[發明專利]用于油氣智能檢測的機器學習訓練樣本擴充及評價方法

在審

• 申請號: 202110509272.4
• 申請日: 2021-05-11
• 公開（公告）號: CN115327643A
• 公開（公告）日: 2022-11-11
• 發明（設計）人: 王興謀;朱劍兵;程遠鋒;江潔;李長紅;宮紅波;姜蕾;白晨辰
• 申請（專利權）人: 中國石油化工股份有限公司;中國石油化工股份有限公司勝利油田分公司物探研究院
• 主分類號: G01V1/50
• 分類號: G01V1/50;G06N3/04;G06N3/08
• 代理公司: 濟南日新專利代理事務所(普通合伙) 37224
• 代理人: 崔曉艷

本發明提供一種用于油氣智能檢測的機器學習訓練樣本擴充及評價方法，包括：對工區數據進行分類，明確儲層類型；探究目的層儲層段的聲速主控因素，并基于此建立巖石物理模型；明確儲層的地質特征，確定模型的擾動參數，并確定擾動參數的擾動范圍；確定模型擾動參數的取值范圍，合理選取取值步長，生成所需要的油氣樣本數據；將擴充樣本與實際油氣樣本數據分別放入神經網絡中進行訓練測試，給出數據驅動測試準確率和模型驅動的測試準確率；構建樣本可靠性函數。該用于油氣智能檢測的機器學習訓練樣本擴充及評價方法解決了油氣智能檢測中，油氣訓練樣本不足問題，通過合理擴充油氣訓練樣本，進而獲得置信度更高的油氣智能檢測結果。

技術領域

本發明涉及地球物理勘探地震解釋及綜合研究技術領域，特別是涉及到一種用于油氣智能檢測的機器學習訓練樣本擴充及評價方法。

背景技術

油氣智能檢測是依托于機器學習發展起來的新型技術。油氣檢測的傳統方法是結合數據、物理規律和經驗認識來判斷油氣屬性，而油氣智能檢測是結合數據和已知鉆探結果，讓機器學習數據和鉆探結果之間的映射關系，再利用該映射關系進行判斷分類，以達到油氣智能檢測的目的。油氣智能檢測的優勢體現在不需要考慮復雜多變的地下地質構造以及復雜的物理規律，并且該方法能夠將油氣檢測任務自動化。

然而，應用機器學習的前提是有足夠多的訓練樣本供機器進行訓練，在實際應用中，往往存在油氣樣本不足的問題，導致機器無法學習到油氣樣本對應的規律以及分類規則，進而導致油氣智能檢測失效。因此，有必要合理擴充油氣樣本，使機器有足夠的樣本進行學習，進而獲得置信度更高的油氣智能檢測結果。

在申請號：CN201810198302.2的中國專利申請中，涉及到一種面向地震油氣儲層分布的卷積神經網絡學習與預測方法。該方法首先以原始地震數據為基礎，提取能夠表征油氣特征的地震屬性；然后設計卷積神經網絡模型，將優選的幾種地震屬性作為網絡的輸入層，提取井位處的地震屬性值，以井位處的孔隙度、滲透率、含油性作為訓練樣本，通過BP神經網絡反向傳播不斷修改網絡結構中的卷積核、權值W和偏置b等參數，直到模型訓練完成。隨后對無井區的數據進行測試，實現由有井區到無井區儲層的橫向預測。

在申請號：CN201810096911.7的中國專利申請中，涉及到了一種油氣甜點預測方法及存儲介質，涉及油氣勘探領域。該方法包括：獲取油氣甜點區域的測井數據和多種地震屬性；根據測井數據得到油氣甜點區域的指示曲線，將指示曲線和各種地震屬性作為機器學習的學習樣本；對學習樣本進行特征優選；根據優選后的學習樣本進行機器學習，得到預測模型；根據預測模型對任意目標區域的油氣甜點進行預測。

在申請號：CN201910331691.6的中國專利申請中，涉及到一種用于油氣生產的多井數據采集與智能監控方法及系統，在每個油氣井口區域布置數據采集終端，用于采集生產數據，生產數據包括功圖、電流、電壓、壓力、溫度；在油氣生產現場布置邊緣計算平臺，該邊緣計算平臺為具有計算能力和加速硬件的智能監控網關，智能監控網關通過LoRa網絡與若干個數據采集終端通訊連接組成星型網絡，接收數據采集終端采集到的數據，并對數據進行分析處理；機器學習訓練平臺，與邊緣計算平臺網絡通訊，用于接收邊緣計算平臺分析處理后的數據，訓練得到學習模型，將該學習模型推送加載到邊緣計算平臺，邊緣計算平臺利用該學習模型對接收到的數據進行學習推理，實現在線監控和響應。

以上現有技術均與本發明有較大區別，未能解決我們想要解決的技術問題，為此我們發明了一種新的用于油氣智能檢測的機器學習訓練樣本擴充及評價方法。

發明內容

本發明的目的是提供一種用于油氣智能檢測的樣本擴充技術及評價，為機器學習訓練提供樣本擴充及配套的樣本評價的用于油氣智能檢測的機器學習訓練樣本擴充及評價方法。

本發明的目的可通過如下技術措施來實現：用于油氣智能檢測的機器學習訓練樣本擴充及評價方法，該用于油氣智能檢測的機器學習訓練樣本擴充及評價方法包括：

步驟1：對工區數據進行分類，明確儲層類型；