CN104598705B - 用于识别地下物质层的方法和装置 - Google Patents
用于识别地下物质层的方法和装置 Download PDFInfo
- Publication number
- CN104598705B CN104598705B CN201310530719.1A CN201310530719A CN104598705B CN 104598705 B CN104598705 B CN 104598705B CN 201310530719 A CN201310530719 A CN 201310530719A CN 104598705 B CN104598705 B CN 104598705B
- Authority
- CN
- China
- Prior art keywords
- data sequence
- layer
- reference data
- geophysical parameters
- material layer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 239000000463 material Substances 0.000 title claims abstract description 128
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000005070 sampling Methods 0.000 claims description 18
- 238000003066 decision tree Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 230000007704 transition Effects 0.000 claims description 8
- 241000208340 Araliaceae Species 0.000 claims description 6
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 6
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 6
- 235000008434 ginseng Nutrition 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 description 17
- 238000012545 processing Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 15
- 238000003860 storage Methods 0.000 description 14
- 238000004590 computer program Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000005291 magnetic effect Effects 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000005304 joining Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000002864 sequence alignment Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 229910017435 S2 In Inorganic materials 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V99/00—Subject matter not provided for in other groups of this subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/62—Physical property of subsurface
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/66—Subsurface modeling
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本公开涉及用于识别地下物质层的方法和装置。该方法包括:获取待勘测位置的测井日志,测井日志包括对应于多个地球物理参数的数据序列,每个地球物理参数的数据序列包括该参数在不同的地下深度处的测量值;将对应于每种层过渡类型的每个地球物理参数的参考数据序列与测井日志中的该地球物理参数的数据序列在不同的地下深度处进行匹配,其中,每种层过渡类型指示上层物质层和相邻的下层物质层,该参考数据序列用于表征该地球物理参数在符合该种层过渡类型的过渡区域中的变化趋势;以及根据匹配结果确定待勘测位置处包含的层过渡类型及该层过渡类型指示的上层物质层和下层物质层分界的地下深度。通过上述方案,能够提高对地下物质层的识别的准确率。
Description
技术领域
本发明涉及地层勘探领域,并且更具体地,涉及地层勘探领域中的用于识别地下物质层的方法和装置。
背景技术
为了探测地下的油层、矿物层和其它有用物质层,通常需要对测井日志(welllog)(也可以被称为测井序列)进行分析。在测井日志中包含多种地球物理参数的测量数据,这些地球物理参数包括自然电位(SP)、自然伽玛(GR)、岩性密度(ZDL或LDT)、补偿种子(CNS)、补偿声波(BHC)、双测向(DLL)、双感应(DIL)、微球(MSFL)、井陉(CAL)等。借助于不同地球物理参数的测量数据,富有经验的地质勘测专家可以手动地对地层进行划分,凭经验识别地下的岩石层、干层、油层、油水同层、水层等所处的深度范围。但是,地质勘测专家凭经验做出的判断有时是不准确的。
除了人为的经验判断之外,还可以利用基于历史真实值通过有监督的学习构建的决策树模型来对地层进行划分。通过决策树模型对地层进行划分的方式在许多文献中都有提及。在这些方法中,将测井日志中不同地球物理参数的测量数据(数据序列)输入到学习到的决策树模型,可以判断在不同深度具有哪些物质层。但是,由于在决策树模型的学习过程中受到诸如岩石层之类的具有大量分布的地层的影响,决策树模型很难正确判断诸如油层之类的分布较少的地层的位置,通常正确率不超过20%。此外,由于输入到决策树模型中的数据是对测量日志中的数据序列进行等间隔抽取得到的,因此输入到决策树模型中的数据忽略了上下相邻地层之间的关系,不能准确地识别出地下物质层。
另外,在上述这些现有根据测井日志识别地下物质层的方法中,通常需要首先由工作人员在待勘测位置收集测井日志,再将收集到的测井日志发送回公司特定部门,然后经过大约1个月的时间由该特定部门返回地下物质层的预测位置,这极大地浪费了时间。
发明内容
本发明实施例提供了用于识别地下物质层的方法和装置,不仅对于识别地下物质层引入了一种全新的思路,而且能够提高对地下物质层的识别的准确率。
根据本发明的一个方面,提供了一种用于识别地下物质层的方法,包括:获取待勘测位置的测井日志,所述测井日志包括对应于多个地球物理参数的数据序列,每个地球物理参数的数据序列包括该地球物理参数在不同的地下深度处的测量值;将对应于多种层过渡类型中的每一种的每个地球物理参数的参考数据序列与所述测井日志中的该地球物理参数的数据序列在不同的地下深度处进行匹配,其中,每种层过渡类型指示上层物质层和相邻的下层物质层,该参考数据序列用于表征该地球物理参数在符合该种层过渡类型的过渡区域中的变化趋势;以及根据匹配结果,确定所述待勘测位置处包含的层过渡类型及该层过渡类型指示的上层物质层和下层物质层分界的地下深度。
根据本发明的一个方面,提供了一种用于识别地下物质层的装置,包括:获取部件,被配置为获取待勘测位置的测井日志,所述测井日志包括对应于多个地球物理参数的数据序列,每个地球物理参数的数据序列包括该地球物理参数在不同的地下深度处的测量值;匹配部件,被配置为将对应于多种层过渡类型中的每一种的每个地球物理参数的参考数据序列与所述测井日志中的该地球物理参数的数据序列在不同的地下深度处进行匹配,其中,每种层过渡类型指示上层物质层和相邻的下层物质层,该参考数据序列用于表征该地球物理参数在符合该种层过渡类型的过渡区域中的变化趋势;以及确定部件,被配置为根据匹配结果,确定所述待勘测位置处包含的层过渡类型及该层过渡类型指示的上层物质层和下层物质层分界的地下深度。
根据上述技术方案,借助于对应于层过渡类型的地球物理参数的参考数据序列,可以将地球物理参数的参考数据序列和测井日志中的数据序列在不同的地下深度处进行匹配(例如,通过计算两者之间的距离的方式进行匹配),根据匹配结果可以识别在某地下深度处存在某种层过渡类型,从而识别出该层过渡类型涉及的相邻两层物质层在该地下深度处分界,由此可以识别出这两层物质层。上述技术方案通过利用对应于层过渡类型的地球物理参数的参考数据序列,不仅能够在收集到待勘测位置的测井日志后实时地通过数据处理来识别物质层,还能够更加准确地得到地层划分的结果。
附图说明
通过结合附图对本公开示例性实施方式进行更详细的描述,本公开的上述以及其它目的、特征和优势将变得更加明显,其中,在本公开示例性实施方式中,相同的参考标号通常代表相同部件。
图1示出了适于用来实现本发明实施方式的示例性计算机系统/服务器12的框图。
图2是根据本发明实施例的用于识别地下物质层的方法的流程图。
图3是一个地球物理参数的测量曲线的例子。
图4是根据本发明实施例的用于确定参考数据序列的方法的流程图。
图5A至5D是根据本发明实施例的对于某一层过渡类型和某一地球物理参数确定对应的参考数据序列的例子。
图6是根据本发明实施例的存储有参考数据序列的表格的例子。
图7是根据本发明实施例的参考数据序列的例子。
图8是根据本发明实施例的用于计算参考数据序列与测井日志中的数据序列的距离的方法的流程图。
图9是根据本发明实施例的用于实现识别地下物质层的方法的总体框图。
图10是根据本发明实施例的用于识别地下物质层的装置的结构框图。
图11是根据本发明实施例的用于识别地下物质层的另一装置的结构框图。
具体实施方式
下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开的优选实施方式,然而应该理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
所属技术领域的技术人员知道,本发明可以实现为系统、方法或计算机程序产品。因此,本公开可以具体实现为以下形式,即:可以是完全的硬件、也可以是完全的软件(包括固件、驻留软件、微代码等),还可以是硬件和软件结合的形式,本文一般称为“电路”、“模块”或“系统”。此外,在一些实施例中,本发明还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式,该计算机可读介质中包含计算机可读的程序代码。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
下面将参照本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述本发明。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机程序指令实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,这些计算机程序指令通过计算机或其它可编程数据处理装置执行,产生了实现流程图和/或框图中的方框中规定的功能/操作的装置。
也可以把这些计算机程序指令存储在能使得计算机或其它可编程数据处理装置以特定方式工作的计算机可读介质中,这样,存储在计算机可读介质中的指令就产生出一个包括实现流程图和/或框图中的方框中规定的功能/操作的指令装置(instructionmeans)的制造品(manufacture)。
也可以把计算机程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机或其它可编程装置上执行的指令能够提供实现流程图和/或框图中的方框中规定的功能/操作的过程。
图1示出了适于用来实现本发明实施方式的示例性计算机系统/服务器12的框图。图1显示的计算机系统/服务器12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图1所示,计算机系统/服务器12以通用计算设备的形式表现。计算机系统/服务器12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机系统/服务器12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机系统/服务器12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机系统/服务器12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图1未显示,通常称为“硬盘驱动器”)。尽管图1中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机系统/服务器12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机系统/服务器12交互的设备通信,和/或与使得该计算机系统/服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,计算机系统/服务器12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与计算机系统/服务器12的其它模块通信。应当明白,尽管图中未示出,可以结合计算机系统/服务器12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
现在,参考图2描述根据本发明实施例的用于识别地下物质层的方法200的流程图。
如图2所示,方法200包括:在S210中,获取待勘测位置的测井日志,所述测井日志包括对应于多个地球物理参数的数据序列,每个地球物理参数的数据序列包括该地球物理参数在不同的地下深度处的测量值;在S220中,将对应于多种层过渡类型中的每一种的每个地球物理参数的参考数据序列与所述测井日志中的该地球物理参数的数据序列在不同的地下深度处进行匹配,其中,每种层过渡类型指示上层物质层和相邻的下层物质层,该参考数据序列用于表征该地球物理参数在符合该种层过渡类型的过渡区域中的变化趋势;以及在S230中,根据匹配结果,确定所述待勘测位置处包含的层过渡类型及该层过渡类型指示的上层物质层和下层物质层分界的地下深度。
方法200可以由具有数据处理能力的一个或多个计算机装置执行。该计算机装置借助于对应于层过渡类型的地球物理参数的参考数据序列和测井日志中的数据序列之间的匹配结果,可以找到某种层过渡类型位于的地下深度,从而确定在该地下深度处相邻的上下两层物质层。通过寻找层过渡类型位于的地下深度来进行地下物质层分割的方式不仅能够提供一种全新的识别地下物质层的思路,而且由于充分考虑了体现地球物理参数在上下两层物质层之间的相互关系的参考数据序列,能够更准确地识别出地下物质层。下面将具体描述图2中的各步骤。
在S210中,可以通过现有的任何方式在待勘测位置测量得到测井日志,具有数据处理能力的计算机装置获取测井日志以对其进行数据分析。在获取的测井日志中,可以如常规测井日志那样包含多个地球物理参数(例如,GR、SP、ZDL等),每个地球物理参数具有一个数据序列,该数据序列中包含的数据是对应地球物理参数在不同地下深度处的测量值。例如,如图3所示的曲线(实现上是由一系列离散点构成的数据序列)表示与图3的左侧所示的地下物质层示例相对应的某地球物理参数(例如GR)的测量曲线,其纵轴方向表示深度,其横轴方向表示测量值(在下文中也可以被称为数据值)。
在S220中,可以将对参考数据序列调整得到的调整后参考数据序列与测井日志中的对应于同一地球物理参数的数据序列进行匹配(例如计算两者之间的距离),以根据匹配结果预测在某地下深度处存在某层过渡类型。
层过渡类型对于相邻两层的可能情况进行分类,用于指示上层物质层和相邻的下层物质层。通过层过渡类型,可以确定相应过渡涉及的物质层。例如,层过渡类型可以是“非沙岩层(FSYC)→油层(YC)”、“YC→水层(SC)”、“SC→YC”等。
一个参考数据序列(例如Shapelet)与一个层过渡类型和一个地球物理参数对应。例如,对于“YC→SC”层过渡类型,GR参数可以具有一个参考数据序列,SP参数可以具有另一个参考数据序列。参考数据序列用于表征该参考数据序列所对应的地球物理参数在符合该参考数据序列所对应的层过渡类型的过渡区域中的变化趋势。这样的变化趋势可以是根据经验由人工预测出来的,也可以是通过收集大量相关过渡区域中的地球物理参数的测量结果和对应的真实深度而拟合出来的。参考数据序列的中心位置与过渡区域的中心位置对应,用于指示上下两层物质层的分界位置。
具体而言,参考数据序列可以由具有相关经验工作人员或专家提前根据已经挖掘的井在过渡区域中的真实深度和相关地球物理参数数据得到。在参考数据序列通过拟合得到的情况下,可以利用如图4所示的方法400在执行S220之前预先确定参考数据序列。方法400以得到对应于任意层过渡类型(例如FSYC→YC)的任意一个地球物理参数(例如GR)的参考数据序列为例进行描述。
在S410中,在符合该层过渡类型的具有预定厚度的多个过渡区域中获取与每个过渡区域有关的表示该地球物理参数的数据序列。
例如,可以在已经知道真实深度和相关地球物理参数(上下两层物质层的真实分界深度已知,而无论井是否被挖掘,地球物理参数的数据序列都保持不变)的多个YC→SC过渡区域中获取表示GR的数据序列。在这里,每个FSYC→YC过渡区域的厚度可以为2米,即从过渡区域的真实分界位置向上和向下各1米的区域,并获取GR在这样的区域中的数据序列。另外,多个FSYC→YC过渡区域可以包含同一口井不同深度处的FSYC→YC过渡区域,也可以包含不同井涉及的FSYC→YC过渡区域。
在S420中,通过将与每个过渡区域有关的表示该地球物理参数的数据序列对齐(alignment),确定每两个数据序列的数据的对应关系。
举例来说,假设如下情况:从井A中获取了与FSYC→YC过渡区域有关的GR数据序列GR_A,从井B中获取了与FSYC→YC过渡区域有关的GR数据序列GR_B,从井C中获取了与不同深度处的两个FSYC→YC过渡区域有关的GR数据序列GR_C1和GR_C2,并通过这四个数据序列拟合出FSYC→YC层过渡类型对应于GR的参考数据序列。当然,上述拟合所需的过渡区域个数和过渡区域来自的井仅仅是一个例子。为了使参考数据序列的拟合更准确,可以使用更多的过渡区域的数据序列。另外,由于不同地区(例如亚太地区、美洲地区等)的地质情况可能不同,一个地区的某种层过渡类型下的某地球物理参数的数据序列可能与另一地区的该层过渡类型下的该地球物理参数的数据序列相差较大,因此,为了使参考数据序列的拟合更准确,可以分别拟合不同地区的参考数据序列。对于某地区的参考数据序列,使用在该地区中收集的过渡区域的数据序列进行拟合。例如,当涉及不同地区并且不同地区的地质情况相差较大时,待勘测位置和拟合参考数据序列用到的过渡区域所对应的地区可以具有地理相关性,即,该待勘测位置处于该地区中,或者该待勘测位置与该地区相距较近。如果不同地区的地质情况差别不大或者拟合参考数据序列用到了不同地区的大量过渡区域,那么不考虑地理相关性也是有可能的。
在上述假设的情况下,在S420中将GR_A、GR_B、GR_C1和GR_C2这四个数据序列对齐。也就是说,通过使两两序列对齐来使所有序列对齐。序列对齐的目的是为了确定每两个数据序列的数据的对应关系,以根据数据的对应关系进行序列更新。例如,可以根据动态时间规整(DTW,Dynamic Time Warping)算法来确定任两个数据序列具有对应关系的数据。这些具有对应关系的数据可以是通过用于计算这两个数据序列的距离的路径而确定的。
具体而言,如图5A所示,示出了在厚度为2米的FSYC→YC过渡区域中得到的GR_A、GR_B、GR_C1和GR_C2这四个数据序列。横轴表示在过渡区域中的相对深度。将过渡区域的中心设置为0的位置,将过渡区域更靠近地面的位置设置为负相对深度,并将过渡区域更远离地面的位置设置为正相对深度。纵轴表示GR的测量值。
图5B示出了如何将两个序列进行对齐。这里,以对齐GR_A和GR_B为例进行说明,对齐其它任两个数据序列的方式与对齐GR_A和GR_B的方式相同。
对齐GR_A和GR_B的方式需要利用现有的DTW算法。通过DTW算法可以计算两个序列之间的距离。另外,通过利用DTW算法求取该距离的路径可以找到两个序列中对应的数据,或者说,最像的数据。
具体而言,在图5B中假设曲线(数据序列)GR_A和GR_B中分别包含N个点,每个点是数据序列中的一个数据。GR_A的N个点从左到右依次占据横轴的N个位置,GR_B的N个点从下到上依次占据纵轴的N个位置。将横轴上的一个点的GR测量值和纵轴上的一个点的GR测量值之差的绝对值记录到这两个点在N×N矩阵中的相应方格中。例如,假设横轴第2个位置的点的GR测量值为300,纵轴第6个位置的点的GR测量值为320,那么在图5B中的M方格中填入20。通过这种方式,可以将N×N的矩阵填满。接着,从该矩阵左下顶点到右上顶点寻找一条路径,以使得这条路径路过的方格中的数值之和最小。这条路径对应的方格中的数值之和为这两个序列的距离。同时,这条路径上的每个方格在横轴和纵轴上投射的点为对应的点,从而找到数据序列中对应的数据。例如,假设黑色填充部分为最短距离的路径,那么其中的一个黑色方格在横轴上对应的第3个点和在纵轴上对应的第4个点为对应的点,即,GR_A的第3个数据和GR_B的第4个数据具有对应关系。通过利用具有最短距离的路径的方式,可以找到GR_A中的每个点分别与GR_B中的哪个或哪些点对应。GR_A中的一个点可能与GR_B中的一个点对应(例如,在图5B中,GR_A的第4个数据与GR_B的第5个数据对应),也可能与GR_B中的多个点对应(例如,在图5B中,GR_A的第2个数据与GR_B的第2和第3个数据对应)。当确定了两个数据序列中具有对应关系的数据时,就意味着这两个数据序列被对齐了。
在S430中,对于与所述多个过渡区域有关的所有数据序列中的每个数据序列,根据所述所有数据序列中的除了该数据序列之外的每个其它数据序列与该数据序列的数据的对应关系,用该其它数据序列对该数据序列进行更新。
例如,对于GR_A数据序列,分别根据GR_B、GR_C1和GR_C2中的每一个数据序列对GR_A进行更新。具体而言,当用GR_B对GR_A进行更新时,假设GR_A的第一个数据A1与GR_B的第一个数据B1对应,GR_A的第二个数据A2与GR_B的第二个数据B2至四个数据B4对应、GR_A的第三个数据A3与GR_B的第五个数据B5和第六个数据B6对应。那么,用(A1+B1)/2代替GR_A的第一个数据A1,作为更新后的GR_A的第一个数据;用(A2+B2+B3+B4)/4代替GR_A的第二个数据A2,作为更新后的GR_A的第二个数据;用(A3+B5+B6)/3代替GR_A的第三个数据A3,作为更新后的GR_A的第三个数据。以这种方式,可以用GR_B与GR_A的数据的对应关系,用GR_B对GR_A进行更新。同理,GR_C1和GR_C2也可以分别对GR_A进行更新。这样,将当前需要被更新的数据序列GR_A作为基准,分别通过GR_B、GR_C1和GR_C2对GR_A进行更新得到GR_A的更新后的三个数据序列。
除了需要对GR_A进行更新外,其它与过渡区域有关的每个数据序列也需要利用与上述相同的方式进行更新。
在S440中,通过对更新后的数据序列进行平均,确定对应于该层过渡类型的该地球物理参数的参考数据序列。
具体而言,在S430中可以得到与每个过渡区域有关的数据序列的更新后的形式,对这些所有的更新后的数据序列进行平均可以确定对应地球物理参数的参考数据序列。
例如,将GR_A、GR_B、GR_C1和GR_C2在S430中更新后得到的所有数据序列在同一横轴位置处的纵轴值进行算术平均,可以得到一条平均后的曲线,这条曲线为GR的参考数据序列。
图5C示出了对应GR_A、GR_B、GR_C1和GR_C2中的每一个利用其它每一个数据序列对其进行更新后得到的数据序列的平均。例如,GR_A’为将GR_B、GR_C1和GR_C2分别对GR_A进行更新得到的三个数据序列进行算术平均而得到的曲线。图5D示出了再对图5C中的四条曲线进行算术平均得到的GR的参考数据序列。除了通过图5C和图5D这样的逐渐更新的方式得到参考数据序列之外,也可以直接对S430更新得到的所有数据序列计算算术平均而得到参考数据序列。此外,本领域技术人员可以想到,除了算术平均的方式之外,由于每条曲线的重要性可能有差别等,也可以为每条曲线设置不同的权重进行加权平均。
通过对更新后的数据序列求平均,不仅可以得到图5D那样的对应于某层过渡类型(例如FSYC→YC)的某地球物理参数(例如GR)的参考数据序列(过渡区域中的该参数的大致走势或统计意义上的变化情况),而且可以确定参考数据序列的中心位置处的值。该中心位置处的值可以通过上述的平均计算方式,被计算为等于更新后的所有数据序列的中心位置处的点的平均值。如下面所描述的,由于参考数据序列的调整后参考数据序列需要保持中心位置处的数据不变,所以参考数据序列的中心位置处的值确定之后在之后的匹配过程中保持不变。
方法400得到参考数据序列的方式能够有效地处理在S410中获取的与过渡区域有关的数据序列存在偏移、压缩、拉伸、噪声等的问题,使得得到的参考数据序列更加准确地反映过渡区域中的对应地球物理参数的变化趋势(大致走势)。
通过结合图4和5描述的例子,可以得到FSYC→YC层过渡类型的GR的参考数据序列。通过相类似的方式,还可以得到FSYC→YC层过渡类型的另一地球物理参数的参考数据序列,以及其它层过渡类型的某地球物理参数的参考数据序列。
通过图4的学习方式得到的参考数据序列可以被保存在数据库中供后续使用。在图6中示出了可以被保存在数据库中的存储有参考数据序列的表格的例子。从图6的表格可以看出,对于每种层过渡类型可以存储多个地球物理参数各自的参考数据序列。此外,还可以区分不同地区,对于不同的地区分别存储每种层过渡类型的多个地球物理参数各自的参考数据序列。当存储的参考数据序列根据地区被区分时,需要根据地理相关性,选择待勘测位置所属的地区或最接近的地区的参考数据序列进行S220中的匹配。
继续S220。在匹配过程中,需要利用根据参考数据序列包含的数据个数及数据幅度对参考数据序列进行调整得到的调整后参考数据序列。根据本发明的实施例,调整参考数据序列得到的调整后参考数据序列是通过改变该参考数据序列包含的数据的个数和该参考数据序列中的数据的最大值与最小值之间的差值、并保持该参考数据序列的中心位置处的数据不变而得到的。
例如,在图7中示出了一个参考数据序列的例子。假设在图6的表格中存储的参考数据序列S具有如图7所示的形状。通过如下两个变量可以改变参考数据序列S以得到其调整后参考数据序列。一个变量是参考数据序列S包含的数据的个数L。L越大,参考数据序列S在深度方向上涉及的位置越多。另一个变量是参考数据序列S的数据的最大值和最小值之间的差值H。由于参考数据序列S的中心位置处的参考值已知,因此通过H可以确定参考数据序列S的每个数据的值。参考数据序列S的每个调整后参考数据序列都关于参考数据序列S本身的中心位置对称,并且每个调整后参考数据序列的中心位置处的数据值相同。这样,通过改变参考数据序列S的L和H并保持中心位置处的数据不变,可以得到参考数据序列S的多个调整后参考数据序列。注意,对参考数据序列S进行调整也包括保持L和H不变的情况,因此,参考数据序列S本身也可以属于它的调整后参考数据序列。
根据本发明的实施例,S220可以通过如下方式来进行:对于所述多个地球物理参数中的每一个,计算调整后参考数据序列与所述测井日志中的该地球物理参数的数据序列在不同的地下深度处的距离,其中,调整后参考数据序列是对对应于每种层过渡类型的该地球物理参数的参考数据序列包含的数据个数及数据幅度调整得到的;以及对于所述多种层过渡类型中的每一种,将针对该种层过渡类型的地球物理参数所计算的同一地下深度处的距离求和。
在上述计算距离的步骤中,对于某一个参考数据序列和与该参考数据序列对应相同地球物理参数的数据序列,可以通过图8所示的方法800来计算两者在不同地下深度处的距离。
在S810中,对于调整参考数据序列得到的每个调整后参考数据序列,根据动态时间规整算法来计算该调整后参考数据序列与该地球物理参数的数据序列在不同的地下深度处的序列间距离。
例如,假设对应于FSYC→YC层过渡类型的GR的参考数据序列S有两个调整后参考数据序列S1和S2。对于调整后参考数据序列S1,将它依次在GR的数据序列上移动,并通过DTW算法计算调整后参考数据序列S1和与其重合的数据部分之间的距离(通过DTW计算得到的距离也可以被称为序列间距离)。每个所计算的距离是与调整后参考数据序列S1的中心位置重合的GR的数据所对应的深度处的距离。这样,可以计算不同深度处调整后参考数据序列S1与GR的数据序列之间的序列间距离。同理,对于调整后参考数据序列S2,通过将它依次在GR的数据序列上移动并利用DTW算法计算序列间距离,也可以得到不同深度处调整后参考数据序列S2与GR的数据序列之间的序列间距离。
FSYC→YC层过渡类型除了GR的参考数据序列之外,还可以具有其它地球物理参数的参考数据序列。对于这些参考数据序列中的每一个参考数据序列的每个调整后参考数据序列,也可以通过与上述相似的方式计算和对应地球物理参数的数据序列之间的序列间距离。此外,除了FSYC→YC层过渡类型之外,还可以存在其它层过渡类型。对于这些层过渡类型中的每一个,可以针对它的每个参考数据序列的每个调整后参考数据序列,通过与上述相似的方式计算和对应地球物理参数的数据序列之间的序列间距离。
在S820中,将根据与该调整后参考数据序列对应的数据的个数和最大值与最小值之间的差值对该序列间距离调整得到的结果确定为该调整后参考数据序列与该地球物理参数的数据序列在不同的地下深度处的距离。
具体而言,对于每个序列间距离D,需要用得到该序列间距离的调整后参考数据序列所对应的L和H对其进行调整(例如,加权),将调整后的结果作为该调整后参考数据序列与对应地球物理参数的数据序列在对应地下深度处的距离。例如,将(D/L)/H的结果作为调整后参考数据序列与数据序列的距离。通过利用L和H进行调整,可以避免不同的调整后参考数据序列由于长度和数值的不同而使计算得到的序列间距离不可比。
此外,参考数据序列和数据序列都是由离散的点所构成的,相邻离散点之间的深度间隔可能是生成测井日志时所使用的1/16米。对这么多的数据进行遍历形式的距离计算可能会延长计算的时间长度,并消耗更多的系统资源。因此,根据本发明的实施例,可以对参考数据序列和数据序列进行多级别采样(Multiple-level Sampling),以将它们中的每一个的数据量降低,但需要保证参考数据序列的相邻点之间对应的深度和数据序列的相邻点之间对应的深度相同。进行多级别采样的技术可以采用任何现有的多级别采样技术。例如,可以每十个点对数据值进行平均来减少数据量。
在对参考数据序列和数据序列进行了多级别采样的情况下,可以将经多级别采样的参考数据序列的调整后参考数据序列与经多级别采样的数据序列进行匹配,例如计算在这两者在不同地下深度处的距离。这样,可以减小匹配过程的运算量,缩短计算时间,提高处理效率。
在上述将距离相加的步骤中,对于每种层过渡类型,在特定地下深度处,可以将利用该类型的每个参考数据序列得到的距离相加,作为针对该层过渡类型在该深度处得到的距离之和。一个层过渡类型在一个深度处对应的距离之和可能有多个,因为每一个参考数据序列可能有多个调整后参考数据序列。例如,假设FSYC→YC层过渡类型有GR的参考数据序列S1和SP的参考数据序列S2,S1和S2分别有2个调整后参考数据序列。在任意地下深度处,FSYC→YC层过渡类型对应如下四个距离之和:利用S1的第一调整后参考数据序列与GR的数据序列在该深度处得到的距离和利用S2的第一调整后参考数据序列与SP的数据序列在该深度处得到的距离之和,利用S1的第二调整后参考数据序列与GR的数据序列在该深度处得到的距离和利用S2的第一调整后参考数据序列与SP的数据序列在该深度处得到的距离之和,利用S1的第一调整后参考数据序列与GR的数据序列在该深度处得到的距离和利用S2的第二调整后参考数据序列与SP的数据序列在该深度处得到的距离之和,以及利用S1的第二调整后参考数据序列与GR的数据序列在该深度处得到的距离和利用S2的第二调整后参考数据序列与SP的数据序列在该深度处得到的距离之和。
通过上述方式,可以针对所有层过渡类型得到不同深度处的距离之和,作为S220得到的匹配结果。这些距离之和可以用于反映参考数据序列的调整后参考数据序列与数据序列的匹配程度。
返回图2,在S230中,可以根据匹配结果,确定参考数据序列与测井日志中的数据序列最为匹配的情况下的层过渡类型和地下深度分别为待勘测位置处包含的层过渡类型、以及该层过渡类型指示的上层物质层和下层物质层分界的地下深度。在这里,参考数据序列与测井日志中的数据序列最为匹配的情况可以表征某种层过渡类型情况下的多个地球物理参数各自的参考数据序列的调整后参考数据序列总体上与相应数据序列在某地下深度处的部分最相似。最为匹配的情况不仅可以是指最相似的情况,而且可以指相似程度在一定范围内的情况。也就是说,在参考数据序列与测井日志中的数据序列的匹配程度满足预定条件(例如,匹配结果最小,或者匹配结果小于预定阈值)的情况下,都可以认为参考数据序列与测井日志中的数据序列最为匹配。
具体而言,例如,可以根据上述针对多种层过渡类型得到的距离之和中的最小值,确定该最小值对应的层过渡类型所指示的上层和下层位于该最小值对应的地下深度处。换句话说,在这些距离之和中确定最小值,通过该最小值可以找到相应的层过渡类型和地下深度,由此确定该相应的层过渡类型涉及的上下两层地质层在该地下深度处分界,从而确定这两层地下物质层。
上述寻找具有最小距离之和的深度的问题属于一个最优化问题,可以通过最优化方法来解决,例如遗传算法等。
在该最优化问题中,需要寻找与地下深度有关的k,以使对于所有层过渡类型都需要计算的如下目标函数f(k,l,H)最小化:
其中,k是数据序列包含的点的序号,通过k和数据序列相邻点之间的深度间隔,可以确定具有序号k的点对应的深度;L是参考数据序列包含的数据的个数,即参考数据序列在深度方向的长度;H是参考数据序列在数据值(幅度)方向的长度;FS是需要使用的地球物理参数的数量,可以采用不少于5个的地球物理参数来进行物质层识别;Sha(i),L,H是根据L和H对第i个参考数据序列进行调整得到的调整后参考数据序列;LS(i),k,L是第i个数据序列在以k为中心、L为跨度上的数据序列部分,这里,第i个参考数据序列和第i个数据序列对应于同一个地球物理参数;|·|是计算两个不同长度的序列之间的欧式距离的运算因子。
通过使目标函数f(k,l,H)最小化的k所对应的地下深度和层过渡类型,可以识别相关的地下物质层。
再例如,可以根据上述针对多种层过渡类型得到的距离之和中的小于预定阈值的多个值,确定所述多个值中的每个值对应的层过渡类型所指示的上层和下层位于该值对应的地下深度处。这里,预定阈值可以根据经验确定。可以利用距离之和小于预定阈值的多个值来确定每个值相应的层过渡类型出现在什么深度处,从而一次性识别出更多的地下物质层。此外,通过确定的相邻两个地下深度和相关联的层过渡类型,可以确定某地下物质层介于这两个地下深度之间,从而识别出该地下物质层占据的范围。
当可以确定某地下物质层占据的范围时,可以通过现有的决策树模型来判断该地下物质层的识别是否正确。具体而言,可以将介于相邻两个地下深度之间的物质层的中心位置处的测量值输入到决策树模型,确定决策树模型输出的结果是否指示该测量值对应该物质层。如果决策树模型输出的结果指示该测量值对应该物质层,那么识别的该物质层正确。反之,可以提示相关领域专家进一步判断识别的该物质层是否正确。如果确定所识别的该物质层不正确,则可以删除与指示该地下物质层的层过渡类型有关的参考数据序列。
图9示出了根据本发明的一个实施例的用于实现识别地下物质层的方法的总体框图。图9的(A)部分示出了构建图6的表格的过程,图9的(B)部分示出了对于待勘测位置识别地下物质层的过程。
在与待勘测位置相关的地区中收集的、对应井的真实情况已知的多个测井日志910被输入到特征提取器920。特征提取器920利用结合图4至5描述的方法得到对应于不同层过渡类型的地球物理参数的参考数据序列,并将其以图6所示的形式存储在知识数据库930中。
当需要对待勘测位置识别地下物质层时,将待勘测位置的测井日志940输入到分层检测器950。分层检测器950基于结合图2和图8描述的方法利用存储在知识数据库930中的参考数据序列识别地下物质层。根据分层检测器950的识别结果,将所识别的物质层的中心位置处的地球物理参数的测量值输入现有的层分类器960(例如决策树模型),以确定层分类器960根据输入的测量值分类得到的物质层是否与分层检测器950的识别结果一致。如果两者一致,则说明分层检测器950的识别结果正确,可以将其输出。如果两者不一致,可以触发冲突检查器970提示用户两者的不一致,以使用户进一步根据测井日志940进行地下物质层的判断。
根据本发明实施例提供的全新的用于识别地下物质层的方法,借助于通过充分考虑基于不同地球物理参数在相邻物质层的过渡区域中的变化情况所确定的参考数据序列,能够更加准确地识别地下物质层。根据发明人的实验发现,对油层等有用物质层的识别准确率可以从现有的20%左右上升到90%左右,而对所有地下物理层的识别准确率可以从现有的80%左右上升到97%左右。此外,由于对测井日志和参考数据序列的数据处理分析,使得可以实时地根据测井日志进行物质层的识别,提高了效率,避免将测井日志发给特定部门或专家再进行识别造成的时间拖延。并且,由于在对测井日志和参考数据序列进行数据分析处理之前可以对它们进行多级别采样,因此可以减少数据处理量,从而减小数据处理时间和系统开销。
上面描述了根据本发明实施例的用于识别地下物质层的方法,下面结合图10和11描述根据本发明实施例的用于识别地下物质层的装置的结构框图。
图10所示的根据本发明实施例的用于识别地下物质层的装置1000包括获取部件1010、匹配部件1020和确定部件1030。这些部件可以由诸如中央处理器之类的处理单元实现,也可以由用于实现相应功能的电路模块实现,还可以由两者组合实现。装置1000可以是一个计算机设备的一部分,也可以由多个计算机设备通过网络共同实现。
获取部件1010可被配置为获取待勘测位置的测井日志,所述测井日志包括对应于多个地球物理参数的数据序列,每个地球物理参数的数据序列包括该地球物理参数在不同的地下深度处的测量值。匹配部件1020可被配置为将对应于多种层过渡类型中的每一种的每个地球物理参数的参考数据序列与所述测井日志中的该地球物理参数的数据序列在不同的地下深度处进行匹配,其中,每种层过渡类型指示上层物质层和相邻的下层物质层,该参考数据序列用于表征该地球物理参数在符合该种层过渡类型的过渡区域中的变化趋势。确定部件1030可被配置为根据匹配结果,确定所述待勘测位置处包含的层过渡类型及该层过渡类型指示的上层物质层和下层物质层分界的地下深度。
获取部件1010、匹配部件1020和确定部件1030的上述和其他操作和/或功能可以参考上述结合图2至图9描述的内容,为了避免重复,在此不再赘述。装置1000通过利用对应于层过渡类型的地球物理参数的参考数据序列,能够更准确地识别出地下物质层。
图11所示的用于识别地下物质层的装置1100中包含的获取部件1110、匹配部件1120和确定部件1130分别与图10所示的装置1000中包含的获取部件1010、匹配部件1020和确定部件1030基本相同。
根据本发明的实施例,确定部件1130可被配置为根据匹配结果,确定参考数据序列与数据序列最为匹配的情况下的层过渡类型和地下深度分别为所述待勘测位置处包含的层过渡类型、以及该层过渡类型指示的上层物质层和下层物质层分界的地下深度。
根据本发明的实施例,匹配部件1120可以包括计算子部件1122和求和子部件1124。计算子部件1122可被配置为对于所述多个地球物理参数中的每一个,计算调整后参考数据序列与所述测井日志中的该地球物理参数的数据序列在不同的地下深度处的距离,其中,调整后参考数据序列是对对应于每种层过渡类型的该地球物理参数的参考数据序列包含的数据个数及数据幅度调整得到的。求和子部件1124可被配置为对于所述多种层过渡类型中的每一种,将针对该种层过渡类型的地球物理参数所计算的同一地下深度处的距离求和。在该情况下,确定部件1130可具体被配置为根据针对所述多种层过渡类型得到的距离之和中的最小值,确定该最小值对应的层过渡类型和地下深度分别为所述待勘测位置处包含的层过渡类型、以及该层过渡类型指示的上层物质层和下层物质层分界的地下深度,或者,确定部件1130可具体被配置为根据针对所述多种层过渡类型得到的距离之和中的小于预定阈值的多个值,确定所述多个值中的每个值对应的层过渡类型和地下深度分别为所述待勘测位置处包含的层过渡类型、以及该层过渡类型指示的上层物质层和下层物质层分界的地下深度。
根据本发明的实施例,装置1100还可以包括参考数据序列确定部件1140。参考数据序列确定部件1140可被配置为基于符合每种层过渡类型的具有预定厚度的多个过渡区域通过获取子部件1142、对齐子部件1144、更新子部件1146和平均子部件1148预先确定对应于该种层过渡类型的每个地球物理参数的参考数据序列。获取子部件1142可被配置为获取与每个过渡区域有关的表示该地球物理参数的数据序列。对齐子部件1144可被配置为通过将与每个过渡区域有关的表示该地球物理参数的数据序列对齐,确定每两个数据序列的数据的对应关系。更新子部件1146可被配置为对于与所述多个过渡区域有关的所有数据序列中的每个数据序列,根据所述所有数据序列中的除了该数据序列之外的每个其它数据序列与该数据序列的数据的对应关系,用该其它数据序列对该数据序列进行更新。确定子部件1148可被配置为通过对更新后的数据序列进行平均,确定对应于该层过渡类型的该地球物理参数的参考数据序列。
根据本发明的实施例,对齐子部件1144可被配置为根据动态时间规整算法来确定任两个数据序列具有对应关系的数据。
根据本发明的实施例,计算子部件1122可以包括计算单元1122-2和确定单元1122-4。计算单元1122-2可被配置为对于调整参考数据序列得到的每个调整后参考数据序列,根据动态时间规整算法来计算该调整后参考数据序列与该地球物理参数的数据序列在不同的地下深度处的序列间距离,其中,调整参考数据序列得到的每个调整后参考数据序列是通过改变该参考数据序列包含的数据的个数和该参考数据序列中的数据的最大值与最小值之间的差值、并保持该参考数据序列的中心位置处的数据不变而得到的。确定单元1122-4可被配置为将根据与该调整后参考数据序列对应的数据的个数和最大值与最小值之间的差值对该序列间距离调整得到的结果确定为该调整后参考数据序列与该地球物理参数的数据序列在不同的地下深度处的距离。
根据本发明的实施例,装置1100还可以包括判断部件1150。判断部件1150可被配置为通过将介于相邻两个地下深度之间的物质层的中心位置处的所述多个地球物理参数中的至少一个的值输入到决策树模型,确定该物质层是否正确。
根据本发明的实施例,装置1100还可以包括删除部件1160。删除部件1160可被配置为响应于确定该物质层不正确,删除与指示该物质层的层过渡类型有关的参考数据序列。
根据本发明的实施例,装置1100还可以包括采样部件1170。采样部件1170可被配置为对每个参考数据序列和所述测井日志中的每个地球物理参数的数据序列进行多级别采样。在该情况下,匹配部件1120可被配置为将经多级别采样的参考数据序列与经多级别采样的数据序列在不同的地下深度处进行匹配。
上述各部件、子部件和单元可以通过处理单元、用于实现相应功能的电路、或者它们的任意组合实现。这些部件和子部件的上述和其他操作和/或功能可以参考结合图2至9描述的内容,为了避免重复在,在此不再重复。
本发明实施例提供的全新的用于识别地下物质层的装置,借助于与过渡区域有关的参考数据序列,通过充分考虑不同地球物理参数在相邻物质层的过渡区域中的变化趋势,能够更加准确地识别地下物质层。此外,由于对测井日志和参考数据序列的数据处理分析,使得可以实时地根据测井日志进行物质层的识别,提高了效率。并且,由于在对测井日志和参考数据序列进行数据分析处理之前可以对它们进行多级别采样,因此可以减少数据处理量,从而减小数据处理时间和系统开销。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (16)
1.一种用于识别地下物质层的方法,包括:
获取待勘测位置的测井日志,所述测井日志包括对应于多个地球物理参数的数据序列,每个地球物理参数的数据序列包括该地球物理参数在不同的地下深度处的测量值;
将对应于多种层过渡类型中的每一种的每个地球物理参数的参考数据序列与所述测井日志中的该地球物理参数的数据序列在不同的地下深度处进行匹配,其中,每种层过渡类型指示上层物质层和相邻的下层物质层,该参考数据序列用于表征该地球物理参数在符合该种层过渡类型的过渡区域中的变化趋势;
根据匹配结果,确定所述待勘测位置处包含的层过渡类型及该层过渡类型指示的上层物质层和下层物质层分界的地下深度;以及
对每个参考数据序列和所述测井日志中的每个地球物理参数的数据序列进行多级别采样,
其中,所述将对应于多种层过渡类型中的每一种的每个地球物理参数的参考数据序列与所述测井日志中的该地球物理参数的数据序列在不同的地下深度处进行匹配包括:
将经多级别采样的参考数据序列与经多级别采样的数据序列在不同的地下深度处进行匹配。
2.根据权利要求1所述的方法,其中,所述将对应于多种层过渡类型中的每一种的每个地球物理参数的参考数据序列与所述测井日志中的该地球物理参数的数据序列在不同的地下深度处进行匹配包括:
对于所述多个地球物理参数中的每一个,计算调整后参考数据序列与所述测井日志中的该地球物理参数的数据序列在不同的地下深度处的距离,其中,调整后参考数据序列是对对应于每种层过渡类型的该地球物理参数的参考数据序列包含的数据个数及数据幅度调整得到的;以及
对于所述多种层过渡类型中的每一种,将针对该种层过渡类型的地球物理参数所计算的同一地下深度处的距离求和,
其中,所述根据匹配结果确定所述待勘测位置处包含的层过渡类型及该层过渡类型指示的上层物质层和下层物质层分界的地下深度包括:
根据针对所述多种层过渡类型得到的距离之和中的最小值,确定该最小值对应的层过渡类型和地下深度分别为所述待勘测位置处包含的层过渡类型、以及该层过渡类型指示的上层物质层和下层物质层分界的地下深度。
3.根据权利要求2所述的方法,其中,对应于每种层过渡类型的每个地球物理参数的参考数据序列是基于符合该种层过渡类型的具有预定厚度的多个过渡区域通过如下方式预先确定的:
获取与每个过渡区域有关的表示该地球物理参数的数据序列;
通过将与每个过渡区域有关的表示该地球物理参数的数据序列对齐,确定每两个数据序列的数据的对应关系;
对于与所述多个过渡区域有关的所有数据序列中的每个数据序列,根据所述所有数据序列中的除了该数据序列之外的每个其它数据序列与该数据序列的数据的对应关系,用该其它数据序列对该数据序列进行更新;以及
通过对更新后的数据序列进行平均,确定对应于该层过渡类型的该地球物理参数的参考数据序列。
4.根据权利要求3所述的方法,其中,所述确定每两个数据序列的数据的对应关系包括:
根据动态时间规整算法来确定任两个数据序列具有对应关系的数据。
5.根据权利要求2所述的方法,其中,所述计算调整后参考数据序列与所述测井日志中的该地球物理参数的数据序列在不同的地下深度处的距离数据序列在不同的地下深度处的距离包括:
对于调整参考数据序列得到的每个调整后参考数据序列,根据动态时间规整算法来计算该调整后参考数据序列与该地球物理参数的数据序列在不同的地下深度处的序列间距离,其中,调整参考数据序列得到的每个调整后参考数据序列是通过改变该参考数据序列包含的数据的个数和该参考数据序列中的数据的最大值与最小值之间的差值、并保持该参考数据序列的中心位置处的数据不变而得到的;以及
将根据与该调整后参考数据序列对应的数据的个数和最大值与最小值之间的差值对该序列间距离调整得到的结果确定为该调整后参考数据序列与该地球物理参数的数据序列在不同的地下深度处的距离。
6.根据权利要求1所述的方法,其中,所述将对应于多种层过渡类型中的每一种的每个地球物理参数的参考数据序列与所述测井日志中的该地球物理参数的数据序列在不同的地下深度处进行匹配包括:
对于所述多个地球物理参数中的每一个,计算调整后参考数据序列与所述测井日志中的该地球物理参数的数据序列在不同的地下深度处的距离,其中,调整后参考数据序列是对对应于每种层过渡类型的该地球物理参数的参考数据序列包含的数据个数及数据幅度调整得到的;以及
对于所述多种层过渡类型中的每一种,将针对该种层过渡类型的地球物理参数所计算的同一地下深度处的距离求和,
其中,所述根据匹配结果确定所述待勘测位置处包含的层过渡类型及该层过渡类型指示的上层物质层和下层物质层分界的地下深度包括:
根据针对所述多种层过渡类型得到的距离之和中的小于预定阈值的多个值,确定所述多个值中的每个值对应的层过渡类型和地下深度分别为所述待勘测位置处包含的层过渡类型、以及该层过渡类型指示的上层物质层和下层物质层分界的地下深度。
7.根据权利要求6所述的方法,还包括:
通过将介于相邻两个地下深度之间的物质层的中心位置处的所述多个地球物理参数中的至少一个的值输入到决策树模型,确定该物质层是否正确。
8.根据权利要求7所述的方法,还包括:
响应于确定该物质层不正确,删除与指示该物质层的层过渡类型有关的参考数据序列。
9.一种用于识别地下物质层的装置,包括:
获取部件,被配置为获取待勘测位置的测井日志,所述测井日志包括对应于多个地球物理参数的数据序列,每个地球物理参数的数据序列包括该地球物理参数在不同的地下深度处的测量值;
匹配部件,被配置为将对应于多种层过渡类型中的每一种的每个地球物理参数的参考数据序列与所述测井日志中的该地球物理参数的数据序列在不同的地下深度处进行匹配,其中,每种层过渡类型指示上层物质层和相邻的下层物质层,该参考数据序列用于表征该地球物理参数在符合该种层过渡类型的过渡区域中的变化趋势;
确定部件,被配置为根据匹配结果,确定所述待勘测位置处包含的层过渡类型及该层过渡类型指示的上层物质层和下层物质层分界的地下深度;以及
采样部件,被配置为对每个参考数据序列和所述测井日志中的每个地球物理参数的数据序列进行多级别采样,
其中,所述匹配部件被配置为将经多级别采样的参考数据序列与经多级别采样的数据序列在不同的地下深度处进行匹配。
10.根据权利要求9所述的装置,其中,所述匹配部件包括:
计算子部件,被配置为对于所述多个地球物理参数中的每一个,计算调整后参考数据序列与所述测井日志中的该地球物理参数的数据序列在不同的地下深度处的距离,其中,调整后参考数据序列是对对应于每种层过渡类型的该地球物理参数的参考数据序列包含的数据个数及数据幅度调整得到的;以及
求和子部件,被配置为对于所述多种层过渡类型中的每一种,将针对该种层过渡类型的地球物理参数所计算的同一地下深度处的距离求和,
其中,所述确定部件被配置为根据针对所述多种层过渡类型得到的距离之和中的最小值,确定该最小值对应的层过渡类型和地下深度分别为所述待勘测位置处包含的层过渡类型、以及该层过渡类型指示的上层物质层和下层物质层分界的地下深度。
11.根据权利要求10所述的装置,还包括参考数据序列确定部件,被配置为基于符合每种层过渡类型的具有预定厚度的多个过渡区域通过如下子部件预先确定对应于该种层过渡类型的每个地球物理参数的参考数据序列:
获取子部件,被配置为获取与每个过渡区域有关的表示该地球物理参数的数据序列;
对齐子部件,被配置为通过将与每个过渡区域有关的表示该地球物理参数的数据序列对齐,确定每两个数据序列的数据的对应关系;
更新子部件,被配置为对于与所述多个过渡区域有关的所有数据序列中的每个数据序列,根据所述所有数据序列中的除了该数据序列之外的每个其它数据序列与该数据序列的数据的对应关系,用该其它数据序列对该数据序列进行更新;以及
确定子部件,被配置为通过对更新后的数据序列进行平均,确定对应于该层过渡类型的该地球物理参数的参考数据序列。
12.根据权利要求11所述的装置,其中,所述对齐子部件被配置为根据动态时间规整算法来确定任两个数据序列具有对应关系的数据。
13.根据权利要求10所述的装置,其中,所述计算子部件包括:
计算单元,被配置为对于调整参考数据序列得到的每个调整后参考数据序列,根据动态时间规整算法来计算该调整后参考数据序列与该地球物理参数的数据序列在不同的地下深度处的序列间距离,其中,调整参考数据序列得到的每个调整后参考数据序列是通过改变该参考数据序列包含的数据的个数和该参考数据序列中的数据的最大值与最小值之间的差值、并保持该参考数据序列的中心位置处的数据不变而得到的;以及
确定单元,被配置为将根据与该调整后参考数据序列对应的数据的个数和最大值与最小值之间的差值对该序列间距离调整得到的结果确定为该调整后参考数据序列与该地球物理参数的数据序列在不同的地下深度处的距离。
14.根据权利要求9所述的装置,其中,所述匹配部件包括:
计算子部件,被配置为对于所述多个地球物理参数中的每一个,计算调整后参考数据序列与所述测井日志中的该地球物理参数的数据序列在不同的地下深度处的距离,其中,调整后参考数据序列是对对应于每种层过渡类型的该地球物理参数的参考数据序列包含的数据个数及数据幅度调整得到的;以及
求和子部件,被配置为对于所述多种层过渡类型中的每一种,将针对该种层过渡类型的地球物理参数所计算的同一地下深度处的距离求和,
其中,所述确定部件被配置为根据针对所述多种层过渡类型得到的距离之和中的小于预定阈值的多个值,确定所述多个值中的每个值对应的层过渡类型和地下深度分别为所述待勘测位置处包含的层过渡类型、以及该层过渡类型指示的上层物质层和下层物质层分界的地下深度。
15.根据权利要求14所述的装置,还包括:
判断部件,被配置为通过将介于相邻两个地下深度之间的物质层的中心位置处的所述多个地球物理参数中的至少一个的值输入到决策树模型,确定该物质层是否正确。
16.根据权利要求15所述的装置,还包括:
删除部件,被配置为响应于确定该物质层不正确,删除与指示该物质层的层过渡类型有关的参考数据序列。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310530719.1A CN104598705B (zh) | 2013-10-31 | 2013-10-31 | 用于识别地下物质层的方法和装置 |
US14/527,272 US20150120195A1 (en) | 2013-10-31 | 2014-10-29 | Identifying subsurface material layer |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310530719.1A CN104598705B (zh) | 2013-10-31 | 2013-10-31 | 用于识别地下物质层的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104598705A CN104598705A (zh) | 2015-05-06 |
CN104598705B true CN104598705B (zh) | 2018-05-22 |
Family
ID=52996324
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310530719.1A Expired - Fee Related CN104598705B (zh) | 2013-10-31 | 2013-10-31 | 用于识别地下物质层的方法和装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20150120195A1 (zh) |
CN (1) | CN104598705B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018164680A1 (en) | 2017-03-08 | 2018-09-13 | Landmark Graphics Corporation | Correlating strata surfaces across well logs |
WO2018182691A1 (en) * | 2017-03-31 | 2018-10-04 | Landmark Graphics Corporation | Automated well-log correlation using descriptors |
US20190063211A1 (en) * | 2017-08-05 | 2019-02-28 | Alfred Theophilus Aird | System for detecting and alerting drill depth based on designated elevation, strata and other parameters |
US10936561B2 (en) * | 2018-04-11 | 2021-03-02 | Saudi Arabian Oil Company | Extensible well data integrity smart detector |
CN114386154B (zh) * | 2022-01-14 | 2023-12-15 | 中水珠江规划勘测设计有限公司 | 坝基现代岩溶层影响深度确定的方法、装置及电子设备 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9047689B2 (en) * | 2009-06-04 | 2015-06-02 | Schlumberger Technology Corporation | Method and apparatus for visualizing multi-dimensional well logging data with shapelets |
US20120015825A1 (en) * | 2010-07-06 | 2012-01-19 | Pacific Biosciences Of California, Inc. | Analytical systems and methods with software mask |
CA2871781C (en) * | 2012-05-18 | 2017-02-07 | Ingrain, Inc. | Method and system for estimating rock properties from rock samples using digital rock physics imaging |
US9268060B2 (en) * | 2013-03-14 | 2016-02-23 | Bp Corporation North America Inc. | System and method for computational geology |
WO2014143166A1 (en) * | 2013-03-15 | 2014-09-18 | Schlumberger Canada Limited | Methods of characterizing earth formations using physiochemical model |
US10048403B2 (en) * | 2013-06-20 | 2018-08-14 | Exxonmobil Upstream Research Company | Method and system for generation of upscaled mechanical stratigraphy from petrophysical measurements |
-
2013
- 2013-10-31 CN CN201310530719.1A patent/CN104598705B/zh not_active Expired - Fee Related
-
2014
- 2014-10-29 US US14/527,272 patent/US20150120195A1/en not_active Abandoned
Non-Patent Citations (5)
Title |
---|
动态模式匹配算法在地层对比中的应用;吴志芳等;《世界地质》;20030228;第22卷(第2期);第3-4节 * |
单井测井层序地层分析方法研究;薛建闽等;《陕西煤炭》;20090331(第3期);第5-8页及第11页 * |
模式识别在测井曲线地层对比中的应用;耿耀辉等;《大庆石油学院学报》;19951231;第19卷(第4期);第34-37页 * |
测井曲线识别层序边界的方法探讨;王卫红等;《西南石油学院学报》;20030630;第25卷(第3期);第1-4页 * |
测井资料识别层序的方法及问题讨论;张占松;《石油勘探与开发》;20001031;第27卷(第5期);第119-121页 * |
Also Published As
Publication number | Publication date |
---|---|
US20150120195A1 (en) | 2015-04-30 |
CN104598705A (zh) | 2015-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110674841B (zh) | 一种基于聚类算法的测井曲线识别方法 | |
Asoodeh et al. | Prediction of compressional, shear, and stoneley wave velocities from conventional well log data using a committee machine with intelligent systems | |
Wei et al. | Predicting injection profiles using ANFIS | |
CN104598705B (zh) | 用于识别地下物质层的方法和装置 | |
Hutahaean et al. | On optimal selection of objective grouping for multiobjective history matching | |
Bashari et al. | Estimation of deformation modulus of rock masses by using fuzzy clustering-based modeling | |
Majdi et al. | Applying evolutionary optimization algorithms for improving fuzzy C-mean clustering performance to predict the deformation modulus of rock mass | |
AU2009241409A1 (en) | System and method for interpretation of well data | |
Tan et al. | Evaluation of complex petroleum reservoirs based on data mining methods | |
CN105277979B (zh) | 一种地震属性的优化方法和装置 | |
Singh et al. | Machine learning assisted petrophysical logs quality control, editing and reconstruction | |
CN108304975A (zh) | 一种数据预测系统及方法 | |
CN113420506A (zh) | 掘进速度的预测模型建立方法、预测方法及装置 | |
CN117473305A (zh) | 一种近邻信息增强的储层参数预测方法及系统 | |
CN116927771A (zh) | 一种预测页岩储层总有机碳数据的方法、装置、设备及介质 | |
CN116911432A (zh) | 用于水平井产能的预测方法、存储介质及处理器 | |
CN110226109B (zh) | 增强的地质服务表征 | |
CN116307123A (zh) | 一种基于知识图谱驱动的矿产资源预测方法、存储介质 | |
Chikhi et al. | Probabilistic neural method combined with radial-bias functions applied to reservoir characterization in the Algerian Triassic province | |
Vrabie et al. | Digital twin for downhole pressure gauges: model and field case study | |
CN115809411A (zh) | 一种基于测井数据的改进型决策树岩性识别方法 | |
Al-Bazzaz et al. | Permeability modeling using neural-network approach for complex Mauddud-Burgan carbonate reservoir | |
CN108492014A (zh) | 一种确定地质资源量的数据处理方法及装置 | |
CN114818493A (zh) | 一种隧道岩体完整程度定量评价的方法 | |
Pourreza et al. | Estimation of geomechanical units using petrophysical logs, core and supervised intelligent committee machine method to optimize exploration drilling operations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180522 Termination date: 20201031 |