[發(fā)明專利]基于測井數(shù)據(jù)深度學習的燈影組微生物巖微相識別方法

在審

• 申請?zhí)枺?/td>: 202010572477.2
• 申請日: 2020-06-22
• 公開（公告）號: CN111753958A
• 公開（公告）日: 2020-10-09
• 發(fā)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

本發(fā)明公開了一種基于測井數(shù)據(jù)深度學習的燈影組微生物巖微相識別方法，包括以下步驟：S1、根據(jù)已確定微生物巖性的多種類測井數(shù)據(jù)，建立樣本數(shù)據(jù)庫；S2、檢驗樣本數(shù)據(jù)庫中測井曲線的完整性，對缺失段數(shù)據(jù)利用主成分分析及線性回歸的方法進行處理，實現(xiàn)數(shù)據(jù)補充；S3、對樣本數(shù)據(jù)進行均已化，劃分為訓練集和驗證集；S4、建立基于TensorFlow/Playground標準螺旋式數(shù)據(jù)的神經(jīng)網(wǎng)絡模型。本發(fā)明通過對已確定微生物巖性的多種類測井數(shù)據(jù)進行分析，建立基于TensorFlow/Playground標準螺旋式數(shù)據(jù)的神經(jīng)網(wǎng)絡模型，通過神經(jīng)網(wǎng)絡模型來進行微生物巖微相識別，具有較強的客觀性及系統(tǒng)性，在提高識別準確度的同時也提高了識別工作的效率。

技術領域

本發(fā)明涉及一種基于測井數(shù)據(jù)深度學習的燈影組微生物巖微相識別方法。

背景技術

測井，全稱地球物理測井或礦場地球物理，簡稱測井，是利用巖層的電化學特性、導電特性、聲學特性、放射性等地球物理特性，測量地球物理參數(shù)的方法。油氣勘探過程中，通過聲波、電阻、自然電位、自然伽馬等多種測井曲線的曲線波動特征可對地層巖性進行有效劃分，進而完成地層巖石粒度、含流體性質及飽和度、地層孔隙度、地層滲透率的計算，最終完成巖石類型的識別。

理論上不同類型巖石會在不同測井曲線上表現(xiàn)出明顯的波動異常，但由于實際測井過程中，鉆井泥漿類型、井壁垮塌導致等眾多因素導致人工識別并判斷測井曲線異常艱難。人工判定過程中，判別人員的主觀因素也會對識別結果產(chǎn)生較大誤差，使得巖石類型的識別工作缺乏客觀性及系統(tǒng)性，甚至在對巖石類型做出判斷后難以提供判別依據(jù)。因此，建立客觀化、系統(tǒng)化、自動化的多測井曲線結合的識別模式顯得尤為重要。

現(xiàn)有的基于測井數(shù)據(jù)識別巖性的方法主要針對煤田地質中煤的屬性和砂泥巖劃分的問題，尚無針對微生物巖的測井識別技術。且現(xiàn)有的技術僅針對某一條曲線，如煤屬性預測和砂泥巖劃分中僅用GR曲線，尚無多種曲線同時作為判定依據(jù)的識別方法。

現(xiàn)有的沉積微相測井識別技術通過對已知的各沉積微相在GR曲線上的表現(xiàn)形式進行識別，以達到識別巖性及沉積微相的目的。各沉積微相在GR曲線上的表現(xiàn)形式如圖1所示。

提取GR測井曲線上形態(tài)的統(tǒng)計特征，包括：平均幅度、幅度差異、相對重心、相對變號個數(shù)、方差、平均中位數(shù)、變差方差根等，將測井資料上的形態(tài)差異轉化成數(shù)學語言。

判定未知曲線上形態(tài)異常。常見判定方法有：模糊均值聚類法、bayes判別法。所謂模糊均值聚類法,基本原理就是統(tǒng)計計算出各類沉積微相的聚類中心,然后對需要判相的樣本，計算出其距離各類微相聚類中心的距離，按照距離最小歸屬到哪一類微相中。而bayes判別法，實際上是對最短距離判別方法的修正,在利用距離進行判別的同時考慮到各類微相先驗概率的不同，以期望距離進行聚類。

現(xiàn)有技術的缺點：

(1)現(xiàn)有巖性及沉積微相的測井識別技術僅針對砂泥巖剖面，難以應用在微生物巖所屬的碳酸鹽巖。

(2)現(xiàn)有測井識別技術僅能對單一測井曲線完成識別判定，同多曲線綜合識別相比，易造成判別誤差。

(3)現(xiàn)有測井識別技術需要對曲線形態(tài)的所有數(shù)學特征進行提取，提取時間較長，效率低。

發(fā)明內容

本發(fā)明的目的在于克服現(xiàn)有技術的不足，提供一種通過對已確定微生物巖性的多種類測井數(shù)據(jù)進行分析，建立基于TensorFlow/Playground標準螺旋式數(shù)據(jù)的神經(jīng)網(wǎng)絡模型，通過神經(jīng)網(wǎng)絡模型來進行微生物巖微相識別，在提高識別準確度的同時也提高了識別工作的效率的基于測井數(shù)據(jù)深度學習的燈影組微生物巖微相識別方法。

本發(fā)明的目的是通過以下技術方案來實現(xiàn)的：一種基于測井數(shù)據(jù)深度學習的燈影組微生物巖微相識別方法，包括以下步驟：

S1、根據(jù)已確定微生物巖性的多種類測井數(shù)據(jù)，建立樣本數(shù)據(jù)庫；