[發明專利]基于儲層元目標不變特征描述的巖性識別方法

有效

• 申請號: 202110426395.1
• 申請日: 2021-04-20
• 公開（公告）號: CN113130018B
• 公開（公告）日: 2023-05-12
• 發明（設計）人: 曹志民;陽璨;吳云;韓建;全星慧;付天舒
• 申請（專利權）人: 東北石油大學
• 主分類號: G16C20/70
• 分類號: G16C20/70;G16C20/30;G06N20/20;G06Q10/04;G06Q50/02
• 代理公司: 大慶知文知識產權代理有限公司 23115
• 代理人: 馬微

本發明提出一種巖性識別方法，特別是涉及一種基于儲層元目標的不變特征描述的巖性識別方法。該方法通過對測井曲線不變特征的提取以及描述，在實現元目標自動分層的同時，將元目標的不變特征嵌入到巖性識別的機器學習模型中，最終在未知井機器模型應用中實現了巖性預測，在保留局部儲層個性的同時，大大增強了儲層描述的泛化能力，不僅解決了目前利用測井曲線進行巖性識別時跨井可推廣能力制約機器學習方法引入的瓶頸問題，還提升了儲層描述精度和可靠性。

技術領域

本發明提出一種巖性識別方法，特別是涉及一種基于儲層元目標的不變特征描述的巖性識別方法。

背景技術

隨著我國大部分老油田已經進入中晚期開發階段，非常規油氣資源的勘探開發已經成為當前老油田實現穩產增產、延長生產壽命的最主要途徑。無論是老油田非常規油氣資源的勘探開發，還是新油氣資源的精準預測開發，都是當今我國各主要油田企業所面臨的不可回避的難題。

地球物理測井數據是獲取油氣藏資源描述信息的最主要信息源之一。由于利用不同類型的地球物理測井曲線數據集進行目標儲層分層是后續巖性識別、測井相分析、儲層劃分及含油性的井間參數預測等工作的重要基礎，將直接影響這些后續應用的性能，因此為了有效解決上述所說難題，放在首要任務的就是必須能對目標儲層的地質變化情況進行更加精確的描述。利用測井曲線進行分層的物理本質是把目標儲層劃分成多個具有相同地質特征的小層，進而可以減少儲層描述所需分析的數據量并在一定程度上減小非地層因素的影響。顯然，準確可靠的巖性識別對油氣資源的勘探開發工作均具有非常重要的實際意義。

目前，國內外相關企業及學術研究機構已經進行了大量的測井大數據儲層描述方面的研究。在理論研究方法方面，當前采用技術主要三類方法：以地質統計學為基礎的確定性或隨機性地質建模及儲層表征方法；經典機器學習方法；集成學習/深度學習方法。然而，經典地質地球物理技術發展速度慢且人力和時間等成本高，無法跟上通信、存儲、計算能力的高速發展；單一機器學習方法過擬合風險大、推廣能力差；集成學習方法雖然具有一定的生命力，但是無法實現日益增長的多源異構井震大數據的充分利用；深度學習方法在很多其他領域中雖然體現出了超強的挖掘相關大數據潛在價值的能力，但是當前井震多源異構大數據還無法達到深度學習方法的適用條件，無法充分發揮其能力。然而，實際油氣資源的貯存狀態越來越復雜，且變化快，模式散亂多變，單一或簡單多模式描述無法適應這一實際情況。特別是當面對中晚期老油田的后期開發挖潛，以及新油氣資源儲量有效動用方面，大范圍高精度測井曲線的作用非常突出。此外，不同井間的測井數據統計特性往往具有不可忽略的差異，簡單的曲線標準化處理等又很難彌補這種差異甚至帶來新的信息丟失。

因此，針對測井曲線薄砂體的分層屬性，面向目標的多地質對象樣本，以及通過面向對象的測試數據與樣本數據的關聯匹配實現面向對象的井間巖性及巖相的有效識別是油田急需迫切攻克的關鍵性技術。

發明內容

本發明的為解決現有測井曲線的原始空間幅度特征不具有井間不變性的問題。本發明提供了一種基于儲層元目標的不變特征描述的巖性識別方法。

它包括如下步驟：

步驟S1：通過對每個深度采樣向量取縱向上相鄰點的相關性度量得到儲層相關性特征和對相關性特征的測度距離取差分得到對應的相關差特征，實現多測井曲線間的相關不變性特征提取；

步驟S2：通過對每個深度采樣向量的鄰域向量集進行橫向上的奇異值分解實現多曲線儲層結構張量特征的提取和對每條曲線進行縱向上局部二值模式LBP紋理特征提取，實現多測井曲線間的結構不變性特征提取；

步驟S3：通過對測井曲線數據集的統計信息描述得到的微觀不變矩特征獲得局部統計特征和借助宏觀灰度共生不變性紋理特征獲得全局統計特征，得到其井間不變性特征，實現多測井曲線間的統計不變性特征提取；

步驟S4：結合利用步驟S1中獲得的相關差特征和步驟S2中獲得的張量特征得到儲層元目標精細準確的地質邊緣分層點，從而實現自動分層；