[發明專利]基于測井數據深度學習的燈影組微生物巖微相識別方法

在審

• 申請號: 202010572477.2
• 申請日: 2020-06-22
• 公開（公告）號: CN111753958A
• 公開（公告）日: 2020-10-09
• 發明（設計）人: 宋金民;李柯然;楊迪;李智武;葉玥豪;余晶潔;李立基;金鑫;趙玲麗;馮宇翔;任佳鑫;王瀚;陳偉;范建平;陳俊林;王佳蕊
• 申請（專利權）人: 成都理工大學
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/06;G06N3/08;G06K9/62;G06F17/18
• 代理公司: 成都虹盛匯泉專利代理有限公司 51268
• 代理人: 鐘玉巧

1.一種基于測井數據深度學習的生物巖微相識別方法，其特征在于，包括以下步驟：

S1、根據已確定微生物巖性的多種類測井數據，建立樣本數據庫；

S2、檢驗樣本數據庫中測井曲線的完整性，對缺失段數據利用主成分分析及線性回歸的方法進行處理，實現數據補充；

S3、對樣本數據進行均已化，并將均已化后的樣本數據劃分為訓練集和驗證集；

S4、建立基于TensorFlow/Playground標準螺旋式數據的神經網絡模型。

2.根據權利要求1所述的一種基于測井數據深度學習的燈影組微生物巖微相識別方法，其特征在于，所述步驟S1具體實現方法為：利用偏光顯微鏡對鉆井巖心薄片進行鑒定，明確微生物巖組構，進而確定微生物巖石類型及沉積微相類型；將測井數據與微生物巖類型進行匹配，建立樣本數據庫。

3.根據權利要求1所述的一種基于測井數據深度學習的燈影組微生物巖微相識別方法，其特征在于，所述步驟S2具體實現方法為：利用Tesorflow/pandas處理模塊內置函數對各條測井曲線進行快速遍歷及統計，檢驗測井曲線的完整性；具體方法如下：對每條測井曲線進行數值灰度轉化，依據圖像模糊邊界將非突變像素點取值轉換為0，圖像模糊邊界突變像素點取值轉換為1；然后利用Pandas.isnull函數判斷曲線是否完整。

4.根據權利要求1所述的一種基于測井數據深度學習的燈影組微生物巖微相識別方法，其特征在于，所述步驟S3具體實現方法為：將各地球物理測井參數進行歸一/正值化操作，將各測井參數統一到0～1刻度：

其中，P_i為歸一/正值化之后的刻度值，L_i為第i個測井參數，L_min表示所有測井參數中的最小值，L_max為所有測井參數中的最大值。

5.根據權利要求1所述的一種基于測井數據深度學習的燈影組微生物巖微相識別方法，其特征在于，所述步驟S4具體實現方法為：利用Python/Keras接口下結合獨熱編碼one-hot/Softmax函數接口構建針對測井曲線的神經網絡模型，網絡模型包括一個輸入層、一個輸出層和4個隱藏層，其中，隱藏層1含600個神經元，激活函數使用elu；隱藏層2含128個神經元，激活函數使用Relu；隱藏層3含32個神經元，激活函數使用sigmoid；隱藏層4含8含神經元，激活函數使用softsign。