[發明專利]一種低對比度油氣層識別方法、裝置、設備及系統

有效

• 申請號: 202010540915.7
• 申請日: 2020-06-15
• 公開（公告）號: CN111783847B
• 公開（公告）日: 2023-08-25
• 發明（設計）人: 謝然紅;高倫;王帥;徐陳昱;肖立志
• 申請（專利權）人: 中國石油大學(北京)
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F16/29;G06N3/04
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 闞傳猛;周達

1.一種低對比度油氣層識別方法，其特征在于，包括：

獲取常規測井數據和試油結果，所述試油結果包括試油層深度信息以及試油層對應的類別；

基于所述試油層深度信息，對所述常規測井數據進行劃分，獲取初始輸入數據；其中，所述初始輸入數據包括試油層測井數據和與所述試油層相鄰的泥巖層測井數據；所述基于所述試油層深度信息，對所述常規測井數據進行劃分，獲取初始輸入數據，包括：根據所述試油層深度信息，將所述常規測井數據劃分為試油層和與所述試油層相鄰的泥巖層；獲取所述試油層對應的測井數據和所述泥巖層對應的測井數據，作為所述初始輸入數據；其中，所述測井數據包括自然伽馬曲線、自然電位曲線、聲波時差曲線、中子孔隙度曲線、密度曲線、深中淺電阻率曲線；

利用預設聚類算法對所述初始輸入數據進行聚類處理，獲得高維數據集；其中，所述高維數據集的維度數量大于所述初始輸入數據的維度數量；

將所述高維數據集輸入預設目標神經網絡模型進行識別，獲得對低對比度油氣層的識別結果；其中，所述預設目標神經網絡是基于所述高維數據集和所述試油層對應的類別預先訓練獲得；所述識別結果包括低對比度油氣層對應的類別；所述類別包括以下之一：干層、水層、含油水層、低產氣層、低產油層、低產油氣層、油氣水同層、油水同層、油氣同層、油層。

2.根據權利要求1所述的方法，其特征在于，所述利用預設聚類算法對所述初始輸入數據進行聚類處理，獲得高維數據集，包括：

利用DBSCAN算法對所述初始輸入數據進行聚類處理，獲得高維數據集。

3.根據權利要求2所述的方法，其特征在于，所述利用DBSCAN算法對所述初始輸入數據進行聚類處理，獲得高維數據集，包括：

確定DBSCAN聚類的鄰域參數數據，所述鄰域參數數據包括鄰域半徑和鄰域密度閾值；

根據所述鄰域參數數據對所述初始輸入數據進行聚類，獲得聚類簇數；

對每一簇包括的數據進行平均處理，得到所述每一簇的中心點；

計算所有初始輸入數據到每一簇中心點的距離，獲得高維數據集。

4.根據權利要求1所述的方法，其特征在于，所述預設目標神經網絡模型通過下述方式獲得：

構建預設神經網絡，所述預設神經網絡包括預設數量的隱藏層；

將所述試油層對應的類別轉化為指示變量響應矩陣；

基于所述高維數據集和所述指示變量響應矩陣對所述預設神經網絡訓練，獲得目標神經網絡模型。

5.一種低對比度油氣層識別裝置，其特征在于，包括：

數據獲取模塊，用于獲取常規測井數據和試油結果，所述試油結果包括試油層深度信息以及試油層對應的類別；

劃分模塊，用于基于所述試油層深度信息，對所述常規測井數據進行劃分，獲取初始輸入數據；其中，所述初始輸入數據包括試油層測井數據和與所述試油層相鄰的泥巖層測井數據；

聚類模塊，用于利用預設聚類算法對所述初始輸入數據進行聚類處理，獲得高維數據集；其中，所述高維數據集的維度數量大于所述初始輸入數據的維度數量；

識別結果獲得模塊，用于將所述高維數據集輸入預設目標神經網絡模型進行識別，獲得對低對比度油氣層的識別結果；其中，所述預設目標神經網絡是基于所述高維數據集和所述試油層對應的類別預先訓練獲得；所述識別結果包括低對比度油氣層對應的類別；所述類別包括以下之一：干層、水層、含油水層、低產氣層、低產油層、低產油氣層、油氣水同層、油水同層、油氣同層、油層；

其中，所述劃分模塊，包括：劃分單元，用于根據所述試油層深度信息，將所述常規測井數據劃分為試油層和與所述試油層相鄰的泥巖層；獲取單元，用于獲取所述試油層對應的測井數據和所述泥巖層對應的測井數據，作為所述初始輸入數據；其中，所述測井數據包括自然伽馬曲線、自然電位曲線、聲波時差曲線、中子孔隙度曲線、密度曲線、深中淺電阻率曲線。

6.根據權利要求5所述的裝置，其特征在于，所述聚類模塊，包括：

聚類單元，用于利用DBSCAN算法對所述初始輸入數據進行聚類處理，獲得高維數據集。