[發明專利]一種儲層評價模型構建方法及儲層識別方法

在審

• 申請號: 201911175029.2
• 申請日: 2019-11-26
• 公開（公告）號: CN112861890A
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 王波;董順勇;耿淑亞;郝寧;馬博;王守認;劉蓉;陸江蓮
• 申請（專利權）人: 中國石油化工股份有限公司;中國石油化工股份有限公司中原油田分公司信息化管理中心
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 鄭州睿信知識產權代理有限公司 41119
• 代理人: 崔旭東

本發明涉及一種儲層評價模型構建方法及儲層識別方法，屬于地球物理勘探領域和人工智能領域，獲取不同類型儲層對應起止深度段的測井數據；通過對已有試油井井段的測井數據進行分割、重組、計算，形成新的儲層評價樣本，從而實現儲層評價樣本的擴充，對所述儲層評價樣本進行訓練，得到儲層評價模型，利用該儲層評價模型進行儲層預測。解決研究目標區域內缺少儲層識別樣本數據，導致當對儲層評價樣本進行機器學習和深度學習時缺少樣本支撐，以及偏少的樣本學習后模型應用時符合率偏低的問題。

技術領域

本申請涉及一種儲層評價模型構建方法及儲層識別方法，屬于地球物理勘探領域和人工智能領域。

背景技術

儲層識別是對儲層流體進行識別的過程。常規儲層識別方法是通過儲層的解釋模型和測井數據計算儲層的孔隙度、滲透率和含油飽和度的方法實現對儲層識別。但隨著油氣田開發的深入，油氣田的開發難度越來越大，常規儲層識別方法因地質條件復雜、儲層流體響應特征差異不明顯，導致儲層識別精度低。

采用機器學習方法對儲層進行油氣層識別，能夠挖掘儲層測井數據與儲層流體之間的隱含關系，提高儲層識別率。在機器學習領域中，主要采用支持向量機(SupportVector Machine，SVM)方法實現儲層識別，但是如果研究目標區域內缺少儲層識別樣本數據，會造成支持向量機無法通過有限的儲層識別樣本完全掌握儲層樣本數據規律，導致其形成的模型在應用時符合率偏低。因此儲層樣本數量不足是我們面臨的一個嚴峻問題。

目前在機器學習和深度學習中，為實現數據樣本增大，擴大數據集，常用的方法有隨機裁剪、翻轉或鏡像、旋轉、亮度或對比度調節、色度調節、飽和度調節和圖像模糊等。但這些方法是基于二維圖像樣本數據集的增強和擴大，并不適用于一維儲層樣本數據集的增強和擴大。

對于儲層樣本處理的方法，例如地球物理勘探領域和人工智能領域公開了申請公布號為CN109902390A、發明名稱為“一種基于小樣本擴充的有利儲層發育區預測方法”的中國專利申請，所述方法包括：將地震數據體可以視為按照CDP、Inline劃分成的網格長方體，其中地震屬性數據以地震網格點的排列形式存儲。根據地震屬性樣本附近地質情況連續的特點，將標記樣本看作正方形網格一個頂點，復制該標記給正方形網格的其他頂點位置，提取網格其他頂點位置的地震屬性作為擴充后的樣本，從而增強了樣本集，但這種方法擴充對象是三維地震屬性樣本，并不適用于一維儲層樣本數據集的擴充。

因此，為了解決現有技術中儲層樣本數據不足所導致的儲層發育區預測精度低的問題，急需一種儲層評價模型構建方法，以實現對儲層發育的準確識別。

發明內容

本申請的目的在于提供一種儲層評價模型構建方法及儲層識別方法，解決研究目標區域內缺少儲層識別樣本數據，導致當對儲層評價樣本進行機器學習和深度學習時缺少樣本支撐，以及偏少的樣本學習后模型應用時符合率偏低的問題。

本發明采用如下技術方案：本發明提供了一種儲層評價模型構建方法，該方法包括如下步驟：

1)獲取不同類型儲層對應深度段的測井數據；

2)將測井數據按深度分割成單深度點的測井行數據，構建儲層特征樣本庫；所述單深度點的測井行數據為單深度點對應的各種類型的測井數據；

3)從構建的儲層特征樣本庫中抽取設定數目測井行數據，組合成儲層特征評價數據；

4)對儲層特征評價數據中的不同類型測井數據分別按照設定規則進行計算，得到一個儲層評價樣本；

5)重復步驟3)和步驟4)，直至獲取所需數量的儲層評價樣本；

6)對所述儲層評價樣本進行訓練，得到儲層評價模型。