原型波形中的采样位置索引；表示原始波形切片及对应原型波形所包含的采样点数量，

21、对称化后得到距离；

22、采用全连接凝聚聚类，当第个细粒度令牌和第个细粒度令牌的距离时，将这两个细粒度令牌合并，最终生成映射关系；

23、其中，表示第类测井曲线的细粒度令牌到宏令牌的映射关系；表示第类测井曲线的细粒度令牌总数；表示第类测井曲线经聚类合并后得到的宏令牌总数。

24、在其中一个实施例中，所述为各类测井曲线构建互不重叠的分段隔离全局词表，具体包括：

25、按照预设的测井曲线类型顺序，为每一类测井曲线设置全局偏移量，第类测井曲线的全局偏移量表示为：

26、；

27、其中，表示第类测井曲线在全局词表中的起始偏移量；表示排序位于第类测井曲线之前的第类测井曲线的宏令牌总数；

28、第类测井曲线的局部宏令牌索引通过如下映射转换为全局宏令牌索引：

29、；

30、其中，表示第类测井曲线中局部宏令牌索引对应的全局宏令牌索引；表示第类测井曲线词表内部的局部宏令牌索引；表示第类测井曲线的宏令牌总数；

31、第类测井曲线在全局词表中对应的词表区间表示为：

32、；

33、全局预测词表表示为：

34、；

35、全局预测词表的大小表示为：

36、；

37、其中，表示第类测井曲线对应的宏令牌词表区间；表示由各类测井曲线的宏令牌词表区间拼接形成的全局预测词表；表示测井曲线类型集合；表示测井曲线类型索引；表示全局预测词表中宏令牌的总数量；各类测井曲线在全局预测词表中占据互不重叠的连续区间。

38、在其中一个实施例中，所述师生双分支架构中，教师网络权重由学生网络权重通过指数滑动平均更新，更新规则为：

39、；

40、其中，为指数滑动平均衰减系数，教师网络不参与反向传播梯度更新。

41、在其中一个实施例中，所述联合掩码令牌预测、波形重构、局部表征对齐及全局表征对齐损失，优化学生网络，具体包括：

42、掩码宏令牌预测损失仅在学生分支中的掩码位置计算：

43、；

44、其中，表示掩码宏令牌预测损失；表示学生分支输入序列中的掩码位置集合；表示掩码位置的数量；表示掩码位置索引；表示学生网络在位置处针对全局预测词表输出的预测逻辑值向量；表示学生网络在位置处对真实全局宏令牌标签输出的预测逻辑值；表示学生网络在位置处对全局词表中第个宏令牌输出的预测逻辑值；表示全局预测词表中的宏令牌索引；表示由各类测井曲线的宏令牌词表区间拼接形成的全局预测词表；表示掩码位置对应的真实全局宏令牌标签：

45、；

46、其中，表示位置处原始波形切片经第类测井曲线专属码本量化后得到的细粒度令牌索引；表示第类测井曲线的细粒度令牌到宏令牌的映射关系；表示第类测井曲线局部宏令牌索引到全局宏令牌索引的映射关系；

47、波形重构损失拆分为基于相对起伏模式的形态损失和基于整体基准约束的幅值基准损失的加权组合：

48、；

49、为平衡系数；

50、局部表征对齐损失表示为：

51、；

52、其中，表示局部表征对齐损失；表示学生分支中的掩码位置集合；表示掩码位置数量；表示学生分支中的掩码位置索引；表示学生网络在位置处输出的隐藏状态；表示学生分支位置与教师分支中同一测井曲线类型、同一深度位置对应位置之间的索引映射；表示教师网络在位置处输出的隐藏状态；和分别表示学生网络和教师网络的局部表征投影头；表示停止梯度算子；表示余弦相似度计算函数；

53、学生网络和教师网络的全局表征分别表示为：

54、；

55、；

56、全局表征对齐损失表示为：

57、；

58、其中，表示全局表征对齐损失；和分别表示学生分支和教师分支中的有效非缺失位置集合；表示对有效非缺失位置对应的隐藏状态进行平均池化；和分别表示学生网络和教师网络经平均池化得到的全局表征；和分别表示学生网络和教师网络的全局表征投影头；表示停止梯度算子；表示余弦相似度计算函数。

59、在其中一个实施例中，形态损失为：

60、；

61、幅值基准损失为：

62、；

63、分别为第i个原始波形切片、重构切片值，,为解码器，分别为原始波形切片均值、重构切片均值，为原始波形切片的长度。

64、在其中一个实施例中，所述采用主干冻结或并行适配器微调模式进行下游任务迁移，具体包括：

65、并行适配器微调模式中，在预训练学生网络的各 transformer 块旁路设置瓶颈适配器，预训练 transformer 块的主干参数保持冻结，主干输出与瓶颈适配器输出进行叠加，得到适配后的块输出：

66、；

67、所述瓶颈适配器的输出表示为：

68、；

69、其中，表示当前 transformer 块的输入表征；表示经过并行适配器调整后的transformer 块输出表征；表示主干参数保持冻结的预训练 transformer 块；表示与预训练 transformer 块并行设置的瓶颈适配器；表示层归一化操作；表示将输入表征由主干隐藏维度映射至瓶颈维度的降维投影矩阵；表示高斯误差线性单元激活函数；表示将瓶颈维度表征映射回主干隐藏维度的升维投影矩阵；表示对适配器分支输出执行的随机失活操作；表示控制适配器输出注入强度的可学习缩放系数。

70、与现有技术相比，本发明的有益技术效果是：

71、1、本发明采用分曲线独立离散编码方式，为不同类型测井配置专属码本，可有效区分各类测井的测量物理机理，规避不同测井信号之间的语义混淆问题；同时编码器 - 解码器结构可实现测井波形重构，让离散表征具备地球物理可解释性，便于现场地质人员理解与应用。

72、2、本发明设置分段隔离的全局词表结构，结合曲线类型嵌入，对模型预测范围进行约束，降低跨测井类型的错误预测概率，提升表征空间的区分度与稳定性。

73、3、本发明引入结构化掩码、测井随机丢弃、通道次序扰动多种数据扰动方式，并结合师生双分支架构与多项联合损失约束开展自监督预训练，模拟现场各类数据异常工况，增强模型对曲线缺失、区域分布偏移场景的适应能力，在标签稀缺条件下改善模型综合性能。

74、4、本发明设计两种下游模型微调模式，可适配不同现场应用场景：针对测井曲线大面积缺失场景，采用主干冻结模式保障模型运行稳定性；针对曲线数据完整场景，采用并行适配器微调模式利用预训练表征能力，有效提升岩性识别精度、降低孔隙度预测误差，满足不同工区储层评价的使用需求。