CN112948513B - 能源分布趋势图的生成方法、装置及存储介质 - Google Patents
能源分布趋势图的生成方法、装置及存储介质 Download PDFInfo
- Publication number
- CN112948513B CN112948513B CN201911268343.5A CN201911268343A CN112948513B CN 112948513 B CN112948513 B CN 112948513B CN 201911268343 A CN201911268343 A CN 201911268343A CN 112948513 B CN112948513 B CN 112948513B
- Authority
- CN
- China
- Prior art keywords
- physical parameters
- distance
- value
- measured physical
- determining
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000005070 sampling Methods 0.000 claims abstract description 251
- 238000012937 correction Methods 0.000 claims description 17
- 238000012935 Averaging Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 13
- 239000003245 coal Substances 0.000 description 11
- 230000002093 peripheral effect Effects 0.000 description 10
- 230000000704 physical effect Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 8
- 238000010606 normalization Methods 0.000 description 7
- 239000003921 oil Substances 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000015572 biosynthetic process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000005484 gravity Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 239000010779 crude oil Substances 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 239000004215 Carbon black (E152) Substances 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000012885 constant function Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 229930195733 hydrocarbon Natural products 0.000 description 2
- 150000002430 hydrocarbons Chemical class 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
Abstract
本申请公开了一种能源分布趋势图的生成方法、装置及存储介质，属于数据分析领域。该方法包括：获取目标地质层的n个采样点中每个采样点的坐标值、能源产量和多类实测物性参数，n为大于1的整数；基于每个采样点的坐标值，确定n*n个距离值和多个搜索半径；基于多个搜索半径、n*n个距离值和n个采样点的能源产量，对多组实测物性参数中的每组实测物性参数进行修正，得到多组修正物性参数，同一组实测物性参数包括n个采样点中每个采样点的同一类实测物性参数；基于多组实测物性参数和多组修正物性参数，生成目标地质层的能源分布趋势图。本申请通过生成目标地质层的能源分布趋势图，可以更加准确地对目标地质层的油气勘探进行指导。
Description
技术领域
本申请涉及数据分析领域，特别涉及一种能源分布趋势图的生成方法、装置及存储介质。
背景技术
在实际工程中，通常会采集多组参数，并分析多组参数中任意两组参数之间的相关性，以基于相关性较高的几组参数进行工程指导。
例如，在对待开采地质层的油气勘探过程中，可以采集待开采地质层在多个不同取样点的一组能源产量和多组实测物性参数，之后对一组能源产量与任一组实测物性参数之间的相关性进行计算，以从多组实测物性参数中选择相关系数较高的至少一组实测物性参数，进而基于该至少一组实测物性参数对待开采地质层的油气勘探进行指导。
然而，在对一组能源产量与任一组实测物性参数之间的相关性进行计算时，并没有考虑外界环境因素对相关性的影响，导致确定的相关系数存在偏差，从而在后续对油气勘探进行指导的过程中就很容易出现误判的现象。
发明内容
本申请提供了一种能源分布趋势图的生成方法、装置及存储介质，可以解决相关系数存在偏差的问题。所述技术方案如下：
第一方面，提供了一种能源分布趋势图的生成方法，所述方法包括：
获取目标地质层的n个采样点中每个采样点的坐标值、能源产量和多类实测物性参数，所述n为大于1的整数；
基于每个采样点的坐标值，确定n*n个距离值和多个搜索半径，每个距离值是指所述n个采样点中任意两个采样点之间的距离值，所述多个搜索半径中的最小搜索半径小于所述n*n个距离值中的最小距离值，所述多个搜索半径中的最大搜索半径大于所述n*n个距离值中的最大距离值；
基于所述多个搜索半径、所述n*n个距离值和所述n个采样点的能源产量，对多组实测物性参数中的每组实测物性参数进行修正，得到多组修正物性参数，同一组实测物性参数包括所述n个采样点中每个采样点的同一类实测物性参数；
基于所述多组实测物性参数和所述多组修正物性参数，生成所述目标地质层的能源分布趋势图。
可选地，所述基于所述多个搜索半径、所述n*n个距离值和所述n个采样点的能源产量，对多组实测物性参数中的每组实测物性参数进行修正，得到多组修正物性参数，包括：
对于所述多组实测物性参数中的任一组实测物性参数，基于所述多个搜索半径、所述n*n个距离值、所述n个采样点的能源产量和所述任一组实测物性参数，确定与所述多个搜索半径一一对应的多个相关系数；
基于所述n*n个距离值和所述多个相关系数，确定所述任一组实测物性参数的目标搜索半径；
基于所述任一组实测物性参数的目标搜索半径，对所述任一组实测物性参数分别进行修正，得到一组修正物性参数。
可选地，所述基于所述多个搜索半径、所述n*n个距离值、所述n个采样点的能源产量和所述任一组实测物性参数，确定与所述多个搜索半径一一对应的多个相关系数，包括：
对于所述多个搜索半径中的任一搜索半径，基于所述任一搜索半径和所述n*n个距离值，确定出n*n个距离权重；
基于所述n*n个距离权重、所述n个采样点的能源产量和所述任一组实测物性参数，确定与所述任一搜索半径对应的相关系数。
可选地，所述基于所述n*n个距离值和所述多个相关系数，确定所述任一组实测物性参数的目标搜索半径，包括：
确定第一距离值范围，所述第一距离值范围的最小值小于所述最小距离值，所述第一距离值范围的最大值大于所述最大距离值；
对所述第一距离值范围进行划分得到多个搜索半径范围；
确定每个搜索半径范围对应的最小相关系数、最大相关系数和最小相关系数绝对值；
从所述多个搜索半径范围中，确定对应的最小相关系数绝对值大于参考系数，且对应的最大相关系数和最小相关系数之间的差值最小的目标搜索半径范围；
从所述目标搜索半径范围中确定所述目标搜索半径。
可选地，所述基于所述任一组实测物性参数的目标搜索半径，对所述任一组实测物性参数分别进行修正，得到一组修正物性参数，包括：
对于所述n个采样点中的任一采样点，确定以所述任一采样点为中心，以所述目标搜索半径为半径围成的区域；
从所述n个采样点中确定位于所述区域内的至少一个采样点；
对所述至少一个采样点在所述任一组实测物性参数中对应的实测物性参数求平均值，将得到的平均值确定为所述任一采样点的修正物性参数。
可选地，其特征在于，所述基于每个采样点的坐标值，确定n*n个距离值和多个搜索半径，包括：
基于每个采样点的坐标值，计算所述n个采样点中的任意两个采样点之间的距离值，得到所述n*n个距离值；
确定第二距离值范围，所述第二距离值范围的最小值小于所述最小距离值，所述第二距离值范围的最大值大于所述最大距离值；
对所述第二距离值范围进行离散，得到所述多个搜索半径。
第二方面，提供了一种能源分布趋势图的生成装置，所述装置包括：
获取模块：获取目标地质层的n个采样点中每个采样点的坐标值、能源产量和多类实测物性参数，所述n为大于1的整数；
第一确定模块：基于每个采样点的坐标值，确定n*n个距离值和多个搜索半径，每个距离值是指所述n个采样点中任意两个采样点之间的距离值，所述多个搜索半径中的最小搜索半径小于所述n*n个距离值中的最小距离值，所述多个搜索半径中的最大搜索半径大于所述n*n个距离值中的最大距离值；
修正模块：基于所述多个搜索半径、所述n*n个距离值和所述n个采样点的能源产量，对多组实测物性参数中的每组实测物性参数进行修正，得到多组修正物性参数，同一组实测物性参数包括所述n个采样点中每个采样点的同一类实测物性参数；
生成模块：基于所述多组实测物性参数和所述多组修正物性参数，生成所述目标地质层的能源分布趋势图。
可选地，所述修正模块包括：
第一确定单元：对于所述多组实测物性参数中的任一组实测物性参数，基于所述多个搜索半径、所述n*n个距离值、所述n个采样点的能源产量和所述任一组实测物性参数，确定与所述多个搜索半径一一对应的多个相关系数；
第二确定单元：基于所述n*n个距离值和所述多个相关系数，确定所述任一组实测物性参数的目标搜索半径；
修正单元：基于所述任一组实测物性参数的目标搜索半径，对所述任一组实测物性参数分别进行修正，得到一组修正物性参数。
可选地，所述第一确定单元包括：
第一确定子单元：对于所述多个搜索半径中的任一搜索半径，基于所述任一搜索半径和所述n*n个距离值，确定出n*n个距离权重；
第二确定子单元：基于所述n*n个距离权重、所述n个采样点的能源产量和所述任一组实测物性参数，确定与所述任一搜索半径对应的相关系数。
可选地，所述第二确定单元包括：
第三确定子单元：确定第一距离值范围，所述第一距离值范围的最小值小于所述最小距离值，所述第一距离值范围的最大值大于所述最大距离值；
划分子单元：对所述第一距离值范围进行划分得到多个搜索半径范围；
第四确定子单元：确定每个搜索半径范围对应的最小相关系数、最大相关系数和最小相关系数绝对值；
第五确定子单元：从所述多个搜索半径范围中，确定对应的最小相关系数绝对值大于参考系数，且对应的最大相关系数和最小相关系数之间的差值最小的目标搜索半径范围。
可选地，所述修正单元包括：
第六确定子单元：对于所述n个采样点中的任一采样点，确定以所述任一采样点为中心，以所述目标搜索半径为半径围成的区域；
第七确定子单元：从所述n个采样点中确定位于所述区域内的至少一个采样点；
第八确定子单元：对所述至少一个采样点在所述任一组实测物性参数中对应的实测物性参数求平均值，将得到的平均值确定为所述任一采样点的修正物性参数。
可选地，所述第一确定模块包括：
计算单元：基于每个采样点的坐标值，计算所述n个采样点中的任意两个采样点之间的距离值，得到所述n*n个距离值；
第三确定单元：确定第二距离值范围，所述第二距离值范围的最小值小于所述最小距离值，所述第二距离值范围的最大值大于所述最大距离值；
离散单元：对所述第二距离值范围进行离散，得到所述多个搜索半径。
第三方面，提供了一种计算机可读存储介质，所述存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面提供的任一所述的方法。
第四方面，提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行第一方面提供的能源分布趋势图的生成方法。
本申请提供的技术方案带来的有益效果至少可以包括：
通过获取n个采样点的坐标值，可以确定出n*n个距离值和多个搜索半径，从而结合n个采样点的能源产量和多类实测物性参数，可以对多组实测物性参数中的每组实测物性参数进行修正，从而可以得到更加准确的多组修正物性参数。在修正过程中结合了多个采样点之间的距离对物性参数的影响，考虑到了外界环境因素对能源产量和多类实测物性参数之间的关系的影响。通过生成目标地质层的能源分布趋势图，可以更加准确地对待开采地质层的油气勘探进行指导。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，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。
图1是本申请实施例提供的一种能源分布趋势图的生成方法的流程示意图；
图2是本申请实施例提供的另一种能源分布趋势图的生成方法的流程示意图；
图3是本申请实施例提供的一种原生煤厚度与能源产量的频谱图；
图4是本申请实施例提供的一种方位各向异性与能源产量的频谱图；
图5是本申请实施例提供的一种应力属性与能源产量的频谱图；
图6是本申请实施例提供的一种能源分布趋势图的生成装置的结构示意图；
图7是本申请实施例提供的一种终端的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
图1是本申请实施例提供的一种能源分布趋势图的生成方法的流程示意图，该方法应用于计算机设备，该计算设备可以是手机、台式计算机、掌上电脑、平板电脑等。参见图1，该方法包括如下步骤。
步骤101：获取目标地质层的n个采样点中每个采样点的坐标值、能源产量和多类实测物性参数，n为大于1的整数。
步骤102：基于每个采样点的坐标值，确定n*n个距离值和多个搜索半径，每个距离值是指n个采样点中任意两个采样点之间的距离值，多个搜索半径中的最小搜索半径小于n*n个距离值中的最小距离值，多个搜索半径中的最大搜索半径大于n*n个距离值中的最大距离值。
步骤103：基于多个搜索半径、n*n个距离值和n个采样点的能源产量，对多组实测物性参数中的每组实测物性参数进行修正，得到多组修正物性参数，同一组实测物性参数包括n个采样点中每个采样点的同一类实测物性参数。
步骤104：基于多组实测物性参数和多组修正物性参数，生成目标地质层的能源分布趋势图。
本申请实施例中，通过获取n个采样点的坐标值，可以确定出n*n个距离值和多个搜索半径，从而结合n个采样点的能源产量和多类实测物性参数，可以对多组实测物性参数中的每组实测物性参数进行修正，从而可以得到更加准确的多组修正物性参数。在修正过程中结合了多个采样点之间的距离对物性参数的影响，考虑到了外界环境因素对能源产量和多类实测物性参数之间的关系的影响。通过生成目标地质层的能源分布趋势图，可以更加准确地对待开采地质层的油气勘探进行指导。
可选地，基于多个搜索半径、n*n个距离值和n个采样点的能源产量，对多组实测物性参数中的每组实测物性参数进行修正，得到多组修正物性参数，包括：
对于多组实测物性参数中的任一组实测物性参数，基于多个搜索半径、n*n个距离值、n个采样点的能源产量和任一组实测物性参数，确定与多个搜索半径一一对应的多个相关系数；
基于n*n个距离值和多个相关系数，确定任一组实测物性参数的目标搜索半径；
基于任一组实测物性参数的目标搜索半径，对任一组实测物性参数分别进行修正，得到一组修正物性参数。
可选地，基于多个搜索半径、n*n个距离值、n个采样点的能源产量和任一组实测物性参数，确定与多个搜索半径一一对应的多个相关系数，包括：
对于多个搜索半径中的任一搜索半径，基于任一搜索半径和n*n个距离值，确定出n*n个距离权重；
基于n*n个距离权重、n个采样点的能源产量和任一组实测物性参数，确定与任一搜索半径对应的相关系数。
可选地，基于n*n个距离值和多个相关系数，确定任一组实测物性参数的目标搜索半径，包括：
确定第一距离值范围，第一距离值范围的最小值小于最小距离值，第一距离值范围的最大值大于最大距离值；
对第一距离值范围进行划分得到多个搜索半径范围；
确定每个搜索半径范围对应的最小相关系数、最大相关系数和最小相关系数绝对值；
从多个搜索半径范围中，确定对应的最小相关系数绝对值大于参考系数，且对应的最大相关系数和最小相关系数之间的差值最小的目标搜索半径范围；
从目标搜索半径范围中确定目标搜索半径。
可选地，基于任一组实测物性参数的目标搜索半径，对任一组实测物性参数分别进行修正，得到一组修正物性参数，包括：
对于n个采样点中的任一采样点，确定以任一采样点为中心，以目标搜索半径为半径围成的区域；
从n个采样点中确定位于区域内的至少一个采样点；
对至少一个采样点在任一组实测物性参数中对应的实测物性参数求平均值，将得到的平均值确定为任一采样点的修正物性参数。
可选地，基于每个采样点的坐标值，确定n*n个距离值和多个搜索半径，包括：
基于每个采样点的坐标值，计算n个采样点中的任意两个采样点之间的距离值，得到n*n个距离值；
确定第二距离值范围，第二距离值范围的最小值小于最小距离值，第二距离值范围的最大值大于最大距离值；
对第二距离值范围进行离散，得到多个搜索半径。
上述所有可选技术方案，均可按照任意结合形成本申请的可选实施例，本申请实施例对此不再一一赘述。
图2是本申请实施例提供的一种能源分布趋势图的生成方法的流程示意图，该方法应用于计算机设备，该计算设备可以是手机、台式计算机、掌上电脑、平板电脑等。参见图2，该方法包括如下步骤。
在对目标地质层的油气进行勘探时，为了提高油气勘探的高效性，在一些实施例中可以预先确定目标地质层的能源分布趋势图。由于目标地质层的能源分布趋势图可以由无数个点中每个点的能源储量确定，而实际过程中不可能确定无数个点中每个点的能源储量，此时，可以在目标地质层中确定n个采样点，进而确定这n个采样点的能源分布趋势，之后通过这n个采样点的能源分布趋势生成目标地质层的能源分布趋势图。其中，能源分布趋势图可以是气体分布趋势图，也可以是原油分布趋势图。
步骤201：获取目标地质层的n个采样点中每个采样点的坐标值、能源产量和多类实测物性参数，n为大于1的整数。
其中，n个采样点可以是目标地质层内按照一定区域划分后随机选取的采样点，当然，为了提高生成的目标地质层的能源分布趋势图的准确性，可以将目标地质层所在的区域内的n口油气井在目标地质层上的生产点确定为n个采样点。
需要说明的是，由于目标地质层具有一定厚度，这样每口油气井在目标地质层上的生产点可以是目标地质层沿深度方向的中心点。另外，为了确保生成的目标地质层的能源趋势分布图的准确性，采样点可以设置的越多越好。当然，为了避免运算量过大，也可以对采样点的个数进行适当限定。示例地，采样点的个数可以大于30，且小于100。
在一些实施例中，在通过检测设备对n个采样点中的每个采样点进行观测得到每个采样点的参数信息后，计算机设备上可以显示第一参数获取界面，之后，可以获取用户在第一参数获取界面中输入的每个采样点的参数信息。也即是，用户可以在第一参数获取界面中输入每个采样点的参数信息，这样，计算机设备可以从第一参数获取界面中获取这些参数。当然，计算机设备也可以与这些数据的存储设备进行通讯，以从该存储设备中获取每个采样点的参数信息。本申请实施例对此不做限定。
其中，每个采样点检测得到的参数信息可以包括坐标值、能源产量和多类实测物性参数。坐标值可以为大地坐标值，能源产量可以为煤层气产量或者原油产量，多类实测物性参数可以为影响煤层气产量或原油产量的因素的物性参数。示例地，影响煤层气产量的因素可以包括原生煤厚度、方位各向异性和应力属性等，当然也可以包括其他因素，只要能够影响到煤层气产量即可，本申请实施例对此不做限定。
需要说明的是，在获取n个采样点的参数信息时，可以将每个采样点的同一类实测物性参数作为一组实测物性参数进行获取，也即是n个采样点的第一类实测物性参数可以作为第一组实测物性参数，n个采样点的第二类实测物性参数可以作为第二组实测物性参数等等。
步骤202：基于每个采样点的坐标值，确定n*n个距离值和多个搜索半径。
其中，每个距离值是指n个采样点中任意两个采样点之间的距离值，多个搜索半径中的最小搜索半径小于n*n个距离值中的最小距离值，多个搜索半径中的最大搜索半径大于n*n个距离值中的最大距离值。
在一些实施例中，可以按照如下步骤(1)-(3)确定n*n个距离值和多个搜索半径。
(1)、基于每个采样点的坐标值，计算n个采样点中的任意两个采样点之间的距离值，得到n*n个距离值。
其中，对于n个采样点中的任意两个采样点(第i采样点和第j采样点)，可以基于第i采样点的横坐标值和纵坐标值，第j采样点的横坐标值和纵坐标值按照如下公式(1)确定第i采样点和第j采样点之间的距离值：
其中，dij为第i个采样点和第j个采样点之间的距离值，xi为第i个采样点的横坐标值，yi为第i个采样点的纵坐标值，xj为第j个采样点的横坐标值，yj为第j个采样点的纵坐标值。需要说明的是，第i采样点和第j采样点可以是指同一个采样点，当然也可以是不同的采样点，也即是i可以是指1到n内且包括1和n中的任一个数，j可以是指1到n内且包括1和n中的任一个数。
进一步地，在得到n个采样点中任意两个采样点之间的距离值后，也即是到n*n个距离值后，为了便于对n*n个距离值进行显示，可以将n*n个距离值以距离矩阵的形式表示，也即是距离矩阵可以为n*n的方阵。
(2)、确定第二距离值范围，第二距离值范围的最小值小于最小距离值，第二距离值范围的最大值大于最大距离值。
在一些实施例中，可以先从n*n个距离值中确定出最小距离值，并设置一个小于最小距离值的第一数值，再将第一数值作为第二距离值范围的最小值。之后，从n*n个距离值中确定出最大距离值，并设置一个大于最大距离值的第二数值，在将第二数值作为第二距离值范围的最大值，从而得到第二距离值范围。
需要说明的是，在设置第一数值和第二数值时，可以基于距离阈值进行设定，比如可以将最小距离值与距离阈值之间的差值作为第一数值，将最大距离值与距离阈值之和作为第二数值。其中，距离阈值可以预先进行设定，比如距离阈值可以是最大距离值和最小距离值之差的5％，当然，距离阈值也可以为其他值，只要可以保证第一数值接近最小距离值，第二数值接近最大距离值即可。
(3)、对第二距离值范围进行离散，得到多个搜索半径。
在一些实施例中，可以将第二距离值范围的最小值作为第一搜索半径，以预设步长值为增量，将第一搜索半径和预设步长值相加，得到第二搜索半径，再将第二项和预设步长值相加，得到第三搜索半径，以此类推，当前一个搜索半径与预设步长值相加得到的下一个搜索半径大于或等于第二距离值范围的最大值时，停止对第二距离值范围的离散，得到多个搜索半径。
其中，预设步长值可以预先进行设置，当然也可以根据第二距离值范围的最大值和最小值进行确定。一些实施例中，预设步长值可以控制在第二距离值范围的最大值与最小值之差的5％至20％内。比如，预设步长值可以为第二距离值范围的最大值与最小值之差的10％。
在通过上述步骤202确定得到n*n个距离值，以及多个搜索半径之后，可以基于多个搜索半径、n*n个距离值和n个采样点的能源产量，对多组实测物性参数中的每组实测物性参数进行修正，得到多组修正物性参数。具体地，可以按照如下步骤203-步骤205实现。
其中，同一组实测物性参数包括n个采样点中每个采样点的同一类实测物性参数。
步骤203：对于多组实测物性参数中的任一组实测物性参数，基于多个搜索半径、n*n个距离值、n个采样点的能源产量和任一组实测物性参数，确定与多个搜索半径一一对应的多个相关系数。
在一些实施例中，可以按照如下步骤(1)-(2)确定多个相关系数：
(1)、对于多个搜索半径中的任一搜索半径，基于任一搜索半径和n*n个距离值，确定出n*n个距离权重。
其中，可以基于任一搜索半径和n*n个距离值按照如下公式(2)确定出n*n个距离权重：
其中，λij为第i个采样点和第j个采样点之间的距离权重，dij为第i个采样点和第j个采样点之间的距离值，r为任一搜索半径，f(dij)为权重函数。
其中，权重函数可以根据实际情况选用。例如，权重函数可以是常数函数、一次函数、二次函数、阶跃函数、分段函数或其他函数。示例地，权重函数可以为f(dij)＝1的常函数。或者权重函数可以为如下公式(3)所示的分段函数。
其中，f(dij)为权重函数，dij为第i个采样点和第j个采样点之间的距离值，r为任一搜索半径，e为小于r的数，e的大小根据实际情况确定。
进一步地，在每个搜索半径下确定出n*n个距离权重值之后，可以得到每个搜索半径对应的n*n个距离权重值。另外，为了便于对n*n个距离权重值进行显示，可以将n*n个距离权重值以权重矩阵的形式表示，也即是权重矩阵可以为n*n的方阵。
(2)、基于n*n个距离权重、n个采样点的能源产量和任一组实测物性参数，确定与任一搜索半径对应的相关系数。
其中，在任一搜索半径下，可以基于n*n个距离权重、n个采样点的能源产量和任一组实测物性参数按照如下公式(4)确定任一搜索半径对应的相关系数：
其中，I为任一搜索半径r对应的相关系数，n为采样点的个数，λij为第i个采样点和第j个采样点之间的距离权重，Xi为第i个采样点的能源产量，Xj第j个采样点的能源产量，Yi为第i个采样点的第一类实测物性参数，Yj第j个采样点的第一类实测物性参数，第一类实测物性参数是指多类实测物性参数中的任一类实测物性参数。
由于搜索半径存在多个，这样对于每个搜索半径，均按照上述步骤(1)-(2)即可计算得到每个搜索半径对应的相关系数，也即是得到与多个搜索半径一一对应的多个相关系数。
步骤204：基于n*n个距离值和多个相关系数，确定任一组实测物性参数的目标搜索半径。
在一些实施例中，可以按照如下步骤(1)-(5)确定目标搜索半径。
(1)、确定第一距离值范围，第一距离值范围的最小值小于最小距离值，第一距离值范围的最大值大于最大距离值。
在一些实施例中，可以先从n*n个距离值中确定出最小距离值，并设置一个小于最小距离值的第三数值，再将第三数值作为第一距离值范围的最小值。之后，可以从n*n个距离值中确定出最大距离值，并设置一个大于最大距离值的第四数值，再将第四数值作为第一距离值范围的最大值，从而得到第一距离值范围。
需要说明的是，在设置第三数值和第四数值时，可以基于距离阈值进行设定，比如可以将最小距离值与距离阈值之间的差值作为第三数值，将最大距离值与距离阈值之和作为第四数值。其中，距离阈值可以预先进行设定，比如距离阈值可以是最大距离值和最小距离值之差的5％，当然，距离阈值也可以为其他值，只要可以保证第三数值接近最小距离值，第四数值接近最大距离值即可。
需要说明的是，第一距离值范围和第二距离值范围可以是同一个距离阈值范围，也即是第一数值和第三数值相同，第二数值和第四数值相同。当然，第一距离值范围和第二距离值范围也可以不同。
(2)、对第一距离值范围进行划分得到多个搜索半径范围；
其中，可以对第一距离值范围进行平均划分，得到范围大小一致的多个搜索半径范围。当然，也可以对第一距离阈值范围进行随机划分，只要划分得到的多个搜索半径范围中的任意两个不存在交集，多个搜索半径范围的并集为第一距离值范围即可。
需要说明的是，多个搜索半径范围中的每个搜索半径范围的长度可以预先进行设定。示例地，每个搜索半径范围的长度可以为第一距离值范围长度的10％-33％中的任一个数值。
(3)、确定每个搜索半径范围对应的最大相关系数、最小相关系数和最小相关系数绝对值。
在一些实施例中，对于多个搜索半径范围中的每个搜索半径范围，可以查找出位于每个搜索半径范围内的所有搜索半径，之后基于搜索半径与相关系数之间的对应关系，确定每个搜索半径范围内的搜索半径对应的相关系数，并将这些相关系数做对比，以确定出最大相关系数、最小相关系数和最小相关系数绝对值，从而得到每个搜索半径范围对应的最大相关系数、最小相关系数和最小相关系数绝对值。
(4)、从多个搜索半径范围中，确定对应的最小相关系数绝对值大于参考系数，且对应的最大相关系数和最小相关系数之间的差值最小的目标搜索半径范围。
在一些实施例中，对于每个搜索半径范围，可以将对应的最小相关系数绝对值与参考系数作比较，判断最小相关系数绝对值是否大于参考系数，如果最小相关系数绝对值大于参考系数，则可以将该搜索半径范围作为备选搜索半径范围。其次，对于每个备选搜索半径范围，可以确定出最大相关系数和最小相关系数之间的差值，并将每个备选搜索半径范围的差值做比较，并确定出一个最小差值，进而可以将该最小差值对应的备选搜索半径范围作为目标搜索半径范围。
其中，参考系数可以预先设置，参考系数可以为保证能源产量和任一类实测物性参数有较高的相关性的相关系数值。在一个搜索半径范围内，如果最小相关系数绝对值大于参考系数，则可以保证在该搜索半径范围中每个采样点对应的能源产量和任一类实测物性参数具有较高的相关性。
(5)、从目标搜索半径范围中确定目标搜索半径。
其中，可以将目标搜索半径范围的最大搜索半径与最小搜索半径的平均半径作为目标搜索半径。当然，也可以在目标搜索半径范围内确定出最大相关系数绝对值，并将最大相关系数绝对值对应的搜索半径作为目标搜索半径。当然，也可以按照其他方式在目标搜索半径范围内确定目标搜索半径。
在另一些实施例中，计算机设备可以根据多个搜索半径和多个相关系数生成搜索半径和相关系数之间的频谱图。其中，频谱图的横坐标可以为搜索半径，纵坐标可以为相关系数。之后，计算机设备上可以显示第二参数获取界面，之后，可以获取用户在第二参数获取界面中输入的任一组实测物性参数的目标搜索半径。也即是，用户可以在第二参数获取界面中输入任一组实测物性参数的目标搜索半径，这样，计算机设备可以从第二参数获取界面中获取这些参数。
作为一个示例，假设得到如图3所示的原生煤厚度与能源产量的频谱图，得到如图4所示的方位各向异性与能源产量的频谱图，得到如图5所示的应力属性与能源产量的频谱图。之后，计算机设备上可以显示第二参数获取界面，以获取用户在第二参数获取界面中输入的原生煤厚度的目标搜索半径、方位各向异性的目标搜索半径，以及应力属性的目标搜索半径。
步骤205：基于任一组实测物性参数的目标搜索半径，对任一组实测物性参数分别进行修正，得到一组修正物性参数。
在一些实施例中，可以按照如下步骤(1)-(3)得到修正物性参数。
(1)、对于n个采样点中的任一采样点，确定以任一采样点为中心，以目标搜索半径为半径围成的区域。
其中，对于n个采样点中的任一采样点，可以将该任一采样点作为圆心，将目标搜索半径作为半径进行画圆，得到此圆围成的区域。
(2)、从n个采样点中确定位于区域内的至少一个采样点。
其中，可以确定该任一采样点与其他n-1个采样点之间的距离值，当与n-1个采样点中的采样点之间的距离值大于目标搜索半径时，则可以确定该采样点不在区域内；当与n-1个采样点中的采样点之间的距离值小于目标搜索半径时，则可以确定该采样点在区域内，从而可以从n-1个采样点中确定出至少一个采样点。
(3)、对至少一个采样点在任一组实测物性参数中对应的实测物性参数求平均值，将得到的平均值确定为任一采样点的修正物性参数。
需要说明的是，由于在该区域中的采样点处的能源产量和实测物性参数之间均有相同的相关性，则该区域中的每个采样点对应的实测物性参数会受到每个采样点之间的位置关系的影响。所以将该区域中的每个采样点对应的任一类实测物性参数求平均值，并将此平均值作为每个采样点在一组实测物性参数中对应的修正物性参数。
进一步地，可以将修正物性参数赋值给每个采样点对应的实测物性参数，完成对实测物性参数的修正。
步骤206：基于多组实测物性参数和多组修正物性参数，生成目标地质层的能源分布趋势图。
在一些实施例中，可以按照如下步骤(1)-(5)生成目标地质层的能源分布趋势图。
(1)、确定任一组实测物性参数对应的平均搜索半径。
在一些实施例中，可以基于步骤202中确定的多个搜索半径中的最小搜索半径和最大搜索半径确定平均搜索半径。比如可以将最小搜索半径和最大搜索半径的平均值确定为平均搜索半径。
示例地，如图3、图4、图5所示，可以确定原生煤厚度、方位各向异性和应力属性的最小搜索半径均为0m，且最大搜索半径均为500m，因此，原生煤厚度、方位各向异性和应力属性对应的平均搜索半径均为250m。
(2)、当目标搜索半径小于平均搜索半径时，将每个采样点在任一组实测物性参数中对应的实测物性参数减去修正物性参数并取绝对值，得到每个采样点的特征参数，从而得到一组特征参数。
示例地，假设方位各向异性参数和应力属性参数的目标搜索半径均小于各自的平均搜索半径，则可以将每个采样点的方位各向异性参数减去修正方位各向异性参数并取绝对值，得到每个采样点的方位各向异性特征参数；将每个采样点的应力属性参数分别减去修正应力属性参数并取绝对值，得到每个采样点的应力属性特征参数，从而得到一组方位各向异性特征参数和一组应力属性特征参数。
(3)、当目标搜索半径大于平均搜索半径时，可以将每个采样点在任一组实测物性参数中对应的修正物性参数，作为每个采样点的背景参数，从而得到一组背景参数。
示例地，假设原生煤厚度参数的目标搜索半径大于平均搜索半径，则可以将每个采样点的修正原生煤厚度参数作为每个采样点的原生煤厚度背景参数，从而得到一组原生煤厚度背景参数。
(4)、对得到的每组特征参数和每组背景参数分别进行归一化处理，得到至少一组归一化特征参数和至少一组归一化背景参数。
其中，可以将每组特征参数中的每个特征参数通过归一化转换公式进行转换，得到每个特征参数对应的一个归一化特征参数，进而得到每组特征参数对应的一组归一化特征参数；可以将每组背景参数中的每个背景参数通过归一化转换公式进行转换，得到每个背景参数对应的一个归一化背景参数，进而得到每组背景参数对应的一组归一化背景参数。其中，归一化转换公式可以参考相关技术，本申请实施例对此不在赘述。
(5)、基于至少一组归一化特征参数和至少一组归一化背景参数生成目标地质层的能源分布趋势图。
在一些实施例中，对至少一组归一化特征参数和至少一组归一化背景参数进行权重求和，得到多个采样点的能源分布比重，进而根据多个采样点的能源分布比重，在目标地质层内生成能源分布趋势图。
在一些实施例中，每组归一化特征参数的权重和每组归一化背景参数的权重均可以根据归一化特征参数的组数和归一化背景参数的组数之和进行确定。其中，每组归一化特征参数的权重和每组归一化背景参数的权重相等。假设有2组归一化特征参数和1组归一化背景参数，则可以确定每组归一化特征参数的权重和每组归一化背景参数的权重均为1/3。当然，每组归一化特征参数的权重和每组归一化背景参数的权重权重也可以根据其他方式确定，只要有利于能源分布趋势图的生成即可。
在一些实施例中，可以将目标地质层所在的区域按照预设比例缩小，得到目标地质层对应的区域图，之后按照预设比例确定多个采样点在区域图上对应的多个数据点，进而在区域图上按照每个采样点的能源分布比重在对应的数据点进行颜色标注，从而得到目标地质层的能源分布趋势图。
其中，每个数据点的颜色标注可以基于对应的采样点的能源分布比重进行确定，比如采样点的能源分布比重越大，则对应的数据点的颜色越深。
示例地，可以将每个采样点对应的特征方位各向异性参数、特征应力属性参数和背景原生煤厚度参数均乘以1/3再求和，得到每个采样点的能源分布比重，从而基于多个采样点的能源分布比重在目标地质层内生成能源分布趋势图。
本申请实施例中，通过获取n个采样点的坐标值，可以确定出n*n个距离值和多个搜索半径，从而结合n个采样点的能源产量和多类实测物性参数，可以对多组实测物性参数中的每组实测物性参数进行修正，从而可以得到更加准确的多组修正物性参数。在修正过程中结合了多个采样点之间的距离对物性参数的影响，考虑到了外界环境因素对能源产量和多类实测物性参数之间的关系的影响。通过生成目标地质层的能源分布趋势图，可以更加准确地对待开采地质层的油气勘探进行指导。
图6是本申请实施例提供的一种能源分布趋势图的生成装置的结构示意图。
参见图6，该装置包括：
获取模块601：获取目标地质层的n个采样点中每个采样点的坐标值、能源产量和多类实测物性参数，n为大于1的整数；
第一确定模块602：基于每个采样点的坐标值，确定n*n个距离值和多个搜索半径，每个距离值是指n个采样点中任意两个采样点之间的距离值，多个搜索半径中的最小搜索半径小于n*n个距离值中的最小距离值，多个搜索半径中的最大搜索半径大于n*n个距离值中的最大距离值；
修正模块603：基于多个搜索半径、n*n个距离值和n个采样点的能源产量，对多组实测物性参数中的每组实测物性参数进行修正，得到多组修正物性参数，同一组实测物性参数包括n个采样点中每个采样点的同一类实测物性参数；
生成模块604：基于多组实测物性参数和多组修正物性参数，生成目标地质层的能源分布趋势图。
可选地，修正模块包括：
第一确定单元：对于多组实测物性参数中的任一组实测物性参数，基于多个搜索半径、n*n个距离值、n个采样点的能源产量和任一组实测物性参数，确定与多个搜索半径一一对应的多个相关系数；
第二确定单元：基于n*n个距离值和多个相关系数，确定任一组实测物性参数的目标搜索半径；
修正单元：基于任一组实测物性参数的目标搜索半径，对任一组实测物性参数分别进行修正，得到一组修正物性参数。
可选地，第一确定单元包括：
第一确定子单元：对于多个搜索半径中的任一搜索半径，基于任一搜索半径和n*n个距离值，确定出n*n个距离权重；
第二确定子单元：基于n*n个距离权重、n个采样点的能源产量和任一组实测物性参数，确定与任一搜索半径对应的相关系数。
可选地，第二确定单元包括：
第三确定子单元：确定第一距离值范围，第一距离值范围的最小值小于最小距离值，第一距离值范围的最大值大于最大距离值；
划分子单元：对第一距离值范围进行划分得到多个搜索半径范围；
第四确定子单元：确定每个搜索半径范围对应的最小相关系数、最大相关系数和最小相关系数绝对值；
第五确定子单元：从多个搜索半径范围中，确定对应的最小相关系数绝对值大于参考系数，且对应的最大相关系数和最小相关系数之间的差值最小的目标搜索半径范围。
可选地，修正单元包括：
第六确定子单元：对于n个采样点中的任一采样点，确定以任一采样点为中心，以目标搜索半径为半径围成的区域；
第七确定子单元：从n个采样点中确定位于区域内的至少一个采样点；
第八确定子单元：对至少一个采样点在任一组实测物性参数中对应的实测物性参数求平均值，将得到的平均值确定为任一采样点的修正物性参数。
可选地，第一确定模块包括：
计算单元：基于每个采样点的坐标值，计算n个采样点中的任意两个采样点之间的距离值，得到n*n个距离值；
第三确定单元：确定第二距离值范围，第二距离值范围的最小值小于最小距离值，第二距离值范围的最大值大于最大距离值；
离散单元：对第二距离值范围进行离散，得到多个搜索半径。
本申请实施例中，通过获取n个采样点的坐标值，可以确定出n*n个距离值和多个搜索半径，从而结合n个采样点的能源产量和多类实测物性参数，可以对多组实测物性参数中的每组实测物性参数进行修正，从而可以得到更加准确的多组修正物性参数。在修正过程中结合了多个采样点之间的距离对物性参数的影响，考虑到了外界环境因素对能源产量和多类实测物性参数之间的关系的影响。通过生成目标地质层的能源分布趋势图，可以更加准确地对待开采地质层的油气勘探进行指导。
需要说明的是：上述实施例提供的能源分布趋势图的生成装置在生成能源分布趋势图时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的能源分布趋势图的生成装置与能源分布趋势图的生成方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
图7示例了本申请一个示例性实施例提供的终端700的结构框图。参见图7，该终端700可以是：智能手机、平板电脑、笔记本电脑或台式电脑。终端700还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。参见图7，终端700可以包括处理器701和存储器702。
处理器701可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器701可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器701也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器701可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器701还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。
存储器702可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器702还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器702中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器701所执行以实现本申请中方法实施例提供的一种能源分布趋势图的生成方法。
在一些实施例中，终端700还可选包括有：外围设备接口703和至少一个外围设备。处理器701、存储器702和外围设备接口703之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口703相连。具体地，外围设备包括：射频电路704、显示屏705、定位组件706和电源707中的至少一种。
外围设备接口703可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器701和存储器702。在一些实施例中，处理器701、存储器702和外围设备接口703被集成在同一芯片或电路板上；在一些其他实施例中，处理器701、存储器702和外围设备接口703中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。
射频电路704用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路704通过电磁信号与通信网络以及其他通信设备进行通信。射频电路704将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路704包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路704可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：万维网、城域网、内联网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路704还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。
显示屏705用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏705是显示屏时，显示屏705还具有采集在显示屏705的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器701进行处理。此时，显示屏705还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏705可以为一个，设置终端700的前面板；在另一些实施例中，显示屏705可以为至少两个，分别设置在终端700的不同表面或呈折叠设计；在再一些实施例中，显示屏705可以是柔性显示屏，设置在终端700的弯曲表面上或折叠面上。甚至，显示屏705还可以设置成非矩形的不规则图形，也即异形屏。显示屏705可以采用LCD(LiquidCrystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
定位组件706用于定位终端700的当前地理位置，以实现导航或LBS(LocationBased Service，基于位置的服务)。定位组件706可以是基于美国的GPS(GlobalPositioning System，全球定位系统)、中国的北斗系统或俄罗斯的伽利略系统的定位组件。
电源707用于为终端700中的各个组件进行供电。电源707可以是交流电、直流电、一次性电池或可充电电池。当电源707包括可充电电池时，该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池，无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。
本领域技术人员可以理解，图7中示出的结构并不构成对终端700的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。
在上述实施例中，还提供了一种包括指令的非暂态的计算机可读存储介质，该计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器所执行以实现上述图1或图2所示实施例提供的方法。
本申请实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述图1或图2所示实施例提供的方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (5)
1.一种能源分布趋势图的生成方法，其特征在于，所述方法包括：
获取目标地质层的n个采样点中每个采样点的坐标值、能源产量和多类实测物性参数，所述n为大于1的整数；
基于每个采样点的坐标值，确定n*n个距离值和多个搜索半径，每个距离值是指所述n个采样点中任意两个采样点之间的距离值，所述多个搜索半径中的最小搜索半径小于所述n*n个距离值中的最小距离值，所述多个搜索半径中的最大搜索半径大于所述n*n个距离值中的最大距离值；
基于所述多个搜索半径、所述n*n个距离值和所述n个采样点的能源产量，对多组实测物性参数中的每组实测物性参数进行修正，得到多组修正物性参数，同一组实测物性参数包括所述n个采样点中每个采样点的同一类实测物性参数；
基于所述多组实测物性参数和所述多组修正物性参数，生成所述目标地质层的能源分布趋势图；
所述基于所述多个搜索半径、所述n*n个距离值和所述n个采样点的能源产量，对多组实测物性参数中的每组实测物性参数进行修正，得到多组修正物性参数，包括：
对于所述多组实测物性参数中的任一组实测物性参数，对于所述多个搜索半径中的任一搜索半径，基于所述任一搜索半径和所述n*n个距离值，确定出n*n个距离权重；
基于所述n*n个距离权重、所述n个采样点的能源产量和所述任一组实测物性参数，确定与所述任一搜索半径对应的相关系数；
确定第一距离值范围，所述第一距离值范围的最小值小于所述最小距离值，所述第一距离值范围的最大值大于所述最大距离值；
对所述第一距离值范围进行划分得到多个搜索半径范围；
确定每个搜索半径范围对应的最小相关系数、最大相关系数和最小相关系数绝对值；
从所述多个搜索半径范围中，确定对应的最小相关系数绝对值大于参考系数，且对应的最大相关系数和最小相关系数之间的差值最小的目标搜索半径范围；
从所述目标搜索半径范围中确定所述目标搜索半径；
对于所述n个采样点中的任一采样点，确定以所述任一采样点为中心，以所述目标搜索半径为半径围成的区域；
从所述n个采样点中确定位于所述区域内的至少一个采样点；
对所述至少一个采样点在所述任一组实测物性参数中对应的实测物性参数求平均值，将得到的平均值确定为所述任一采样点的修正物性参数。
2.如权利要求1所述的方法，其特征在于，所述基于每个采样点的坐标值，确定n*n个距离值和多个搜索半径，包括：
基于每个采样点的坐标值，计算所述n个采样点中的任意两个采样点之间的距离值，得到所述n*n个距离值；
确定第二距离值范围，所述第二距离值范围的最小值小于所述最小距离值，所述第二距离值范围的最大值大于所述最大距离值；
对所述第二距离值范围进行离散，得到所述多个搜索半径。
3.一种能源分布趋势图的生成装置，其特征在于，所述装置包括：
获取模块：获取目标地质层的n个采样点中每个采样点的坐标值、能源产量和多类实测物性参数，所述n为大于1的整数；
第一确定模块：基于每个采样点的坐标值，确定n*n个距离值和多个搜索半径，每个距离值是指所述n个采样点中任意两个采样点之间的距离值，所述多个搜索半径中的最小搜索半径小于所述n*n个距离值中的最小距离值，所述多个搜索半径中的最大搜索半径大于所述n*n个距离值中的最大距离值；
修正模块：基于所述多个搜索半径、所述n*n个距离值和所述n个采样点的能源产量，对多组实测物性参数中的每组实测物性参数进行修正，得到多组修正物性参数，同一组实测物性参数包括所述n个采样点中每个采样点的同一类实测物性参数；
生成模块：基于所述多组实测物性参数和所述多组修正物性参数，生成所述目标地质层的能源分布趋势图；
所述修正模块还包括：
第一确定单元：对于所述多组实测物性参数中的任一组实测物性参数，基于所述多个搜索半径、所述n*n个距离值、所述n个采样点的能源产量和所述任一组实测物性参数，确定与所述多个搜索半径一一对应的多个相关系数；
第二确定单元：基于所述n*n个距离值和所述多个相关系数，确定所述任一组实测物性参数的目标搜索半径；
修正单元：基于所述任一组实测物性参数的目标搜索半径，对所述任一组实测物性参数分别进行修正，得到一组修正物性参数；
所述第一确定单元包括：
第一确定子单元：对于所述多个搜索半径中的任一搜索半径，基于所述任一搜索半径和所述n*n个距离值，确定出n*n个距离权重；
第二确定子单元：基于所述n*n个距离权重、所述n个采样点的能源产量和所述任一组实测物性参数，确定与所述任一搜索半径对应的相关系数；
所述第二确定单元包括：
第三确定子单元：确定第一距离值范围，所述第一距离值范围的最小值小于所述最小距离值，所述第一距离值范围的最大值大于所述最大距离值；
划分子单元：对所述第一距离值范围进行划分得到多个搜索半径范围；
第四确定子单元：确定每个搜索半径范围对应的最小相关系数、最大相关系数和最小相关系数绝对值；
第五确定子单元：从所述多个搜索半径范围中，确定对应的最小相关系数绝对值大于参考系数，且对应的最大相关系数和最小相关系数之间的差值最小的目标搜索半径范围；
所述修正单元还包括：
第六确定子单元：对于所述n个采样点中的任一采样点，确定以所述任一采样点为中心，以所述目标搜索半径为半径围成的区域；
第七确定子单元：从所述n个采样点中确定位于所述区域内的至少一个采样点；
第八确定子单元：对所述至少一个采样点在所述任一组实测物性参数中对应的实测物性参数求平均值，将得到的平均值确定为所述任一采样点的修正物性参数。
4.如权利要求3所述的装置，其特征在于，所述第一确定模块包括：
计算单元：基于每个采样点的坐标值，计算所述n个采样点中的任意两个采样点之间的距离值，得到所述n*n个距离值；
第三确定单元：确定第二距离值范围，所述第二距离值范围的最小值小于所述最小距离值，所述第二距离值范围的最大值大于所述最大距离值；
离散单元：对所述第二距离值范围进行离散，得到所述多个搜索半径。
5.一种计算机可读存储介质，其特征在于，所述存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1或2所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911268343.5A CN112948513B (zh) | 2019-12-11 | 2019-12-11 | 能源分布趋势图的生成方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911268343.5A CN112948513B (zh) | 2019-12-11 | 2019-12-11 | 能源分布趋势图的生成方法、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112948513A CN112948513A (zh) | 2021-06-11 |
| CN112948513B true CN112948513B (zh) | 2024-03-26 |
Family
ID=76234087
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911268343.5A Active CN112948513B (zh) | 2019-12-11 | 2019-12-11 | 能源分布趋势图的生成方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112948513B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105093313A (zh) * | 2015-07-07 | 2015-11-25 | 中国地质大学（北京） | 一种岩溶型油藏单井油气产能预测方法及装置 |
| CN105863628A (zh) * | 2016-03-23 | 2016-08-17 | 中国海洋石油总公司 | 一种油田开发阶段储层精细预测方法 |
| CN108957535A (zh) * | 2018-06-12 | 2018-12-07 | 中国石油天然气股份有限公司 | 油藏地震储层的预测方法及装置 |
| CN110378227A (zh) * | 2019-06-17 | 2019-10-25 | 北京达佳互联信息技术有限公司 | 修正样本标注数据的方法、装置、设备及存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| UA72581C2 (en) * | 2002-08-30 | 2005-03-15 | Method for investigating oil-and-gas deposits by seismic waves | |
| US20160048933A1 (en) * | 2014-08-15 | 2016-02-18 | Chevron U.S.A., Inc. | Reservoir property trend modeling guidance using data-driven uncertainty range |
-
2019
- 2019-12-11 CN CN201911268343.5A patent/CN112948513B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105093313A (zh) * | 2015-07-07 | 2015-11-25 | 中国地质大学（北京） | 一种岩溶型油藏单井油气产能预测方法及装置 |
| CN105863628A (zh) * | 2016-03-23 | 2016-08-17 | 中国海洋石油总公司 | 一种油田开发阶段储层精细预测方法 |
| CN108957535A (zh) * | 2018-06-12 | 2018-12-07 | 中国石油天然气股份有限公司 | 油藏地震储层的预测方法及装置 |
| CN110378227A (zh) * | 2019-06-17 | 2019-10-25 | 北京达佳互联信息技术有限公司 | 修正样本标注数据的方法、装置、设备及存储介质 |
Non-Patent Citations (6)
| Title |
|---|
| Estimation of methane content in coal mines using supplementary physical measurements and multivariable geostatistics;Jarosław Zawadzki et.al;International Journal of Coal Geology;第118卷;33-44 * |
| 一种改进的空间相关系数在水库高边坡外观变形监测中的应用;胡添翼;游孟陶;陆天琳;王成;董安雨;;长江科学院院报;第34卷(第07期);41-47, 53 * |
| 多点地质统计学算法Snesim参数敏感性分析;王红;李少华;;断块油气田;第24卷(第04期);490-494 * |
| 灰色关联网格化综合评价普光气田储层;万晓伟;毕建霞;刘志远;张继喜;邹丽;李艳玲;娄风霞;;断块油气田;第17卷(第04期);405-408 * |
| 空间相关分析因素对储层建模中克里金估计结果的影响;刘永社, 印兴耀, 贺维胜;石油大学学报(自然科学版);第28卷(第02期);24-27, 37 * |
| 融合多种地震属性的沉积微相研究与储层建模;陈建阳;田昌炳;周新茂;王辉;;石油地球物理勘探;第46卷(01);98-102 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112948513A (zh) | 2021-06-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105474717B (zh) | 使用移动设备室内位置信息对接入点的室内位置确定 | |
| EP3598726A1 (en) | Method for adjusting precision level of positioning, device, storage medium and electronic device | |
| CN108141837A (zh) | 用于跟踪的装置和方法 | |
| CN107534949B (zh) | 一种室内定位方法及设备 | |
| US10718871B2 (en) | Mobile terminal control method, apparatus, and system | |
| CN107947875B (zh) | 一种基站发出的电磁辐射的检测方法及装置 | |
| WO2021103512A1 (en) | Method and apparatus for generating electronic map | |
| CN112948513B (zh) | 能源分布趋势图的生成方法、装置及存储介质 | |
| CN110223615B (zh) | 一种广告展示控制方法、装置、介质及广告推送服务器 | |
| CN110109178B (zh) | 优势砂体分布区域的确定方法、装置及存储介质 | |
| CN111641921A (zh) | 基于uwb的管廊定位方法、终端设备及存储介质 | |
| CN114320236B (zh) | 油气井运行方案的调整方法、装置及存储介质 | |
| CN110866114B (zh) | 对象行为的识别方法、装置及终端设备 | |
| WO2021121378A1 (zh) | 无线充电方法、装置、计算机设备和可读存储介质 | |
| CN110824566B (zh) | 地震属性融合方法、装置及存储介质 | |
| EP3686758A1 (en) | Voice information processing method and device, and terminal | |
| CN107806862A (zh) | 航测外业测量方法及系统 | |
| US20230140470A1 (en) | Image processing method and apparatus for smart pen, and electronic device | |
| CN113495046A (zh) | 储层类型的确定方法、装置及存储介质 | |
| EP3848778A1 (en) | Fingertip detection method, fingertip detection means, fingertip detection device, and medium | |
| CN112199584A (zh) | 个性化推荐方法及终端设备、推荐设备、存储介质 | |
| CN112815235B (zh) | 管道标注方法、装置及存储介质 | |
| CN113027426B (zh) | 漏失压力确定方法、装置及存储介质 | |
| CN111723123B (zh) | 轨迹预测方法、装置、电子设备及存储介质 | |
| CN105022722A (zh) | 一种电子表格行列冻结方法及装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |