[發明專利]一種測井曲線自動繪制方法、系統、裝置及存儲介質

有效

• 申請號: 202011233089.8
• 申請日: 2020-11-06
• 公開（公告）號: CN112348922B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 張宮;覃瑩瑤;牛深園;劉新
• 申請（專利權）人: 長江大學
• 主分類號: G06T11/20
• 分類號: G06T11/20;G06F9/451;G06N3/0464;G06N3/08
• 代理公司: 武漢智嘉聯合知識產權代理事務所(普通合伙) 42231
• 代理人: 丁倩

1.一種測井曲線自動繪制方法，其特征在于，包括以下步驟：

獲取用戶進行測井曲線繪圖時選用的繪圖模板及對應的操作信息，根據所述繪圖模板及對應的操作信息，獲取用戶繪制同一曲線所用最多的繪圖模板，將所述所用最多的繪圖模板作為標準模板；

獲取測井數據，根據所述測井數據中的曲線名稱生成測井數據網格灰度圖，構建深度神經網絡模型，利用所述測井數據網格灰度圖及曲線名稱進行深度神經網絡模型訓練，得到基于曲線名稱識別的深度神經網絡模型；

獲取用戶輸入的測井數據，根據所述用戶輸入的測井數據及基于曲線名稱識別的深度神經網絡模型獲取曲線名稱，根據所述曲線名稱獲取對應的標準模板，以對應的標準模板繪圖。

2.根據權利要求1所述的測井曲線自動繪制方法，其特征在于，還包括，建立云端服務器，將所述繪圖模板及對應的操作信息上傳至云端服務器，將基于曲線名稱識別的深度神經網絡模型上傳至云端服務器，當獲取對應的標準模板，以對應的標準模板繪圖后，將用戶繪圖信息上傳至云端服務器存儲。

3.根據權利要求1所述的測井曲線自動繪制方法，其特征在于，根據所述測井數據中的曲線名稱生成測井數據網格灰度圖，具體包括，利用測井數據中的曲線名稱字符，形成正方形網格圖，統計測井數據中曲線名稱字符出現的頻率，得到測井數據網格灰度圖。

4.根據權利要求1所述的測井曲線自動繪制方法，其特征在于，利用所述測井數據網格灰度圖及曲線名稱進行深度神經網絡模型訓練，得到基于曲線名稱識別的深度神經網絡模型，具體包括，利用所述測井數據網格灰度圖創建數據集，以測井數據網格灰度圖和測井曲線名稱分別作為深度神經網絡模型的輸入和標簽數據，通過所述數據集訓練深度神經網絡模型，以驗證誤差最小時的參數為最優參數，得到基于曲線名稱識別的深度神經網絡模型。

5.根據權利要求4所述的測井曲線自動繪制方法，其特征在于，所述深度神經網絡模型包括輸入層、輸出層及多個隱藏層，以測井數據網格灰度圖作為深度神經網絡模型的輸入層，所述隱藏層為全連接層，所述全連接層對輸入進行線性運算后經過激活函數輸出。

6.根據權利要求5所述的測井曲線自動繪制方法，其特征在于，所述全連接層對輸入進行線性運算后經過激活函數輸出的表達式為，其中，x為輸入特征向量，W和b分別為權重系數矩陣和偏置向量，f為激活函數，y為輸出。

7.根據權利要求6所述的測井曲線自動繪制方法，其特征在于，在訓練深度神經網絡模型的過程中，通過交叉熵損失函數計算出實際輸出和真實標簽的差別，通過優化交叉熵，使模型預測的概率分布與真實的接近，所述交叉熵損失函數為，其中，為真實的分布，是模型預測出來的分布。

8.一種根據權利要求1-7任一所述的測井曲線自動繪制方法的系統，其特征在于，包括標準模板獲取模塊、深度神經網絡模型獲取模塊及繪圖模塊；

所述標準模板獲取模塊，用于獲取用戶進行測井曲線繪圖時選用的繪圖模板及對應的操作信息，根據所述繪圖模板及對應的操作信息，獲取用戶繪制同一曲線所用最多的繪圖模板，將所述所用最多的繪圖模板作為標準模板；

所述深度神經網絡模型獲取模塊，用于獲取測井數據，根據所述測井數據中的曲線名稱生成測井數據網格灰度圖，構建深度神經網絡模型，利用所述測井數據網格灰度圖及曲線名稱進行深度神經網絡模型訓練，得到基于曲線名稱識別的深度神經網絡模型；

所述繪圖模塊，用于獲取用戶輸入的測井數據，根據所述用戶輸入的測井數據及基于曲線名稱識別的深度神經網絡模型獲取曲線名稱，根據所述曲線名稱獲取對應的標準模板，以對應的標準模板繪圖。

9.一種測井曲線自動繪制裝置，其特征在于，包括處理器以及存儲器，所述存儲器上存儲有計算機程序，所述計算機程序被所述處理器執行時，實現如權利要求1-7任一所述的測井曲線自動繪制方法。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機該程序被處理器執行時，實現如權利要求1-7任一所述的測井曲線自動繪制方法。