[發(fā)明專(zhuān)利]一種基于多元信息的儲(chǔ)層類(lèi)型劃分方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201810397193.7
• 申請(qǐng)日: 2018-04-28
• 公開(kāi)（公告）號(hào): CN108596780B
• 公開(kāi)（公告）日: 2019-05-21
• 發(fā)明（設(shè)計(jì)）人: 曹丹平;安鵬;梁鍇;朱兆林
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)石油大學(xué)（華東）
• 主分類(lèi)號(hào): G06F17/50
• 分類(lèi)號(hào): G06F17/50
• 代理公司: 北京高沃律師事務(wù)所 11569
• 代理人: 王戈

1.一種基于多元信息的儲(chǔ)層類(lèi)型劃分方法，其特征在于，包括：

從多個(gè)樣本點(diǎn)的測(cè)井?dāng)?shù)據(jù)中獲取對(duì)儲(chǔ)層類(lèi)型敏感的數(shù)據(jù)；所述對(duì)儲(chǔ)層類(lèi)型敏感的數(shù)據(jù)包括中子數(shù)據(jù)、電阻率、孔隙度、聲波時(shí)差、自然伽馬和補(bǔ)償密度；

獲取對(duì)各個(gè)樣本點(diǎn)進(jìn)行人工儲(chǔ)層劃分得到的各個(gè)樣本點(diǎn)的實(shí)際儲(chǔ)層類(lèi)型；

將各個(gè)樣本點(diǎn)的對(duì)儲(chǔ)層類(lèi)型敏感的數(shù)據(jù)輸入深度神經(jīng)網(wǎng)絡(luò)，調(diào)整神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)參數(shù)使神經(jīng)網(wǎng)絡(luò)輸出對(duì)應(yīng)的儲(chǔ)層類(lèi)型，從而對(duì)所述深度神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；訓(xùn)練好的所述深度神經(jīng)網(wǎng)絡(luò)用于根據(jù)實(shí)測(cè)的對(duì)儲(chǔ)層類(lèi)型敏感的數(shù)據(jù)實(shí)現(xiàn)對(duì)儲(chǔ)層類(lèi)型的劃分；

所述將各個(gè)樣本點(diǎn)的對(duì)儲(chǔ)層類(lèi)型敏感的數(shù)據(jù)輸入深度神經(jīng)網(wǎng)絡(luò)，調(diào)整神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)參數(shù)使神經(jīng)網(wǎng)絡(luò)輸出對(duì)應(yīng)的儲(chǔ)層類(lèi)型，從而對(duì)所述深度神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，具體包括：

利用交會(huì)圖法和核密度估計(jì)法分別對(duì)每種所述對(duì)儲(chǔ)層類(lèi)型敏感的數(shù)據(jù)進(jìn)行特征統(tǒng)計(jì)，確定每種所述對(duì)儲(chǔ)層類(lèi)型敏感的數(shù)據(jù)的均值和方差，得到每種數(shù)據(jù)的樣本均值和樣本方差；

利用每種數(shù)據(jù)的樣本均值和樣本方差對(duì)每個(gè)所述對(duì)儲(chǔ)層類(lèi)型敏感的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，得到標(biāo)準(zhǔn)化的數(shù)據(jù)；

將每個(gè)樣本點(diǎn)的各個(gè)類(lèi)型的所述標(biāo)準(zhǔn)化的數(shù)據(jù)作為深度神經(jīng)網(wǎng)絡(luò)的輸入，以線(xiàn)性整流函數(shù)作為所述深度神經(jīng)網(wǎng)絡(luò)的激活函數(shù)，通過(guò)調(diào)整所述深度神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)參數(shù)，使所述深度神經(jīng)網(wǎng)絡(luò)輸出的儲(chǔ)層類(lèi)型數(shù)據(jù)與對(duì)應(yīng)的實(shí)際儲(chǔ)層類(lèi)型之間的差值在預(yù)設(shè)范圍之內(nèi)，從而完成深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練；

根據(jù)實(shí)測(cè)的對(duì)儲(chǔ)層類(lèi)型敏感的數(shù)據(jù)對(duì)儲(chǔ)層類(lèi)型進(jìn)行劃分的過(guò)程包括：

獲取實(shí)測(cè)的對(duì)儲(chǔ)層類(lèi)型敏感的數(shù)據(jù)，得到實(shí)測(cè)數(shù)據(jù)；

計(jì)算每種所述實(shí)測(cè)數(shù)據(jù)的均值和方差，得到每種實(shí)測(cè)數(shù)據(jù)的實(shí)測(cè)均值和實(shí)測(cè)方差；

利用每種數(shù)據(jù)的樣本均值和樣本方差計(jì)算每種數(shù)據(jù)的均值閾值范圍和方差閾值范圍；

判斷每種實(shí)測(cè)數(shù)據(jù)的實(shí)測(cè)均值是否位于對(duì)應(yīng)的均值閾值范圍內(nèi)以及每種實(shí)測(cè)數(shù)據(jù)的實(shí)測(cè)方差是否位于對(duì)應(yīng)的方差閾值范圍內(nèi)，得到第一判斷結(jié)果；

若所述第一判斷結(jié)果表示任意一種實(shí)測(cè)數(shù)據(jù)的實(shí)測(cè)均值位于對(duì)應(yīng)的均值閾值范圍之外和/或?qū)崪y(cè)方差位于對(duì)應(yīng)的方差閾值范圍外，則重新采集對(duì)應(yīng)類(lèi)型的數(shù)據(jù)；

若所述第一判斷結(jié)果表示每種實(shí)測(cè)數(shù)據(jù)的實(shí)測(cè)均值位于對(duì)應(yīng)的均值閾值范圍內(nèi)且實(shí)測(cè)方差位于對(duì)應(yīng)的方差閾值范圍內(nèi)，則對(duì)各個(gè)實(shí)測(cè)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，得到標(biāo)準(zhǔn)實(shí)測(cè)數(shù)據(jù)；

將各個(gè)類(lèi)型的所述標(biāo)準(zhǔn)實(shí)測(cè)數(shù)據(jù)作為深度神經(jīng)網(wǎng)絡(luò)的輸入，得到神經(jīng)網(wǎng)絡(luò)的輸出的實(shí)測(cè)儲(chǔ)層類(lèi)型。

2.一種基于多元信息的儲(chǔ)層類(lèi)型劃分系統(tǒng)，其特征在于，包括：

樣本數(shù)據(jù)獲取模塊，用于從多個(gè)樣本點(diǎn)的測(cè)井?dāng)?shù)據(jù)中獲取對(duì)儲(chǔ)層類(lèi)型敏感的數(shù)據(jù)；所述對(duì)儲(chǔ)層類(lèi)型敏感的數(shù)據(jù)包括中子數(shù)據(jù)、電阻率、孔隙度、聲波時(shí)差、自然伽馬和補(bǔ)償密度；

實(shí)際儲(chǔ)層類(lèi)型獲取模塊，用于獲取對(duì)各個(gè)樣本點(diǎn)進(jìn)行人工儲(chǔ)層劃分得到的各個(gè)樣本點(diǎn)的實(shí)際儲(chǔ)層類(lèi)型；

神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊，用于將各個(gè)樣本點(diǎn)的對(duì)儲(chǔ)層類(lèi)型敏感的數(shù)據(jù)輸入深度神經(jīng)網(wǎng)絡(luò)，調(diào)整神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)參數(shù)使神經(jīng)網(wǎng)絡(luò)輸出對(duì)應(yīng)的儲(chǔ)層類(lèi)型，從而對(duì)所述深度神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；訓(xùn)練好的所述深度神經(jīng)網(wǎng)絡(luò)用于根據(jù)實(shí)測(cè)的對(duì)儲(chǔ)層類(lèi)型敏感的數(shù)據(jù)實(shí)現(xiàn)對(duì)儲(chǔ)層類(lèi)型的劃分；

所述神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊，具體包括：

樣本數(shù)據(jù)均值和方差計(jì)算單元，用于利用交會(huì)圖法和核密度估計(jì)法分別對(duì)每種所述對(duì)儲(chǔ)層類(lèi)型敏感的數(shù)據(jù)進(jìn)行特征統(tǒng)計(jì)，確定每種所述對(duì)儲(chǔ)層類(lèi)型敏感的數(shù)據(jù)的均值和方差，得到每種數(shù)據(jù)的樣本均值和樣本方差；

樣本數(shù)據(jù)標(biāo)準(zhǔn)化單元，用于利用每種數(shù)據(jù)的樣本均值和樣本方差對(duì)每個(gè)所述對(duì)儲(chǔ)層類(lèi)型敏感的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，得到標(biāo)準(zhǔn)化的數(shù)據(jù)；

訓(xùn)練單元，用于將每個(gè)樣本點(diǎn)的各個(gè)類(lèi)型的所述標(biāo)準(zhǔn)化的數(shù)據(jù)作為深度神經(jīng)網(wǎng)絡(luò)的輸入，以線(xiàn)性整流函數(shù)作為所述深度神經(jīng)網(wǎng)絡(luò)的激活函數(shù)，通過(guò)調(diào)整所述深度神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)參數(shù)，使所述深度神經(jīng)網(wǎng)絡(luò)輸出的儲(chǔ)層類(lèi)型數(shù)據(jù)與對(duì)應(yīng)的實(shí)際儲(chǔ)層類(lèi)型之間的差值在預(yù)設(shè)范圍之內(nèi)，從而完成深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練；

該儲(chǔ)層類(lèi)型劃分系統(tǒng)還包括儲(chǔ)層劃分模塊，用于根據(jù)實(shí)測(cè)的對(duì)儲(chǔ)層類(lèi)型敏感的數(shù)據(jù)對(duì)儲(chǔ)層類(lèi)型進(jìn)行劃分；所述儲(chǔ)層劃分模塊，具體包括：

實(shí)測(cè)數(shù)據(jù)獲取單元，用于獲取實(shí)測(cè)的對(duì)儲(chǔ)層類(lèi)型敏感的數(shù)據(jù)，得到實(shí)測(cè)數(shù)據(jù)；

實(shí)測(cè)數(shù)據(jù)均值和方差計(jì)算單元，用于計(jì)算每種所述實(shí)測(cè)數(shù)據(jù)的均值和方差，得到每種實(shí)測(cè)數(shù)據(jù)的實(shí)測(cè)均值和實(shí)測(cè)方差；

閾值范圍計(jì)算單元，用于利用每種數(shù)據(jù)的樣本均值和樣本方差計(jì)算每種數(shù)據(jù)的均值閾值范圍和方差閾值范圍；

判斷單元，用于判斷每種實(shí)測(cè)數(shù)據(jù)的實(shí)測(cè)均值是否位于對(duì)應(yīng)的均值閾值范圍內(nèi)以及每種實(shí)測(cè)數(shù)據(jù)的實(shí)測(cè)方差是否位于對(duì)應(yīng)的方差閾值范圍內(nèi)，得到判斷結(jié)果；

數(shù)據(jù)重采單元，用于若所述判斷結(jié)果表示任意一種實(shí)測(cè)數(shù)據(jù)的實(shí)測(cè)均值位于對(duì)應(yīng)的均值閾值范圍之外和/或?qū)崪y(cè)方差位于對(duì)應(yīng)的方差閾值范圍外，則重新采集對(duì)應(yīng)類(lèi)型的數(shù)據(jù)；

實(shí)測(cè)數(shù)據(jù)標(biāo)準(zhǔn)化單元，用于若所述判斷結(jié)果表示每種實(shí)測(cè)數(shù)據(jù)的實(shí)測(cè)均值位于對(duì)應(yīng)的均值閾值范圍內(nèi)且實(shí)測(cè)方差位于對(duì)應(yīng)的方差閾值范圍內(nèi)，則對(duì)各個(gè)實(shí)測(cè)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，得到標(biāo)準(zhǔn)實(shí)測(cè)數(shù)據(jù)；

儲(chǔ)層劃分單元，用于將各個(gè)類(lèi)型的所述標(biāo)準(zhǔn)實(shí)測(cè)數(shù)據(jù)作為深度神經(jīng)網(wǎng)絡(luò)的輸入，得到神經(jīng)網(wǎng)絡(luò)的輸出的實(shí)測(cè)儲(chǔ)層類(lèi)型。