[發明專利]基于深度信念網絡的測井巖性識別方法

有效

• 申請號: 201811626064.7
• 申請日: 2018-12-28
• 公開（公告）號: CN109736790B
• 公開（公告）日: 2022-05-24
• 發明（設計）人: 向旻;張峰瑋;帕爾哈提·祖努;齊興華;安然
• 申請（專利權）人: 新疆工程學院
• 主分類號: E21B49/00
• 分類號: E21B49/00;G06V10/764;G06K9/62
• 代理公司: 烏魯木齊合縱專利商標事務所 65105
• 代理人: 湯潔

本發明涉及一種有關巖性識別的測井解釋方法，尤其是一種基于深度信念網絡的地層巖性識別方法。基于深度信念網絡的測井巖性識別方法，主要通過計算機完成，實現該方法所需設備包括測井儀器、數據通訊接口及計算機；該方法包括步驟：利用測井數據識別井口周圍的巖性；測井數據的預處理：歸一化處理；巖性分類的數字化；測井曲線與巖性之間關聯度的計算；預設深度信念網絡的結構；確定限制玻爾茲曼機個數；確定巖性分類界限；用于識別地層巖性的深度信念網絡訓練完成；將待解釋井測井數據輸入該網絡，進行巖性識別工作。針對缺少地層元素測井和成像測井資料的地區，本發明提供的識別方法，預測簡單、識別準確率高，效果好且實用可靠。

技術領域

本發明涉及一種有關巖性識別的測井解釋方法，尤其是一種基于深度信念網絡的地層巖性識別方法。

背景技術

目前火成巖儲層巖性識別最有效的方法是地層元素測井與成像測井。但兩者成本較高，無法大規模開展。在只有常規測井曲線的情況下，目前常用的解釋方法有交會圖法、多元統計分析法及BP神經網絡法等。交會圖法簡單易用，但其對于復雜儲層效果較差；多元統計分析法工作量小、速度快，但其需要調整的參數較多，容易產生較大誤差；BP神經網絡法本身是一種“淺層”神經網絡，存在局部極小化問題，經常無法獲得全局最優解，同時還存在收斂慢的缺點。

發明內容

本發明的目的在于針對缺少地層元素測井和成像測井資料的地區，提供一種預測簡單、實用可靠的基于深度信念網絡的地層巖性識別方法。

本發明公開了一種基于深度信念網絡的測井巖性識別方法，主要通過計算機完成，其特征在于實現該方法所需設備包括測井儀器、數據通訊接口及計算機；

所述測井儀器,用于采集測井數據；

所述數據通訊接口,用于將現場測井儀器采集的上述測井數據,傳輸到計算機中；

所述計算機，用于運行深度信念網絡的地層巖性識別算法，根據測井數據，對井口周圍地層巖性進行識別；

該方法包括如下步驟：

步驟一、利用測井數據識別井口周圍的巖性，測井數據主要包括傳統的九條常規測井曲線，分別為深側向電阻率、淺側向電阻率、微球聚焦、密度、聲波時差、中子、自然電位、自然伽馬以及井徑，預測輸出變量為地層巖性；

步驟二、測井數據的預處理：

現場測井儀器采集測井數據，首先需要進行預處理，至少包括深度校正、平滑濾波及環境校正；

步驟三、歸一化處理：每一種測井方法的物理原理不同，其測量的物理參數的量綱和數量級均有很大的差別，需要對測井數據進行歸一化處理，使其具有相同的量綱和數值分布范圍；經過歸一化處理的測井數據均為無量綱量，且分布區間為[0,1]；

步驟四、巖性分類的數字化：計算機無法認知地層的巖性，因而必須將巖性進行數字化以滿足計算機的讀取；設所識別的巖性共有n種，將n種巖性記為表格的形式，所述表格在首行和首列均分別列出對應的這n種巖性的名稱，在表格中行與列的交叉位置填上1或0，其中1代表是某種巖性，0代表不是某種巖性；如下表所示：

巖性分類數字化方法

繼而，將上述表格中不同深度測井數據對應的巖性記為矩陣Y，Y由n組向量構成，其取值為0或者1，1代表是某種巖性，0代表不是某種巖性，即，

矩陣Y即為巖性分類數字化的結果；

步驟五、測井曲線與巖性之間關聯度的計算：采用灰色關聯分析法分析各測井曲線與巖性之間的相關性：在某區塊內，針對所要識別的n種巖性，選取具備完整地質資料的n種巖性對應的各m組常規測井數據，作為樣本集S；各巖性對應的樣本數量m應當大于500；