【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及石油地質(zhì)勘探，尤其涉及一種基于梯度提升回歸法的固體瀝青含量預測方法及系統(tǒng)。
技術(shù)介紹
1、古油藏，指的是在地質(zhì)歷史時期中曾經(jīng)形成的油藏，后期因構(gòu)造運動、溫度升高等原因經(jīng)歷改造形成了新的油氣藏或者遭受破壞。對于深層-超深層而言，古油藏因埋藏溫度升高而發(fā)生原位裂解形成古氣藏，以及逐漸形成現(xiàn)今氣藏。古油藏裂解形成的古氣藏為深層-超深層氣藏提供了充足的氣源，現(xiàn)今所發(fā)現(xiàn)的深層-超深層氣藏中，絕大多數(shù)已經(jīng)被證實為古油藏裂解而成。古油藏的原始規(guī)模與分布往往直接決定著現(xiàn)今氣藏的資源潛力與分布。因此，精確識別與量化古油藏，對于深層-超深層油氣藏的成藏演化過程、以及天然氣勘探至關(guān)重要。
2、儲層內(nèi)固體瀝青作為古油藏存在的直接證據(jù)，是研究古油藏的重要媒介。前期研究主要通過巖芯資料來直接評價儲層中固體瀝青的含量，受限于巖芯資料的稀缺，學者們又提出了通過測井資料來識別和預測固體瀝青含量的方法。其中核磁共振與陣列聲波等先進的測井技術(shù)能很好的識別并預測固體瀝青的含量，但由于實際探井中很少實施這些測井項目，其應用范圍受到明顯制約。多礦物反演模型結(jié)合常規(guī)測井的方法雖有較好的實用性，但模型涉及參數(shù)眾多，且這些參數(shù)的選擇常受區(qū)域性和人為因素的影響，導致了模型應用過程中的復雜性和不確定性。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)提供一種基于梯度提升回歸法的固體瀝青含量預測方法及系統(tǒng)，用以解決現(xiàn)有技術(shù)的缺陷，旨在開發(fā)一種基于常規(guī)測井數(shù)據(jù)、利用高精度機器學習的方法可以顯著減少人為因素的影響，進而實現(xiàn)對未取芯井
2、本專利技術(shù)提供一種基于梯度提升回歸法的固體瀝青含量預測方法，包括：
3、s1：采集單井目標層位的鑄體薄片，對所述鑄體薄片進行圖像分析，獲得不同深度的瀝青含量數(shù)據(jù)；
4、s2：收集單井的測井數(shù)據(jù)，將所述瀝青含量數(shù)據(jù)及所述測井數(shù)據(jù)構(gòu)建為深度匹配的數(shù)據(jù)集；
5、s3：通過所述數(shù)據(jù)集訓練梯度提升回歸模型，獲得預測模型；
6、s4：通過所述預測模型對待測單井未取芯儲層段進行固態(tài)瀝青含量預測，獲得預測結(jié)果。
7、根據(jù)本專利技術(shù)提供的一種基于梯度提升回歸法的固體瀝青含量預測方法，步驟s1中還包括：
8、s11：對所述瀝青含量數(shù)據(jù)進行校正。
9、根據(jù)本專利技術(shù)提供的一種基于梯度提升回歸法的固體瀝青含量預測方法，步驟s11進一步包括：
10、s111：對所述鑄體薄片進行圖像分析，獲得殘余孔隙度；
11、s112：對所述鑄體薄片的在相同深度下進行物性分析，獲得氣測孔隙度；
12、s113：根據(jù)所述殘余孔隙度及所述氣測孔隙度建立線性回歸關(guān)系；
13、s114：通過所述線性回歸關(guān)系對所述瀝青含量數(shù)據(jù)進行校正。
14、根據(jù)本專利技術(shù)提供的一種基于梯度提升回歸法的固體瀝青含量預測方法，步驟s1中的所述瀝青含量數(shù)據(jù)的表達式為：
15、
16、其中，為計算獲得的當前深度的瀝青含量數(shù)據(jù)，為當前深度提取的固態(tài)瀝青像素值，為鑄體薄片對應的原始圖像像素值。
17、根據(jù)本專利技術(shù)提供的一種基于梯度提升回歸法的固體瀝青含量預測方法，步驟s2中的所述測井數(shù)據(jù)包括：伽馬測井數(shù)據(jù)、原狀地層電阻率測井數(shù)據(jù)、沖洗帶電阻率測井數(shù)據(jù)、補償密度測井數(shù)據(jù)、補償聲波測井數(shù)據(jù)、補償中子測井數(shù)據(jù)。
18、根據(jù)本專利技術(shù)提供的一種基于梯度提升回歸法的固體瀝青含量預測方法，步驟s2中還包括：
19、s21：對所述測井數(shù)據(jù)進行包括去噪、清晰及歸一化的預處理。
20、根據(jù)本專利技術(shù)提供的一種基于梯度提升回歸法的固體瀝青含量預測方法，步驟s3進一步包括：
21、s31：將所述數(shù)據(jù)集分為訓練集及驗證集；
22、s32：通過所述訓練集訓練梯度提升回歸模型，獲得擬合模型；
23、s33：通過所述驗證集驗證所述擬合模型，獲得預測模型。
24、根據(jù)本專利技術(shù)提供的一種基于梯度提升回歸法的固體瀝青含量預測方法，步驟s32進一步包括：
25、s321：建立梯度提升回歸模型；
26、s322：設(shè)置所述梯度提升回歸模型的訓練參數(shù)，所述訓練參數(shù)至少包括決策樹數(shù)量及隨機種子；
27、s322：將所述訓練集輸入所述梯度提升回歸模型進行迭代訓練，以縮小所述梯度提升回歸模型的預測值殘差，獲得擬合模型。
28、根據(jù)本專利技術(shù)提供的一種基于梯度提升回歸法的固體瀝青含量預測方法，步驟s33進一步包括：
29、s331：將所述驗證集輸入所述擬合模型；
30、s332：通過均方誤差及決定系數(shù)，對所述擬合模型的多個性能指標進行評估，獲得評估結(jié)果；
31、s333：根據(jù)所述評估結(jié)果，通過交叉驗證選取決策樹數(shù)量及隨機種子，并將對應的擬合模型作為預測模型。
32、本專利技術(shù)還提供一種基于梯度提升回歸法的固體瀝青含量預測系統(tǒng)，用以如以上任一項所述的一種基于梯度提升回歸法的固體瀝青含量預測方法，包括：
33、分析模塊：用于采集單井目標層位的鑄體薄片，對所述鑄體薄片進行圖像分析，獲得不同深度的瀝青含量數(shù)據(jù)；
34、采集模塊：用于收集單井的測井數(shù)據(jù)，將所述瀝青含量數(shù)據(jù)及所述測井數(shù)據(jù)構(gòu)建為深度匹配的數(shù)據(jù)集；
35、訓練模塊：用于通過所述數(shù)據(jù)集訓練梯度提升回歸模型，獲得預測模型；
36、預測模塊：用于通過所述訓練模塊獲得的預測模型對待測單井未取芯儲層段進行固態(tài)瀝青含量預測，獲得預測結(jié)果。
37、本專利技術(shù)提供的一種基于梯度提升回歸法的固體瀝青含量預測方法及系統(tǒng)，通過多棵決策樹作為基學習器及集成學習的方式，能夠有效處理非線性關(guān)系，特別適用于復雜地質(zhì)數(shù)據(jù)集的預測任務(wù)，從而提高了預測的準確性，另外grb算法通過集成多個弱學習器，并結(jié)合學習率調(diào)整、早停法等策略，有效控制了模型訓練過程中的過擬合風險，顯著提升了模型的泛化能力，使得預測結(jié)果更加穩(wěn)健可靠，其次本專利技術(shù)的預測模型對異常值數(shù)據(jù)具有較好的容忍度，能夠減少異常數(shù)據(jù)對預測結(jié)果的影響，提高了預測結(jié)果的穩(wěn)定性和可靠性，且能夠充分利用研究區(qū)域內(nèi)所有相關(guān)元素的特征信息，通過深入挖掘數(shù)據(jù)間的潛在關(guān)系，進一步提升預測精度和全面性。
38、本專利技術(shù)的單井固體瀝青含量預測方法，通過運用梯度提升回歸算法，旨在提高對單井固體瀝青預測的準確度，總體來講本專利技術(shù)優(yōu)化了預測流程，不僅提升了預測速度與效率，還降低了實驗分析的需求，從而簡化了操作步驟，因此，本專利技術(shù)能夠為油氣勘探提供更加準確的地質(zhì)依據(jù)，并有效應對未取芯井段固體瀝青含量預測過程中存在的預測方法復雜、計算效率低等問題。
本文檔來自技高網(wǎng)...【技術(shù)保護點】
1.一種基于梯度提升回歸法的固體瀝青含量預測方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的一種基于梯度提升回歸法的固體瀝青含量預測方法，其特征在于，步驟S1中還包括：
3.根據(jù)權(quán)利要求2所述的一種基于梯度提升回歸法的固體瀝青含量預測方法，其特征在于，步驟S11進一步包括：
4.根據(jù)權(quán)利要求1所述的一種基于梯度提升回歸法的固體瀝青含量預測方法，其特征在于，步驟S1中的所述瀝青含量數(shù)據(jù)的表達式為：
5.根據(jù)權(quán)利要求1所述的一種基于梯度提升回歸法的固體瀝青含量預測方法，其特征在于，步驟S2中的所述測井數(shù)據(jù)包括：伽馬測井數(shù)據(jù)、原狀地層電阻率測井數(shù)據(jù)、沖洗帶電阻率測井數(shù)據(jù)、補償密度測井數(shù)據(jù)、補償聲波測井數(shù)據(jù)、補償中子測井數(shù)據(jù)。
6.根據(jù)權(quán)利要求1所述的一種基于梯度提升回歸法的固體瀝青含量預測方法，其特征在于，步驟S2中還包括：
7.根據(jù)權(quán)利要求1所述的一種基于梯度提升回歸法的固體瀝青含量預測方法，其特征在于，步驟S3進一步包括：
8.根據(jù)權(quán)利要求7所述的一種基于梯度提升回歸法的固體瀝青含量預測方法，其特
9.根據(jù)權(quán)利要求8所述的一種基于梯度提升回歸法的固體瀝青含量預測方法，其特征在于，步驟S33進一步包括：
10.一種基于梯度提升回歸法的固體瀝青含量預測系統(tǒng)，用以執(zhí)行如權(quán)利要求1至9任一項所述的一種基于梯度提升回歸法的固體瀝青含量預測方法，其特征在于，包括：
...【技術(shù)特征摘要】
1.一種基于梯度提升回歸法的固體瀝青含量預測方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的一種基于梯度提升回歸法的固體瀝青含量預測方法，其特征在于，步驟s1中還包括：
3.根據(jù)權(quán)利要求2所述的一種基于梯度提升回歸法的固體瀝青含量預測方法，其特征在于，步驟s11進一步包括：
4.根據(jù)權(quán)利要求1所述的一種基于梯度提升回歸法的固體瀝青含量預測方法，其特征在于，步驟s1中的所述瀝青含量數(shù)據(jù)的表達式為：
5.根據(jù)權(quán)利要求1所述的一種基于梯度提升回歸法的固體瀝青含量預測方法，其特征在于，步驟s2中的所述測井數(shù)據(jù)包括：伽馬測井數(shù)據(jù)、原狀地層電阻率測井數(shù)據(jù)、沖洗帶電阻率測井數(shù)據(jù)、補償密度測井數(shù)據(jù)、補償聲波測井數(shù)...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：李平平，焦勇飛，賀世杰，柴浩博，陳延貴，
申請(專利權(quán))人：中國石油大學北京，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。