CN109212610A - 基于欧式距离近似匹配的井震数据提取方法 - Google Patents
基于欧式距离近似匹配的井震数据提取方法 Download PDFInfo
- Publication number
- CN109212610A CN109212610A CN201811292103.4A CN201811292103A CN109212610A CN 109212610 A CN109212610 A CN 109212610A CN 201811292103 A CN201811292103 A CN 201811292103A CN 109212610 A CN109212610 A CN 109212610A
- Authority
- CN
- China
- Prior art keywords
- well
- seismic properties
- euclidean distance
- approximate match
- data extraction
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. analysis, for interpretation, for correction
Abstract
本发明提供一种基于欧式距离近似匹配的井震数据提取方法,包括:进行地震属性近似匹配,寻找距离目标井最近的坐标点位置,提取该位置对应的地震属性值近似作为目标井位置对应的地震属性值,并将所有的地震属性值整合为一个属性集合;进行岩性数据近似匹配,通过时窗的起止时间范围,利用时深转换,将时间范围转换到目标井对应的深度范围,进而计算目标井样本对应的深度范围内的岩性比例;将提取的地震属性集与岩性类型进行匹配,得到带有类别标签的地震属性集。该方法实现了将目标井位置近似为邻近距离中最近的网格位置和目标井井震数据的提取,数值化的类别标签以及地震属性值可为机器学习分类模型的训练提供样本点支持。
Description
技术领域
本发明涉及地球物理勘探领域和机器学习技术领域,特别是涉及到一种基于欧式距离近似匹配的井震数据提取方法。
背景技术
在野外观测作业中,一般是沿地震测线等间距布置多个检波器来接收地震波信号,地震数据以地震道的形式存储。整个地震体数据可以视为按照CDP、Inline划分成的网格长方体,只存储网格点上对应位置的层位数据、地震属性数据等。因为目标井不一定坐落在地震体网格点位置,所以获取不到目标井精确对应的井震数据。为此我们发明了一种新的基于欧式距离近似匹配的井震数据提取方法,解决了以上技术问题。
发明内容
本发明的目的是提供一种通过采用欧氏距离的最小化来获得距离目标井最近的网格点位置对应的井震数据,进一步近似得到目标井数据的基于欧式距离近似匹配的井震数据提取方法。
本发明的目的可通过如下技术措施来实现:基于欧式距离近似匹配的井震数据提取方法,该基于欧式距离近似匹配的井震数据提取方法包括:步骤1,进行地震属性近似匹配,寻找距离目标井最近的坐标点位置,提取该位置对应的地震属性值近似作为目标井位置对应的地震属性值,并将所有的地震属性值整合为一个属性集合;步骤2,进行岩性数据近似匹配,通过时窗的起止时间范围,利用时深转换,将时间范围转换到目标井对应的深度范围,进而计算目标井样本对应的深度范围内的岩性比例;步骤3,将提取的地震属性集与岩性类型进行匹配,得到带有类别标签的地震属性集。
本发明的目的还可通过如下技术措施来实现:
在步骤1中,通过计算目标井初始坐标与地震体所有网格点位置之间的欧氏距离,寻找距离最小的近似网格点坐标,提取该坐标点位置对应的单个地震属性值近似作为目标井位置对应的地震属性值,依次提取所有的地震属性,并将所有的地震属性值整合为一个属性集合。
在步骤1中,二维欧氏距离d1,2的计算公式如下:
其中x1,y1,x2,y2分别是目标井以及地震体网格点的位置坐标。
在步骤1中,整合后的地震属性集作为机器学习分类模型的输入数据集即向量X。
在步骤2中,通过层位的起始时间信息,采用欧氏距离计算公式寻找距离目标井最近的坐标点位置,提取该位置对应的层位起始时间近似作为目标井位置对应的时窗起始时间,时窗的终止时间通过起始时间加上时窗大小获得,利用时深转换,将时间范围转换到目标井对应的深度范围,进而计算目标井样本对应深度范围内的岩性比例。
在步骤2中,按照岩性比例计算得到类别标签,作为机器学习分类模型的输出即向量Y。
在步骤3中,岩性类型分为3类:类型0表示非有利储层发育区,类型1表示储层发育区,类型2表示有利储层发育区,具体划分标准是根据时窗对应的深度范围内砂岩累计厚度决定的,砂岩累计厚度低于5m标记为0,5m-15m标记为1,15m以上标记为2。
在步骤3中,经过匹配得到的带有类别标签的地震属性集,为机器学习分类模型的训练提供样本点支持。
本发明中的基于欧式距离近似匹配的井震数据提取方法,能近似匹配目标井与地震体网格点位置。由于不能直接获取目标井所在层位的井震数据,所以采用欧式距离找到离目标井位置最近的地震体网格点,用其所在层位的地震属性、井筒数据、岩性数据等井震数据近似代替目标井所在位置的井震数据,实现了井样本的近似类别标签及地震属性值的提取。将类别标签划分为三种,0代表非有利储层发育区,1代表储层发育区,2代表有利储层发育区,数值化的类别标签以及地震属性值可为机器学习分类模型的训练提供样本点支持。该方法利用欧氏距离最小化,实现了将目标井位置近似为邻近距离中最近的网格位置;利用目标井与最近邻网格点的近似匹配,实现了目标井井震数据的提取。类别标签分为0,1,2三类,数值化的类别标签以及地震属性值可为机器学习分类模型的训练提供样本点支持。
附图说明
图1为本发明的基于欧式距离近似匹配的井震数据提取方法的一具体实施例的流程图;
图2为本发明的一具体实施例中欧氏距离近似匹配的原理图。
具体实施方式
为使本发明的上述和其他目的、特征和优点能更明显易懂,下文特举出较佳实施例,并配合附图所示,作详细说明如下。
如图1所示,图1为本发明的基于欧式距离近似匹配的井震数据提取方法的流程图。
步骤101,进行地震属性近似匹配,采用欧氏距离计算公式寻找距离目标井最近的坐标点位置,提取该位置对应的地震属性值近似作为目标井位置对应的地震属性值,并将所有的地震属性值整合为一个属性集合。在一实施例中,通过计算目标井初始坐标与地震体所有网格点位置之间的欧氏距离,寻找距离最小的网格点坐标。欧氏距离(也称欧几里得度量)是一个通常采用的距离定义,指在m维空间中两个点之间的真实距离,或者向量的自然长度(即该点到原点的距离)。提取该坐标点对应的单个地震属性值近似作为目标井样本对应的地震属性值,依次提取所有的地震属性,并将所有的地震属性值整合为一个属性集合,整合后的地震属性集可以作为机器学习分类模型的输入数据集(即向量X)。二维欧氏距离的计算公式如下:
其中x1,y1,x2,y2分别是目标井以及地震体网格点的位置坐标。
步骤102,岩性数据近似匹配。
通过层位的起始时间信息,采用欧氏距离计算公式寻找距离目标井最近的坐标点位置,提取该位置对应的层位起始时间近似作为目标井位置对应的时窗起始时间,时窗的终止时间通过起始时间加上时窗大小获得,通过时窗的起止时间范围,利用时深转换,将时间范围转换到目标井对应的深度范围,进而计算目标井样本对应的深度范围内的岩性比例。按照岩性比例计算得到类别标签,可以作为机器学习分类模型的输出(即向量Y)。
步骤103,类别标记:
将通过步骤101、102得到的地震属性集与岩性类型进行匹配,其中岩性类型可以分为3类:类型0代表非有利储层发育区,类型1代表储层发育区,类型2代表有利储层发育区,具体划分标准是根据时窗对应的深度范围内砂岩累计厚度决定的(砂岩累计厚度低于5m标记为0,5m-15m标记为1,15m以上标记为2),最终得到带有类别标签的地震属性集。经过匹配最终得到带有类别标签的地震属性集,可为机器学习分类模型的训练提供样本点支持。
图2为欧氏距离近似匹配的原理图,以目标井位置为圆心画圆,圆与网格虚线的切点处即为距离目标井最近的点。
以上所述,仅是本发明的较佳实施例,任何熟悉本专业的技术人员可能利用上述阐述的技术方案加以改型或变更为等同变化的等同实例。凡未脱离本发明技术方案内容,依据发明的技术方案对上述实施例进行的任何简单修改、变更或改型,均属于发明技术方案的保护范围。
Claims (8)
1.基于欧式距离近似匹配的井震数据提取方法,其特征在于,该基于欧式距离近似匹配的井震数据提取方法包括:
步骤1,进行地震属性近似匹配,寻找距离目标井最近的坐标点位置,提取该位置对应的地震属性值近似作为目标井位置对应的地震属性值,并将所有的地震属性值整合为一个属性集合;
步骤2,进行岩性数据近似匹配,通过时窗的起止时间范围,利用时深转换,将时间范围转换到目标井对应的深度范围,进而计算目标井样本对应的深度范围内的岩性比例;
步骤3,将提取的地震属性集与岩性类型进行匹配,得到带有类别标签的地震属性集。
2.根据权利要求1所述的基于欧式距离近似匹配的井震数据提取方法,其特征在于,在步骤1中,通过计算目标井初始坐标与地震体所有网格点位置之间的欧氏距离,寻找距离最小的近似网格点坐标,提取该坐标点位置对应的单个地震属性值近似作为目标井样本对应的地震属性值,依次提取所有的地震属性,并将所有的地震属性值整合为一个属性集合。
3.根据权利要求2所述的基于欧式距离近似匹配的井震数据提取方法,其特征在于,在步骤1中,二维欧氏距离d1,2的计算公式如下:
其中x1,y1,x2,y2分别是目标井以及地震体网格点的位置坐标。
4.根据权利要求2所述的基于欧式距离近似匹配的井震数据提取方法,其特征在于,在步骤1中,整合后的地震属性集作为机器学习分类模型的输入数据集即向量X。
5.根据权利要求1所述的基于欧式距离近似匹配的井震数据提取方法,其特征在于,在步骤2中,通过层位的起始时间信息,采用欧氏距离计算公式寻找距离目标井最近的坐标点位置,提取该位置对应的层位起始时间近似作为目标井样本对应的时窗起始时间,时窗的终止时间通过起始时间加上时窗大小获得,利用时深转换,将时间范围转换到目标井对应的深度范围,进而计算目标井样本对应深度范围内的岩性比例。
6.根据权利要求5所述的基于欧式距离近似匹配的井震数据提取方法,其特征在于,在步骤2中,按照岩性比例计算得到类别标签,作为机器学习分类模型的输出即向量Y。
7.根据权利要求1所述的基于欧式距离近似匹配的井震数据提取方法,其特征在于,在步骤3中,岩性类型分为3类:类型0表示非有利储层发育区,类型1表示储层发育区,类型2表示有利储层发育区,具体划分标准是根据时窗对应的深度范围内砂岩累计厚度决定的,砂岩累计厚度低于5m标记为0,5m-15m标记为1,15m以上标记为2。
8.根据权利要求7所述的基于欧式距离近似匹配的井震数据提取方法,其特征在于,在步骤3中,经过匹配得到的带有类别标签的地震属性集,为机器学习分类模型的训练提供样本点支持。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811292103.4A CN109212610B (zh) | 2018-10-31 | 2018-10-31 | 基于欧式距离近似匹配的井震数据提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811292103.4A CN109212610B (zh) | 2018-10-31 | 2018-10-31 | 基于欧式距离近似匹配的井震数据提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109212610A true CN109212610A (zh) | 2019-01-15 |
CN109212610B CN109212610B (zh) | 2021-06-22 |
Family
ID=64998340
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811292103.4A Active CN109212610B (zh) | 2018-10-31 | 2018-10-31 | 基于欧式距离近似匹配的井震数据提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109212610B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0297737A2 (en) * | 1987-06-29 | 1989-01-04 | Conoco Inc. | Three-dimensional iterative structural modeling of seismic data |
US20100195437A1 (en) * | 2009-02-04 | 2010-08-05 | Schlumberger Technology Corporation | Velocity model for well time-depth conversion |
CN102937720A (zh) * | 2011-08-15 | 2013-02-20 | 中国石油化工股份有限公司 | 井控提高地震资料分辨率的方法 |
CN104200115A (zh) * | 2014-09-12 | 2014-12-10 | 中国石油集团川庆钻探工程有限公司地球物理勘探公司 | 一种基于地质统计学模拟的全地层速度建模方法 |
CN106646601A (zh) * | 2016-12-28 | 2017-05-10 | 中国石油化工股份有限公司 | 多信息联合约束的浅中深层三维q体建立方法 |
CN106707340A (zh) * | 2016-12-13 | 2017-05-24 | 中国石油天然气股份有限公司大港油田分公司 | 一种火山岩岩相的预测方法 |
-
2018
- 2018-10-31 CN CN201811292103.4A patent/CN109212610B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0297737A2 (en) * | 1987-06-29 | 1989-01-04 | Conoco Inc. | Three-dimensional iterative structural modeling of seismic data |
US20100195437A1 (en) * | 2009-02-04 | 2010-08-05 | Schlumberger Technology Corporation | Velocity model for well time-depth conversion |
CN102937720A (zh) * | 2011-08-15 | 2013-02-20 | 中国石油化工股份有限公司 | 井控提高地震资料分辨率的方法 |
CN104200115A (zh) * | 2014-09-12 | 2014-12-10 | 中国石油集团川庆钻探工程有限公司地球物理勘探公司 | 一种基于地质统计学模拟的全地层速度建模方法 |
CN106707340A (zh) * | 2016-12-13 | 2017-05-24 | 中国石油天然气股份有限公司大港油田分公司 | 一种火山岩岩相的预测方法 |
CN106646601A (zh) * | 2016-12-28 | 2017-05-10 | 中国石油化工股份有限公司 | 多信息联合约束的浅中深层三维q体建立方法 |
Non-Patent Citations (1)
Title |
---|
罗伟平等: "地震与测井资料自动匹配的研究", 《石油地球物理勘探》 * |
Also Published As
Publication number | Publication date |
---|---|
CN109212610B (zh) | 2021-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112241711B (zh) | 一种从钻孔岩芯照片中识别rqd的智能方法 | |
US10209401B2 (en) | Method for validating a training image for the multipoint geostatistical modeling of the subsoil | |
CN104850732B (zh) | 一种基于砂体统计学的油藏小层划分方法及装置 | |
CN106199703B (zh) | 一种微震震源自动定位及可靠性综合评价方法 | |
CN110457501B (zh) | 一种基于图像识别的岩土芯样信息编录系统 | |
CN108957530B (zh) | 一种基于地震相干体切片的裂缝自动检测方法 | |
CN107817519A (zh) | 基于重磁震综合解释技术的基底岩性识别方法及系统 | |
CN105139032B (zh) | 一种岩石的识别分类方法及系统 | |
Rammelkamp et al. | Clustering supported classification of ChemCam data from Gale crater, Mars | |
CN105301638B (zh) | 一种提取风化层底界面的方法和装置 | |
CN109447158A (zh) | 一种基于不平衡数据的Adaboost有利储层发育区预测方法 | |
CN106055636B (zh) | 一种岩石便携智能识别方法 | |
CN109212610A (zh) | 基于欧式距离近似匹配的井震数据提取方法 | |
CN108035710B (zh) | 基于数据挖掘划分深层岩石地质相的方法 | |
CN108680950B (zh) | 一种基于自适应块匹配的沙漠地震信号位置检测方法 | |
CN113111928B (zh) | 一种基于地学数据库的半监督学习矿产资源定量预测方法 | |
CN111553981B (zh) | 一种基于建模区域分类的三维地质建模方法及系统 | |
CN104155692B (zh) | 获取微地震的震源点的方法及装置 | |
CN111736217B (zh) | 地震属性融合方法及装置 | |
CN115016008A (zh) | 基于神经网络的电性源感应-极化共生效应多参数成像方法 | |
CN105467447B (zh) | 相控趋势能量匹配的地震保幅评价方法 | |
Gomez et al. | Photogrammetry-based texture analysis of a volcano clastic outcrop-peel: Low-cost alternative to TLS and automation potentialities using Haar Wavelet and spatial analysis logarithm | |
CN112990320A (zh) | 一种岩性的分类方法、装置、电子设备及存储介质 | |
CN107356970A (zh) | 一种高精度的井震数据匹配方法 | |
JP2017211950A (ja) | データ対応付け装置及び方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |