CN111751882B - 生成敏感岩石物理参数的方法和装置 - Google Patents
生成敏感岩石物理参数的方法和装置 Download PDFInfo
- Publication number
- CN111751882B CN111751882B CN202010395999.XA CN202010395999A CN111751882B CN 111751882 B CN111751882 B CN 111751882B CN 202010395999 A CN202010395999 A CN 202010395999A CN 111751882 B CN111751882 B CN 111751882B
- Authority
- CN
- China
- Prior art keywords
- determining
- value
- boundary
- parameters
- loss function
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 239000011435 rock Substances 0.000 title abstract description 19
- 238000005192 partition Methods 0.000 claims abstract description 62
- 230000004913 activation Effects 0.000 claims abstract description 25
- 238000007477 logistic regression Methods 0.000 claims abstract description 18
- 230000011218 segmentation Effects 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 93
- 238000005070 sampling Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 238000005755 formation reaction Methods 0.000 claims 1
- 239000012530 fluid Substances 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 28
- 230000004048 modification Effects 0.000 description 8
- 238000012986 modification Methods 0.000 description 8
- 230000014509 gene expression Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 239000004215 Carbon black (E152) Substances 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 229930195733 hydrocarbon Natural products 0.000 description 3
- 150000002430 hydrocarbons Chemical class 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000005056 compaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
-
- 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. for interpretation or for event detection
-
- 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. for interpretation or for event detection
- G01V1/30—Analysis
- G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
-
- 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. for interpretation or for event detection
- G01V1/30—Analysis
- G01V1/307—Analysis for determining seismic attributes, e.g. amplitude, instantaneous phase or frequency, reflection strength or polarity
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种生成敏感岩石物理参数的方法和装置,该方法包括:将分岩性交会图进行数值编码,确定泥岩和气层的编码标签;随机初始化边界分割线参数,确定初始回归线,将泥岩和气层的编码标签代入激活函数进行逻辑回归,确定回归结果;根据回归结果,确定损失函数;根据损失函数,迭代更新边界分割线参数,直至损失函数达到设定值,确定最优边界分割线参数;根据最优边界分割线参数,确定坐标旋转角度。本发明实施例基于已知的分岩性交会图,建立最佳的坐标旋转角度,精度高,不受人为因素影响,确保通过坐标轴旋转生成的新的敏感岩石物理参数、属性具有最高的储层、流体识别精度。
Description
技术领域
本发明涉及油气物探工程技术领域,尤其涉及一种生成敏感岩石物理参数的方法和装置。
背景技术
本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
随着地震勘探技术的发展,利用叠前AVO分析和地震反演技术能够较为准确地得到地层的纵波阻抗、横波阻抗、纵横波速度比和泊松比等属性参数,但要反演精确的岩石密度参数,则需要有稳定的叠前地震道集远炮检距振幅信息(一般要求入射角大于40°),要做到这点难度较大。密度和泊松比参数在储层描述中非常重要,后来有人把泊松比和密度这两种重要属性融入到单一属性中,称为泊松阻抗,且这种组合属性对地震远炮检距振幅信息的稳定性没有要求,广泛用于储层预测和油气检测。
在时实践中,可以将泊松比和密度的组合属性定名为泊松阻抗。国内地球物理学者孙喜新、解吉高将泊松阻抗用于平湖砂岩气藏检测,取得了较好的效果。随着储层预测和流体检测研究的深入,发现利用泊松阻抗属性进行储层预测具有以下优点:①与纵波阻抗、横波阻抗、纵横波速度比、泊松比等属性相比,泊松阻抗能较好地消除其他弹性参数随着地层埋深增加而存在明显的压实背景趋势的影响;②常用纵波阻抗与纵横波速度比的交会分析描述孔隙内的流体特征,一般需要同时确定含油气储层的纵波阻抗和纵横波速度比两个数据体的数值范围,才能有效地刻画含油气储层,而泊松阻抗可以作为油气指示的唯一指示值,即用泊松阻抗一种数据就可以把含油气储层在数值剖面中简单、直观地表现出来,进而实现储层预测和流体检测。
现有技术中目前计算泊松阻抗、AVO属性的坐标旋转角度是根据经验或者人为画定区分线来确定的。这中方法人为因素影响大、经验值往往不适合不同地区、不同目的层段,导致岩性、流体识别结果精度欠佳。
因此,如何提供一种新的方案,其能够解决上述技术问题是本领域亟待解决的技术难题。
发明内容
本发明实施例提供一种生成敏感岩石物理参数的方法,实现了坐标旋转角度的精确计算求取,包括:
将分岩性交会图进行数值编码,确定泥岩和气层的编码标签;
随机初始化边界分割线参数,确定初始回归线,将泥岩和气层的编码标签代入激活函数进行逻辑回归,确定回归结果;
根据回归结果,确定损失函数;
根据损失函数,迭代更新边界分割线参数,直至损失函数达到设定值,确定最优边界分割线参数;
根据最优边界分割线参数,确定坐标旋转角度。
本发明实施例还提供一种生成敏感岩石物理参数的装置,包括:
数值编码模块,用于将分岩性交会图进行数值编码,确定泥岩和气层的编码标签;
回归结果确定模块,用于随机初始化边界分割线参数,确定初始回归线,将泥岩和气层的编码标签代入激活函数进行逻辑回归,确定回归结果;
损失函数确定模块,用于根据回归结果,确定损失函数;
最优边界分割线参数确定模块,用于根据损失函数,迭代更新边界分割线参数,直至损失函数达到设定值,确定最优边界分割线参数;
坐标旋转角度确定模块,用于根据最优边界分割线参数,确定坐标旋转角度。
本发明实施例还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述生成敏感岩石物理参数的方法。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有执行实现上述生成敏感岩石物理参数的方法的计算机程序。
本发明实施例提供的一种生成敏感岩石物理参数的方法和装置,利用将分岩性交会图进行数值编码,确定了泥岩和气层的编码标签,然后随机初始化边界分割线参数,确定初始回归线,将前述获得的泥岩和气层的编码标签代入激活函数进行逻辑回归,确定回归结果,再根据回归结果,确定损失函数;接着根据损失函数,迭代更新边界分割线参数,直至损失函数达到设定值,确定最优边界分割线参数;最后,根据最优边界分割线参数,确定坐标旋转角度。本发明实施例基于已知的分岩性交会图,建立最佳的坐标旋转角度,精度高,不受人为因素影响,确保通过坐标轴旋转生成的新的敏感岩石物理参数、属性具有最高的储层、流体识别精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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的附图。在附图中:
图1为本发明实施例一种生成敏感岩石物理参数的方法示意图。
图2a-图2j为本发明实施例一种生成敏感岩石物理参数的方法在不同迭代次数下根据边界分割线参数求取的边界分割线示意图。
图3为未使用本发明实施例一种生成敏感岩石物理参数的方法得到的分类图。
图4为使用本发明实施例一种生成敏感岩石物理参数的方法的得到的分类图。
图5为利用本发明实施例一种生成敏感岩石物理参数的方法得到的坐标旋转角度所构建的泊松阻抗进行气层识别的结果。
图6为运行本发明实施的一种生成敏感岩石物理参数的方法的计算机装置示意图。
图7为本发明实施例一种生成敏感岩石物理参数的装置示意图。
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明白,下面结合附图对本发明实施例做进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。
图1为本发明实施例一种生成敏感岩石物理参数的方法示意图。如图1所示,本发明实施例提供一种生成敏感岩石物理参数的方法,实现了坐标旋转角度的自动精确计算求取,包括:
步骤101:将分岩性交会图进行数值编码,确定泥岩和气层的编码标签;
步骤102:随机初始化边界分割线参数,确定初始回归线,将泥岩和气层的编码标签代入激活函数进行逻辑回归,确定回归结果;
步骤103:根据回归结果,确定损失函数;
步骤104:根据损失函数,迭代更新边界分割线参数,直至损失函数达到设定值,确定最优边界分割线参数;
步骤105:根据最优边界分割线参数,确定坐标旋转角度。
本发明实施例提供的一种生成敏感岩石物理参数的方法,利用将分岩性交会图进行数值编码,确定了泥岩和气层的编码标签,然后随机初始化边界分割线参数,确定初始回归线,将前述获得的泥岩和气层的编码标签代入激活函数进行逻辑回归,确定回归结果,再根据回归结果,确定损失函数;接着根据损失函数,迭代更新边界分割线参数,直至损失函数达到设定值,确定最优边界分割线参数;最后,根据最优边界分割线参数,确定坐标旋转角度。本发明实施例基于已知的分岩性交会图,建立最佳的坐标旋转角度,精度高,不受人为因素影响,确保通过坐标轴旋转生成的新的敏感岩石物理参数、属性具有最高的储层、流体识别精度。
在具体实施时,本发明实施例的一种生成敏感岩石物理参数的方法,可以包括:
将分岩性交会图进行数值编码,确定泥岩和气层的编码标签;随机初始化边界分割线参数,确定初始回归线,将泥岩和气层的编码标签代入激活函数进行逻辑回归,确定回归结果;根据回归结果,确定损失函数;根据损失函数,迭代更新边界分割线参数,直至损失函数达到设定值,确定最优边界分割线参数;根据最优边界分割线参数,确定坐标旋转角度。
在具体实施本发明实施例提供的一种生成敏感岩石物理参数的方法时,在一个实施例中,将分岩性交会图进行数值编码,确定泥岩和气层的编码标签,包括:
将分岩性交会图中的数据点按照泥岩和气层进行分类,令泥岩的数据点数值编码标签为0,令气层的数据点数值编码标签为1。
实施例中,将分岩性的数据点进行数值编码,泥岩的编码标签为0(y=0),气层的编码标签为1(y=1)。
在具体实施本发明实施例提供的一种生成敏感岩石物理参数的方法时,在一个实施例中,按照如下方式,确定回归结果:
θTX=θ0+θ1x1+θ2x2
其中,hθ(x)为回归结果;θ0、θ1、θ2为边界分割线参数;x为样点对应的x1与x2的值,其中,x1为样点在交会图中对应的横坐标值,x2为样点在交会图中对应的纵坐标值。
前述提到的确定回归结果的表达式为举例说明,本领域技术人员可以理解,在实施时还可以根据需要对上述公式进行一定形式的变形和添加其它的参数或数据,或者提供其它的具体公式,这些变化例均应落入本发明的保护范围。
在具体实施本发明实施例提供的一种生成敏感岩石物理参数的方法时,在一个实施例中,还包括:在激活函数进行逻辑回归时,当激活函数的值大于0.5时,回归结果的值等于1;当激活函数的值小于等于0.5时,回归结果的值等于0。
实施例中,随机初始化θ0、θ1、θ2这三个边界分割线参数,得到初始的回归线。并将图中的散点对应的x1与x2的值代入θTX中,并将θTX的值代入激活函数Sigmoid中,得到上述的确定回归结果的公式中;当此函数值大于0.5时,hθ(x)=1,小于等于0.5时,hθ(x)=0。
在具体实施本发明实施例提供的一种生成敏感岩石物理参数的方法时,在一个实施例中,按照如下方式,确定损失函数:
其中,J(θ)为损失函数;hθ(x)为回归结果;m为样点数;x为样点对应的x1与x2的值,其中,x1为样点在交会图中对应的横坐标值,x2为样点在交会图中对应的纵坐标值;y为已知的岩性编码0或1,根据泥岩和气层的编码标签获得。
前述提到的确定损失函数的表达式为举例说明,本领域技术人员可以理解,在实施时还可以根据需要对上述公式进行一定形式的变形和添加其它的参数或数据,或者提供其它的具体公式,这些变化例均应落入本发明的保护范围。
在实施例中,按照如下方式构建损失函数:
假定上述确定损失函数表达式是等于类1的概率,则等于类0的概率等于1减去等于类1的概率,如下所述:
将上面两个式子合并成一个公式:
P(c=y|x;θ)=(hθ(x))y(1-hθ(x))1-y
对于m个样本数,其似然函数为:
为了方便计算,取对数得:
求上式的极大值,引入因子-1/m,转化为求下式的极小值:
最终如上式所示,构建了损失函数。
前述提到的损失函数的表达式及构建过程为举例说明,本领域技术人员可以理解,在实施时还可以根据需要对上述公式进行一定形式的变形和添加其它的参数或数据,或者提供其它的具体公式,这些变化例均应落入本发明的保护范围。
在具体实施本发明实施例提供的一种生成敏感岩石物理参数的方法时,在一个实施例中,根据损失函数,迭代更新边界分割线参数,直至损失函数达到设定值,确定最优边界分割线参数,包括:
采用梯度下降算法,迭代更新边界分割线参数,直至损失函数的值达到最小,迭代完成,确定最优边界分割线参数。
实施例中,迭代更新边界分割线参数θ0、θ1、θ2后,在迭代次数内,再重复执行前述激活函数进行逻辑回归,直到损失函数的值最小,迭代完成后,会得到一个最优的参数边界分割线参数。
图2a-图2j为本发明实施例一种生成敏感岩石物理参数的方法在不同迭代次数下根据边界分割线参数求取的边界分割线示意图,其中,图2a为迭代0次时根据边界分割线参数求取的边界分割线示意图,图2b为迭代100次时根据边界分割线参数求取的边界分割线示意图,图2c为迭代200次时根据边界分割线参数求取的边界分割线示意图,图2d为迭代300次时根据边界分割线参数求取的边界分割线示意图,图2e为迭代400次时根据边界分割线参数求取的边界分割线示意图,图2f为迭代500次时根据边界分割线参数求取的边界分割线示意图,图2g为迭代600次时根据边界分割线参数求取的边界分割线示意图,图2h为迭代700次时根据边界分割线参数求取的边界分割线示意图,图2i为迭代800次时根据边界分割线参数求取的边界分割线示意图,图2j为迭代900次时根据边界分割线参数求取的边界分割线示意图。如图2f所示,经过500次迭代后,基本上可以找到较为准确的泥岩与气层的边界分割线。
在具体实施本发明实施例提供的一种生成敏感岩石物理参数的方法时,在一个实施例中,按照如下方式,更新边界分割线参数:
其中,“θj:”为更新后的边界分割线参数;“θj”为更新前的边界分割线参数;hθ(x)为回归结果;x为样点对应的x1与x2的值,其中,x1为样点在交会图中对应的横坐标值,x2为样点在交会图中对应的纵坐标值;y为已知的岩性编码0或1,根据泥岩和气层的编码标签获得;m为样点数;α为超参数,根据计算模型进行调整。
前述提到的更新边界分割线参数的表达式为举例说明,本领域技术人员可以理解,在实施时还可以根据需要对上述公式进行一定形式的变形和添加其它的参数或数据,或者提供其它的具体公式,这些变化例均应落入本发明的保护范围。
实施例中,按照如下方式,构建更新边界分割线参数公式:
其中,“θj:”为更新后的边界分割线参数;“θj”为更新前的边界分割线参数;hθ(x)为回归结果;x为样点对应的x1与x2的值,其中,x1为样点在交会图中对应的横坐标值,x2为样点在交会图中对应的纵坐标值;y为已知的岩性编码0或1,根据泥岩和气层的编码标签获得;m为样点数;α为超参数,根据计算模型进行调整。
前述提到的构建更新边界分割线参数公式的表达式为举例说明,本领域技术人员可以理解,在实施时还可以根据需要对上述公式进行一定形式的变形和添加其它的参数或数据,或者提供其它的具体公式,这些变化例均应落入本发明的保护范围。
在具体实施本发明实施例提供的一种生成敏感岩石物理参数的方法时,在一个实施例中,根据最优边界分割线参数,确定坐标旋转角度,包括:
根据最优边界分割线参数,确定边界线斜率;
对边界线斜率求取反正切函数,确定坐标旋转角度。
实施例中,确定边界线斜率为-θ1/θ2,对边界线斜率求取反正切函数,确定坐标旋转角度。
经过四川盆地、鄂尔多斯盆地的多个气田的实际数据验证表明,本发明实施例所陈述的方法具有储层、岩性识别高的优点。
图3为未使用本发明实施例一种生成敏感岩石物理参数的方法得到的分类图,从图3中可以看到,单利用纵波阻抗与横波阻抗很难识别气层(空心圈点)与泥岩(实心圈点)。
图4为使用本发明实施例一种生成敏感岩石物理参数的方法的得到的分类图,在此基础上就能得到坐标轴旋转角度,并将这个角度代入泊松阻抗计算公式中,就能得到泊松阻抗曲线。图5为利用本发明实施例一种生成敏感岩石物理参数的方法得到的坐标旋转角度所构建的泊松阻抗进行气层识别的结果,可以其识别结果具有很好的精度,与测井多参数联合解释的结果具有很好的对应性。
旋转角度是根据逻辑回归算法中,自动根据损失函数最小的结果所对应的w和b,进而计算旋转角度,tanθ=w。这种方法不受人为因素影响,对数据的区分能力强,识别精度更高。本发明采用机器学习中的回归算法来进行坐标轴旋转角度的自动计算,并基于此构建准确的泊松阻抗,提高后续的储层、流体预测精度。
如图6所示,本发明实施例还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述一种生成敏感岩石物理参数的方法。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有执行实现上述一种生成敏感岩石物理参数的方法的计算机程序。
本发明实施例中还提供了一种生成敏感岩石物理参数的装置,如下面的实施例所述。由于该装置解决问题的原理与一种生成敏感岩石物理参数的方法相似,因此该装置的实施可以参见一种生成敏感岩石物理参数的方法的实施,重复之处不再赘述。
图7为本发明实施例一种生成敏感岩石物理参数的装置示意图。如图7所示,本发明实施例还提供一种生成敏感岩石物理参数的装置,可以包括:
数值编码模块701,用于将分岩性交会图进行数值编码,确定泥岩和气层的编码标签;
回归结果确定模块702,用于随机初始化边界分割线参数,确定初始回归线,将泥岩和气层的编码标签代入激活函数进行逻辑回归,确定回归结果;
损失函数确定模块703,用于根据回归结果,确定损失函数;
最优边界分割线参数确定模块704,用于根据损失函数,迭代更新边界分割线参数,直至损失函数达到设定值,确定最优边界分割线参数;
坐标旋转角度确定模块705,用于根据最优边界分割线参数,确定坐标旋转角度。
在具体实施本发明实施例提供的一种生成敏感岩石物理参数的装置时,在一个实施例中,数值编码模块,具体用于:
将分岩性交会图中的数据点按照泥岩和气层进行分类,令泥岩的数据点数值编码标签为0,令气层的数据点数值编码标签为1。
在具体实施本发明实施例提供的一种生成敏感岩石物理参数的装置时,在一个实施例中,回归结果确定模块,用于按照如下方式,确定回归结果:
θTX=θ0+θ1x1+θ2x2
其中,hθ(x)为回归结果;θ0、θ1、θ2为边界分割线参数;x为样点对应的x1与x2的值,其中,x1为样点在交会图中对应的横坐标值,x2为样点在交会图中对应的纵坐标值。
在具体实施本发明实施例提供的一种生成敏感岩石物理参数的装置时,在一个实施例中,回归结果确定模块,还用于:在激活函数进行逻辑回归时,当激活函数的值大于0.5时,回归结果的值等于1;当激活函数的值小于等于0.5时,回归结果的值等于0。
在具体实施本发明实施例提供的一种生成敏感岩石物理参数的装置时,在一个实施例中,损失函数确定模块,用于按照如下方式,确定损失函数:
其中,J(θ)为损失函数;hθ(x)为回归结果;m为样点数;x为样点对应的x1与x2的值,其中,x1为样点在交会图中对应的横坐标值,x2为样点在交会图中对应的纵坐标值;y为已知的岩性编码0或1,根据泥岩和气层的编码标签获得。
在具体实施本发明实施例提供的一种生成敏感岩石物理参数的装置时,在一个实施例中,最优边界分割线参数确定模块,具体用于:
采用梯度下降算法,迭代更新边界分割线参数,直至损失函数的值达到最小,迭代完成,确定最优边界分割线参数。
在具体实施本发明实施例提供的一种生成敏感岩石物理参数的装置时,在一个实施例中,最优边界分割线参数确定模块,还用于按照如下方式,更新边界分割线参数:
其中,“θj:”为更新后的边界分割线参数;“θj”为更新前的边界分割线参数;hθ(x)为回归结果;x为样点对应的x1与x2的值,其中,x1为样点在交会图中对应的横坐标值,x2为样点在交会图中对应的纵坐标值;y为已知的岩性编码0或1,根据泥岩和气层的编码标签获得;m为样点数;α为超参数,根据计算模型进行调整。
在具体实施本发明实施例提供的一种生成敏感岩石物理参数的装置时,在一个实施例中,坐标旋转角度确定模块,具体用于:
根据最优边界分割线参数,确定边界线斜率;
对边界线斜率求取反正切函数,确定坐标旋转角度。
综上,本本发明实施例提供的一种生成敏感岩石物理参数的方法和装置,利用将分岩性交会图进行数值编码,确定了泥岩和气层的编码标签,然后随机初始化边界分割线参数,确定初始回归线,将前述获得的泥岩和气层的编码标签代入激活函数进行逻辑回归,确定回归结果,再根据回归结果,确定损失函数;接着根据损失函数,迭代更新边界分割线参数,直至损失函数达到设定值,确定最优边界分割线参数;最后,根据最优边界分割线参数,确定坐标旋转角度。本发明实施例,通过引入机器学习中的逻辑回归算法,克服现有技术在坐标轴旋转过程构建新的敏感岩石物理参数、地震属性的过程中,角度难以选取的问题,基于已知的分岩性交会图,建立最佳的坐标旋转角度,精度高,不受人为因素影响,确保通过坐标轴旋转生成的新的敏感岩石物理参数、属性具有最高的储层、流体识别精度。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (18)
1.一种生成敏感岩石物理参数的方法,其特征在于,包括:
将分岩性交会图进行数值编码,确定泥岩和气层的编码标签;
随机初始化边界分割线参数,确定初始回归线,将泥岩和气层的编码标签代入激活函数进行逻辑回归,确定回归结果;
根据回归结果,确定损失函数;
根据损失函数,迭代更新边界分割线参数,直至损失函数达到设定值,确定最优边界分割线参数;
根据最优边界分割线参数,确定坐标旋转角度。
2.如权利要求1所述的方法,其特征在于,将分岩性交会图进行数值编码,确定泥岩和气层的编码标签,包括:
将分岩性交会图中的数据点按照泥岩和气层进行分类,令泥岩的数据点数值编码标签为0,令气层的数据点数值编码标签为1。
4.如权利要求3所述的方法,其特征在于,还包括:在激活函数进行逻辑回归时,当激活函数的值大于0.5时,回归结果的值等于1;当激活函数的值小于等于0.5时,回归结果的值等于0。
6.如权利要求3所述的方法,其特征在于,根据损失函数,迭代更新边界分割线参数,直至损失函数达到设定值,确定最优边界分割线参数,包括:
采用梯度下降算法,迭代更新边界分割线参数,直至损失函数的值达到最小,迭代完成,确定最优边界分割线参数。
8.如权利要求1所述的方法,其特征在于,根据最优边界分割线参数,确定坐标旋转角度,包括:
根据最优边界分割线参数,确定边界线斜率;
对边界线斜率求取反正切函数,确定坐标旋转角度。
9.一种生成敏感岩石物理参数的装置,其特征在于,包括:
数值编码模块,用于将分岩性交会图进行数值编码,确定泥岩和气层的编码标签;
回归结果确定模块,用于随机初始化边界分割线参数,确定初始回归线,将泥岩和气层的编码标签代入激活函数进行逻辑回归,确定回归结果;
损失函数确定模块,用于根据回归结果,确定损失函数;
最优边界分割线参数确定模块,用于根据损失函数,迭代更新边界分割线参数,直至损失函数达到设定值,确定最优边界分割线参数;
坐标旋转角度确定模块,用于根据最优边界分割线参数,确定坐标旋转角度。
10.如权利要求9所述的装置,其特征在于,数值编码模块,具体用于:
将分岩性交会图中的数据点按照泥岩和气层进行分类,令泥岩的数据点数值编码标签为0,令气层的数据点数值编码标签为1。
12.如权利要求11所述的装置,其特征在于,回归结果确定模块,还用于:在激活函数进行逻辑回归时,当激活函数的值大于0.5时,回归结果的值等于1;当激活函数的值小于等于0.5时,回归结果的值等于0。
14.如权利要求11所述的装置,其特征在于,最优边界分割线参数确定模块,具体用于:
采用梯度下降算法,迭代更新边界分割线参数,直至损失函数的值达到最小,迭代完成,确定最优边界分割线参数。
16.如权利要求9所述的装置,其特征在于,坐标旋转角度确定模块,具体用于:
根据最优边界分割线参数,确定边界线斜率;
对边界线斜率求取反正切函数,确定坐标旋转角度。
17.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现权利要求1至8任一项所述生成敏感岩石物理参数的方法。
18.一种计算机可读存储介质,所述计算机可读存储介质存储有执行实现权利要求1至8任一项所述生成敏感岩石物理参数的方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010395999.XA CN111751882B (zh) | 2020-05-12 | 2020-05-12 | 生成敏感岩石物理参数的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010395999.XA CN111751882B (zh) | 2020-05-12 | 2020-05-12 | 生成敏感岩石物理参数的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111751882A CN111751882A (zh) | 2020-10-09 |
CN111751882B true CN111751882B (zh) | 2022-12-02 |
Family
ID=72673664
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010395999.XA Active CN111751882B (zh) | 2020-05-12 | 2020-05-12 | 生成敏感岩石物理参数的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111751882B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115793094B (zh) * | 2023-02-06 | 2023-04-25 | 西北大学 | 一种曲线叠合重构识别复杂页岩层系岩性的方法及应用 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103869365A (zh) * | 2014-04-01 | 2014-06-18 | 北京师范大学 | 一种用于测井流体识别的坐标轴旋转方法 |
CN106338765A (zh) * | 2015-07-06 | 2017-01-18 | 中国石油化工股份有限公司 | 用于确定复合弹性参数油气识别因子的方法及系统 |
CN107807410A (zh) * | 2017-09-29 | 2018-03-16 | 中国石油化工股份有限公司 | 储层地球物理敏感参数优选方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009154851A1 (en) * | 2008-06-18 | 2009-12-23 | Exxonmobil Upstream Research Company | Seismic fluid prediction via expanded avo anomalies |
CN106054248B (zh) * | 2016-07-15 | 2017-07-18 | 河海大学 | 一种基于大面积致密储层地震岩石物理反演方法 |
CN106526675B (zh) * | 2016-12-28 | 2018-06-19 | 中国石油化工股份有限公司 | 断层空间参数自动提取方法 |
-
2020
- 2020-05-12 CN CN202010395999.XA patent/CN111751882B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103869365A (zh) * | 2014-04-01 | 2014-06-18 | 北京师范大学 | 一种用于测井流体识别的坐标轴旋转方法 |
CN106338765A (zh) * | 2015-07-06 | 2017-01-18 | 中国石油化工股份有限公司 | 用于确定复合弹性参数油气识别因子的方法及系统 |
CN107807410A (zh) * | 2017-09-29 | 2018-03-16 | 中国石油化工股份有限公司 | 储层地球物理敏感参数优选方法及系统 |
Non-Patent Citations (2)
Title |
---|
Application of Extended Elastic Impedance in Seismic Geomechanics;Javad Sharifi et al.;《GEOPHYSICS》;20190630;第84卷(第3期);第R429-R446页 * |
东海西湖N区块致密砂岩气藏甜点预测研究;李久娣;《石油物探》;20190531;第58卷(第3期);第444-452页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111751882A (zh) | 2020-10-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
BR112021011250A2 (pt) | Modelagem automatizada de reservatório usando redes generativas profundas | |
CN110031896B (zh) | 基于多点地质统计学先验信息的地震随机反演方法及装置 | |
Sahimi et al. | Reconstruction, optimization, and design of heterogeneous materials and media: Basic principles, computational algorithms, and applications | |
WO2021051050A1 (en) | Generating geological facies models with fidelity to the diversity and statistics of training images using improved generative adversarial networks | |
US20200041692A1 (en) | Detecting Fluid Types Using Petrophysical Inversion | |
CN108952699B (zh) | 一种复杂地质钻进过程地层岩性智能识别方法 | |
CN109298464B (zh) | 致密砂岩储层成岩相测井识别方法及装置 | |
CN111751882B (zh) | 生成敏感岩石物理参数的方法和装置 | |
CN111948718B (zh) | 页岩气储层总有机碳含量预测方法及装置 | |
CN115130529A (zh) | 一种叠前地震反演方法和装置 | |
US11525934B2 (en) | Method for identifying subsurface fluids and/or lithologies | |
Alameedy et al. | Predicting dynamic shear wave slowness from well logs using machine learning methods in the Mishrif Reservoir, Iraq | |
Liu et al. | Identification of tight sandstone reservoir lithofacies based on CNN image recognition technology: A case study of Fuyu reservoir of Sanzhao Sag in Songliao Basin | |
CN113393335A (zh) | 基于多地震属性优化的储层油气预测方法及装置 | |
RU2619803C2 (ru) | Определение пути движения флюида | |
Shi et al. | Improved Unet in lithology identification of coal measure strata | |
Luo et al. | Multi-level reservoir identification with logs based on machine learning | |
CN112990320A (zh) | 一种岩性的分类方法、装置、电子设备及存储介质 | |
Song et al. | Reservoir lithology identification based on improved adversarial learning | |
Sætrom et al. | Fast integrated reservoir modelling on the Gjøa field offshore Norway | |
CN117631018A (zh) | 智能地震反演、多任务智能地震反演结果预测方法及装置 | |
CN113267810B (zh) | 地震勘探全深度速度建模方法及装置 | |
CN117235628B (zh) | 一种基于混合贝叶斯深度网络测井曲线预测方法及系统 | |
Lu et al. | Ultradeep carbonate reservoir lithofacies classification based on a deep convolutional neural network—A case study in the Tarim Basin, China | |
Ugolkov | Estimation of Mercury Injection Capillary Pressure (MICP) from the Nuclear Magnetic Resonance (NMR) exponential decay with the Machine Learning (ML) Neural Network (NN) approach |
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 |