System.ArgumentOutOfRangeException: 索引和長度必須引用該字符串內的位置。 參數名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技術實現步驟摘要】
本專利技術涉及油田開發,尤其涉及一種多級次巖性智能解釋模型構建方法及其應用。
技術介紹
1、對地下巖石的組成和結構特征進行識別,是地質學和地球物理學研究的重要組成部分,對于石油和天然氣的勘探及開發具有至關重要的作用。用于巖性解釋的資料主要包括兩類:巖心數據和測井數據。與之對應,多級次巖性智能解釋方法分為巖心分析法和測井解釋法。巖心分析法指通過對巖心樣本進行觀察、分析、化驗等以明確巖石的類型及特征,這種方式僅適用于取心井。巖心分析法中取心與分析化驗成本極為高昂,且油田中的取心井非常少,所以該方法無法在油田開發中廣泛推廣。而測井解釋法是依據多條測井曲線,應用線性或非線性方法構建測井曲線與巖性類別之間的映射關系,繼而進行巖性識別。目前主要的測井解釋法是通過構建交會圖(如伽馬-密度交會圖)來實現對巖性的識別。但由于測井曲線是地下儲層的綜合響應,影響因素多,使得該類方法識別精度低、誤差大,尤其無法識別厚層砂巖中的粉砂巖與薄層泥巖,即無法識別砂體內部的薄夾層。
2、因此,亟需一種新的多級次巖性智能解釋方法,以實現巖性的精細識別。
技術實現思路
1、本專利技術提供一種多級次巖性智能解釋模型構建方法及其應用,用以解決現有技術無法實現巖性的精細識別的缺陷。
2、本專利技術提供一種多級次巖性智能解釋模型的構建方法,包括:
3、獲取目標巖區的巖性數據和原始測井曲線,其中,目標巖區包括復合砂體、單砂體及泥質夾層、薄儲層及物性夾層;
4、對原始測井曲線進行預處
5、根據預處理后的原始測井曲線,進行多級次子波分解,得到多個不同頻率的子波分量;
6、根據多個不同頻率的子波分量,進行測井曲線重建,得到第一重建測井曲線和第二重建測井曲線;
7、根據目標巖區的巖性數據以及原始測井曲線、第一重建測井曲線、第二重建測井曲線,通過集成算法,訓練多級次巖性智能解釋模型學習原始測井曲線與復合砂體、第一重建測井曲線與單砂體及泥質夾層、第二重建測井曲線與薄儲層及物性夾層之間的映射關系,得到最終的多級次巖性智能解釋模型。
8、在一種實施方案中,預處理包括以下任一項或其任意組合:巖電歸位、異常值處理、標準化。
9、在一種實施方案中,所述根據預處理后的原始測井曲線,進行多級次子波分解,得到多個不同頻率的子波分量,包括:
10、根據目標巖區中夾層的厚度設置多級次子波分解的級次;
11、根據設置的多級次子波分解的級次,對預處理后的原始測井曲線進行多級次子波分解。
12、在一種實施方案中,所述根據目標巖區中夾層的厚度設置多級次子波分解的級次,包括:
13、當目標巖區中夾層的厚度小于預設最小閾值時,設置多級次子波分解的級次為二級分解;
14、當目標巖區中夾層的厚度在預設最小閾值和預設最大閾值之間時,設置多級次子波分解的級次為三級分解;
15、當目標巖區中夾層的厚度大于預設最大閾值時,設置多級次子波分解的級次為無需分解。
16、在一種實施方案中,所述根據設置的多級次子波分解的級次,對預處理后的原始測井曲線進行多級次子波分解,包括:
17、當多級次子波分解的級次設置為三級分解時,對預處理后的原始測井曲線進行一級子波分解,得到第一子波分量和第二子波分量(通常以高頻噪音為主),其中,第一子波分量為第一預設低頻范圍內的子波分量,第二子波分量為第一預設高頻范圍內的子波分量;
18、對第一子波分量進行二級子波分解,得到第三子波分量和第四子波分量,其中,第二子波分量為第二預設低頻范圍內的子波分量,第四子波分量為第二預設高頻范圍內的子波分量,其中,第三子波分量的頻率小于第一子波分量;
19、對第三子波分量進行三級子波分解,得到第五子波分量和第六子波分量,其中,第五子波分量為第三預設低頻范圍內的子波分量,第六子波分量為第三預設高頻范圍內的子波分量,其中,第五子波分量的頻率小于第三子波分量。
20、在一種實施方案中,所述根據多個不同頻率的子波分量,進行測井曲線重建,得到第一重建測井曲線和第二重建測井曲線,包括:
21、根據多個不同頻率的子波分量,利用第一重建表達式,進行測井曲線重建,得到第一重建測井曲線;
22、根據多個不同頻率的子波分量,利用第二重建表達式,進行測井曲線重建,得到第二重建測井曲線;
23、其中,第一重建表達式為:
24、,
25、第二重建表達式為:
26、,
27、式中,表示第一重建測井曲線,表示第二重建測井曲線,、、、表示第一重建表達式的重建系數1、k1、1、0,其中k1的取值范圍為1~5,、、表示第二重建表達的重建系數1、k2、0,其中k2的取值范圍為1~5,分別表示第三子波分量、第五子波分量,、、分別表示第二子波分量、第四子波分量、第六子波分量。
28、在一種實施方案中,集成算法包括以下至少兩項:lightgbm(輕量化梯度提升學習算法)、mlp(多層感知機算法)、bagging-rf(疊外隨機森林算法),所述根據目標巖區的巖性數據以及原始測井曲線、第一重建測井曲線、第二重建測井曲線,通過集成算法,訓練多級次巖性智能解釋模型學習原始測井曲線與復合砂體、第一重建測井曲線與單砂體及泥質夾層、第二重建測井曲線與薄儲層及物性夾層之間的映射關系,得到最終的多級次巖性智能解釋模型,包括:
29、根據目標巖區的巖性數據以及原始測井曲線、第一重建測井曲線、第二重建測井曲線,構建訓練集,其中,以巖性數據中的復合砂體、單砂體及泥質夾層、薄儲層及物性夾層作為原始測井曲線、第一重建測井曲線、第二重建測井曲線的標簽;
30、對訓練集進行多標簽樣本均衡采樣處理;
31、根據多標簽樣本均衡采樣處理后的訓練集,訓練多級次巖性智能解釋模型學習原始測井曲線與復合砂體、第一重建測井曲線與單砂體及泥質夾層、第二重建測井曲線與薄儲層及物性夾層之間的映射關系,得到最終的多級次巖性智能解釋模型。
32、一種多級次巖性智能解釋方法,包括:
33、接收由至少一個終端發送的待解釋巖區的原始測井曲線;
34、根據上述任一項所述的多級次巖性智能解釋模型構建方法,對待解釋巖區的原始測井曲線進行預處理、多級次子波分解、測井曲線重建,得到待解釋巖區的第一重建測井曲線和第二重建測井曲線;
35、根據待解釋巖區的原始測井曲線、第一重建測井曲線和第二重建測井曲線,通過上述任一項所述的多級次巖性智能解釋模型構建方法得到的多級次巖性智能解釋模型,得到待解釋巖區的巖性解釋結果;
36、將待解釋巖區的巖性解釋結果發送回至少一個終端。
37、在一種實施方案中,所述根據待解釋巖區的原始測井曲線、第一重建測井曲線和第二重建測井曲線,通過上述任一項所述的多級次巖性智能解釋模型構建方法得到的多級次巖性智能解釋模型,得到待解釋巖本文檔來自技高網...
【技術保護點】
1.一種多級次巖性智能解釋模型構建方法,其特征在于,包括:
2.根據權利要求1所述的多級次巖性智能解釋模型構建方法,其特征在于,所述根據預處理后的原始測井曲線,進行多級次子波分解,得到多個不同頻率的子波分量,包括:
3.根據權利要求2所述的多級次巖性智能解釋模型構建方法,其特征在于,所述根據設置的多級次子波分解的級次,對預處理后的原始測井曲線進行多級次子波分解,包括:
4.根據權利要求3所述的多級次巖性智能解釋模型構建方法,其特征在于,所述根據多個不同頻率的子波分量,進行測井曲線重建,得到第一重建測井曲線和第二重建測井曲線,包括:
5.根據權利要求4所述的多級次巖性智能解釋模型構建方法,其特征在于,集成算法包括以下至少兩項:輕量化梯度提升學習算法、多層感知機算法、疊外隨機森林算法,所述根據目標巖區的巖性數據以及原始測井曲線、第一重建測井曲線、第二重建測井曲線,通過集成算法,訓練多級次巖性智能解釋模型學習原始測井曲線與復合砂體、第一重建測井曲線與單砂體及泥質夾層、第二重建測井曲線與薄儲層及物性夾層之間的映射關系,得到最終的多級次巖性智
6.一種多級次巖性智能解釋方法,其特征在于,包括:
7.根據權利要求6所述的多級次巖性智能解釋方法,其特征在于,所述根據待解釋巖區的原始測井曲線、第一重建測井曲線和第二重建測井曲線,通過權利要求1-5任一項所述的多級次巖性智能解釋模型構建方法得到的多級次巖性智能解釋模型,得到待解釋巖區的巖性解釋結果,包括:
8.一種多級次巖性智能解釋系統,其特征在于,包括:
9.一種電子設備,包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序,其特征在于,所述處理器執行所述程序時實現如權利要求1至5任一項所述的多級次巖性智能解釋模型構建方法和/或如權利要求6或7所述的多級次巖性智能解釋方法。
10.一種非暫態計算機可讀存儲介質,其上存儲有計算機程序,其特征在于,所述計算機程序被處理器執行時實現如如權利要求1至5任一項所述的多級次巖性智能解釋模型構建方法和/或如權利要求6或7所述的多級次巖性智能解釋方法。
...【技術特征摘要】
1.一種多級次巖性智能解釋模型構建方法,其特征在于,包括:
2.根據權利要求1所述的多級次巖性智能解釋模型構建方法,其特征在于,所述根據預處理后的原始測井曲線,進行多級次子波分解,得到多個不同頻率的子波分量,包括:
3.根據權利要求2所述的多級次巖性智能解釋模型構建方法,其特征在于,所述根據設置的多級次子波分解的級次,對預處理后的原始測井曲線進行多級次子波分解,包括:
4.根據權利要求3所述的多級次巖性智能解釋模型構建方法,其特征在于,所述根據多個不同頻率的子波分量,進行測井曲線重建,得到第一重建測井曲線和第二重建測井曲線,包括:
5.根據權利要求4所述的多級次巖性智能解釋模型構建方法,其特征在于,集成算法包括以下至少兩項:輕量化梯度提升學習算法、多層感知機算法、疊外隨機森林算法,所述根據目標巖區的巖性數據以及原始測井曲線、第一重建測井曲線、第二重建測井曲線,通過集成算法,訓練多級次巖性智能解釋模型學習原始測井曲線與復合砂體、第一重建測井曲線與單砂體及泥質夾層、第二重建測井曲線與薄儲層及...
【專利技術屬性】
技術研發人員:李偉,劉磊,岳大力,王武榮,王涵,鞏志強,張弛,徐振華,張姝琪,吳勝和,
申請(專利權)人:中國石油大學北京,
類型:發明
國別省市:
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。