[發(fā)明專利]地下多信息約束的等時地層格架智能建模方法

在審

• 申請?zhí)枺?/td>: 202111302831.0
• 申請日: 2021-11-05
• 公開（公告）號: CN113985493A
• 公開（公告）日: 2022-01-28
• 發(fā)明（設(shè)計）人: 代月;黃旭日;宋海渤;楊劍;張棟;陳小春
• 申請（專利權(quán)）人: 西南石油大學(xué)
• 主分類號: G01V11/00
• 分類號: G01V11/00
• 代理公司: 成都方圓聿聯(lián)專利代理事務(wù)所(普通合伙) 51241
• 代理人: 王悅

1.地下多信息約束的等時地層格架智能建模方法，其特征在于，包括以下步驟：

S1.根據(jù)專家經(jīng)驗對目的工區(qū)進(jìn)行分析，選取巖性敏感的測井曲線，確定作為神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)集的曲線種類為C并且每條曲線樣本點數(shù)為L，根據(jù)已有測井信息數(shù)量確定作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練集的樣本N口井，確定預(yù)測集樣本即需要劃分小層的M口盲井；

S2.對工區(qū)進(jìn)行地質(zhì)分析，確定物源方向α和垂直物源方向β,β-α＝90°，基于α和β將整個工區(qū)測井劃分為編號為①-④的4部分；

S3.根據(jù)上述劃分工區(qū)，進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)集制作；

S4.對預(yù)測樣本編號，對所有訓(xùn)練樣本編號，生成一個樣本預(yù)測樣本；根據(jù)S3中獲得的訓(xùn)練集與生成的預(yù)測集組成最終的神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)集；

S5.構(gòu)建特征金字塔網(wǎng)絡(luò)FPN，利用S4中的訓(xùn)練集進(jìn)行模型訓(xùn)練；

S6.利用S5中得到的模型對目的工區(qū)中的預(yù)測集即盲井進(jìn)行批量的小層劃分；

S7.在目的工區(qū)中將S6得到的層位劃分結(jié)果作為邊界，基于地震資料進(jìn)行目的井段的隨機(jī)優(yōu)化反演得到波阻抗反演初始模型，將模型中每個樣點作為偽井，選取偽井按照S3中隨機(jī)組合方法制作新樣本集進(jìn)行訓(xùn)練，基于收斂模型并預(yù)測其余未知層位信息的偽井，進(jìn)而得到整個工區(qū)的小層二維層面，再根據(jù)真實測井的人工分層對此層位面進(jìn)行誤差計算，在井點誤差計算基礎(chǔ)上進(jìn)行插值得到校正結(jié)果；

S8.重復(fù)步驟S7，以井層位為約束條件不斷對智能地層劃分結(jié)果進(jìn)行優(yōu)化校正得到最終符合地質(zhì)規(guī)律的二維層位劃分結(jié)果；

S9.基于S8得到的結(jié)果作為層位約束得到最后的等時地層格架模型。

2.根據(jù)權(quán)利要求1所述的地下多信息約束的等時地層格架智能建模方法，其特征在于，S3所述的神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)集制作；

制作流程為：確定一個連井樣本由Q口井組成，每口井有C條測井曲線已經(jīng)確定，按照順物源和垂直物源方向分別制作兩套訓(xùn)練集樣本數(shù)的25％大小數(shù)據(jù)，其余50％數(shù)據(jù)樣本通過隨機(jī)組合的方式進(jìn)行；

S3.1、順物源方向：對①③區(qū)域的井訓(xùn)練樣本進(jìn)行編號N_i，i＝1,2,3…,N₁，樣本數(shù)為N₁；對②④區(qū)域的井訓(xùn)練樣本進(jìn)行編號N_i，i＝1,2,3…,N₂，樣本數(shù)為N₂；其中N＝N₁+N₂，根據(jù)式(1)生成組成一個樣本的井序號W_k，k＝1,2…,Q；

I_a＝[N_j*random(0～1)+0.5] (1)

[]表示向上取整，j＝1,2，當(dāng)j＝1，取①③區(qū)域的井樣本進(jìn)行隨機(jī)組合，此時N_j＝N₁，當(dāng)j＝2，取②④區(qū)域樣本進(jìn)行隨機(jī)組合，此時N_j＝N₂；

S3.2、垂直物源方向：對①②區(qū)域的井訓(xùn)練樣本進(jìn)行編號N_i，i＝1,2,3…,N₃，樣本數(shù)為N₃；對③④區(qū)域的井訓(xùn)練樣本進(jìn)行編號N_i，i＝1,2,3…,N₄，樣本數(shù)為N₄；其中N＝N₃+N₄，根據(jù)式(2)生成組成一個樣本的井序號W_k，k＝1,2..,Q；

I_v＝[N_j*random(0～1)+0.5] (2)

[]表示向上取整，j＝3,4，當(dāng)j＝3，取①②區(qū)域的井樣本進(jìn)行隨機(jī)組合，此時N_j＝N₃；當(dāng)j＝4，取③④區(qū)域樣本進(jìn)行隨機(jī)組合，此時N_j＝N₄；

S3.3、隨機(jī)組合：對工區(qū)中所有訓(xùn)練樣本統(tǒng)一編號N_i，i＝1,2,3…，N；根據(jù)式(3)生成組成一個樣本的井序號W_k，k＝1,2..,Q；

I_r＝[N*random(0～1)+0.5] (3)

[]表示向上取整，N為訓(xùn)練樣本總數(shù)；

根據(jù)以上三種方式組成神經(jīng)網(wǎng)絡(luò)訓(xùn)練集。

3.根據(jù)權(quán)利要求1所述的地下多信息約束的等時地層格架智能建模方法，其特征在于，S4具體的包括：對預(yù)測樣本編號M_j，j＝1,2,3…M，對所有訓(xùn)練樣本編號N_i，i＝1,2,3…，N，根據(jù)式(4)生成井序號W_k與M_j組成一個樣本，k＝1,2..,Q-1；也就是訓(xùn)練集取Q-1口井與預(yù)測集中的1口一共組成一個預(yù)測樣本；

I_p＝[N*random(0～1)+0.5] (4)

[]表示向上取整，N為訓(xùn)練樣本數(shù)。