CN109242222B - 一种预测非常规天然气含量的方法、装置，电子设备及存储介质 - Google Patents

一种预测非常规天然气含量的方法、装置，电子设备及存储介质 Download PDF

Info

Publication number
CN109242222B
CN109242222B CN201811396878.6A CN201811396878A CN109242222B CN 109242222 B CN109242222 B CN 109242222B CN 201811396878 A CN201811396878 A CN 201811396878A CN 109242222 B CN109242222 B CN 109242222B
Authority
CN
China
Prior art keywords
gas content
frequency domain
domain character
unconventional gas
acoustic logging
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
Application number
CN201811396878.6A
Other languages
English (en)
Other versions
CN109242222A (zh
Inventor
郭银玲
彭苏萍
杜文凤
李冬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China University of Mining and Technology Beijing CUMTB
Yangquan Coal Industry Group Co Ltd
Original Assignee
China University of Mining and Technology Beijing CUMTB
Yangquan Coal Industry Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China University of Mining and Technology Beijing CUMTB, Yangquan Coal Industry Group Co Ltd filed Critical China University of Mining and Technology Beijing CUMTB
Priority to CN201811396878.6A priority Critical patent/CN109242222B/zh
Publication of CN109242222A publication Critical patent/CN109242222A/zh
Application granted granted Critical
Publication of CN109242222B publication Critical patent/CN109242222B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Animal Husbandry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Agronomy & Crop Science (AREA)
  • Mining & Mineral Resources (AREA)
  • General Health & Medical Sciences (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种预测非常规天然气含量的方法、装置，电子设备及存储介质，属于天然气开发技术领域。该方法包括：获取待测地质的声波测井信号；从所述声波测井信号中提取时域特征；将所述声波测井信号分解成多个信号分量；基于所述多个信号分量获得频域特征；根据所述时域特征、所述频域特征和预设的时域/频域特征与非常规天然气含量的关系模型，得到待测地质的非常规天然气含量的预测结果。由于该方法综合考虑了影响非常规天然气含量的多种特征如时域特征和频域特征，进而保证了预测结果的准确度和可信度。与现有技术相比，该方法可以同时对包含砂岩段、煤层段、泥页岩段等多层的气体含量进行预测，有利于多种气体合采的施工。

Description

一种预测非常规天然气含量的方法、装置，电子设备及存储 介质
技术领域
本发明涉及天然气开发技术领域，具体而言，涉及一种预测非常规天然气含量的方法、装置，电子设备及存储介质。
背景技术
目前存在的非常规天然气探测手段预测精度低，对于稍微复杂的地区无法准确预测。目前存在的探测手段都是针对单一目标气体进行预测，比如只对煤层段中的煤层气的含量进行预测、只对砂岩段中的砂岩气的含量进行预测、只对泥页岩段中的页岩气的含量进行预测，无法对多层地质层中的气体含量进行预测，因此无法满足多种气体合采技术要求。
发明内容
有鉴于此，本发明的目的在于提供一种预测非常规天然气含量的方法、装置，电子设备及存储介质，以有效地改善上述问题。
本发明的实施例是这样实现的：
第一方面，本实施例提供了一种预测非常规天然气含量的方法，包括：获取待测地质的声波测井信号；从所述声波测井信号中提取时域特征；将所述声波测井信号分解成多个信号分量；基于所述多个信号分量获得频域特征；根据所述时域特征、所述频域特征和预设的时域/频域特征与非常规天然气含量的关系模型，得到待测地质的非常规天然气含量的预测结果。本申请实施例中，由于该方法综合考虑了影响非常规天然气含量的多种特征如时域特征和频域特征，进而保证了预测结果的准确度和可信度。与现有技术相比，该方法可以同时对包含砂岩段、煤层段、泥页岩段等多层的气体含量进行预测，有利于多种气体合采的施工。
结合上述第一方面提供的技术方案，在一些可能的实现方式中，所述将所述声波测井信号分解成多个信号分量包括：根据经验模态分解，将所述声波测井信号分解成多个本征模态函数分量；相应的，所述基于所述多个信号分量获得频域特征包括：将所述多个本征模态函数分量进行希尔伯特黄变换，得到希尔伯特谱；基于所述希尔伯特谱获得频域特征。本申请实施例中，由于地质结构的复杂性，声波信号一般是非线性和非平稳的，因此直接从声波测井信号中提取频域信息较为困难，所以将原始的声波信号先转换为多个信号分量，再将信号分量进行转换，得到希尔伯特谱，从希尔伯特谱中便很容易获取频域信息，克服了从多层地质层的声波测井信号中提取频域信息的难题，进而使得方法可以同时对包含砂岩段、煤层段、泥页岩段等多层的气体含量进行预测，有利于多种气体合采的施工。
结合上述第一方面提供的技术方案，在一些可能的实现方式中，所述频域特征均包括：重心频率、频率方差、均方频率、频率标准差和均方根频率。本申请实施例中的五个频域特征对于气体含量具有较强的敏感性，为后续对非常规天然气含量的预测提供了准确、可靠的数据，进而从源头上保证了预测结果的可信度和准确性。
结合上述第一方面提供的技术方案，在一些可能的实现方式中，从所述声波测井信号中提取时域特征包括：从所述声波测井信号中提取均值、标准差、方差、偏斜度指标、峭度指标、峰－峰值、峰值、均方幅值、平均幅值、方根幅值、波形指标、峰值指标、脉冲指数和裕度指标。本申请实施例中，通过提取对于气体含量具有较强的敏感性的均值、标准差、方差、偏斜度指标、峭度指标、峰－峰值、峰值、均方幅值、平均幅值、方根幅值、波形指标、峰值指标、脉冲指数和裕度指标，为后续对非常规天然气含量的预测提供了准确、可靠的数据，进而从源头上保证了预测结果的可信度和准确性。
结合上述第一方面提供的技术方案，在一些可能的实现方式中，通过以下步骤确定所述预设的时域/频域特征与非常规天然气含量的关系模型，包括：获取已知非常规天然气含量的地质的声波测井信号；根据所述已知非常规天然气含量的地质的声波测井信号提取目标时域特征和目标频域特征；根据所述目标时域特征、所述目标频域特征以及所述非常规天然气含量建立所述关系模型。本申请实施例中，通过对已知非常规天然气含量的地质进行声波测井，分析声波测井信号与非常规天然气含量的关系，建立关系模型，以便后期基于这种关系来对未知地质的非常规天然气含量进行预测，简化了预测的流程，由于采用统一预测标准对不同待测地质进行预测，消除了因预测标准不同所引发的预测结果存在差异性的问题。
第二方面，本实施例提供一种预测非常规天然气含量的装置，包括：获取模块：用于获取待测地质的声波测井信号；处理模块：用于从所述声波测井信号中提取时域特征，并将所述声波测井信号分解成多个信号分量，再基于所述多个信号分量获得频域特征；预测模块：用于根据所述时域特征、所述频域特征和预设的时域/频域特征与非常规天然气含量的关系模型，得到待测地质的非常规天然气含量的预测结果。
结合上述第二方面提供的技术方案，在一些可能的实现方式中，所述处理模块还用于根据经验模态分解，将所述声波测井信号分解成多个本征模态函数分量，相应的，所述处理模块还用于将所述多个本征模态函数分量进行希尔伯特黄变换，得到希尔伯特谱；基于所述希尔伯特谱获得频域特征。
结合上述第二方面提供的技术方案，在一些可能的实现方式中，所述预测模块还用于获取已知非常规天然气含量的地质的声波测井信号；根据所述已知非常规天然气含量的地质的声波测井信号提取目标时域特征和目标频域特征；根据所述目标时域特征、所述目标频域特征以及所述非常规天然气含量建立所述关系模型。
第三方面，本实施例提供一种电子设备，包括：处理器和存储器，所述处理器与所述存储器耦合。所述存储器用于存储程序。所述处理器用于调用存储在所述存储器中的程序，执行上述第一方面实施例和/或结合第一方面实施例下的一些可能的实现方式提供的路径规划方法。
第四方面，本发明实施例提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序在被处理器运行时，执行上述第一方面实施例和/或结合第一方面实施例下的一些可能的实现方式提供的路径规划方法。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的一种电子设备的结构框图；
图2为本发明实施例提供的一种预测非常规天然气含量的方法的流程图；
图3为本发明实施例提供的一种确定所述预设的时域/频域特征与非常规天然气含量的关系模型的流程图；
图4为本发明实施例提供的一种预测非常规天然气含量的装置的模块框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本发明实施例的描述中，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
第一实施例
如图1所示，图1示出了本发明实施例提供的一种电子设备100的结构框图。所述电子设备100包括：预测非常规天然气含量的装置110、存储器120、存储控制器130和处理器140。
所述存储器120、存储控制器130、处理器140各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述预测非常规天然气含量的装置110包括至少一个可以软件或固件(firmware)的形式存储于所述存储器120中或固化在所述电子设备100的操作系统(operating system，OS)中的软件功能模块。所述处理器140用于执行存储器120中存储的可执行模块，例如所述预测非常规天然气含量的装置110包括的软件功能模块或计算机程序。
其中，存储器120可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read－Only Memory，PROM)，可擦除只读存储器(Erasable Programmable Read－Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read－Only Memory，EEPROM)等。其中，存储器120用于存储程序，所述处理器140在接收到执行指令后，执行所述程序，后述本发明实施例任一实施例揭示的流程定义的电子设备100所执行的方法可以应用于处理器140中，或者由处理器140实现。
处理器140可能是一种集成电路芯片，具有信号的处理能力。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
第二实施例
请参阅图2，图2为本发明实施例提供的一种预测非常规天然气含量的方法的流程图，本实施例提供一种预测非常规天然气含量的方法，所述方法包括：步骤S101－S105。
步骤S101：获取待测地质的声波测井信号。
想要获知某个地质中的非常规天然气含量时，可以在待测地质处挖一呈井状的深槽，将一受控声源，放入待测地质的底部，声源发出声波引起周围的振动，产生体波和界面波，这些波作为地层信息的载体，被接收器接收，从而便可得到待测地质的声波测井信号，并将其存储在数据库中，以便后期对待测地质中的非常规天然气含量进行预测。
步骤S102：从所述声波测井信号中提取时域特征。
根据声波测井信号中的时域信息，提取时域信息中的时域特征。由于含气量高的地层，时域上的声波速度会降低，因此可根据时域特征来对非常规天然气含量进行预测。
可选地，从所述声波测井信号中提取对于气体含量具有较强的敏感性的均值、标准差、方差、偏斜度指标、峭度指标、峰－峰值、峰值、均方幅值、平均幅值、方根幅值、波形指标、峰值指标、脉冲指数和裕度指标这14种参数。可以理解的是，提取的时域信息中的这14种时域特征是与非常规天然气含量相关性较高的特征。比如A地的某一地质层含气量高，方差大，A地的另一地质层含气量低，方差小，那么方差与非常规天然气含量的相关性就较高。可以理解的是，根据声波测井信号提取到的时域特征可以是14种，但不限于14种，可根据不同情况提取不同数量的时域特征，比如，可以是12种、13种，也可以是15种、16种，对此，本申请不作限定。
本申请实施例中，综合考虑了对于气体含量具有较强的敏感性的多种不同维度的时域特征，为后续对非常规天然气含量的预测提供了较为准确的数据。
步骤S103：将所述声波测井信号分解成多个信号分量。
由于含气量高的地层，频率会降低，因此可根据频域特征来对非常规天然气含量进行预测。由于地质结构的复杂性，声波信号一般是非线性和非平稳的，因此直接从声波测井信号中提取频域信息较为困难，对此可以先将所述声波测井信号分解成多个信号分量，然后在多个信号分量中提取频域信息。由于克服了从多层地质层的声波测井信号中提取频域信息的难题，进而使得方法可以同时对包含砂岩段、煤层段、泥页岩段等多层的气体含量进行预测，有利于多种气体合采的施工。
可选地，可以通过希尔伯特黄变换对声波信号进行处理，根据经验模态分解，将所述声波测井信号分解成多个信号分量。
例如，可以将声波测井信号作为原始信号s(t)，然后找出原始信号s(t)所有的极值点并将其用三次样条函数插值成为原数据序列的上包络线s_max(t)和下包络线s_min(t)，并求出其上包络线和下包络线的平均值m1(t)。
其次将原数据序列减去平均包络后，得到一个新的数据序列。
h1(t)＝s(t)-m1(t) (1)
将函数h1(t)被视为新的原始信号，迭代上述过程k次，直到平均包络接近零。第一个本征模态函数(Intrinsic Mode Function，IMF)分量x1(t)可以指定为：
x1(t)＝h1(k-1)(t)-m1(k-1)(t) (2)
原始信号s(t)和x1(t)之间的残差r1(t)被视为新的输入数据。重复上述过程，直到剩余的rj(t)变为单调函数，从中不再能够提取IMF。
通过上述计算便可以将原始信号分解成了多个IMF信号分量。
步骤S104：基于所述多个信号分量获得频域特征。
根据经验模态分解，将所述声波测井信号分解成多个本征模态函数分量，相应的，将上述多个本征模态函数分量进行希尔伯特黄变换，得到希尔伯特谱，基于所述希尔伯特谱获得频域特征。可选地，所述频域特征均包括：重心频率、频率方差、均方频率、频率标准差和均方根频率。可以理解的是，提取到的频域特征可以是这5种，但不限于5种，可根据不同情况提取不同数量的时域特征，比如，可以是4种，也可以是3种，对此，本申请不作限定。
步骤S105：根据所述时域特征、所述频域特征和预设的时域/频域特征与非常规天然气含量的关系模型，得到待测地质的非常规天然气含量的预测结果。
根据待测地质获取到的声波测井信号，提取声波测井信号中的具有较强的敏感性的时域和频域特征，将时域和频域特征输入到预设的时域/频域特征与非常规天然气含量的关系模型中，得到待测地质的非常规天然气含量的预测结果。
可选地，提取14个时域特征和5个频域特征，将这14种时域特征和5个频域特征和预设的时域/频域特征输入到预设的时域/频域特征与非常规天然气含量的关系模型中，即可得到待测地质的非常规天然气含量的预测结果。
其中，请参阅图3，可选地，可以通过以下步骤确定所述预设的时域/频域特征与非常规天然气含量的关系模型，步骤包括：步骤S301－S303。
步骤S301：获取已知非常规天然气含量的地质的声波测井信号。
在已知非常规天然气含量的地质位置处挖一呈井状的深槽，将一受控声源，放入待测地质的底部，声源发出声波引起周围的振动，产生体波和界面波，这些波作为地层信息的载体，被接收器接收，从而便可得到已知非常规天然气含量的地质的声波测井信号，并将其存储在数据库中，以便后期对待测地质中的非常规天然气含量进行预测。
需要说明的是，待测地质与已知非常规天然气含量的地质应属于同一区域，本发明是根据已知非常规天然气含量的地质来预测同一区域下其他地区的非常规天然气含量的，比如根据A区域内的某一地区的非常规天然气含量来预测A区域内其他地区的非常规天然气含量，又比如根据B区域内的某一地区的非常规天然气含量来预测B区域内其他地区的非常规天然气含量。由于不同的地质结构上的差异，因此，对不同的区域进行研究时，应先获取该区域已知非常规天然气含量的地质的声波测井信号。
步骤S302：根据所述已知非常规天然气含量的地质的声波测井信号提取目标时域特征和目标频域特征。
本步骤中提取目标时域特征和目标频域特征的方式与上述提取时域特征和频域特征的方式一致，相同部分可参考步骤S102－S104，为了避免累赘，在此不再阐述。需要说明的是，本步骤中提取到的时域特征和频域特征，首先需要对其进行筛选，优选出对于气体含量具有较强的敏感性的时域特征和频域特征，舍去对于气体含量无变化或者变化较小的时域特征和频域特征，将这些特征作为建立模型的参数，后续对未知地质进行提取特征时，只需提取优选出的对于气体含量具有较强的敏感性的时域特征和频域特征即可，节约了地质工作人员的时间，不必每次都对所有特征进行提取。
步骤S303：根据所述目标时域特征、所述目标频域特征以及所述非常规天然气含量建立所述关系模型。
根据上述步骤提取了目标时域特征和目标频域特征，所述目标时域特征包括均值、标准差、方差、偏斜度指标、峭度指标、峰－峰值、峰值、均方幅值、平均幅值、方根幅值、波形指标、峰值指标、脉冲指数和裕度指标。所述目标频域特征包括重心频率、频率方差、均方频率、频率标准差和均方根频率。根据提取的14个目标时域特征和5个目标频域特征以及已知非常规天然气含量建立关系模型。
可选地，根据提取的14个目标时域特征和5个目标频域特征以及已知非常规天然气含量建立支持向量机模型。由于建立支持向量机模型时特征数据比较多，因此为了避免穷举法在选择核函数和惩罚参数时计算时的复杂度和不稳定性，使用遗传算法对支持向量机的核函数和惩罚参数进行了优化。
将通过步骤S102－S104获取的待测地质的时域特征和频域特征输入到支持向量机模型中，得到待测地质的非常规天然气含量的预测结果。需要说明的是，待测地质与已知非常规天然气含量的地质应属于同一区域。为了避免预测结果误差过大，对不同区域进行气体含量预测时应建立不同的支持向量机模型。
作为一种可选的实施方式，根据所述目标时域特征、所述目标频域特征以及所述非常规天然气含量建立关系表。
每一个目标时域特征对应一个非常规天然气含量数据，相应的，每一个目标频域特征也都对应一个非常规天然气含量数据，根据对应关系建立一个目标时域特征、所述目标频域特征以及所述非常规天然气含量的关系表。将步骤S102－S104获取的待测地质的时域特征和频域特征通过关系表进行对比分析，得到待测地质的非常规天然气含量的预测结果。需要说明的是，待测地质与已知非常规天然气含量的地质应属于同一区域。为了避免预测结果误差过大，对不同区域进行气体含量预测时应建立不同的关系表。
本发明提供的一种预测非常规天然气含量的方法，首先获取待测地质的声波测井信号，然后从所述声波测井信号中提取时域特征，同时将所述声波测井信号分解成多个信号分量，基于所述多个信号分量获得频域特征，最后根据所述时域特征、所述频域特征和预设的时域/频域特征与非常规天然气含量的关系模型，得到待测地质的非常规天然气含量的预测结果。与现有技术相比，通过该方法可以同时对深度方向的砂岩段、煤层段、泥页岩段等多层的气体含量进行预测，有利于多种气体合采的施工。由于从声波测井信号中提取的时域和频域特征对于气体含量具有较强的敏感性，因此通过时域特征和频域特征来对气体含量进行预测精度更高。
第三实施例
请参阅图4，本实施例提供一种预测非常规天然气含量的装置110，包括：获取模块111、处理模块112和预测模块113。
所述获取模块111用于获取待测地质的声波测井信号。所述处理模块112用于从所述声波测井信号中提取时域特征，并将所述声波测井信号分解成多个信号分量，再基于所述多个信号分量获得频域特征。所述预测模块用于根据所述时域特征、所述频域特征和预设的时域/频域特征与非常规天然气含量的关系模型，得到待测地质的非常规天然气含量的预测结果。
可选地，所述处理模块112还用于根据经验模态分解，将所述声波测井信号分解成多个本征模态函数分量，相应的，所述处理模块112还用于将所述多个本征模态函数分量进行希尔伯特黄变换，得到希尔伯特谱；基于所述希尔伯特谱获得频域特征。
可选地，所述预测模块113还用于获取已知非常规天然气含量的地质的声波测井信号；根据所述已知非常规天然气含量的地质的声波测井信号提取目标时域特征和目标频域特征；根据所述目标时域特征、所述目标频域特征以及所述非常规天然气含量建立所述关系模型。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，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装置、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方式中，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动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。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read－Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种预测非常规天然气含量的方法，其特征在于，包括：
获取待测地质的声波测井信号；
从所述声波测井信号中提取时域特征；其中，所述时域特征包括：均值、标准差、方差、偏斜度指标、峭度指标、峰－峰值、峰值、均方幅值、平均幅值、方根幅值、波形指标、峰值指标、脉冲指数和裕度指标；
将所述声波测井信号分解成多个信号分量；
基于所述多个信号分量获得频域特征；其中，所述频域特征均包括：重心频率、频率方差、均方频率、频率标准差和均方根频率；
根据所述时域特征、所述频域特征和预设的时域/频域特征与非常规天然气含量的关系模型，得到待测地质的非常规天然气含量的预测结果；
其中，通过以下步骤确定所述预设的时域/频域特征与非常规天然气含量的关系模型，包括：获取已知非常规天然气含量的地质的声波测井信号；根据所述已知非常规天然气含量的地质的声波测井信号提取目标时域特征和目标频域特征；根据所述目标时域特征、所述目标频域特征以及所述非常规天然气含量建立所述关系模型。
2.根据权利要求1所述的预测非常规天然气含量的方法，其特征在于，所述将所述声波测井信号分解成多个信号分量包括：
根据经验模态分解，将所述声波测井信号分解成多个本征模态函数分量；相应的，所述基于所述多个信号分量获得频域特征包括：
将所述多个本征模态函数分量进行希尔伯特黄变换，得到希尔伯特谱；
基于所述希尔伯特谱获得频域特征。
3.一种预测非常规天然气含量的装置，其特征在于，包括：
获取模块：用于获取待测地质的声波测井信号；
处理模块：用于从所述声波测井信号中提取时域特征，并将所述声波测井信号分解成多个信号分量，再基于所述多个信号分量获得频域特征；其中，所述时域特征包括：均值、标准差、方差、偏斜度指标、峭度指标、峰－峰值、峰值、均方幅值、平均幅值、方根幅值、波形指标、峰值指标、脉冲指数和裕度指标；其中，所述频域特征均包括：重心频率、频率方差、均方频率、频率标准差和均方根频率；
预测模块：用于根据所述时域特征、所述频域特征和预设的时域/频域特征与非常规天然气含量的关系模型，得到待测地质的非常规天然气含量的预测结果；其中，通过以下步骤确定所述预设的时域/频域特征与非常规天然气含量的关系模型，包括：获取已知非常规天然气含量的地质的声波测井信号；根据所述已知非常规天然气含量的地质的声波测井信号提取目标时域特征和目标频域特征；根据所述目标时域特征、所述目标频域特征以及所述非常规天然气含量建立所述关系模型。
4.根据权利要求3所述的预测非常规天然气含量的装置，其特征在于，所述处理模块还用于根据经验模态分解，将所述声波测井信号分解成多个本征模态函数分量，相应的，所述处理模块还用于将所述多个本征模态函数分量进行希尔伯特黄变换，得到希尔伯特谱；基于所述希尔伯特谱获得频域特征。
5.一种电子设备，其特征在于，包括：处理器和存储器，所述处理器和所述存储器耦合；
所述存储器用于存储程序；
所述处理器用于调用存储在所述存储器中的程序，执行所述权利要求1－2中任一项所述的方法。
6.一种存储介质，其特征在于，其上存储有计算机程序，所述计算机程序在被处理器运行时执行如权利要求1－2中任一项所述的方法。
CN201811396878.6A 2018-11-21 2018-11-21 一种预测非常规天然气含量的方法、装置，电子设备及存储介质 Expired - Fee Related CN109242222B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811396878.6A CN109242222B (zh) 2018-11-21 2018-11-21 一种预测非常规天然气含量的方法、装置，电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811396878.6A CN109242222B (zh) 2018-11-21 2018-11-21 一种预测非常规天然气含量的方法、装置，电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN109242222A CN109242222A (zh) 2019-01-18
CN109242222B true CN109242222B (zh) 2019-07-16

Family

ID=65075788

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811396878.6A Expired - Fee Related CN109242222B (zh) 2018-11-21 2018-11-21 一种预测非常规天然气含量的方法、装置，电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN109242222B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106779140A (zh) * 2016-11-15 2017-05-31 红有软件股份有限公司 一种非常规天然气煤层气井产能分析及产量预测的方法
CN106761677A (zh) * 2017-03-09 2017-05-31 长江大学 页岩气水平井单井产能的测井预测方法
CN107605474A (zh) * 2017-09-15 2018-01-19 中石化石油工程技术服务有限公司 一种随钻预测气层产量的方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8831885B2 (en) * 2010-10-25 2014-09-09 Baker Hughes Incorporated Integrated radioactive source-free method and apparatus for porosity determination: NMR calibrated acoustic porosity

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106779140A (zh) * 2016-11-15 2017-05-31 红有软件股份有限公司 一种非常规天然气煤层气井产能分析及产量预测的方法
CN106761677A (zh) * 2017-03-09 2017-05-31 长江大学 页岩气水平井单井产能的测井预测方法
CN107605474A (zh) * 2017-09-15 2018-01-19 中石化石油工程技术服务有限公司 一种随钻预测气层产量的方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于AVO反演技术的煤层含气量预测;彭苏萍 等;《煤炭学报》;20140930;第39卷(第9期);1792-1796 *

Also Published As

Publication number Publication date
CN109242222A (zh) 2019-01-18

Similar Documents

Publication Publication Date Title
RU2601535C1 (ru) Идентификация кластеров ориентации по микросейсмическим данным
CN104769215A (zh) 用于特征化地下储层裂缝网络中的不确定性的系统和方法
CN109100796A (zh) 一种天然气水合物地震数据处理方法及装置
CN107340536B (zh) 地震反演剥离煤层强反射的方法和装置
RU2631407C1 (ru) Способ и устройство для обработки сейсмических сигналов
CN108680955B (zh) 一种岩性识别方法及识别系统
CN107807396B (zh) 地层基质电阻率的确定方法和装置
CN112882100B (zh) 一种储层参数确定方法、装置、电子设备和存储介质
CN110414723A (zh) 基于微震事件的裂缝油气藏历史拟合的方法、装置及系统
CN108375785B (zh) 裂缝带位置校正方法及装置
CA2895222A1 (en) Normalization seismic attribute
CN105301638B (zh) 一种提取风化层底界面的方法和装置
CN107656315B (zh) 储层流体因子的确定方法和装置
CN109242222B (zh) 一种预测非常规天然气含量的方法、装置，电子设备及存储介质
CN106443773B (zh) 一种压制地震剖面数据中煤层屏蔽效应的方法及装置
CN103308945B (zh) 一种陆地勘探初至前噪声的模拟产生与预测方法
CN106125133B (zh) 一种基于气云区约束下的精细速度建模方法
CN106338767A (zh) 多参数地震属性分析方法及系统
CN106934725A (zh) 岩石储层中值半径预测模型建立方法、装置及系统
Liu et al. Applications of bootstrap method for drilling site noise analysis and evaluation
CN111025393B (zh) 针对含薄煤层地层的储层预测方法、装置、设备及介质
CN113327070A (zh) 智能勘查煤系气的方法、装置及电子设备
Rabinovich et al. Modeling of a reservoir fracture zone formed by hydraulic fracturing
CN107976712B (zh) 地质界面的确定方法和装置
NO20190217A1 (en) Correcting biases in microseismic-event data

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
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: 20190716