CN112861061A - 地质分层方法及系统、处理设备 - Google Patents
地质分层方法及系统、处理设备 Download PDFInfo
- Publication number
- CN112861061A CN112861061A CN201911181730.5A CN201911181730A CN112861061A CN 112861061 A CN112861061 A CN 112861061A CN 201911181730 A CN201911181730 A CN 201911181730A CN 112861061 A CN112861061 A CN 112861061A
- Authority
- CN
- China
- Prior art keywords
- curves
- well
- logging curve
- geological
- geological stratification
- 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.)
- Pending
Links
- 238000013517 stratification Methods 0.000 title claims abstract description 148
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000012545 processing Methods 0.000 title claims abstract description 24
- 238000012549 training Methods 0.000 claims abstract description 44
- 238000007781 pre-processing Methods 0.000 claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims abstract description 25
- 230000002159 abnormal effect Effects 0.000 claims description 39
- 230000008569 process Effects 0.000 claims description 21
- 230000035945 sensitivity Effects 0.000 claims description 21
- 238000012360 testing method Methods 0.000 claims description 19
- 230000009467 reduction Effects 0.000 claims description 17
- 230000015572 biosynthetic process Effects 0.000 claims description 16
- 238000000513 principal component analysis Methods 0.000 claims description 15
- 238000010206 sensitivity analysis Methods 0.000 claims description 13
- 238000009795 derivation Methods 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH DRILLING; MINING
- E21B—EARTH DRILLING, e.g. DEEP DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
Abstract
本发明公开了一种地质分层方法及系统、处理设备，其中方法包括：获取待测井的测井曲线集；对所述测井曲线集执行预处理操作并获得多条输入曲线；输入所述多条输入曲线至地质分层机器模型，其中所述地质分层机器模型是根据多个井的多条输入曲线和对应的地质分层结果训练后得到的；将所述地质分层机器模型对所述多条输入曲线进行计算操作后的输出结果，作为所述待测井的地质分层结果。本发明不需要岩心数据所以本发明对于不同井的适用性较高，由于本发明采用地质分层机器模型进行地质分层，所以获得地质分层结果的准确性较高且效率高。
Description
技术领域
本发明涉及油气探测技术领域，尤其涉及地质分层方法及系统、处理设备。
背景技术
地层对比是指在一个勘探或开发的区域收集测井数据，并基于测井数据对单井进行地质分层，把各井的地质分层联系对比，从整体上认识地层在纵、横方向上的分布。在地层对比中对单井进行地质分层是一项重要过程。
目前对单井进行地质分层的过程主要为：采用测量仪器深入井中测量不同深度的地质数据，从而获得多条测井曲线。然后由专业分析人员基于多条测井曲线并结合本井的岩心数据来进行地质分层。
在实际情况下一些井无法获取岩心数据，导致目前地质分层方案适用性偏差；目前地质分层方案中人为因素影响较大，导致地质分层准确性偏差且效率较低。
发明内容
鉴于上述问题，本发明提供一种克服上述问题或者至少部分地解决上述问题的地质分层方法及系统、处理设备，本发明不需要岩心数据所以本发明对于不同井的适用性较高，由于本发明采用地质分层机器模型进行地质分层，所以获得地质分层结果的准确性较高且效率高。
为了实现上述目的，本申请提供了下述技术特征：
一种地质分层方法，包括：
获取待测井的测井曲线集；
对所述测井曲线集执行预处理操作并获得多条输入曲线；
输入所述多条输入曲线至地质分层机器模型；其中所述地质分层机器模型是根据多个井的多条输入曲线和对应的地质分层结果训练后得到的；
将所述地质分层机器模型对所述多条输入曲线进行计算操作后的输出结果，作为所述待测井的地质分层结果。
可选的，所述地质分层机器模型的训练过程包括：
获取样本集，其中所述样本集包括多个井的多条输入曲线和对应的地质分层结果；
将所述样本集中部分样本作为训练样本集、剩余样本作为测试样本集；
利用所述训练样本集采用不同训练方法训练多个分类机器模型，获得多个训练后分类机器模型；
利用所述测试样本集测试所述多个训练后分类机器模型，选择最优的训练后分类机器模型作为所述地质分层机器模型。
可选的，所述地质分层结果包括：
地层标识，以及对应地层的深度范围。
可选的，在所述待测井具有历史地质分层结果的情况下，还包括：
将所述历史地质分层结果与所述地质分层结果进行对比；
在出现不一致的情况下，利用所述地质分层结果中地层的深度范围替代所述历史地质分层结果中同一地层的深度范围。
可选的，所述对所述测井曲线集执行预处理操作，包括：
对所述测井曲线集中各条测井曲线执行校深操作；和/或，
对所述测井曲线集执行去除异常值操作，以去除各条测井曲线中的异常值；和/或，
对所述测井曲线集中的测井曲线执行二次特征建立操作，以扩展所述测井曲线集中的曲线数量和维度；和/或，
对所述测井曲线集执行降维操作，以去除所述测井曲线集中的冗余曲线。
可选的，所述对所述测井曲线集执行去除异常值操作，包括：
判断所述测井曲线集中是否有出现异常值的测井曲线；
对于出现异常值的各条测井曲线执行下述操作：
从所述测井曲线集中，确定与所述出现异常值的测井曲线具有关联关系且未出现异常值的至少一条测井曲线；
对所述至少一条测井曲线进行曲线重构操作，获得用于代表所述出现异常值的测井曲线的重构曲线；
从所述重构曲线中确定与异常位置对应的正常值，并采用所述正常值替换所述出现异常值的测井曲线中的所述异常值。
可选的，所述对所述测井曲线集中的测井曲线执行二次特征建立操作，包括：
若所述测井曲线集中测井曲线的数量小于预设值，则从所述测井曲线集中确定具有关联关系的一组或多组测井曲线；
将各组测井曲线执行二次特征建立操作获得各个二次特征曲线；其中，二次特征建立操作包括对曲线求导、曲线之间相乘求积、曲线之间相除求商中的一种或多种；
添加所述各个二次特征曲线至所述测井曲线集。
可选的，所述对所述测井曲线集执行降维操作，包括：
对所述测井曲线集中各条曲线执行敏感性分析操作，并将所述测井曲线集中非敏感性标签对应的曲线作为冗余曲线去除；其中，根据所述敏感性分析操作的结果对敏感性大于阈值的曲线赋予敏感性标签，对于敏感性不大于阈值的曲线赋予非敏感性标签；和/或，
对所述测井曲线集执行主成分分析操作，并根据所述主成分分析的结果去除所述测井曲线集中的冗余曲线。
一种处理设备，包括：
存储器，用于存储地质分层机器模型；
处理器，用于获取待测井的测井曲线集，对所述测井曲线集执行预处理操作并获得多条输入曲线，输入所述多条输入曲线至地质分层机器模型，将所述地质分层机器模型对所述多条输入曲线进行计算操作后的输出结果，作为所述待测井的地质分层结果。
一种地质分层系统，包括：
测井设备，用于对待测井进行测量并获得待测井的测井曲线集，发送待测井的测井曲线集；
处理设备，用于获取待测井的测井曲线集，对所述测井曲线集执行预处理操作并获得多条输入曲线；输入所述多条输入曲线至地质分层机器模型，将所述地质分层机器模型对所述多条输入曲线进行计算操作后的输出结果，作为所述待测井的地质分层结果；
其中所述地质分层机器模型是根据多个井的多条输入曲线和曲线对应的地质分层结果训练后得到的。借由上述技术方案，本发明提供的地质分层方案具有以下有益效果：
本发明预先训练好地质分层机器模型，地质分层机器模型是根据多个井的多条输入曲线和对应的地质分层结果训练后得到的。因此地质分层机器模型可以在获得一个井的多条输入曲线后，基于多条输入曲线进行计算分析并输出该井的地质分层结果。
在实际应用过程中，先获取一个待测井的测井曲线集，对测井曲线集进行预处理操作以获得多条输入曲线，预处理操作可以使得多条输入曲线更加准确、精简。然后，将待测井的多条输入曲线输入至预先训练好的地质分层机器模型，从而获得待测井的地质分层结果。
本发明直接使用地质分层机器模型来进行地质分层，由于无需岩心数据，所以本发明对于不同井的适用性较高。并且，本发明采用地质分层机器模型进行地质分层，在摒弃人工操作后可以排除人为因素的影响，因此本发明获得的地质分层结果的准确性较高且效率较高。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明提供的一种地质分层系统的结构示意图；
图2示出了本发明提供的一种地质分层方法的结构示意图；
图3示出了本发明提供的又一种地质分层方法的结构示意图；
图4示出了本发明提供的一种地质分层方法中地质分层机器模型的训练过程流程图；
图5示出了本发明提供的一种地质分层装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
为了便于本领域技术人员了解本发明的架构，介绍本发明提供的一种地质分层系统。参见图1，地质分层系统包括：测井设备100和处理设备200。
测井设备100，用于对待测井进行测量并获得待测井的测井曲线集，发送待测井的测井曲线集。
测井设备可以包括多种测井仪器，详细的测井仪器已为本行业成熟技术，在此不再一一赘述。
常规测井曲线主要包括九条测井曲线，分别指自然伽马测井曲线、自然电位测井曲线、井径测井曲线、中子测井曲线、密度测井曲线、声波测井曲线、电阻率测井曲线、侧向测井曲线、感应测井曲线。
在测量时通常均会测量九条测井曲线，但是在使用时通常会根据不同区域的实际情况选择使用。
处理设备200，用于获取待测井的测井曲线集，对所述测井曲线集执行预处理操作并获得多条输入曲线；输入所述多条输入曲线至地质分层机器模型，将所述地质分层机器模型对所述多条输入曲线进行计算操作后的输出结果，作为所述待测井的地质分层结果。
关于处理设备200的具体实现详见图2所示的实施例，在此暂不描述。
通过以上技术手段，可以实现以下有益效果：
本发明预先训练好地质分层机器模型，地质分层机器模型是根据多个井的多条输入曲线和对应的地质分层结果训练后得到的。因此地质分层机器模型可以在获得一个井的多条输入曲线后，基于多条输入曲线进行计算分析并输出该井的地质分层结果。
在实际应用过程中，先获取一个待测井的测井曲线集，对测井曲线集进行预处理操作以获得多条输入曲线，预处理操作可以使得多条输入曲线更加准确、精简。然后，将待测井的多条输入曲线输入至预先训练好地质分层机器模型，从而获得待测井的地质分层结果。
本发明直接使用地质分层机器模型来进行地质分层，由于无需岩心数据，所以本发明对于不同井的适用性较高。并且，本发明采用地质分层机器模型进行地质分层，在摒弃人工操作后可以排除人为因素的影响，因此本发明获得的地质分层结果的准确性较高且效率较高。
为了便于本领域技术人员了解处理设备的详细执行过程，下面介绍本发明提供的一种地质分层方法。参见图2，包括以下步骤：
步骤S201：获取待测井的测井曲线集。
处理设备可以从自身存储空间中获取待测井的测井曲线集，也可以接收测井设备发送的待测井的测井曲线集。
所述测井曲线集包括常规九条测井曲线中的多条测井曲线；所述常规九条测井曲线包括：自然伽马测井曲线、自然电位测井曲线、井径测井曲线、中子测井曲线、密度测井曲线、声波测井曲线、电阻率测井曲线、侧向测井曲线和感应测井曲线。
步骤S202：对所述测井曲线集执行预处理操作并获得多条输入曲线。
预处理操作可以包括校深操作、去除异常值操作、二次特征建立操作和降维操作中的一个或多个。预处理操作可以使得多条输入曲线更加准确、精简。
即预处理操作可以包括：对所述测井曲线集中各条测井曲线执行校深操作；和/或，对所述测井曲线集执行去除异常值操作，去除各条测井曲线中的异常值；和/或，对所述测井曲线集中的测井曲线执行二次特征建立操作，扩展所述测井曲线集中的曲线数量和维度；和/或，对所述测井曲线集执行降维操作获得多条降维曲线，将所述多条降维曲线确定为所述多条输入曲线。
可选的，本申请提供了预处理操作的一个实施例。参见图3，本步骤S202可以采用下述步骤S2020～S2023：
步骤S2020：对所述测井曲线集中各条测井曲线执行校深操作。
由于测井曲线在现场采集过程中受测量设备自身重量和张力变化影响，不同测量仪器对同一地层在深度上会有差异，需要对各个测井曲线进行校深，以保证在同一深度上各条测井曲线都有相应的响应。
步骤S2021：对所述测井曲线集执行去除异常值操作，以去除各条测井曲线中的异常值。
可选的，本步骤可以包括以下步骤S1～S2：
步骤S1：判断所述测井曲线集中是否有出现异常值的测井曲线。
可以理解的是，不同的测井曲线的数据值均有一个合理数据范围。可以预先设置每条测井曲线的合理数据范围。若一条测井曲线中有数据值超过该测井曲线对应的合理数据范围，则表示该测井曲线出现异常值。
步骤S2：对于出现异常值的各条测井曲线执行去除异常值操作。
可选的，去除异常值操作可以下述步骤S21～S23：
步骤S21：从所述测井曲线集中，确定与所述出现异常值的测井曲线具有关联关系且未出现异常值的至少一条测井曲线。
步骤S22：对所述至少一条测井曲线进行曲线重构操作，获得用于代表所述出现异常值的测井曲线的重构曲线。
步骤S23：从所述重构曲线中确定与异常位置对应的正常值，并采用所述正常值替换所述出现异常值的测井曲线中的所述异常值。
可以理解的是，重构曲线中的数据值均是正常值，且，重构曲线与出现异常值的测井曲线中不同位置的数据值是一一对应的。因此，可以从重构曲线中确定出异常位置对应的正常值，并替换出现异常值的测井曲线中的异常值。
接步骤S2021进入步骤S2022：对所述测井曲线集中的测井曲线执行二次特征建立操作，以扩展所述测井曲线集中的曲线数量和维度。其中，二次特征建立操作包括对曲线求导、曲线之间相乘求积、曲线之间相除求商中的一种或多种。
可选的，本步骤可以采用下述方式实现：
步骤S1：若所述测井曲线集中测井曲线的数量小于预设值，则从所述测井曲线集中确定具有关联关系的一组或多组测井曲线。
处理设备可以预先设置具有关联关系一组或多组测井曲线，以及，每组测井曲线的二次特征操作。一组测井曲线可以包括一个或多个测井曲线，根据实际情况以及曲线之间的关系而定。二次特征操作可以包括曲线求导、曲线间相乘求积或相除求商等可以生成二次特征曲线的操作。
关于具体的关联关系和二次特征操作需要根据实际情况而定，本发明对此不做限定。
步骤S2：将各组测井曲线执行二次特征建立操作获得各个二次特征曲线。
例如，一组测井曲线包括自然伽马测井曲线，二次特征操作为求导，则表示对自然伽马测井曲线执行求导操作，将求导操作后的求导曲线确定为二次特征曲线。
步骤S3：添加所述各个二次特征曲线至所述测井曲线集。
在确定各个二次特征曲线后，可以添加各个二次特征曲线至测井曲线集，以扩展测井曲线集的测井曲线维度和测井曲线数量，以便待测井的测井数据更加全面准确。
步骤S2023：对所述测井曲线集执行降维操作，以去除所述测井曲线集中的冗余曲线。
为提高计算效率需要排除测井曲线集中的冗余曲线，并对测井曲线集执行降维操作。降维操作可以包括敏感性分析去除冗余测井曲线，和/或，采用主成分分析融合多条测井曲线。
可选的，本发明提供了本步骤的一个实施例，步骤S2023可以采用下述步骤S1～S3实现：
步骤S1：对所述测井曲线集中各条曲线执行敏感性分析操作。
其中，可以根据敏感性分析操作的结果，对敏感性大于阈值的曲线赋予敏感性标签，对于敏感性小于阈值的曲线赋予非敏感性标签。
首先对测井曲线集中各条曲线执行敏感性分析操作，从而获得各个测井曲线的敏感性，若一个测井曲线的敏感性大于阈值则表明该测井曲线的敏感性强，则对敏感性强的曲线赋予敏感性标签，反之，若一个测井曲线的敏感性不大于阈值则表明该测井曲线的敏感性弱，对于敏感性弱的曲线赋予非敏感性标签。
若一条测井曲线的敏感性强代表该测井曲线比较重要，包含较多敏感性数据，相反，若一条测井曲线的敏感性弱代表该测井曲线不重要，包含较少敏感性数据。
步骤S2：将测井曲线集中非敏感性标签对应的曲线作为冗余曲线去除。
非敏感性标签对应的曲线可以看作是冗余曲线，其中包含较少敏感性数据，为了降低计算量可以从测井曲线集中排除非敏感性标签对应的曲线。
在另外一个实施例中，可以对测井曲线集执行主成分分析操作，并根据主成分分析操作的结果，将测井曲线集中的冗余曲线去除。
在另外一个实施例中，从测井曲线集中去除非敏感性标签对应的曲线后，再对测井曲线集执行主成分分析操作，也可以同步或者调换以上操作顺序。也即，敏感性分析和主成分分析可以单独或者结合作为降维方式。主成分分析操作可以将测井曲线集中各条测井曲线进行曲线融合，从而获得多条主成分曲线。
可以理解的是，主成分分析操作获得的多条主成分曲线的数量和维度，小于测井曲线集中测井曲线的数量和维度，从而起到降维作用。
上述提供预处理操作的一个实施例，本实施例顺序执行校深操作、去除异常值操作、二次特征建立操作和降维操作，从而使得预处理操作后获得的输入曲线更加准确、精简。接步骤S202进入步骤S203：输入所述多条输入曲线至地质分层机器模型，其中所述地质分层机器模型是根据多个井的多条输入曲线和对应的地质分层结果训练后得到的。
步骤S204：将所述地质分层机器模型对所述多条输入曲线进行计算操作后的输出结果，作为所述待测井的地质分层结果。
在获得待测井的多条输入曲线后，将多条输入曲线输入至地质分层机器模型，并获得地质分层机器模型对所述多条输入曲线进行计算操作后的输出结果，然后将输出结果作为待测井的地质分层结果。
在获得待测井的地质分层结果后可以输出待测井的地质分层，以供后续使用。地质分层结果包括：地层标识，以及，对应地层的深度范围。
参见下表，为地质分层结果的一个示意。
| 地层 | 顶深 | 底深 |
| Q | 0 | 300 |
| N | 300 | 1068 |
| E | 1068 | 1330 |
| Kltg | 1330 | 1760 |
| …… | …… | …… |
通过以上技术手段，可以实现以下有益效果：
本发明预先训练好地质分层机器模型，地质分层机器模型可以在获得一个井的多条输入曲线后，基于多条输入曲线进行计算分析并输出该井的地质分层结果。
在实际应用过程中，先获取一个待测井的测井曲线集，对测井曲线集进行预处理操作以获得多条输入曲线，预处理操作可以使得多条输入曲线更加准确、精简。然后，将待测井的多条输入曲线输入至预先训练好地质分层机器模型，从而获得待测井的地质分层结果。
本发明直接使用地质分层机器模型来进行地质分层，由于无需岩心数据，所以本发明对于不同井的适用性较高。并且，本发明采用地质分层机器模型进行地质分层，在摒弃人工操作后可以排除人为因素的影响，因此本发明获得的地质分层结果的准确性较高且效率较高。
可选的，图2所示的实施例中，待测井可以为从未进行地质分层的新井，通过图2所示的实施例，可以确定新井的地质分层结果。
待测井还可以旧井也即已经人工进行地质分层。那么，在所述待测井具有历史地质分层结果的情况下，在步骤S203之后还包括：
将所述历史地质分层结果与所述地质分层结果进行对比；在出现不一致的情况下，利用所述地质分层结果中地层的深度范围替代所述历史地质分层结果中同一地层的深度范围。
即，本发明提供的地质分层方法既可以应用于新井、直接确定新井的地质分层结果，也可以应用于旧井、对旧井的历史地质分层结果进行纠偏。
下面介绍地质分层机器模型的训练过程。训练过程可以在处理设备上执行，也可以在处理设备之外的其它设备上执行，然后再将地质分层机器模型存储于处理设备中。
参见图4，训练过程可以包括以下步骤：
步骤S401：获取样本集，所述样本集包括多个井的多条输入曲线和对应的地质分层结果。
所述样本集中一个样本为一个井的测井曲线集执行所述预处理操作后获得的多条输入曲线，以及，每条输入曲线对应的地质分层结果。
关于对一个井的测井曲线集执行预处理操作的过程，可以详见步骤S202的执行过程，在此不再赘述。
步骤S402：将所述样本集中部分样本作为训练样本集、剩余样本作为测试样本集。
步骤S403：利用所述训练样本集采用不同训练方法训练多个分类机器模型，获得多个训练后分类机器模型。
预先设置多个分类机器模型，例如，随机森林分类模型、神经网络分类模型、选择树分类模型等，当然还可以采用包括多个分类机器模型。利用训练样本集训练多个分类机器模型，在达到训练结束条件后，获得多个训练后的分类机器模型。
步骤S404：利用所述测试样本集测试所述多个训练后分类机器模型，选择最优的训练后分类机器模型作为所述地质分层机器模型。
利用测试样本集进行测试后，选择分层效果最准确的分类机器模型，也即选择最优的训练后分类机器模型作为地质分层机器模型。
由于不同分类机器模型适用于实际情况，因此本实施例采用多个分类机器模型进行训练，并最终确定了最适用于地质分层的训练后分类机器模型作为所述地质分层机器模型，这样可以进一步提高地质分层的准确性。
参见图5，本申请提供了一种地质分层装置，包括：
获取单元51，用于获取待测井的测井曲线集；
预处理单元52，用于对所述测井曲线集执行预处理操作并获得多条输入曲线；
输入单元53，用于输入所述多条输入曲线至地质分层机器模型；其中所述地质分层机器模型是根据多个井的多条输入曲线和对应的地质分层结果训练后得到的；
输出单元54，用于将所述地质分层机器模型对所述多条输入曲线进行计算操作后的输出结果，作为所述待测井的地质分层结果。
所述一种地质分层装置包括处理器和存储器，上述获取单元、预处理单元、输入单元和输出单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来实现地质分层的目的。。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
本发明实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现所述地质分层方法。
本发明实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述地质分层方法。
本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：
一种地质分层方法，包括：
获取待测井的测井曲线集；
对所述测井曲线集执行预处理操作并获得多条输入曲线；
输入所述多条输入曲线至地质分层机器模型；其中所述地质分层机器模型是根据多个井的多条输入曲线和对应的地质分层结果训练后得到的；
将所述地质分层机器模型对所述多条输入曲线进行计算操作后的输出结果，作为所述待测井的地质分层结果。
其中，所述地质分层机器模型的训练过程包括：
获取样本集，其中所述样本集包括多个井的多条输入曲线和对应的地质分层结果；
将所述样本集中部分样本作为训练样本集、剩余样本作为测试样本集；
利用所述训练样本集采用不同训练方法训练多个分类机器模型，获得多个训练后分类机器模型；
利用所述测试样本集测试所述多个训练后分类机器模型，选择最优的训练后分类机器模型作为所述地质分层机器模型。
其中，所述地质分层结果包括：
地层标识，以及对应地层的深度范围。
其中，在所述待测井具有历史地质分层结果的情况下，还包括：
将所述历史地质分层结果与所述地质分层结果进行对比；
在出现不一致的情况下，利用所述地质分层结果中地层的深度范围替代所述历史地质分层结果中同一地层的深度范围。
其中，所述对所述测井曲线集执行预处理操作，包括：
对所述测井曲线集中各条测井曲线执行校深操作；和/或，
对所述测井曲线集执行去除异常值操作，以去除各条测井曲线中的异常值；和/或，
对所述测井曲线集中的测井曲线执行二次特征建立操作，以扩展所述测井曲线集中的曲线数量和维度；和/或，
对所述测井曲线集执行降维操作，以去除所述测井曲线集中的冗余曲线。
其中，所述对所述测井曲线集执行去除异常值操作，包括：
判断所述测井曲线集中是否有出现异常值的测井曲线；
对于出现异常值的各条测井曲线执行下述操作：
从所述测井曲线集中，确定与所述出现异常值的测井曲线具有关联关系且未出现异常值的至少一条测井曲线；
对所述至少一条测井曲线进行曲线重构操作，获得用于代表所述出现异常值的测井曲线的重构曲线；
从所述重构曲线中确定与异常位置对应的正常值，并采用所述正常值替换所述出现异常值的测井曲线中的所述异常值。
其中，所述对所述测井曲线集中的测井曲线执行二次特征建立操作，包括：
若所述测井曲线集中测井曲线的数量小于预设值，则从所述测井曲线集中确定具有关联关系的一组或多组测井曲线；
将各组测井曲线执行二次特征建立操作获得各个二次特征曲线；其中，二次特征建立操作包括对曲线求导、曲线之间相乘求积、曲线之间相除求商中的一种或多种；
添加所述各个二次特征曲线至所述测井曲线集。
其中，所述对所述测井曲线集执行降维操作，包括：
对所述测井曲线集中各条曲线执行敏感性分析操作，并将所述测井曲线集中非敏感性标签对应的曲线作为冗余曲线去除；其中，根据所述敏感性分析操作的结果对敏感性大于阈值的曲线赋予敏感性标签，对于敏感性不大于阈值的曲线赋予非敏感性标签，；和/或，
对所述测井曲线集执行主成分分析操作，并根据所述主成分分析的结果去除所述测井曲线集中的冗余曲线。
本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：
一种地质分层方法，包括：
获取待测井的测井曲线集；
对所述测井曲线集执行预处理操作并获得多条输入曲线；
输入所述多条输入曲线至地质分层机器模型；其中所述地质分层机器模型是根据多个井的多条输入曲线和对应的地质分层结果训练后得到的；
将所述地质分层机器模型对所述多条输入曲线进行计算操作后的输出结果，作为所述待测井的地质分层结果。
其中，所述地质分层机器模型的训练过程包括：
获取样本集，其中所述样本集包括多个井的多条输入曲线和对应的地质分层结果；
将所述样本集中部分样本作为训练样本集、剩余样本作为测试样本集；
利用所述训练样本集采用不同训练方法训练多个分类机器模型，获得多个训练后分类机器模型；
利用所述测试样本集测试所述多个训练后分类机器模型，选择最优的训练后分类机器模型作为所述地质分层机器模型。
其中，所述地质分层结果包括：
地层标识，以及对应地层的深度范围。
其中，在所述待测井具有历史地质分层结果的情况下，还包括：
将所述历史地质分层结果与所述地质分层结果进行对比；
在出现不一致的情况下，利用所述地质分层结果中地层的深度范围替代所述历史地质分层结果中同一地层的深度范围。
其中，所述对所述测井曲线集执行预处理操作，包括：
对所述测井曲线集中各条测井曲线执行校深操作；和/或，
对所述测井曲线集执行去除异常值操作，以去除各条测井曲线中的异常值；和/或，
对所述测井曲线集中的测井曲线执行二次特征建立操作，以扩展所述测井曲线集中的曲线数量和维度；和/或，
对所述测井曲线集执行降维操作，以去除所述测井曲线中的冗余曲线。
其中，所述对所述测井曲线集执行去除异常值操作，包括：
判断所述测井曲线集中是否有出现异常值的测井曲线；
对于出现异常值的各条测井曲线执行下述操作：
从所述测井曲线集中，确定与所述出现异常值的测井曲线具有关联关系且未出现异常值的至少一条测井曲线；
对所述至少一条测井曲线进行曲线重构操作，获得用于代表所述出现异常值的测井曲线的重构曲线；
从所述重构曲线中确定与异常位置对应的正常值，并采用所述正常值替换所述出现异常值的测井曲线中的所述异常值。
其中，所述对所述测井曲线集中的测井曲线执行二次特征建立操作，扩展所述测井曲线集中的曲线数量和维度，包括：
若所述测井曲线集中测井曲线的数量小于预设值，则从所述测井曲线集中确定具有关联关系的一组或多组测井曲线；
将各组测井曲线执行二次特征建立操作获得各个二次特征曲线；其中，二次特征建立操作包括对曲线求导、曲线之间相乘求积、曲线之间相除求商中的一种或多种；
添加所述各个二次特征曲线至所述测井曲线集。
其中，所述对所述测井曲线集执行降维操作，包括：
对所述测井曲线集中各条曲线执行敏感性分析操作，并将所述测井曲线集中非敏感性标签对应的曲线作为冗余曲线去除；其中，根据所述敏感性分析操作的结果对敏感性大于阈值的曲线赋予敏感性标签，对于敏感性不大于阈值的曲线赋予非敏感性标签，；和/或，
对所述测井曲线集执行主成分分析操作，并根据所述主成分分析的结果去除所述测井曲线集中的冗余曲线。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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。
本申请是参照根据本申请实施例的方法、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。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，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、商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、商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，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请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，本申请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。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种地质分层方法，其特征在于，包括：
获取待测井的测井曲线集；
对所述测井曲线集执行预处理操作并获得多条输入曲线；
输入所述多条输入曲线至地质分层机器模型；其中所述地质分层机器模型是根据多个井的多条输入曲线和对应的地质分层结果训练后得到的；
将所述地质分层机器模型对所述多条输入曲线进行计算操作后的输出结果，作为所述待测井的地质分层结果。
2.如权利要求1所述的方法，其特征在于，所述地质分层机器模型的训练过程包括：
获取样本集，其中所述样本集包括多个井的多条输入曲线和对应的地质分层结果；
将所述样本集中部分样本作为训练样本集、剩余样本作为测试样本集；
利用所述训练样本集采用不同训练方法训练多个分类机器模型，获得多个训练后分类机器模型；
利用所述测试样本集测试所述多个训练后分类机器模型，选择最优的训练后分类机器模型作为所述地质分层机器模型。
3.如权利要求1或2所述的方法，其特征在于，所述地质分层结果包括：
地层标识，以及对应地层的深度范围。
4.如权利要求3所述的方法，其特征在于，在所述待测井具有历史地质分层结果的情况下，还包括：
将所述历史地质分层结果与所述地质分层结果进行对比；
在出现不一致的情况下，利用所述地质分层结果中地层的深度范围替代所述历史地质分层结果中同一地层的深度范围。
5.如权利要求1所述的方法，其特征在于，所述对所述测井曲线集执行预处理操作，包括：
对所述测井曲线集中各条测井曲线执行校深操作；和/或，
对所述测井曲线集执行去除异常值操作，以去除各条测井曲线中的异常值；和/或，
对所述测井曲线集中的测井曲线执行二次特征建立操作，以扩展所述测井曲线集中的曲线数量和维度；和/或，
对所述测井曲线集执行降维操作，以去除所述测井曲线集中的冗余曲线。
6.如权利要求5所述的方法，其特征在于，所述对所述测井曲线集执行去除异常值操作，包括：
判断所述测井曲线集中是否有出现异常值的测井曲线；
对于出现异常值的各条测井曲线执行下述操作：
从所述测井曲线集中，确定与所述出现异常值的测井曲线具有关联关系且未出现异常值的至少一条测井曲线；
对所述至少一条测井曲线进行曲线重构操作，获得用于代表所述出现异常值的测井曲线的重构曲线；
从所述重构曲线中确定与异常位置对应的正常值，并采用所述正常值替换所述出现异常值的测井曲线中的所述异常值。
7.如权利要求5所述的方法，其特征在于，所述对所述测井曲线集中的测井曲线执行二次特征建立操作，包括：
若所述测井曲线集中测井曲线的数量小于预设值，则从所述测井曲线集中确定具有关联关系的一组或多组测井曲线；
将各组测井曲线执行二次特征建立操作获得各个二次特征曲线；其中，二次特征建立操作包括对曲线求导、曲线之间相乘求积、曲线之间相除求商中的一种或多种；
添加所述各个二次特征曲线至所述测井曲线集。
8.如权利要求5所述的方法，其特征在于，所述对所述测井曲线集执行降维操作，包括：
对所述测井曲线集中各条曲线执行敏感性分析操作，并将所述测井曲线集中非敏感性标签对应的曲线作为冗余曲线去除；其中，根据所述敏感性分析操作的结果对敏感性大于阈值的曲线赋予敏感性标签，对于敏感性不大于阈值的曲线赋予非敏感性标签，；和/或，
对所述测井曲线集执行主成分分析操作，并根据所述主成分分析的结果去除所述测井曲线集中的冗余曲线。
9.一种处理设备，其特征在于，包括：
存储器，用于存储地质分层机器模型；
处理器，用于获取待测井的测井曲线集，对所述测井曲线集执行预处理操作并获得多条输入曲线，输入所述多条输入曲线至地质分层机器模型，将所述地质分层机器模型对所述多条输入曲线进行计算操作后的输出结果，作为所述待测井的地质分层结果。
10.一种地质分层系统，其特征在于，包括：
测井设备，用于对待测井进行测量并获得待测井的测井曲线集，发送待测井的测井曲线集；
处理设备，用于获取待测井的测井曲线集，对所述测井曲线集执行预处理操作并获得多条输入曲线；输入所述多条输入曲线至地质分层机器模型，将所述地质分层机器模型对所述多条输入曲线进行计算操作后的输出结果，作为所述待测井的地质分层结果；
其中所述地质分层机器模型是根据多个井的多条输入曲线和曲线对应的地质分层结果训练后得到的。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911181730.5A CN112861061A (zh) | 2019-11-27 | 2019-11-27 | 地质分层方法及系统、处理设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911181730.5A CN112861061A (zh) | 2019-11-27 | 2019-11-27 | 地质分层方法及系统、处理设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112861061A true CN112861061A (zh) | 2021-05-28 |
Family
ID=75985680
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911181730.5A Pending CN112861061A (zh) | 2019-11-27 | 2019-11-27 | 地质分层方法及系统、处理设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112861061A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114371270A (zh) * | 2021-12-03 | 2022-04-19 | 中铁第四勘察设计院集团有限公司 | 原位测试方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108072903A (zh) * | 2016-11-09 | 2018-05-25 | 中国石油化工股份有限公司 | 一种测井曲线重构方法 |
| US20190034812A1 (en) * | 2017-07-28 | 2019-01-31 | International Business Machines Corporation | Stratigraphic layer identification from seismic and well data with stratigraphic knowledge base |
| CN109670539A (zh) * | 2018-12-03 | 2019-04-23 | 中国石油化工股份有限公司 | 一种基于测井曲线深度学习的泥砂分层检测方法 |
| CN109919184A (zh) * | 2019-01-28 | 2019-06-21 | 中国石油大学(北京) | 一种基于测井数据的多井复杂岩性智能识别方法及系统 |
-
2019
- 2019-11-27 CN CN201911181730.5A patent/CN112861061A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108072903A (zh) * | 2016-11-09 | 2018-05-25 | 中国石油化工股份有限公司 | 一种测井曲线重构方法 |
| US20190034812A1 (en) * | 2017-07-28 | 2019-01-31 | International Business Machines Corporation | Stratigraphic layer identification from seismic and well data with stratigraphic knowledge base |
| CN109670539A (zh) * | 2018-12-03 | 2019-04-23 | 中国石油化工股份有限公司 | 一种基于测井曲线深度学习的泥砂分层检测方法 |
| CN109919184A (zh) * | 2019-01-28 | 2019-06-21 | 中国石油大学(北京) | 一种基于测井数据的多井复杂岩性智能识别方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 沈凯浪: "基于测井曲线的地层划分和测井相分析方法", 中国优秀硕士学位论文全文数据库, pages 011 - 981 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114371270A (zh) * | 2021-12-03 | 2022-04-19 | 中铁第四勘察设计院集团有限公司 | 原位测试方法及系统 |
| CN114371270B (zh) * | 2021-12-03 | 2024-03-15 | 中铁第四勘察设计院集团有限公司 | 原位测试方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110717249B (zh) | 页岩气储层测井孔隙度快速预测方法及系统 | |
| Chousianitis et al. | Predictive model of Arias intensity and Newmark displacement for regional scale evaluation of earthquake-induced landslide hazard in Greece | |
| EP2965126B1 (en) | Determining continuous capillary pressure curves for subsurface earth formations using saturation and nmr log data | |
| CN111665560A (zh) | 油气层识别方法、装置、计算机设备及可读存储介质 | |
| CN112559957B (zh) | 一种渗透率计算方法和装置 | |
| CN113919219A (zh) | 基于测井大数据的地层评价方法及系统 | |
| CN105158796A (zh) | 确定toc含量的方法和装置 | |
| CN104977613A (zh) | 基于多信息的碳酸盐岩岩相古地理重构方法及装置 | |
| CN113837501B (zh) | 基于图神经网络的页岩总有机碳预测方法、系统和设备 | |
| CN103336305A (zh) | 一种基于灰色理论划分致密砂岩储层岩石物理相的方法 | |
| CN113050189A (zh) | 一种测井曲线的重构方法、装置、设备及存储介质 | |
| CN110470581B (zh) | 确定储层应力敏感程度的方法、装置及存储介质 | |
| CN115047064A (zh) | 管道缺陷量化方法、处理器和管道缺陷量化装置 | |
| Martínez et al. | Predictability of the monthly North Atlantic Oscillation index based on fractal analyses and dynamic system theory | |
| CN112862139A (zh) | 流体类型预测模型的构建方法、流体类型预测方法和装置 | |
| CN111707695B (zh) | 基于核磁共振数据确定储层渗透率的方法、装置及设备 | |
| CN112861061A (zh) | 地质分层方法及系统、处理设备 | |
| Mir et al. | An improved imputation method for accurate prediction of imputed dataset based radon time series | |
| CN112329804A (zh) | 基于特征随机的朴素贝叶斯岩相分类集成学习方法及装置 | |
| CN112576244A (zh) | 一种孔隙度计算方法和装置 | |
| CN116821786A (zh) | 一种低渗储层分类方法、装置及介质 | |
| CN112859192A (zh) | 岩心饱和度预测模型构建方法与岩心饱和度预测方法 | |
| US20220342108A1 (en) | Method, device and medium for acquiring logging parameters | |
| CN112363243A (zh) | 预测页岩油优质储层的方法、装置、计算机设备及介质 | |
| CN113050191B (zh) | 基于双参数的页岩油toc预测方法及装置 |
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 |