利用声波测井资料机器学习非线性预测地层温度方法与流程

1.本发明涉及地球物理勘探、石油钻探领域，包括声波测井资料解释、地层温度解释、地层温度预测、机器学习，是一种利用声波测井资料机器学习非线性预测地层温度方法。


背景技术：

2.地层温度对油气的生成、运移和聚集等有重要作用，对油、气、水和岩石的物理性质也存在不可忽视的影响。因此，研究地层温度的分布、变化规律以及由此产生的影响等，可以解决石油地质、地球物理勘探、石油钻探、油气勘探开发中的许多重要的问题。


技术实现要素：

3.本发明提出了一种利用声波测井资料机器学习非线性预测地层温度方法，该方法利用已知井的声波测井资料计算平均速度，机器学习平均速度与地层温度的非线性函数，利用临井的声波测井资料预测临井的地层温度。该方法也可以利用已知井周围的平均速度体，机器学习非线性预测已知井周围的地层温度体。
4.具体的技术方案为：
5.利用声波测井资料机器学习非线性预测地层温度方法，包括以下步骤：
6.s1、输入已知井的垂深声波测井地层温度临井的垂深声波测井或井周围平均速度体v
a
；
7.s2、用步骤s1输入的已知井的垂深声波测井计算已知井的平均速度用步骤s1输入的临井的垂深声波测井计算临井的平均速度
8.(1)计算已知井的层速度
[0009][0010]
其中，是第i个深度的层速度，是第i个深度的声波测井；c是系数：dt
wk
单位为微秒/米时，c为1000000，dt
wk
单位为微秒/英寸时，c为304800。
[0011]
(2)计算已知井的时深关系
[0012][0013]
其中，是第i个深度的层速度，是第i个深度，是第i
‑
1个深度，是第i
‑
1个深度对应的时间，是第i个深度对应的时间。
[0014]
(3)计算已知井的平均速度
[0015][0016]
其中，是i个深度的平均速度，是第i个深度，是第i个深度对应的时间；
[0017]
(4)计算临井的层速度
[0018][0019]
其中，是第j个深度的层速度，是第j个深度的声波测井；c是系数：dt
wc
单位为微秒/米时，c为1000000，dt
wc
单位为微秒/英寸时，c为304800；
[0020]
(5)计算临井的时深关系
[0021][0022]
其中，是第j个深度的层速度，是第j个深度，是第j
‑
1个深度，是第j
‑
1个深度对应的时间，是第j个深度对应的时间；
[0023]
(6)计算临井的平均速度
[0024][0025]
其中，是j个深度的平均速度，是第j个深度，是第j个深度对应的时间。
[0026]
s3、机器学习已知井的平均速度与地层温度的非线性函数nlai。
[0027][0028]
其中，ai是机器学习函数，是已知井的平均速度，是已知井的地层温度，nlai是机器学习后得到的平均速度与地层温度的非线性函数。
[0029]
s4、用步骤s3的非线性函数nlai、步骤s2临井平均速度预测临井的地层温度或用步骤s3的非线性函数nlai、步骤s1的井周围平均速度体v
a
，预测井周围地层温度体tempcube；
[0030][0031]
其中，nlai是机器学习后得到的平均速度与地层温度的非线性函数，是临井的平均速度，是临井的地层温度；
[0032]
tempcube＝nlai(v
a
)
[0033]
其中，nlai是机器学习后得到的平均速度与地层温度的非线性函数，v
a
是井周围的平均速度体，tempcube是井周围的地层温度体。
[0034]
本发明将声波测井资料转换为平均速度，通过机器学习建立平均速度与地层温度的非线性函数，预测临井的地层温度或井周围的地层温度体，快速、简单、有效。
附图说明
[0035]
图1为实施例已知井的声波测井资料；横坐标为声波时差(单位：微秒/米)；纵坐标为垂深(单位：米)；
[0036]
图2为实施例临井的声波测井资料；横坐标为声波时差(单位：微秒/米)；纵坐标为垂深(单位：米)；
[0037]
图3为实施例已知井的地层温度；横坐标为地层温度(单位：度)；纵坐标为垂深(单位：米)；
[0038]
图4为实施例已知井的平均速度；横坐标为平均速度(单位：米/秒)；纵坐标为垂深(单位：米)；
[0039]
图5为实施例临井的平均速度；横坐标为平均速度(单位：米/秒)；纵坐标为垂深(单位：米)；
[0040]
图6为实施例已知井的机器学习；横坐标为地层温度(单位：米/秒)；纵坐标为垂深(单位：米)；
[0041]
图7为实施例机器学习预测的临井地层温度；横坐标为地层温度(单位：米/秒)；纵坐标为垂深(单位：米)。
具体实施方式
[0042]
结合实施例说明本发明的具体技术方案。
[0043]
s1、输入已知井的垂深声波测井地层温度临井的垂深声波测井或井周围平均速度体v
a
。
[0044]
输入的已知井的声波测井资料，如图1；输入的已知井的地层温度如图3；输入的临井声波测井资料，如图2。
[0045]
s2用步骤s1输入的已知井的垂深声波测井计算已知井的平均速度用步骤s1输入的临井的垂深声波测井计算临井的平均速度
[0046]
(1)计算已知井的层速度
[0047][0048]
其中，是第i个深度的层速度，是第i个深度的声波测井；c是系数：dt
wk
单位为微秒/米时，c为1000000，dt
wk
单位为微秒/英寸时，c为304800。
[0049]
(2)计算已知井的时深关系
[0050][0051]
其中，是第i个深度的层速度，是第i个深度，是第i
‑
1个深度，是第i
‑
1个深度对应的时间，是第i个深度对应的时间。
[0052]
(3)计算已知井的平均速度
[0053][0054]
其中，是i个深度的平均速度，是第i个深度，是第i个深度对应的时间。
[0055]
已知井的平均速度，如图4。
[0056]
(4)计算临井的层速度
[0057][0058]
其中，是第j个深度的层速度，是第j个深度的声波测井；c是系数：dt
wc
单位为微秒/米时，c为1000000，dt
wc
单位为微秒/英寸时，c为304800。
[0059]
(5)计算临井的时深关系
[0060][0061]
其中，是第j个深度的层速度，是第j个深度，是第j
‑
1个深度，是第j
‑
1个深度对应的时间，是第j个深度对应的时间。
[0062]
(6)计算临井的平均速度
[0063][0064]
其中，是j个深度的平均速度，是第j个深度，是第j个深度对应的时间。
[0065]
临井的平均速度，如图5。
[0066]
s3、机器学习已知井的平均速度与地层温度的非线性函数nlai。
[0067][0068]
其中，ai是机器学习函数，是已知井的平均速度，是已知井的地层温度，nlai是机器学习后得到的平均速度与地层温度的非线性函数。
[0069]
已知井的机器学习，如图6。
[0070]
s4、用步骤s3的非线性函数nlai、步骤s2临井平均速度预测临井的地层温度或用步骤s3的非线性函数nlai、步骤s1的井周围平均速度体v
a
，预测井周围地层温度体tempcube。
[0071][0072]
其中，nlai是机器学习后得到的平均速度与地层温度的非线性函数，是临井的平均速度，是临井的地层温度。
[0073]
tempcube＝nlai(v
a
)
[0074]
其中，nlai是机器学习后得到的平均速度与地层温度的非线性函数，v
a
是井周围
的平均速度体，tempcube是井周围的地层温度体。
[0075]
机器学习预测的临井地层温度，如图7。