CN113756795B - 油气甜点识别方法、装置、设备及存储介质 - Google Patents
油气甜点识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113756795B CN113756795B CN202111016194.0A CN202111016194A CN113756795B CN 113756795 B CN113756795 B CN 113756795B CN 202111016194 A CN202111016194 A CN 202111016194A CN 113756795 B CN113756795 B CN 113756795B
- Authority
- CN
- China
- Prior art keywords
- oil
- gas
- gas reservoir
- pixel point
- region
- 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 37
- 235000021185 dessert Nutrition 0.000 title claims abstract description 34
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 238000009826 distribution Methods 0.000 claims abstract description 83
- 239000011159 matrix material Substances 0.000 claims abstract description 75
- 230000015654 memory Effects 0.000 claims description 29
- 239000004215 Carbon black (E152) Substances 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 18
- 238000010586 diagram Methods 0.000 claims description 18
- 229930195733 hydrocarbon Natural products 0.000 claims description 18
- 150000002430 hydrocarbons Chemical class 0.000 claims description 18
- 235000009508 confectionery Nutrition 0.000 claims description 13
- 238000005516 engineering process Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000000875 corresponding effect Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 230000002596 correlated effect Effects 0.000 description 5
- 238000005553 drilling Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 235000011850 desserts Nutrition 0.000 description 3
- 239000010410 layer Substances 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK 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
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mining & Mineral Resources (AREA)
- Geology (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Image Analysis (AREA)
Abstract
本说明书涉及智能化油气勘探技术领域，提供了一种油气甜点识别方法、装置、设备及存储介质，该方法包括：获取油气藏分布剖面图；将所述油气藏分布剖面图转化为二值矩阵；识别所述二值矩阵中的油气藏区域；确定所述油气藏区域中各像素点距离油气藏区域边界的最小距离，形成最小距离集合；确定所述最小距离集合中的最大值，并根据所述最大值确定所述油气藏区域中各像素点的权重值；根据所述油气藏区域中各像素点的权重值生成权重分布图。本说明书实施例可以提高油气甜点识别效率，适用于智能化油气勘探。
Description
技术领域
本说明书涉及智能化油气勘探技术领域，尤其是涉及一种油气甜点识别方法、装置、设备及存储介质。
背景技术
智能化是钻井工程的重要发展方向，其核心内容就是利用人工智能算法实现决策机制的调整，由人类专家决策向机器自主决策发展。常规的油气甜点识别流程主要是：在钻井作业以前，油气地质与勘探专家基于邻井及地震等资料，生成可以反映油气分布规律的地质模型，结合油气藏工程专家圈定油气甜点，指导钻井工程师与导向工程师开展钻井作业。地质模型的精确程度与钻井工程师与导向工程师对于地质模型的理解程度决定了井眼轨道设计与轨迹控制质量的好坏。
然而这种人工识别油气甜点的方式不适于智能化油气勘探，且油气甜点识别效率较低。
发明内容
本说明书实施例的目的在于提供一种油气甜点识别方法、装置、设备及存储介质，以适用于智能化油气勘探，提高油气甜点识别效率。
为达到上述目的，一方面，本说明书实施例提供了一种油气甜点识别方法，包括：
获取油气藏分布剖面图；
将所述油气藏分布剖面图转化为二值矩阵；
识别所述二值矩阵中的油气藏区域；
确定所述油气藏区域中各像素点距离油气藏区域边界的最小距离，形成最小距离集合；
确定所述最小距离集合中的最大值，并根据所述最大值确定所述油气藏区域中各像素点的权重值；
根据所述油气藏区域中各像素点的权重值生成权重分布图。
本说明书的实施例中，所述油气藏分布剖面图包括油气藏分布纵向剖面图。
本说明书的实施例中，所述将所述油气藏分布剖面图转化为二值矩阵，包括：
基于计算机视觉技术将所述油气藏分布剖面图转换为灰度图；
将所述灰度图按照设定缩放比例进行缩放；
将缩放后的灰度图转换为二值图；所述二值图中1表示油气富集区，0表示非油气富集区。
本说明书的实施例中，所述设定缩放比例包括：每立方米作为一个像素点。
本说明书的实施例中，所述识别所述二值矩阵中的油气藏区域，包括：
提供描边矩阵；所述描边矩阵与所述二值矩阵为同型矩阵；
遍历二值矩阵中的每个油气富集区像素点；
确定每个油气富集区像素点的周围是否存在非油气富集区像素点；
若有油气富集区像素点的周围存在非油气藏区域像素点，则将所述描边矩阵中与所述非油气藏区域像素点对应像素点位置写入边界标记；
根据所述描边矩阵中的边界标记分布确定油气藏区域。
本说明书的实施例中，所述根据所述最大值确定所述油气藏区域中各像素点的权重值，包括：
根据公式
确定所述油气藏区域中各像素点的权重值；
其中，wi为油气藏区域中第i个像素点的权重值；di油气藏区域中第i个像素点距离油气藏区域边界的最小距离；dmax为最小距离集合中的最大值。
本说明书的实施例中，所述根据所述油气藏区域中各像素点的权重值生成权重分布图，包括：
按照灰度与权重值定量相关的规则，绘制所述油气藏区域中各像素点的权重分布，形成权重分布图。
另一方面，本说明书实施例还提供了一种油气甜点识别装置，包括：
剖面图获取模块，用于获取油气藏分布剖面图；
剖面图转化模块，用于将所述油气藏分布剖面图转化为二值矩阵；
油气藏区域识别模块，用于识别所述二值矩阵中的油气藏区域；
最小距离确定模块，用于确定所述油气藏区域中各像素点距离油气藏区域边界的最小距离，形成最小距离集合；
最大值确定模块，用于确定所述最小距离集合中的最大值，并根据所述最大值确定所述油气藏区域中各像素点的权重值；
甜点区域生成模块，用于根据所述油气藏区域中各像素点的权重值生成权重分布图。
另一方面，本说明书实施例还提供了一种计算机设备，包括存储器、处理器、以及存储在所述存储器上的计算机程序，所述计算机程序被所述处理器运行时，执行上述方法的指令。
另一方面，本说明书实施例还提供了一种计算机存储介质，其上存储有计算机程序，所述计算机程序被计算机设备的处理器运行时，执行上述方法的指令。
由以上本说明书实施例提供的技术方案可见，本说明书实施例利用了计算机视觉技术，将油气藏分布剖面图转化为二值矩阵，并识别二值矩阵中的油气藏区域，在此基础上，确定油气藏区域中各像素点距离油气藏区域边界的最小距离，并从中确定出最大值，然后以根据最大值确定所述油气藏区域中各像素点的权重值，从而可以根据油气藏区域中各像素点的权重值生成权重分布图，由于权重值与油气藏富集程度正相关，权重分布图即为甜点区域油气藏富集程度分别，因此，本说明书实施例实现了油气甜点的自动识别，从而提高了油气甜点的识别效率，能够适用于智能化油气勘探。
附图说明
为了更清楚地说明本说明书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说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1示出了本说明书一些实施例中油气甜点识别方法的流程图；
图2示出了本说明书一示例性实施例中由油气藏分布剖面图转换成的灰度图；
图3示出了由图2所示的灰度图转换成的二值矩阵；
图4示出了本说明书一示例性实施例中二值矩阵中像素点A及其周围像素点的示意图；
图5示出了基于图4所示的像素点A识别出的油气藏区域边界示意图；
图6示出了从图3所示的二值矩阵中识别出的油气藏区域边界示意图；
图7示出了本说明书一示例性实施例中确定油气藏区域中像素点p距离油气藏区域边界的最小距离的示意图；
图8示出了从图6所示的油气藏区域中识别出的甜点区域分布示意图；
图9示出了本说明书一些实施例中油气甜点识别装置的结构框图；
图10示出了本说明书一些实施例中计算机设备的结构框图。
【附图标记说明】
91、剖面图获取模块；
92、剖面图转化模块；
93、油气藏区域识别模块；
94、最小距离确定模块；
95、最大值确定模块；
96、甜点区域生成模块；
1002、计算机设备；
1004、处理器；
1006、存储器；
1008、驱动机构；
1010、输入/输出接口；
1012、输入设备；
1014、输出设备；
1016、呈现设备；
1018、图形用户接口；
1020、网络接口；
1022、通信链路；
1024、通信总线。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都应当属于本说明书保护的范围。
本说明书实施例涉及非常规油气资源勘探领域中的油气甜点(Sweet)识别技术。其中，油气甜点也称油气藏甜点，是指油气富集的、在当前经济技术条件下可以有效开发的区域或层段。常规的甜点识别一般是在基于测井、勘探地震等手段获得油气藏分布剖面图的基础上，由油气地质与勘探专家人工依据经验进行油气甜点识别。随着智能化油气勘探的发展，这种人工识别油气甜点的方式效率较低，难以适用于智能化油气勘探中。有鉴于此，本说明书实施例提供了一种自动化油气甜点识别方案，以提高油气甜点的识别效率，能够适用于智能化油气勘探。
本说明书提供了实施例一种油气甜点识别方法，其可以应用于任何合适的计算机设备上。参考图1所示，在一些实施例中，所述油气甜点识别方法可以包括以下步骤：
S101、获取油气藏分布剖面图。
S102、将所述油气藏分布剖面图转化为二值矩阵。
S103、识别所述二值矩阵中的油气藏区域。
S104、确定所述油气藏区域中各像素点距离油气藏区域边界的最小距离，形成最小距离集合。
S105、确定所述最小距离集合中的最大值，并根据所述最大值确定所述油气藏区域中各像素点的权重值。
S106、根据所述油气藏区域中各像素点的权重值生成权重分布图。
本说明书方法实施例利用了计算机视觉技术，将油气藏分布剖面图转化为二值矩阵，并识别二值矩阵中的油气藏区域，在此基础上，确定油气藏区域中各像素点距离油气藏区域边界的最小距离，并从中确定出最大值，然后以根据最大值确定所述油气藏区域中各像素点的权重值，从而可以根据油气藏区域中各像素点的权重值生成权重分布图，由于权重值与油气藏富集程度正相关，权重分布图即为甜点区域油气藏富集程度分别，因此，本说明书方法实施例实现了油气甜点的自动识别，从而提高了油气甜点的识别效率，能够适用于智能化油气勘探。
油气藏分布剖面图也称为油气藏剖面图，是利用地层对比标志层顶底面的海拔高程绘制的构造剖面图，它能够反映油气藏的构造圈闭类型及油气水的分布。利用油气藏分布剖面图可以分析油气藏的构造圈闭类型，分析油气水分布规律，确定油气水关系，确定油气层连通情况，分析油气层动用状况和油气层可能的水淹状况。
本说明书实施例中的油气藏横剖面图可以为油气藏分布纵向剖面图，其可以反映油气藏在纵向上的变化起伏形态，砂层、油层、隔层分布特征、油水关系和物性特征等。从而有利于更加直观地识别油气甜点在不同深度下的分布情况。在一些实施例中，
获取油气藏分布剖面图可以是指：读取油气藏分布剖面图。例如，从指定存储位置读取油气藏分布剖面图。
在一些实施例中，所述将油气藏分布剖面图转化为二值矩阵(即二值图)，可以包括以下步骤：
(1)基于计算机视觉技术将所述油气藏分布剖面图转换为灰度图。
在一些实施例中，可以基于计算机视觉识别技术对油气藏分布剖面图进行扫描，以将油气藏分布剖面图转换为灰度图(即灰度图像)；灰度图中，灰度值与油气富集度相关。例如，在如图2所示示例性实施例的灰度图中，灰度值与油气富集度负相关，即灰度值越小的区域，其油气富集度越高。
(2)将所述灰度图按照设定缩放比例进行缩放。
将灰度图按照设定缩放比例进行缩放，可以有利于降低图像处理的数据量。其中，缩放比例可以根据计算机性能及油气藏分布剖面图大小适当设置。例如，在一示例性实施例中，缩放比例可以设定为每立方米作为一个像素点，即一个像素点表示实际地层的一立方米大小。
(3)将缩放后的灰度图转换为二值图。
油气甜点识别即为准确识别出地层中，油气富集且具有经济开采价值的地区，因此，对于富集度高，具有实际开采价值的含油气区域，可以称之为油气藏区域；而对于不含油气区域以及富集度不高的含油气区域，均不具有实际开采价值，因此均可以称之为非油气藏区域。由此，可以将缩放后的灰度图转换为二值图(即二值图像)；二值图中1表示油气富集区，0表示非油气富集区。例如，以图2所示示例性实施例中的灰度图为例，可以将其转换为如图3所示的二值图。在图3所示的二值图中，白色区域中各像素点的取值为1，表示油气富集区；黑色区域中各像素点的取值为0，表示非油气富集区。
为便于精确识别油气藏区域，需要在二值图中精确油气藏区域与非油气藏区域的边界。在一些实施例中，所述识别二值矩阵中的油气藏区域，可以包括以下步骤：
(1)提供描边矩阵。
描边矩阵与二值矩阵为同型矩阵，即描边矩阵的行数和列数，与二值矩阵的行数和列数对应相等。例如，在一实施例中，若二值矩阵为m行n列，描边矩阵也为m行n列，由于二者的行数均为m行，且二者的列数均为n列，则描边矩阵和二值矩阵为同型矩阵。
(2)遍历二值矩阵中的每个油气富集区像素点。
在本说明书实施例中，油气富集区像素点即为取值为1的像素点。以串行处理为例，可以从二值矩阵中顺序或随机读取一个油气富集区像素点并进行处理，处理完后后，再从二值矩阵中顺序或随机读取下一个油气富集区像素点并进行处理，依次递推，直至遍历二值矩阵中的所有油气富集区像素点。
(3)确定每个油气富集区像素点的周围是否存在非油气富集区像素点。
在二值矩阵中，任意一个当前被选中像素点的均有相邻像素点，且其相邻像素点均有固定的像素点值；因此，通过遍历被选中像素点的相邻像素点的像素点值，可以确定该油气富集区像素点的周围是否存在非油气富集区像素点。例如，在如图4所示的示例性实施例中，被选中像素点为A，其相邻像素点为B～I共八个相邻像素点，其中，相邻像素点B～F的像素点值均为0(即图5中黑色点阵覆盖的像素点)，相邻像素点G～I的像素点值均为1。因此，可以确定二值矩阵中的像素点A的周围存在非油气富集区像素点，具体而言，存在相邻像素点G～I共三个非油气富集区像素点。
(4)若有油气富集区像素点的周围存在非油气藏区域像素点，则将所述描边矩阵中与所述非油气藏区域像素点对应像素点位置写入边界标记。
当有油气富集区像素点的周围存在非油气藏区域像素点时，可以在描边矩阵中，将与与非油气藏区域像素点对应像素点位置写入边界标记(例如1或其他任何标记值)，以作为边界的一部分。例如，以图4所示的示例性实施例为例，像素点A周围的三个非油气富集区像素点G～I，对应的位置分别是第5行第8列，第5行第7列和第4行第7列，则可以在如图5所示的描边矩阵中，可以将第5行第8列，第5行第7列和第4行第7列对应的位置写入边界标记1。
当然，二值矩阵必然存在一些其围不存在非油气富集区像素点的油气富集区像素点，则在此情况下无需写入边界标记。
(5)根据所述描边矩阵中的边界标记分布确定油气藏区域。
重复上述步骤，可以在描边矩阵中，得到二值矩阵中每个油气富集区像素点周围的非油气富集区像素点，这些非油气富集区像素点在描边矩阵中的边界标记分布，即形成了识别油气藏区域与非油气藏区域的边界线。例如，以图3所示的二值图为例，基于上述识别二值矩阵中的油气藏区域的步骤，可以得到如图6所示的油气藏区域分布。
可以理解的是，上述的油气藏区域的边界识别方式仅为示例性举例说明，在其他实施例中，也可以基于任何合适的边缘检测算子(即边界识别算法)来识别油气藏区域的边界。其中，边缘检测算子例如可以包括但不限于梯度算子、高斯-拉普拉斯算子、Canny边缘检测算子等。
油气藏区域内的区域均为油气富集且具有经济开采价值的地区，但是在油气藏区域内不同位置处的油气富集度一般会不同。为了进一步提高识别精度，还可以对油气藏区域进行精细划分，即可以确定油气藏区域中各像素点距离油气藏区域边界的最小距离，形成最小距离集合；然后确定最小距离集合中的最大值，并根据最大值确定所述油气藏区域中各像素点的权重值；最后根据油气藏区域中各像素点的权重值生成权重分布图。
在一些实施例中，所述确定油气藏区域中各像素点距离油气藏区域边界的最小距离，形成最小距离集合，可以包括以下步骤：
(1)计算油气藏区域内每个像素点距离油气藏区域边界的最近距离。
对于油气藏区域内的每个像素点，当其距离油气藏区域边界越近，其油气藏富集度大概率越低，因此，需要计算油气藏区域内每个像素点距离油气藏区域边界的最近距离。在一些实施例中，具体计算原理可以如图7所示，对于图7所示的椭圆形油气藏区域内的任意一个像素点p，可以计算出像素点p分别与椭圆形油气藏区域边界上各个点之间的距离(例如图7中的d1～d16，这里仅示意性的画出16个)，然后将这些距离按照由小到大进行排序，则位于首位的距离即为该像素点p距离油气藏区域边界的最近距离。
(2)重复上一步骤，可以计算得到油气藏区域内，其余像素点距离油气藏区域边界的最近距离。各个像素点距离油气藏区域边界的最近距离组合在一起，即形成最小距离集合。
在一些实施例中，所述根据最大值确定油气藏区域中各像素点的权重值，可以包括：根据公式
确定所述油气藏区域中各像素点的权重值；其中，wi为油气藏区域中第i个像素点的权重值；di油气藏区域中第i个像素点距离油气藏区域边界的最小距离；dmax为最小距离集合中的最大值。
对于最小距离集合中的每个最小距离值，当其取值越大，表明对应像素点距离距离油气藏区域边界越越远，其油气藏富集度大概率越高。因此，可以以该最大值对应像素点作为油气藏富集度最高点，然后以此为基准点，根据公式
确定油气藏区域中各像素点的权重值。
油气藏区域中各像素点的权重值与其油气藏富集度正相关，即像素点的权重值越大，表明该像素点的油气藏富集度越高。当获得油气藏区域中各像素点的权重值后，可以根据油气藏区域中各像素点的权重值，绘制出油气藏区域内各像素点的权重分布图，该权重分布图即为油气藏区域的权重分布图，该权重分布图即为甜点区域分布。在一些实施例中，从基准点开始，权重分布图一般呈梯度下降变化，为了便于形象而直观地查看甜点区域分布，可以将按照灰度值(或其他维度)维度，将相同的权重值赋予相同的灰度值，不同的权重赋予不同的灰度值。例如，在一示例性实施例中，按照权重值越大的像素点的灰度值越低，基准点的灰度值最低的策略，可以生成如图8所示的权重分布图(即甜点区域分布)；即按照灰度与权重值定量负相关的规则，绘制所述油气藏区域中各像素点的权重分布，形成权重分布图。当然，在另一示例性实施例中，也可以按照灰度与权重值定量正相关的规则，绘制所述油气藏区域中各像素点的权重分布，形成权重分布图；具体可以根据实际需要选择，本说明书对此不作唯一限定。
本领域技术人员可以理解，当油气藏区域有多个时，重复上述步骤S104～步骤S106，可对应获得每个油气藏区域下的甜点区域分布。
虽然上文描述的过程流程包括以特定顺序出现的多个操作，但是，应当清楚了解，这些过程可以包括更多或更少的操作，这些操作可以顺序执行或并行执行(例如使用并行处理器或多线程环境)。
与上述的油气甜点识别方法对应，本说明书实施例还提供了一种油气甜点识别装置，其可以配置于上述的上，参考图9所示，所述油气甜点识别装置可以包括：
剖面图获取模块91，可以用于获取油气藏分布剖面图；
剖面图转化模块92，可以用于将所述油气藏分布剖面图转化为二值矩阵；
油气藏区域识别模块93，可以用于识别所述二值矩阵中的油气藏区域；
最小距离确定模块94，可以用于确定所述油气藏区域中各像素点距离油气藏区域边界的最小距离，形成最小距离集合；
最大值确定模块95，可以用于确定所述最小距离集合中的最大值，并根据所述最大值确定所述油气藏区域中各像素点的权重值；
甜点区域生成模块96，可以用于根据所述油气藏区域中各像素点的权重值生成权重分布图。
一些装置实施例中，所述油气藏分布剖面图包括油气藏分布纵向剖面图。
一些装置实施例中，所述剖面图转化模块92将所述油气藏分布剖面图转化为二值矩阵，包括：
基于计算机视觉技术将所述油气藏分布剖面图转换为灰度图；
将所述灰度图按照设定缩放比例进行缩放；
将缩放后的灰度图转换为二值图；所述二值图中0表示油气富集区，1表示非油气富集区。
一些装置实施例中，所述设定缩放比例包括：每立方米作为一个像素点。
一些装置实施例中，所述油气藏区域识别模块93识别所述二值矩阵中的油气藏区域，包括：
提供描边矩阵；所述描边矩阵与所述二值矩阵为同型矩阵；
遍历二值矩阵中的每个油气富集区像素点；
确定每个油气富集区像素点的周围是否存在非油气富集区像素点；
若有油气富集区像素点的周围存在非油气藏区域像素点，则将所述描边矩阵中与所述非油气藏区域像素点对应像素点位置写入边界标记；
根据所述描边矩阵中的边界标记分布确定油气藏区域。
一些装置实施例中，所述最大值确定模块95根据所述最大值确定所述油气藏区域中各像素点的权重值，包括：
根据公式
确定所述油气藏区域中各像素点的权重值；
其中，wi为油气藏区域中第i个像素点的权重值；di油气藏区域中第i个像素点距离油气藏区域边界的最小距离；dmax为最小距离集合中的最大值。
一些装置实施例中，所述甜点区域生成模块96根据所述油气藏区域中各像素点的权重值生成权重分布图，包括：
按照灰度与权重值定量相关的规则，绘制所述油气藏区域中各像素点的权重分布，形成权重分布图。
本说明书装置实施例利用了计算机视觉技术，将油气藏分布剖面图转化为二值矩阵，并识别二值矩阵中的油气藏区域，在此基础上，确定油气藏区域中各像素点距离油气藏区域边界的最小距离，并从中确定出最大值，然后以根据最大值确定所述油气藏区域中各像素点的权重值，从而可以根据油气藏区域中各像素点的权重值生成权重分布图，由于权重值与油气藏富集程度正相关，权重分布图即为甜点区域油气藏富集程度分别，因此，本说明书装置实施例实现了油气甜点的自动识别，从而提高了油气甜点的识别效率，能够适用于智能化油气勘探。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本说明书的实施例还提供一种计算机设备。如图10所示，在本说明书一些实施例中，所述计算机设备1002可以包括一个或多个处理器1004，诸如一个或多个中央处理单元(CPU)或图形处理器(GPU)，每个处理单元可以实现一个或多个硬件线程。计算机设备1002还可以包括任何存储器1006，其用于存储诸如代码、设置、数据等之类的任何种类的信息，一具体实施例中，存储器1006上并可在处理器1004上运行的计算机程序，所述计算机程序被所述处理器1004运行时，可以执行上述任一实施例所述的油气甜点识别方法的指令。非限制性的，比如，存储器1006可以包括以下任一项或多种组合：任何类型的RAM，任何类型的ROM，闪存设备，硬盘，光盘等。更一般地，任何存储器都可以使用任何技术来存储信息。进一步地，任何存储器可以提供信息的易失性或非易失性保留。进一步地，任何存储器可以表示计算机设备1002的固定或可移除部件。在一种情况下，当处理器1004执行被存储在任何存储器或存储器的组合中的相关联的指令时，计算机设备1002可以执行相关联指令的任一操作。计算机设备1002还包括用于与任何存储器交互的一个或多个驱动机构1008，诸如硬盘驱动机构、光盘驱动机构等。
计算机设备1002还可以包括输入/输出接口1010(I/O)，其用于接收各种输入(经由输入设备1012)和用于提供各种输出(经由输出设备1014)。一个具体输出机构可以包括呈现设备1016和相关联的图形用户接口1018(GUI)。在其他实施例中，还可以不包括输入/输出接口1010(I/O)、输入设备1012以及输出设备1014，仅作为网络中的一台计算机设备。计算机设备1002还可以包括一个或多个网络接口1020，其用于经由一个或多个通信链路1022与其他设备交换数据。一个或多个通信总线1024将上文所描述的部件耦合在一起。
通信链路1022可以以任何方式实现，例如，通过局域网、广域网(例如，因特网)、点对点连接等、或其任何组合。通信链路1022可以包括由任何协议或协议组合支配的硬连线链路、无线链路、路由器、网关功能、名称服务器等的任何组合。
本申请是参照本说明书一些实施例的方法、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器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器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器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器上，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，计算机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。
内存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)。内存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机设备访问的信息。按照本说明书中的界定，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。
本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书实施例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，本说明书实施例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。
本说明书实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理器来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
还应理解，在本说明书实施例中，术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系。例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书实施例的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上所述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)
1.一种油气甜点识别方法，其特征在于，包括：
获取油气藏分布剖面图；
将所述油气藏分布剖面图转化为二值矩阵；
识别所述二值矩阵中的油气藏区域；
确定所述油气藏区域中各像素点距离油气藏区域边界的最小距离，形成最小距离集合；
确定所述最小距离集合中的最大值，并根据所述最大值确定所述油气藏区域中各像素点的权重值；
根据所述油气藏区域中各像素点的权重值生成权重分布图。
2.如权利要求1所述的油气甜点识别方法，其特征在于，所述油气藏分布剖面图包括油气藏分布纵向剖面图。
3.如权利要求1所述的油气甜点识别方法，其特征在于，所述将所述油气藏分布剖面图转化为二值矩阵，包括：
基于计算机视觉技术将所述油气藏分布剖面图转换为灰度图；
将所述灰度图按照设定缩放比例进行缩放；
将缩放后的灰度图转换为二值图；所述二值图中1表示油气富集区，0表示非油气富集区。
4.如权利要求3所述的油气甜点识别方法，其特征在于，所述设定缩放比例包括：每立方米作为一个像素点。
5.如权利要求1所述的油气甜点识别方法，其特征在于，所述识别所述二值矩阵中的油气藏区域，包括：
提供描边矩阵；所述描边矩阵与所述二值矩阵为同型矩阵；
遍历二值矩阵中的每个油气富集区像素点；
确定每个油气富集区像素点的周围是否存在非油气富集区像素点；
若有油气富集区像素点的周围存在非油气藏区域像素点，则将所述描边矩阵中与所述非油气藏区域像素点对应像素点位置写入边界标记；
根据所述描边矩阵中的边界标记分布确定油气藏区域。
6.如权利要求1所述的油气甜点识别方法，其特征在于，所述根据所述最大值确定所述油气藏区域中各像素点的权重值，包括：
根据公式
确定所述油气藏区域中各像素点的权重值；
其中，wi为油气藏区域中第i个像素点的权重值；di为 油气藏区域中第i个像素点距离油气藏区域边界的最小距离；dmax为最小距离集合中的最大值。
7.如权利要求1所述的油气甜点识别方法，其特征在于，所述根据所述油气藏区域中各像素点的权重值生成权重分布图，包括：
按照灰度与权重值定量相关的规则，绘制所述油气藏区域中各像素点的权重分布，形成权重分布图。
8.一种油气甜点识别装置，其特征在于，包括：
剖面图获取模块，用于获取油气藏分布剖面图；
剖面图转化模块，用于将所述油气藏分布剖面图转化为二值矩阵；
油气藏区域识别模块，用于识别所述二值矩阵中的油气藏区域；
最小距离确定模块，用于确定所述油气藏区域中各像素点距离油气藏区域边界的最小距离，形成最小距离集合；
最大值确定模块，用于确定所述最小距离集合中的最大值，并根据所述最大值确定所述油气藏区域中各像素点的权重值；
甜点区域生成模块，用于根据所述油气藏区域中各像素点的权重值生成权重分布图。
9.一种计算机设备，包括存储器、处理器、以及存储在所述存储器上的计算机程序，其特征在于，所述计算机程序被所述处理器运行时，执行根据权利要求1-7任意一项所述方法的指令。
10.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被计算机设备的处理器运行时，执行根据权利要求1-7任意一项所述方法的指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111016194.0A CN113756795B (zh) | 2021-08-31 | 2021-08-31 | 油气甜点识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111016194.0A CN113756795B (zh) | 2021-08-31 | 2021-08-31 | 油气甜点识别方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113756795A CN113756795A (zh) | 2021-12-07 |
| CN113756795B true CN113756795B (zh) | 2022-12-13 |
Family
ID=78792244
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111016194.0A Active CN113756795B (zh) | 2021-08-31 | 2021-08-31 | 油气甜点识别方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113756795B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114991762A (zh) * | 2022-06-17 | 2022-09-02 | 中国石油大学(北京) | 基于随钻数据的井下机器自主边界探测与导向方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013134524A2 (en) * | 2012-03-09 | 2013-09-12 | Shell Oil Company | SIGNAL ENHANCEMENT USING DIVERSITY SHOT STACKING FOR REVERSE TIME MIGRATION (DeSSeRT) |
| CN107728214A (zh) * | 2016-08-11 | 2018-02-23 | 中国石油化工股份有限公司 | 一种裂缝预测方法 |
| CN108301823A (zh) * | 2018-01-19 | 2018-07-20 | 北京捷贝通石油技术股份有限公司 | 一种识别储层油气甜点的方法 |
| CN108446476A (zh) * | 2018-03-14 | 2018-08-24 | 中国石油大学(北京) | 一种定量预测断块油气藏的成藏概率的方法和装置 |
| CN109538197A (zh) * | 2018-11-01 | 2019-03-29 | 中国石油大学(北京) | 油气储层钻井轨道确定方法、装置及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2912626C (en) * | 2014-11-05 | 2018-02-13 | China National Petroleum Corporation | 3d trap evaluation method of searching for oil-gas reservoir |
-
2021
- 2021-08-31 CN CN202111016194.0A patent/CN113756795B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013134524A2 (en) * | 2012-03-09 | 2013-09-12 | Shell Oil Company | SIGNAL ENHANCEMENT USING DIVERSITY SHOT STACKING FOR REVERSE TIME MIGRATION (DeSSeRT) |
| CN107728214A (zh) * | 2016-08-11 | 2018-02-23 | 中国石油化工股份有限公司 | 一种裂缝预测方法 |
| CN108301823A (zh) * | 2018-01-19 | 2018-07-20 | 北京捷贝通石油技术股份有限公司 | 一种识别储层油气甜点的方法 |
| CN108446476A (zh) * | 2018-03-14 | 2018-08-24 | 中国石油大学(北京) | 一种定量预测断块油气藏的成藏概率的方法和装置 |
| CN109538197A (zh) * | 2018-11-01 | 2019-03-29 | 中国石油大学(北京) | 油气储层钻井轨道确定方法、装置及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 油气化探技术预测复杂类型油气藏富集区;刘俊峰 等;《大庆石油地质与开发》;20021222;第21卷(第6期);第10-12页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113756795A (zh) | 2021-12-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112070779B (zh) | 一种基于卷积神经网络弱监督学习的遥感影像道路分割方法 | |
| US11327194B2 (en) | Method for identifying boundary of sedimentary facies, computer device and computer readable storage medium | |
| CN107273608B (zh) | 一种油藏地质剖面图矢量化方法 | |
| CN112927253B (zh) | 基于卷积神经网络的岩心fib-sem图像分割方法 | |
| US8090538B2 (en) | System and method for interpretation of well data | |
| CN110879960B (zh) | 生成卷积神经网络学习用图像数据集的方法及计算装置 | |
| CN112489054A (zh) | 一种基于深度学习的遥感图像语义分割方法 | |
| CN114092697B (zh) | 注意力融合全局和局部深度特征的建筑立面语义分割方法 | |
| JP2020068013A (ja) | 障害物の下段ラインを基準にｒｏｉを検出する学習方法及び学習装置、そしてこれを利用したテスト方法及びテスト装置｛ｌｅａｒｎｉｎｇ ｍｅｔｈｏｄ， ｌｅａｒｎｉｎｇ ｄｅｖｉｃｅ ｆｏｒ ｄｅｔｅｃｔｉｎｇ ｒｏｉ ｏｎ ｔｈｅ ｂａｓｉｓ ｏｆ ｂｏｔｔｏｍ ｌｉｎｅｓ ｏｆ ｏｂｓｔａｃｌｅｓ ａｎｄ ｔｅｓｔｉｎｇ ｍｅｔｈｏｄ，ｔｅｓｔｉｎｇ ｄｅｖｉｃｅ ｕｓｉｎｇ ｔｈｅ ｓａｍｅ｝ | |
| CN112731522B (zh) | 地震地层智能识别方法、装置、设备及存储介质 | |
| WO2020088389A1 (zh) | 油气储层钻井轨道计算机自主规划方法、装置及存储介质 | |
| CN115471467A (zh) | 一种高分辨率光学遥感影像建筑物变化检测方法 | |
| CN106896406A (zh) | 基于阻抗域属性预测优质储层的方法和装置 | |
| CN113756795B (zh) | 油气甜点识别方法、装置、设备及存储介质 | |
| CN114842180B (zh) | 一种点云补全方法、装置、设备及介质 | |
| CN113902861A (zh) | 一种基于机器学习的三维地质建模方法 | |
| CN114898160B (zh) | 基于多任务的断层智能识别方法 | |
| CN113191213A (zh) | 一种高分辨率遥感影像新增建筑物检测方法 | |
| CN112800590B (zh) | 一种机器学习辅助的两相流油藏随机建模的网格粗化方法 | |
| CN115205694A (zh) | 图像分割方法、装置和计算机可读存储介质 | |
| CN116721206A (zh) | 一种实时的室内场景视觉同步定位与建图方法 | |
| Denisenko et al. | Automated geosteering while drilling using machine learning. case studies | |
| CN115082778B (zh) | 一种基于多分支学习的宅基地识别方法及系统 | |
| WO2015168413A1 (en) | Local direct sampling method for conditioning an existing reservoir model | |
| WO2021038262A1 (en) | Method for determining drain configurations of wells in a field |
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 |