[發明專利]預測總有機碳含量的方法、裝置、設備及存儲介質

在審

• 申請號: 202110277013.3
• 申請日: 2021-03-15
• 公開（公告）號: CN113065279A
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 劉小平;葉文輝;孫彪;舒紅林;王高成;羅瑀峰;許磊;化祖獻;劉天
• 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;G06N20/10;G01V11/00
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 張娜;黃健

1.一種預測總有機碳含量的方法，其特征在于，包括：

獲取待預測區域的測井參數；

將所述測井參數輸入至預設預測模型中，得到所述待預測區域的總有機碳含量，其中，所述預設預測模型通過多個測井參數樣本和所述多個測井參數樣本對應的總有機碳含量樣本訓練得到，所述預設預測模型通過模型核函數建立，所述模型核函數根據所述多個測井參數樣本與所述多個測井參數樣本對應的總有機碳含量樣本的皮爾森系數確定；

根據所述待預測區域的總有機碳含量，對所述待預測區域的油氣資源豐度進行分析。

2.根據權利要求1所述的方法，其特征在于，在將所述測井參數輸入至預設預測模型中，得到所述待預測區域的總有機碳含量之前，還包括：

獲取測井資料數據，所述測井資料數據包括多個測井參數樣本和所述多個測井參數樣本對應的總有機碳含量樣本；

計算所述多個測井參數樣本與所述多個測井參數樣本對應的總有機碳含量樣本的皮爾森系數；

根據皮爾森系數確定模型核函數；

通過所述模型核函數，建立初始預測模型；

將所述多個測井參數樣本和所述多個總有機碳含量樣本輸入至所述初始預測模型進行訓練，得到預設預測模型。

3.根據權利要求2所述的方法，其特征在于，所述根據皮爾森系數確定模型核函數包括：

若皮爾森系數的絕對值大于皮爾森系數閾值的測井參數樣本的數量，大于總測井參數樣本數量的二分之一，則確定模型核函數為線性核函數；

若皮爾森系數的絕對值大于皮爾森系數閾值的測井參數樣本的數量，小于總測井參數樣本數量的二分之一，則確定模型核函數為高斯核函數。

4.根據權利要求2所述的方法，其特征在于，所述獲取測井資料數據包括：

獲取多個測井樣品的歷史測井資料數據，其中，所述多個測井樣品來自于相同或者不同的油井；

根據測井參數與其對應測井樣品數的多寡，以及總有機碳對測井參數的敏感程度，確立建立模型所需的測井參數；

根據所述建立模型所需的測井參數，獲取測井參數樣本和所述多個測井參數樣本對應的總有機碳含量樣本。

5.根據權利要求2所述的方法，其特征在于，在所述將所述多個測井參數樣本和所述多個總有機碳含量樣本輸入至所述初始預測模型進行訓練，得到預設預測模型之前，還包括：

對所述多個測井參數樣本和所述多個總有機碳含量樣本進行異常數據篩選，得到多個優選測井參數樣本和所述多個優選測井參數樣本對應的總有機碳含量樣本；

相應的，所述將所述多個測井參數樣本和所述多個總有機碳含量樣本輸入至所述初始預測模型進行訓練，得到預設預測模型包括：

將所述多個優選測井參數樣本和所述多個優選測井參數樣本對應的總有機碳含量樣本輸入至所述初始預測模型進行訓練，得到預設預測模型。

6.根據權利要求2至5任一項所述的方法，其特征在于，在所述將所述多個測井參數樣本和所述多個總有機碳含量樣本輸入至所述初始預測模型進行訓練，得到預設預測模型之后，還包括：

計算所述預設預測模型的決定系數；

根據所述決定系數，對所述預設預測模型進行優化。

7.一種預測總有機碳含量的裝置，其特征在于，包括：

第一獲取模塊，用于獲取待預測區域的測井參數；

第一處理模塊，用于將所述測井參數輸入至預設預測模型中，得到所述待預測區域的總有機碳含量，其中，所述預設預測模型通過多個測井參數樣本和所述多個測井參數樣本對應的總有機碳含量樣本訓練得到，所述預設預測模型通過模型核函數建立，所述模型核函數根據所述多個測井參數樣本與所述多個測井參數樣本對應的總有機碳含量樣本的皮爾森系數確定；

判斷模塊，用于根據所述待預測區域的總有機碳含量，對所述待預測區域的油氣資源豐度進行分析。