CN115113299B - 智能标志地层定位划分方法、装置、设备及存储介质 - Google Patents
智能标志地层定位划分方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115113299B CN115113299B CN202210541922.8A CN202210541922A CN115113299B CN 115113299 B CN115113299 B CN 115113299B CN 202210541922 A CN202210541922 A CN 202210541922A CN 115113299 B CN115113299 B CN 115113299B
- Authority
- CN
- China
- Prior art keywords
- well
- curve
- marker
- stratum
- similarity
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
-
- 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
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Strategic Management (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Marketing (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Game Theory and Decision Science (AREA)
- Algebra (AREA)
- Entrepreneurship & Innovation (AREA)
- Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)
- Computing Systems (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
- General Engineering & Computer Science (AREA)
Abstract
本申请涉及一种智能标志地层定位划分方法、装置、设备及存储介质,其方法包括根据获取的已知井的第一井轨迹、第一测井曲线和地层数据,获取每两个已知井对应地层的同种测井曲线的第一相似度;根据第一相似度,遴选已知井的标志层;根据已知井的标志层、获取的目标井的第二测井曲线和第二井轨迹,确定目标井各待划分标志层的候选区域;根据第一井轨迹和第二井轨迹,筛选目标井的参考井以及分别遴选目标井和参考井的待融合曲线;分别将目标井和每个参考井的待融合曲线进行融合,得到第一曲线和第二曲线;根据候选区域、第一曲线和第二曲线,确定目标井各标志地层的地层边界值。本申请具有对目标井标志地层进行智能、高效率地划分的效果。
Description
技术领域
本申请涉及地层数据处理的技术领域,尤其是涉及一种智能标志地层定位划分方法、装置、设备及存储介质。
背景技术
地层的划分和对比作为精细油气藏描述的核心技术,是开展油气藏地质研究的基础,也是后续制定科学、高效油气藏开发方案的关键前提。在面对数量众多、分布零散的油气藏且油气藏各区块动辄数千口井的地层划分对比工作时,传统的方式是通过人工对目标井的数据进行观察,实现标注地层的划分。
传统的人工划分严重依赖业务人员对特定区块的经验认识,对业务人员的时间和精力消耗大,存在主观性强、耗时长、结果不统一等问题,给油藏评价人员、油藏研究人员和测井解释人员带来了巨大的工作压力。因此迫切需要一种智能的、自动化的方式代替传统的人工方式,以减轻人员工作量,提高目标井标志地层划分的效率。
发明内容
为了对目标井标志地层进行智能、高效率地划分,本申请提供一种智能标志地层定位划分方法、装置、设备及存储介质。
第一方面,本申请提供一种智能标志地层定位划分方法,采用如下的技术方案:
一种智能标志地层定位划分方法,包括:
获取已知井的第一井轨迹、第一测井曲线和地层数据,根据所述第一井轨迹、地层数据和第一测井曲线,获取每两个已知井对应地层的同种测井曲线的第一相似度;
根据所述第一相似度,遴选已知井的标志层;获取目标井的第二测井曲线和第二井轨迹,根据已知井的标志层、第二测井曲线和第二井轨迹,确定目标井各待划分标志层的候选区域;其中,已知井和目标井属于同一区块;
根据所述第一井轨迹和第二井轨迹,筛选目标井的参考井以及分别遴选目标井和参考井的待融合曲线;将目标井的待融合曲线进行融合,得到第一曲线,分别将每个参考井的待融合曲线进行融合,得到多个第二曲线;
根据所述候选区域、第一曲线和第二曲线,采用滑窗检测法,确定目标井各标志地层的地层边界值。
通过采用上述技术方案,目标井和已知井在同一区块,根据第一相似度遴选已知井的标志层,根据标志层将目标井和已知井建立联系,并确定出目标井的候选区域,一般目标井会非常深,如果对整个目标井进行遍历会,工作量大且效率低,因此划分候选区域以缩小搜索范围,在保障划分精准度的同时提高划分效率;筛选出与目标井联系最紧密的几个已知井作为参考井,将目标井的第二测井曲线和参考井的第一测井曲线中,筛选出联系紧密并且特征明显完整的第二测井曲线和第一测井曲线分别作为目标井和参考井的待融合曲线,将目标井和参考井各自的待融合曲线融合,便于后期进行曲线对比;采用滑窗检测法,对每一个候选区域进行处理,进行第一曲线和第二曲线之间的对比,划分出目标井的标志地层,即得到地层边界值;本申请解决了现有技术采用人工地层对比工作强度大、效率低、重复性差等问题,能够智能化自动为每个目标井设计分层方案,进行标志地层的定位划分,提高了地层划分精度和工作效率。
优选的,所述第一相似度包括均值相似度、方差相似度和形态相似度;所述获取已知井的第一井轨迹、第一测井曲线和地层数据,根据所述第一井轨迹、地层数据和第一测井曲线,获取每两个已知井对应地层的同种测井曲线的第一相似度,包括:
对所述第一测井曲线进行预处理,根据所述地层数据获取目标井各地层对应的深度,根据目标井各地层对应的深度获取各地层在第一井轨迹中对应的观测点,获取每个观测点在预处理后的第一测井曲线上对应的曲线值;
根据所述曲线值获取每两个已知井对应地层的同种测井曲线的均值相似度和方差相似度;
采用DTW算法,获取每两个已知井对应地层的同种测井曲线的形态相似度。
通过采用上述技术方案,对第一测井曲线进行预处理,得到预处理后的第一测井曲线的数据更加完整精准;将地层数据、第一井轨迹和第一测井曲线按照深度进行匹配,便于后续计算第一相似度;第一相似度根据均值相似度、方差相似度和形态相似度三种不用的相似度获取,使得获取的第一相似度更具代表性,能更精准表现出已知井之间的相似程度,为后续地层划分做出基础技术建设。
优选的,所述采用DTW算法,获取每两个已知井对应地层的同种测井曲线的形态相似度,包括:
采用DTW算法,获取每两个已知井对应地层的观测点距离矩阵;
对所述观测点距离矩阵进行边界约束,回溯观测点距离矩阵的非边界约束部分,获取最短路径;
根据所述最短路径,获取两个已知井对应地层的同种测井曲线的形态相似度。
通过采用上述技术方案,根据实验,最短路径往往都在矩阵的对角线部分,因此增加边界约束,只对非边界约束部分进行回溯,边界约束部分不参与回溯计算,从而减少搜索空间,降低计算量。
优选的,所述根据所述第一相似度,遴选已知井的标志层;获取目标井的第二测井曲线和第二井轨迹,根据已知井的标志层、第二测井曲线和第二井轨迹,确定目标井各待划分标志层的候选区域,包括:
根据所述第一相似度,在已知井中选出标志井和非标志井;
根据所述第二井轨迹、标志井的第一井轨迹和非标志井的第一井轨迹,选取目标井的初始参考井;
根据所述第一相似度,选取已知井的标志层,已知井的标志层包括标志井的标志层和初始参考井的标志层;
基于标志井的标志层和初始参考井的标志层,获取目标井的标志层;
根据目标井的标志层和已知井的标志层,获取目标井各待划分标志层的候选区域。
优选的,所述根据所述第一相似度,在已知井中选出标志井和非标志井,包括:
根据所述第一相似度,获取每个已知井的第一测井曲线的第二相似度;
根据西格玛原则设定第一阈值,根据所述第二相似度和第一阈值,选取初始遴选曲线;
根据两个已知井对应的初始遴选曲线的相似度,获取两个已知井的第三相似度;
根据西格玛原则设定第二阈值,根据所述第三相似度和第二阈值,选取标志井和非标志井。
通过采用上述技术方案,采用贪心搜索的标志井遴选方法,筛选曲线形态良好的第一测井曲线对应的已知井作为标志井,便于后期通过标志井和非标志井筛选出目标井的标志层和参考井。
优选的,所述根据所述第二井轨迹、标志井的第一井轨迹和非标志井的第一井轨迹,选取目标井的初始参考井,包括:
对目标井进行分段,得到多个井段,根据所述第二井轨迹和标志井的第一井轨迹,分别获取每个标志井和井段之间的第一水平距离,选取最小的第一水平距离对应的标志井作为井段的近邻参考井;
根据所述第二井轨迹和非标志井的第一井轨迹,分别获取每个非标志井和井段之间的第二水平距离,选取最小的第二水平距离对应的非标志井也作为井段的近邻参考井;
将目标井所有井段的近邻参考井共同作为目标井的初始参考井。
通过采用上述技术方案,分别在标志井和非标志井中选取近邻参考井,使得最后获取的初始参考井是分布的目标井附近的已知井,并且这些已知井能全面的代表周围井环境;距离目标井越近,地层环境和目标井地层相似的可能就越高,便于后期筛选出目标井的标志层,因此,在选取近邻参考井时使用水平距离来做筛选条件。
优选的,所述根据目标井的标志层和已知井的标志层,获取目标井各待划分标志层的候选区域,包括:
在已知井的标志层中选取出与目标井的其中一个标志层相同类型的标志层作为待处理标志层;
将目标井的其中一个标志层对应的所有待处理标志层的顶点坐标组合为第一剖面,将目标井的其中一个标志层对应的所有待处理标志层的底点坐标组合为第二剖面;
根据所述第一剖面和第二剖面,在目标井上截取出候选区域;
采用上述方式,根据目标井的所有标志层获取目标井的所有候选区域。
通过采用上述技术方案,候选区域是基于第一剖面和第二剖面在目标井上截取而来,第一剖面和第二剖面是根据待处理标志层得到,因此,候选区域与对应的已知井待处理标志层为同类地层,便于后期采用滑窗检测法,对同类地层对应的第一曲线和第二曲线进行对比,划分出标志地层。
优选的,所述根据所述第一井轨迹和第二井轨迹,筛选目标井的参考井以及分别遴选目标井和参考井的待融合曲线,包括:
根据所述第二井轨迹和标志井的第一井轨迹,分别获取每个标志井和目标井的标志层之间的第三水平距离,选取最小的第三水平距离对应的标志井作为目标井的标志层的近邻参考井;
根据所述第二井轨迹和标志井的第一井轨迹,分别获取每个非标志井和目标井的标志层之间的第四水平距离,选取最小的第四水平距离对应的非标志井作为目标井的标志层的近邻参考井;
将目标井所有标志层的近邻参考井共同作为目标井的参考井;
根据所述第一相似度,获取各已知井之间的同种类第一测井曲线的综合相似度;
根据西格玛原则设定第三阈值,根据所述综合相似度和第三阈值,选取综合遴选曲线;
基于所述第二测井曲线、初始参考井的第一测井曲线和综合遴选曲线,选取遴选曲线;
根据所述第二测井曲线、参考井的第一测井曲线和遴选曲线,分别遴选出目标井和参考井的待融合曲线。
通过采用上述技术方案,分别在标志井和非标志井中选取目标井的标志层的近邻参考井,使得最后获取的参考井是分布的目标井附近的已知井,并且这些已知井能全面的代表周围井环境;距离目标井越近,地层环境和候选区域相似的可能就越高,后期划分出的标志地层就越精准,因此,在选取参考井时使用水平距离来做筛选条件;测井曲线的垂直变化既与地层现象密切相关,又与一些非地层因素有关,滤波合成处理就是要消除观测数据中个别奇异数据的局部影响,突出多项观测数据中的一致、重要特征,按照稳定特征增强,干扰特征减弱的原则进行加权融合,因此,对分别对目标井和参考井的待融合曲线进行融合;另外,选取出的待融合曲线为目标井和参考井均有的曲线类型,使得后期通过曲线对比划分标志地层时,能够提高划分准确度。
优选的,所述根据所述候选区域、第一曲线和第二曲线,采用滑窗检测法,确定目标井各标志地层的地层边界值,包括:
根据目标井的第一个候选区域、目标井的最后一个候选区域、第一曲线和第二曲线,采用滑窗检测法,分别确定目标井的第一个标志地层和最后一个标志地层的地层边界值;
根据中间区域的候选区域、第一曲线和第二曲线,采用滑窗检测法,分别确定中间区域的标志地层的地层边界值;
其中,中间区域的候选区域为在所有候选区域中除去第一个候选区域和最后一个候选区域的候选区域,中间区域的标志地层为在所有标志地层中除去目标井第一个标志地层和最后一个标志地层的标志地层。
优选的,所述根据目标井的第一个候选区域、目标井的最后一个候选区域、第一曲线和第二曲线,采用滑窗检测法,分别确定目标井的第一个标志地层和最后一个标志地层的地层边界值,包括:
根据第一个候选区域的上下边界值和最后一个候选区域的上下边界值,分别确定目标井的第一滑动区域;
通过滑窗在第一滑动区域内滑动,实时获取第一区域,获取所述第一区域在第一曲线上对应的第一曲线段;
分别获取与第一个候选区域、最后一个候选区域对应的参考井标志层在第二曲线上对应的第二曲线段,获取所述第一曲线段与对应的第二曲线段之间的第一曲线相似度;
根据所述第一曲线相似度确定最优第一区域,根据所述最优第一区域,获取第一个标志地层和最后一个标志地层的地层边界值。
通过采用上述技术方案,本申请并没有直接将第一个候选区域和最后一个候选区域作为第一滑动区域,而是基于上下边界值确定第一滑动区域,相当于对第一个候选区域和最后一个候选区域进行微调,将候选区域扩大了一部分,进行使得滑窗滑动的范围更大,有利于更加精准地划分出第一个标志地层和最后一个标志地层。
优选的,所述根据中间区域的候选区域、第一曲线和第二曲线,采用滑窗检测法,分别确定中间区域的标志地层的地层边界值,包括:
根据与中间区域的候选区域对应的参考井标志层的厚度,确定目标井的第二滑动区域;
通过滑窗在第二滑动区域内滑动,实时获取第二区域,获取所述第二区域在第一曲线上对应的第三曲线段;
获取与中间区域的候选区域对应的参考井标志层在第二曲线上对应的第四曲线段,获取所述第四曲线段与对应的第三曲线段之间的第二曲线相似度;
根据所述第二曲线相似度,获取中间区域的标志地层的地层边界值。
通过采用上述技术方案,根据与中间区域的候选区域对应的参考井标志层的厚度,确定出多次第二滑动区域,每次确定出的第二滑动区域均不一样,通过滑窗分别对多次第二滑动区域进行滑动,大大增加中间区域的候选区域与参考井标志层的对比次数,进而在多次对比结果中找到最优的对比结果,使得最后划分结果更加准确。
优选的,所述根据所述第二曲线相似度,获取中间区域的标志地层的地层边界值,包括:
根据所述第二曲线相似度和全局最优化搜索思想,获取中间区域的标志地层的地层边界值。
通过采用上述技术方案,基于全局最优化搜索思想,不仅能够找到与目标井最相似的参考井,还能提升地层划分精准度。
优选的,所述根据所述第二曲线相似度,获取中间区域的标志地层的地层边界值,还包括:
根据所述第二曲线相似度、全局最优化搜索思想与地层间约束条件,获取中间区域的标志地层的地层边界值。
通过采用上述技术方案,基于全局最优化搜索思想与地层间约束条件的结合,能够保障划分出的所有标志地层在深度上是连续的。
优选的,在根据中间区域的候选区域、第一曲线和第二曲线,采用滑窗检测法,分别确定中间区域的标志地层的地层边界值之前,还包括:
根据所述第一井轨迹和第二井轨迹,筛选目标井的唯一参考井;
根据所述唯一参考井的标志层、候选区域、第一井轨迹和第二井轨迹,调整中间区域的候选区域。
通过采用上述技术方案,现在先划分出了第一个标志地层和最后一个标志地层,如果继续使用调整前的候选区域,则调整前的中间区域的候选区域可能会和第一个标志地层、最后一个标志地层有重叠,或者调整前的中间区域的候选区域可能会有不符合规则的,进而影响后续中间区域的标志地层的划分,因此,在划分出第一个标志地层和最后一个标志地层之后,按照比例划分法重新划分一下中间区域的候选区域,完成对中间区域的候选区域的调整。
优选的,所述根据所述第一井轨迹和第二井轨迹,筛选目标井的唯一参考井,包括:
根据所述第二井轨迹和所有参考井的第一井轨迹,选取出与目标井距离最近的参考井作为唯一参考井。
优选的,所述根据所述唯一参考井的标志层、候选区域、第一井轨迹和第二井轨迹,调整中间区域的候选区域,包括:
基于第一个标志地层、最后一个标志地层、在唯一参考井所有标志层中与第一个标志地层对应的标志层、在唯一参考井所有标志层中与最后一个标志地层对应的标志层、在唯一参考井所有标志层中与中间区域的其中一个候选区域对应的标志层、第一井轨迹和第二井轨迹,调整所述中间区域的其中一个候选区域;
采用上述方式,完成中间区域所有的候选区域的调整。
通过采用上述技术方案,基于已划分好的标志地层,采用比例划分法调整中间地层的候选区域,以已划分好的标志地层在唯一参考井中所占的比例为标准,在目标井中重新划出中间地层的候选区域。
优选的,在所述根据中间区域的候选区域、第一曲线和第二曲线,采用滑窗检测法,分别确定中间区域的标志地层的地层边界值之后,包括:
根据中间区域的候选区域的上下边界值,确定目标井的第三滑动区域;
通过滑窗在第三滑动区域内滑动,实时获取第三区域,获取所述第三区域在第一曲线上对应的第五曲线段;
获取与中间区域的候选区域对应的参考井标志层在第二曲线上对应的第六曲线段,获取所述第六曲线段与对应的第五曲线段之间的第三曲线相似度;
根据所述第三曲线相似度确定最优第二区域,根据所述最优第二区域,修正中间区域的标志地层的地层边界值。
通过采用上述技术方案,在依据标志地层整体形态对标志地层进行定位划分的基础上,对中间区域的标志地层的地层边界值进行修正,提高划分的精度。
第二方面,本申请提供一种智能标志地层定位划分装置,采用如下的技术方案:
一种智能标志地层定位划分装置,包括,
获取模块,用于获取已知井的第一井轨迹、第一测井曲线和地层数据,根据所述第一井轨迹、地层数据和第一测井曲线,获取每两个已知井对应地层的同种测井曲线的第一相似度;
确定模块,用于根据所述第一相似度,遴选已知井的标志层;获取目标井的第二测井曲线和第二井轨迹,根据已知井的标志层、第二测井曲线和第二井轨迹,确定目标井各待划分标志层的候选区域;其中,已知井和目标井属于同一区块;
融合模块,用于根据所述第一井轨迹和第二井轨迹,筛选目标井的参考井以及分别遴选目标井和参考井的待融合曲线;将目标井的待融合曲线进行融合,得到第一曲线,分别将每个参考井的待融合曲线进行融合,得到多个第二曲线;以及,
划分模块,用于根据所述候选区域、第一曲线和第二曲线,采用滑窗检测法,确定目标井各标志地层的地层边界值。
第三方面,本申请提供一种智能标志地层定位划分设备,采用如下的技术方案:
一种智能标志地层定位划分设备,包括存储器和处理器,所述存储器上存储有能够被处理器加载并执行第一方面任一项所述的智能标志地层定位划分方法的计算机程序。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,存储有能够被处理器加载并执行第一方面任一项所述的智能标志地层定位划分方法的计算机程序。
附图说明
图1是本申请实施例提供的智能标志地层定位划分方法的流程示意图。
图2是本申请实施例提供的连续的部分数据的示意图。
图3是本申请实施例提供的第一相似度的示意图。
图4是本申请实施例提供的第三均值、第四均值和第五均值的示意图。
图5是本申请实施例提供的第三相似度的示意图。
图6是本申请实施例提供的相似度矩阵的示意图。
图7是本申请实施例提供的第一滑动区域的示意图。
图8是本申请实施例提供的曲线相似度矩阵的示意图。
图9是本申请实施例提供的智能标志地层定位划分装置的结构框图。
图10是本申请实施例提供的智能标志地层定位划分设备的结构示意图。
图11是本申请实施例提供的观测点距离矩阵参考示意图。
图12、图13是本申请实施例提供的找到最短路径的过程参考示意图。
图14是本申请实施例提供的边界约束部分参考示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
本实施例提供一种智能标志地层定位划分方法,如图1所示,该方法的主要流程描述如下(步骤S101~S104):
步骤S101:获取已知井的第一井轨迹、第一测井曲线和地层数据,根据第一井轨迹、地层数据和第一测井曲线,获取每两个已知井对应地层的同种测井曲线的第一相似度。
其中,已知井为油气藏的一个区块中的所有已经划分好标志地层、得知其各项数据的井。
其中,获取已知井的第一井轨迹的方法具体为:
获取各已知井的井头数据与井斜数据中的XY偏移量,根据井斜数据中的垂深相对于井头数据的XY偏移量,计算得到当前垂深对应的XY坐标。
当前垂深为Z,其对应的坐标为(X,Y)。其中,X=X井头+X偏移;Y=Y井头+Y偏移;其中,井头数据包括X井头和Y井头;XY偏移量包括X偏移和Y偏移。
第一井轨迹包括多个观测点和观测点的坐标,按照观测点的坐标,将多个观测点依次连接,得到已知井的第一井轨迹。其中,观测点的坐标为(X,Y,Z)。
获取第一测井曲线并对第一测井曲线进行预处理,预处理包括纵向拼接、删除无效值、曲线归属、结构化、取对数处理(即log处理)和归一化处理。预处理的顺序可以依次为纵向拼接、删除无效值、曲线归属、结构化、取对数处理和归一化处理。
其中,纵向拼接:获取已知井不同系列的第一测井曲线,若第一测井曲线存在不同深度段对应的数据文件,则将该第一测井曲线按照深度进行纵向拼接,即将不同深度段的数据文件按照深度值大小顺序进行拼接;若第一测井曲线为完整深度段的数据文件,则不需要纵向拼接。
删除无效值:根据数值的连续性和大小,删除每条第一测井曲线中的无效值。例如,-999.25、-9999和空值等。
曲线归属:将第一测曲线归属于对应的已知井,将属于同一已知井的第一测曲线进行关联。例如,获取8条第一测曲线(本申请中,一个已知井的多条第一测曲线中,每条第一测曲线均有独属于自己的种类;种类可以指名称,下文中,第一测曲线的种类可以均指名称),经分析,其中3条第一测曲线是已知井a的曲线,则将这3条第一测曲线归属于已知井a,另外5条第一测曲线是已知井b的曲线,则将这5条曲线归属于已知井b;将已知井a的3条第一测曲线按照深度一一进行关联,即将3条第一测曲线上的各值按照深度进行一一对应;同理,将已知井b的5条第一测曲线按照深度一一进行关联。
结构化:获取已知井的地层数据,将已知井的地层数据、第一井轨迹和第一测曲线进行对应匹配。具体的,第一测曲线中的测深与第一井轨迹中的垂深相对应,第一井轨迹的每个观测点在对应的第一测曲线上能找到对应的第一测曲线值,地层数据中的深度值(地层数据中的深度值也是测深)分别与第一测曲线中的测深、第一井轨迹中的垂深相对应。
取对数处理:电阻是第一测井曲线数据中的一部分数据,根据人工地层对比流程,将电阻进行取对数处理。
归一化处理:为了后续计算相似度时,各第一测井曲线数据的量纲一致,便于对比,也为了防止量纲不统一对后续目标井标志地层划分效果的影响,将第一测井曲线进行归一化处理。
参照图2,在第一测井曲线的所有数据中,截取已知井的地层部分在第一测井曲线上对应的连续的部分数据:获取第一个地层的顶深和最后一个地层的底深,求取各地层的平均厚度;根据第一个地层的顶深、最后一个地层的底深和平均厚度,获取上限和下限,上限为第一个地层的顶深减去平均厚度的差值,下限为最后一个地层的底深加上平均厚度的差值;获取上限在第一测井曲线上对应的第一数据和下限在第一测井曲线上的第二数据,连续的部分数据为第一数据和第二数据之间的所有数据(包括第一数据和第二数据)。在连续的部分数据中,分别求取最大值和最小值,根据最大值和最小值对第一测井曲线数据进行归一化,具体公式如下:
其中,xpart为连续的部分数据,xi为深度值在第一测井曲线上对应的测井曲线值;xj为归一化后的xi。
通过上述公式,完成对整个第一测井曲线的归一化处理,消减首尾非地层部分对最终数据的影响。
其中,第一相似度包括均值相似度、方差相似度和形态相似度。
均值相似度:根据地层数据获取已知井各个地层对应的深度,根据地层对应的深度获取每个深度值在预处理后的第一测井曲线上对应的曲线值(也是地层对应的所有观测点在预处理后的第一测井曲线上对应的曲线值)。
根据观测点在第一测井曲线上对应的曲线值分别获取每两个已知井对应地层的同种测井曲线(对应地层指的是两个名称相同的地层,同种测井曲线指名称相同的第一测井曲线)的均值相似度。具体的,两个已知井对应地层指的是两个已知井有相同地层名的地层。参照图3,第一列和第二列分别为两个已知井的名称,第三列为两个已知井对应地层的名称,第四列为两个已知井同种类第一测井曲线的名称。将两个已知井对应地层分别定义为第一对应地层和第二对应地层,计算第一对应地层的所有观测点在对应的第一测井曲线上的曲线值的均值,将该均值定义为第一均值;同理,计算第二对应地层的所有观测点在对应的第一测井曲线上的曲线值的均值,将该均值定义为第二均值;两个已知井对应地层的同种测井曲线的均值相似度为第一均值和第二均值的差。均值相似度的值越小,表示两个已知井对应地层的相似度越高,认为两个已知井的对应地层的测井曲线段在同一波动阈值内。值得注意的是,计算第一均值和第二均值用到的两条第一测井曲线为同种类的测井曲线。
方差相似度:计算方差相似度的方法和计算均值相似度的方法原理一致,计算第一对应地层的所有观测点在对应的第一测井曲线上的曲线值的方差,将该方差定义为第一方差;同理,计算第二对应地层的所有观测点在对应的第一测井曲线上的曲线值的方差,将该方差定义为第二方差;两个已知井对应地层的同种测井曲线的方差相似度为第一方差和第二方差的差。方差相似度的值越小,表示两个已知井对应地层的相似度越高,认为两个已知井的对应地层的测井曲线段波动程度趋向相同。值得注意的是,计算第一方差和第二方差用到的两条第一测井曲线为同种类的测井曲线。
形态相似度:采用DTW算法,获取每两个已知井对应地层的同种测井曲线的形态相似度。具体如下:
(1)计算两个已知井对应地层的观测点之间的距离,得到观测点距离矩阵。其中,求取两个已知井对应地层的观测点之间的距离的公式如下:
d(i,j)=|onei-twoj|;
其中,d(i,j)为两个已知井对应地层的观测点之间的距离;onei表示一个已知井地层(即第一对应地层)的观测点i在该已知井的第一测井曲线上对应的曲线值;twoj表示另一个已知井对应地层(即第二对应地层)的观测点j在该已知井的第一测井曲线上对应的曲线值。
观测点距离矩阵参照图11(图11仅做参考使用)。
(2)在观测点距离矩阵中计算每条可能的路径的距离,注意,所选的路径必定是从观测点距离矩阵的左下角方格出发,在右上角方格结束,并且每个方格不可重复经过。当从((i-1,j-1)、(i-1,j)或者(i,j-1))中的任一方格到下一个方格(i,j),如果是横着的距离或者竖着的距离,则为d(i,j),如果是斜对角线的距离,则为2d(i,j)。
两个已知井对应地层的观测点之间的距离g(i,j)计算公式具体如下:
(3)采用回溯法,回溯观测点距离矩阵,获取最短路径。
找到最短路径的过程参照图12、图13(图12、图13仅做参考使用)。
(4)根据最短路径,获取两个已知井对应地层的同种测井曲线的形态相似度(一个地层的测井曲线为整条第一测井曲线上的一段曲线)。
重新定义最短路径的计算方式,使得在已知井地层和另一已知井对应地层的同种类第一测井曲线的长度越相近的情况下(长度越相近指的是一地层的测井曲线对应的观测点个数和另一地层的测井曲线对应的观测点个数越相近),获取的形态相似度就越小,已知井地层和另一已知井对应地层的测井曲线就更加相似。
求取两个已知井对应地层的同种测井曲线的形态相似度best_dis的公式如下:
best_dis=g(m,n)/min(m,n);
其中,m、n分别为已知井地层和另一已知井对应地层的同种类第一测井曲线的长度,g(m,n)为上述步骤(3)得到的最短路径的距离值。
由于形态相似度的度量方式是依据两个已知井观测点之间的距离进行衡量的,因此,形态相似度的值越小,表示两个已知井对应地层的相似度越高。
可选的,在DTW算法的基础上进行改进,具体在上述步骤(4)中,对观测点距离矩阵进行边界约束,采用回溯法,回溯观测点距离矩阵的非边界约束部分,获取最短路径。在观测点距离矩阵的左上角选取一个直角三角形作为阴影三角,从左到右取横坐标的百分之N1作为阴影三角的一个直角长度,从上到下取纵坐标的百分之N2作为阴影三角的另一个直角长度;同理,在观测点距离矩阵的右下角也选取一个直角三角形作为阴影三角,从右到左取横坐标的百分之N3作为阴影三角的一个直角长度,从下到上取纵坐标的百分之N4作为阴影三角的另一个直角长度。本实施例中,N1、N2、N3和N4均为二十。
两个阴影三角涉及的区域为边界约束部分,参照图14(图14仅做参考使用)。
步骤S102:根据第一相似度,遴选已知井的标志层;获取目标井的第二测井曲线和第二井轨迹,根据已知井的标志层、第二测井曲线和第二井轨迹,确定目标井各待划分标志层的候选区域;其中,已知井和目标井属于同一区块。
其中,目标井为油气藏的一个区块中的未划分好标志地层的井,目标井和已知井在同一区块中。
对第二测井曲线进行预处理,其方法和对第一测井曲线预处理的方法原理一致,只是少了对第二测井曲线和目标井的地层数据进行关联、第二井轨迹和目标井的地层数据进行关联的过程。
1)根据第一相似度,在已知井中选出标志井和非标志井。
首先,根据第一相似度,获取每个已知井的第一测井曲线的第二相似度:
计算已知井所有地层的同种测井曲线的均值相似度的均值,将该均值定义为第三均值;计算已知井所有地层的同种测井曲线的方差相似度的均值,将该均值定义为第四均值;计算已知井所有地层的同种测井曲线的形态相似度的均值,将该均值定义为第五均值。参照图4,图4的第一列为图1中两个已知井所有地层的CBL_固井质量测井(第一测井曲线名)的形态相似度的均值即第五均值,图4的第二列为图1中两个已知井所有地层的CBL_固井质量测井(第一测井曲线名)的均值相似度的均值即第三均值;图4的第三列为图1中两个已知井所有地层的CBL_固井质量测井(第一测井曲线名)的方差相似度的均值即第四均值。
分别将两个已知井同种第一测井曲线的第三均值、第四均值和第五均值进行加权求和,得到第一测井曲线的第二相似度。参照图4,两个已知井之间的第三均值、第四均值和第五均值加权求和后的结果为第二相似度。
其次,根据西格玛原则设定第一阈值,根据第二相似度和第一阈值,选取初始遴选曲线:
第一阈值为所有第一测井曲线第二相似度的均值与所有第一测井曲线第二相似度的方差之间的差值。判断第二相似度是否小于第一阈值;若是,则将与第二相似度对应的第一测井曲线作为初始遴选曲线。
接下来,根据两个已知井对应的初始遴选曲线的相似度,获取两个已知井的第三相似度:
其中,初始遴选曲线的相似度为对应的第二相似度。参照图5,在两个已知井的所有同种测井曲线中,计算对应的初始遴选曲线的相似度的平均值,该均值为两个已知井的最终相似度即第三相似度。
最后,根据西格玛原则设定第二阈值,根据第三相似度和第二阈值,选取标志井和非标志井:
参照图6,根据第三相似度,创建各已知井之间的相似度矩阵。
其中,第二阈值为所有第三相似度的均值与所有第三相似度的方差之间的差值(所有第三相似度指的是相似度矩阵中的全部值)。
步骤一:选取相似度矩阵中最小的第三相似度。
步骤二:判断选取的最小的第三相似度是否小于第二阈值;若是,则执行步骤三;若否,则执行步骤六。
步骤三:将最小的第三相似度对应的两个已知井选为标志井。
步骤四:判断标志井的数量是否大于第一预设值并且小于第二预设值;若是,则停止对标志井的选取;若否,则执行步骤五;其中,第一预设值为参考井数量的百分之P,第二预设值为参考井数量的百分之Q,Q大于P,本实施例中P为十,Q为五十。
步骤五:将最小的第三相似度所在的行和列(指最小的第三相似度在相似度矩阵中所属的行和列)作为当前行列,在当前行列中刨除最小的第三相似度,在当前行列剩下的第三相似度中继续选取最小的第三相似度,返回步骤二。
步骤五:六:刨除历史最小第三相似度所在的行和列(历史最小第三相似度为上述步骤一至五涉及到的所有的最小的第三相似度),在剩余的行和列中选取最小的第三相似度,返回步骤二。
值得注意的是,在相似度矩阵同一位置的第三相似度不重复选取。
在标志井选取完毕之后,在所有的已知井中,除了标志井,剩余的已知井为非标志井。
2)根据第二井轨迹、标志井的第一井轨迹和非标志井的第一井轨迹,选取目标井的初始参考井。
具体的,对目标井进行分段,得到多个井段,根据第二井轨迹和标志井的第一井轨迹,分别获取每个标志井和井段之间的第一水平距离,选取最小的第一水平距离对应的标志井作为井段的近邻参考井。其中,目标井分段可采用人工方式,例如,已知井为斜井,根据斜井的第一井轨迹得知其倾斜情况,根据倾斜情况对斜井进行分段;第一水平距离为标志井的井头(即顶点坐标)和井段的顶点坐标之间的水平距离;其中,标志井的顶点坐标根据对应的第一井轨迹获取,井段的顶点坐标根据对应的第二井轨迹获取。
根据第二井轨迹和非标志井的第一井轨迹,分别获取每个非标志井和井段之间的第二水平距离,选取最小的第二水平距离对应的非标志井也作为井段的近邻参考井。第二水平距离为非标志井的井头(即顶点坐标)和井段的顶点坐标之间的水平距离;其中,非标志井的顶点坐标根据对应的第一井轨迹获取。
将目标井所有井段的近邻参考井共同作为目标井的初始参考井。
3)根据第一相似度,选取已知井的标志层,已知井的标志层包括标志井的标志层和初始参考井的标志层。
已知井有多个地层,分别获取每个地层的所有测井曲线段(地层的所有测井曲线段为一个地层在所有第一测井曲线上分别对应的曲线段)的均值相似度、方差相似度和形态相似度;将属于同一测井曲线段的均值相似度、方差相似度和形态相似度进行加权求和,得到和值;计算地层的所有测井曲线段的和值的均值,该均值为该地层的地层相似度。
根据地层相似度选取已知井的标志层。例如,在已知井的所有地层中,将地层相似度由小到大排序,在排序结果中选取前n个地层相似度对应的地层作为已知井的标志层;又例如,设置第一预设阈值,判断地层相似度是否小于第一预设阈值,若是,则将地层相似度对应的地层作为已知井的标志层。
可选的,在根据地层数据将已知井分为多个地层之后,获取地层在第一井轨迹中对应的观测点之前,获取地层的厚度,判断是否有多个连续地层的厚度均小于第一厚度阈值;若是,则说明多个连续地层的厚度较薄,较薄的地层特征不够明显,因此,多个厚度较薄的连续的地层也可以称为小层,将多个连续小层合并为一个地层,使得地层特征足够明显。
可选的,若已知井很深,则将多个连续小层合并为一个地层;若已知井很浅,则无需将多个连续小层合并为一个地层,因为较浅的已知井本身就没有几个地层,无需组合。
相应的,遴选已知井的标志层的方法还可以为:计算两个已知井对应小层的同种测井曲线的相似度,该相似度也包括均值相似度、方差相似度和形态相似度,计算小层的地层相似度(小层的地层相似度的计算方法和上述中地层的地层相似度的计算方法原理一致,在此不再赘述)。在标志层的所有小层的地层相似度中,选取地层相似度较小的几个小层重新组合为新的标志层。例如,在标志层的所有小层中,将小层的地层相似度由小到大排序,在排序结果中选取前m个地层相似度对应的小层,将选取的小层重新组合为新的标志层;又例如,设置第二预设阈值,将小于第二预设阈值的小层的地层相似度对应的小层重新组合为新的标志层。
4)基于标志井的标志层和初始参考井的标志层,获取目标井的标志层。
目标井的标志层为标志井的标志层和初始参考井的标志层的并集。
5)根据目标井的标志层和已知井的标志层,获取目标井的候选区域。
根据剖面划分候选区域:在已知井的标志层中选取出与目标井的其中一个标志层相同类型的标志层作为待处理标志层;将目标井的其中一个标志层对应的所有待处理标志层的顶点坐标组合为第一剖面,将目标井的其中一个标志层对应的所有待处理标志层的底点坐标组合为第二剖面;根据第一剖面和第二剖面,在目标井上截取出候选区域,具体的,选取目标井和第一剖面的重合点,选取目标井和第二剖面的重合点,两个重合点之间的目标井部分为候选区域。采用上述方式,根据目标井的所有标志层获取目标井的所有候选区域。
进一步地,在根据剖面划分候选区域之前,判断目标井的首尾部分是否数据完整或没有;若是,则将所有初始参考井的第一个标志层的数据组合为目标井的第一个标志层,将所有初始参考井的最后一个标志层的数据组合为目标井的最后一个标志层。
进一步地,在根据剖面划分候选区域之前,还获取目标井所有标志层的厚度,判断是否有多个连续标志层的厚度均小于第二厚度阈值;若是,则说明多个连续标志层的厚度较薄,因此,将多个厚度较薄的连续的标志层合并为新的标志层。
步骤S103:根据第一井轨迹和第二井轨迹,筛选目标井的参考井以及分别遴选目标井和参考井的待融合曲线;将目标井的待融合曲线进行融合,得到第一曲线,分别将每个参考井的待融合曲线进行融合,得到多个第二曲线。
其中,根据第一井轨迹和第二井轨迹,筛选目标井的参考井以及分别遴选目标井和参考井的待融合曲线,包括:
根据第二井轨迹和标志井的第一井轨迹,分别获取每个标志井和目标井的标志层之间的第三水平距离,选取最小的第三水平距离对应的标志井作为目标井的标志层的近邻参考井;根据第二井轨迹和标志井的第一井轨迹,分别获取每个非标志井和目标井的标志层之间的第四水平距离,选取最小的第四水平距离对应的非标志井作为目标井的标志层的近邻参考井;将目标井所有标志层的近邻参考井共同作为目标井的参考井。其中,第三水平距离、第四水平距离的计算方法和上述中第一水平距离、第二水平距离的计算方法原理一致,在此不再赘述。
分别将每种第一测井曲线的第三均值、第四均值和第五均值进行加权求和,得到每种第一测井曲线的综合相似度。例如,仅有4个已知井,其中3个已知井均拥有一个同种类第一测井曲线,关于此同种类第一测井曲线,每两个已知井之间均进行相似度计算,得到3个第三均值、3个第四均值和3个第五均值,将3个第三均值的平均值、3个第四均值的平均值和3个第五均值的平均值进行加权求和,加权求和的结果为3个已知井均拥有的这个同种类第一测井曲线的综合相似度。
根据西格玛原则设定第三阈值,根据综合相似度和第三阈值,选取综合遴选曲线:
第三阈值为所有综合相似度的均值与所有综合相似度的方差之间的差值。判断综合相似度是否小于第三阈值;若是,则将与综合相似度对应的第一测井曲线作为综合遴选曲线。
基于第二测井曲线、初始参考井的第一测井曲线和综合遴选曲线,选取遴选曲线。具体的,求取目标井的所有第二测井曲线与所有综合遴选曲线的交集(取交集的原理为在所有综合遴选曲线中选取和第二测井曲线相同种类即相同名称的测井曲线,交集取的是测井曲线名称),该交集为第一交集;分别求取每个初始参考井的所有第一测井曲线与所有综合遴选曲线的交集,该交集为第二交集;遴选曲线为第一交集和所有第二交集的并集。综上,遴选曲线=(目标井的所有第二测井曲线∩所有综合遴选曲线)∪(第一个初始参考井的所有第一测井曲线∩所有综合遴选曲线)∪(第二个初始参考井的所有第一测井曲线∩所有综合遴选曲线)∪……∪(最后一个初始参考井的所有第一测井曲线∩所有综合遴选曲线)。
根据第二测井曲线、参考井的第一测井曲线和遴选曲线,分别遴选出目标井和参考井的待融合曲线。
具体的,在目标井的所有第二测井曲线中和一个参考井的所有第一测井曲线中选取同类别的测井曲线,也可以理解为目标井的所有第二测井曲线和所有参考井的所有第一测井曲线的交集,该交集作为第一曲线交集(交集取的是测井曲线名称,同类别指的是测井曲线名称一致);取第一曲线交集与遴选曲线的交集,如果该交集不为空,则将该交集定义为第二曲线交集,如果该交集为空,则直接将第一曲线交集作为第二曲线交集。
在目标井所有第二测井曲线中,选取和第二曲线交集中同类别的第二测井曲线作为目标井的待融合曲线;在参考井所有第一测井曲线中,选取和第二曲线交集中同类别的第一测井曲线作为参考井的待融合曲线。
将待融合曲线进行融合的方法包括:
1、基于信噪比能力最大化方法获取待融合曲线的曲线系数即加权系数。具体公式如下:
其中,为待融合曲线的加权系数;K表示目标井的待融合曲线的数量(或者参考井的待融合曲线);L为待融合曲线对应的观测点数量;ylk为第l个观测点在目标井(或参考井)第k条待融合曲线上的数据;ykl为目标井(或参考井)第k条测井曲线上的第l个观测点的数据;wk为目标井(或参考井)各待融合曲线的加权因子。
2、根据目标井的所有待融合曲线对应的加权系数,对目标井的所有待融合曲线进行加权融合,得到第一曲线;根据参考井的所有待融合曲线对应的加权系数,对参考井的所有待融合曲线进行加权融合,得到每个参考井的第二曲线。值得注意的是,加权系数有正有负,正负能够表示待融合曲线的方向。
值的注意的是,假设有两个参考井,则在选取目标井和第一个参考井的待融合曲线时,选出来的共同测井曲线名分别为GHA和GHB;将目标井的GHA和GHB两条第二测井曲线进行融合,得到第一曲线PNA1,将第一个参考井GHA和GHB两条第一测井曲线进行融合,得到第二曲线PNB1;在后续步骤S104中,目标井和第一个参考井对比时是指的第一曲线PNA1和第二曲线PNA1之间的数据对比。在选取目标井和第二个参考井的待融合曲线时,选出来的共同测井曲线名分别为GHA、GHB和GHC;将目标井的GHA、GHB和GHC三条第二测井曲线进行融合,得到第一曲线PNA2,将第二个参考井GHA、GHB和GHC三条第一测井曲线进行融合,得到第二曲线PNB2;在后续步骤S104中,目标井和第二个参考井对比时是指的第一曲线PNA2和第二曲线PNA2之间的数据对比。
步骤S104:根据候选区域、第一曲线和第二曲线,采用滑窗检测法,确定目标井各标志地层的地层边界值。
本实施例中,先划分出目标井的第一个标志地层和最后一个标志地层,后划分出其余的标志地层,将其余的标志地层作为中间区域的标志地层。
根据目标井的第一个候选区域、目标井的最后一个候选区域、第一曲线和第二曲线,采用滑窗检测法,分别确定目标井的第一个标志地层和最后一个标志地层的地层边界值。具体的,根据第一个候选区域的上下边界值和最后一个候选区域的上下边界值,分别确定目标井的第一滑动区域;通过滑窗在第一滑动区域内滑动,实时获取第一区域,获取第一区域在第一曲线上对应的第一曲线段;分别获取与第一个候选区域、最后一个候选区域对应的参考井标志层在第二曲线上对应的第二曲线段,获取第一曲线段与对应的第二曲线段之间的第一曲线相似度;根据第一曲线相似度确定最优第一区域,根据最优第一区域,获取第一个标志地层和最后一个标志地层的地层边界值。
以划分第一个标志地层为例:参照图7,获取第一个候选区域的上边界值S,第一滑动区域的上边界为(S-s1),第一滑动区域的下边界为(S-s2),本实施例中,s1和s2可以均为10米。第一滑动区域的长度大于第一个候选区域的长度,通过这种方式能够增大划分时的地层处理范围。滑窗的长度比第一滑动区域的长度小,滑窗在第一滑动区域内滑动,实时获取第一区域,获取第一区域在第一曲线上对应的第一曲线段。获取与第一个候选区域对应的参考井标志层(参照步骤S102,在得到第一个候选区域时,使用了参考井的哪个标志层,使用的那个标志层为与第一个候选区域对应的参考井标志层,该标志层与第一个候选区域类型一致即名称一致)在第二曲线上对应的第二曲线段。获取第一曲线段与第二曲线段之间的第一曲线相似度(可采用DTW算法计算第一曲线相似度)。随着滑窗的滑动,获取的第一区域为多个,进而在一个参考井和第一个候选区域比较完成之后,获取第一曲线相似度也为多个,在多个第一曲线相似度中,选取最小的第一曲线相似度。在所有的参考井和第一个候选区域比较完毕之后,得到多个最小的第一曲线相似度,在这些最小的第一曲线相似度中再选取中最小的第一曲线相似度即最终曲线相似度,最终曲线相似度对应的第一区域为最优第一区域。标志地层的地层边界值包括上地层边界值和下地层边界值。将最优第一区域的中间值(中间值为最优第一区域的上边界值和下边界值的平均值)作为第一个标志地层的上地层边界值。同理,获取第一个标志地层的下地层边界值。
划分最后一个标志地层的方法和划分第一个标志地层的方法原理一致,再次不在赘述。
根据中间区域的候选区域、第一曲线和第二曲线,采用滑窗检测法,分别确定中间区域的标志地层的地层边界值。其中,中间区域的候选区域为在所有候选区域中除去第一个候选区域和最后一个候选区域的候选区域。
其中,根据中间区域的候选区域、第一曲线和第二曲线,采用滑窗检测法,分别确定中间区域的标志地层的地层边界值,其具体方法如下:
Ⅰ、根据与中间区域的候选区域对应的参考井标志层的厚度,确定目标井的第二滑动区域。
下述表述中,将中间区域的候选区域简称为中间候选区域;将中间区域的标志地层简称为中间标志地层。
具体的,采用变长滑窗检测法:根据与中间候选区域对应的参考井标志层的厚度为HOU,设置第一长度阈值即H1,还设置第二长度阈值即H2;其中,H1=h1*HOU,H2=h2*HOU,其中,h1可以为3/4,h2可以为5/4;第二滑动区域的长度为H,H=H1、(H1+h)、(H1+2h)、……、(H1+rh)、H2,其中,h为固定值,h可以为1米,r为正整数。确定出目标井的第二滑动区域至少为2个,例如,HOU为400米,则H1为300米,H2为500米,则确定出目标井的第二滑动区域有3个,3个的第二滑动区域长度分别为300米、400米和500米。
根据第二滑动区域长度和对应的中间候选区域的中间值确定第二滑动区域的位置;其中,中间候选区域的中间值为中间候选区域的上边界值和下边界值的平均值。例如,第二滑动区域长度为300米,中间候选区域的中间值为400米,则第二滑动区域的上边界值为250米(250=400-300/2),第二滑动区域的下边界值为550米(550=400+300/2),根据第二滑动区域的上边界值和下边界值确定第二滑动区域在目标井中的位置。值得注意的是,中间候选区域的水平中间线为第二滑动区域的水平中间线。
Ⅱ、通过滑窗在第二滑动区域内滑动,实时获取第二区域,获取第二区域在第一曲线上对应的第三曲线段。
其中,获取第三曲线段的方法和获取第一曲线段的方法原理一致,在此不再赘述。
Ⅲ、获取与中间区域的候选区域对应的参考井标志层在第二曲线上对应的第四曲线段,获取第四曲线段与对应的第三曲线段之间的第二曲线相似度。
其中,获取第四曲线段的方法和获取第二曲线段的方法原理一致,获取第二曲线相似度的方法和第一曲线相似度的方法原理一致,在此不再赘述。
Ⅳ、根据第二曲线相似度,获取中间区域的标志地层的地层边界值。
其中,获取中间候选区域的地层边界值的方法与上述划分第一个标志地层中获取第一个标志地层的地层边界值的方法原理一致,唯一的区别在于:获取的最优第一区域直接作为中间标志地层。
优选的,Ⅳ步骤的变形方案为:根据第二曲线相似度和全局最优化搜索思想,获取中间区域的标志地层的地层边界值。
具体的,步骤1:在第二曲线相似度中选取第三曲线相似度,将获取的所有第三曲线相似度组合为曲线相似度矩阵。
随着滑窗在第二滑动区域内滑动,获取的第二区域为多个,进而在一个参考井和中间候选区域比较完成之后,获取第二曲线相似度也为多个,在多个第二曲线相似度中选取T个作为第三曲线相似度。例如,将多个第二曲线相似度按照由小到大的顺序进行排序,选取排序结果中的前T个第二曲线相似度作为第三曲线相似度;又例如,设置第三预设阈值,判断第二曲线相似度是否小于第三预设阈值,若是,则将第二曲线相似度作为第三曲线相似度。
将第一个中间候选区域和第一个参考井对比完毕之后,获取多个第三曲线相似度,同理,将第二个中间候选区域和第一个参考井对比完毕之后,又获取多个第三曲线相似度,参照图8,直到所有的中间候选区域和第一个参考井对比完毕,将获取的所有第三曲线相似度组合为曲线相似度矩阵。
步骤2:对曲线相似度矩阵进行遍历求和,获取第五相似度。
第一个中间候选区域的任一个第三曲线相似度、第二个中间候选区域的任一个第三曲线相似度、……、最后一个中间候选区域的任一个第三曲线相似度作为一组值,分别对每一组值进行求和运算,得到多个第四相似度(第四相似度为一组值的和)。在所有的第四相似度中,选取最小的第四相似度作为第五相似度。
步骤3:根据第五相似度,获取中间区域的标志地层的地层边界值。
所有的中间候选区域和一个参考井对比完毕之后,就获取一个第五相似度,所有的中间候选区域分别和所有的参考井对比完毕之后,就获取多个第五相似度。在所有的第五相似度中,选取最小的一个第五相似度作为第六相似度。第六相似度本质上为一组值的和(这里参考步骤2),一组值中有多个第三曲线相似度,因此,第六相似度对应多个第三曲线相似度。第三曲线相似度为一个参考井标志层和一个第二区域比较后的相似度结果值,因此,每个第三曲线相似度均对应一个第二区域(这里参考步骤1),综上,第六相似度对应多个第二区域,将第六相似度对应的多个第二区域分别作为多个中间标志地层。
优选的,Ⅳ步骤的第二个变形方案为:根据第二曲线相似度、全局最优化搜索思想与地层间约束条件,获取中间区域的标志地层的地层边界值。
第二个变形方案和上述中第一个变形方案的区别在于上述步骤2(对曲线相似度矩阵进行遍历求和,获取第五相似度),具体如下:
第一个中间候选区域的任一个第三曲线相似度、第二个中间候选区域的任一个第三曲线相似度、……、最后一个中间候选区域的任一个第三曲线相似度作为一组值。
对每一组值进行筛选。具体的,判断一组值中所有第三曲线相似度对应的第二区域在深度值上是否连续,例如,一个第二区域的下边界值为100米,另一个第二区域的上边界值也为100米,则这两个第二区域连续;若是,则这一组值保留,用于后续进行求和运算;若否,则将这一组值删除,不进行后续的求和运算。
分别对保留的每一组值进行求和运算,得到多个第四相似度(第四相似度为一组值的和)。在所有的第四相似度中,选取最小的第四相似度作为第五相似度。
可选的,在根据与中间区域的候选区域对应的参考井标志层的厚度,确定目标井的第二滑动区域之前,对中间候选区域进行调整。
根据第一井轨迹和第二井轨迹,筛选目标井的唯一参考井。具体的,根据第二井轨迹和所有参考井的第一井轨迹,选取出与目标井距离最近的参考井作为唯一参考井;其中,距离最近指的是水平距离最近。
根据唯一参考井的标志层、候选区域、第一井轨迹和第二井轨迹,调整中间区域的候选区域。具体公式如下:
其中,C′为调整后的中间候选区域的顶深;A′为第一个标志地层的的顶深;B′为最后一个标志地层的的顶深;C为在唯一参考井所有标志层中,与调整前的候选区域对应的标志层的顶深(参照步骤S102,在得到调整前的候选区域时,使用了唯一参考井的哪个标志层,使用的那个标志层为与调整前的候选区域对应的标志层,该标志层与调整前的候选区域类型一致即名称一致);A为在唯一参考井所有标志层中与第一个标志地层对应的标志层的顶深;B为在唯一参考井所有标志层中与最后一个标志地层对应的标志层的顶深;其中,顶深指的是上边界值,底深为下边界值,上述中的上边界值和下边界值均根据第一井轨迹和第二井轨迹得到。
调整后的中间候选区域的底深的计算方式和上述中调整后的中间候选区域的顶深的计算方式原理一致,在此不再赘述。
根据调整后的中间候选区域的顶深和底深重新划分出新的中间候选区域,从而完成对中间候选区域的调整。采用上述方式,完成中间区域所有的候选区域的调整。
可选的,在根据中间区域的候选区域、第一曲线和第二曲线,采用滑窗检测法,分别确定中间区域的标志地层的地层边界值之后,对中间标志地层的地层边界值进行修正,具体修正方法如下:
根据中间区域的候选区域的上下边界值,确定目标井的第三滑动区域;通过滑窗在第三滑动区域内滑动,实时获取第三区域,获取第三区域在第一曲线上对应的第五曲线段;获取与中间区域的候选区域对应的参考井标志层在第二曲线上对应的第六曲线段,获取第六曲线段与对应的第五曲线段之间的第三曲线相似度;根据第三曲线相似度确定最优第二区域,根据最优第二区域,修正中间区域的标志地层的地层边界值。
上述修正方法和确定目标井的第一个标志地层的地层边界值的方法原理一致(参照上述中划分第一个标志地层的举例部分),唯一的区别在于:获取中间标志地层的上边界值V,第三滑动区域的上边界为(V-v1),第三滑动区域的下边界为(V-v2),此处仅是对地层边界值的修正,因此,为了减少计算量,采用小范围滑窗思想,即v1小于s1,v2小于s2。本实施例中,v1和v2可以均为1米。第一滑动区域的长度大于第三滑动区域的长度。中间标志地层的下边界值的获取方法与中间标志地层的上边界值的获取方法一致,在此不再赘述。
本发明可以通过Python编程,利用现有多个区块进行实验后,能够针对不同区块进行自适应调参,对曲线形态一致性较高的目标井划分结果更好。
为了更好地实施以上方法,本申请实施例还提供了一种智能标志地层定位划分装置,该装置具体可以集成在智能标志地层定位划分设备中,例如终端或服务器等设备中,该终端可以包括但不限于手机、平板电脑或台式电脑等设备。
图9为本申请实施例提供的一种智能标志地层定位划分装置的结构框图,如图9所示,该装置主要包括:
获取模块201,用于获取已知井的第一井轨迹、第一测井曲线和地层数据,根据第一井轨迹、地层数据和第一测井曲线,获取每两个已知井对应地层的同种测井曲线的第一相似度;
确定模块202,用于根据第一相似度,遴选已知井的标志层;获取目标井的第二测井曲线和第二井轨迹,根据已知井的标志层、第二测井曲线和第二井轨迹,确定目标井的候选区域;其中,已知井和目标井属于同一区块;
融合模块203,用于根据第一井轨迹和第二井轨迹,筛选目标井的参考井以及分别遴选目标井和参考井的待融合曲线;将目标井的待融合曲线进行融合,得到第一曲线,分别将每个参考井的待融合曲线进行融合,得到多个第二曲线;以及,
划分模块204,用于根据候选区域、第一曲线和第二曲线,采用滑窗检测法,确定地层边界值,根据地层边界值划分出目标井的标志地层。
上述实施例提供的方法中的各种变化方式和具体实例同样适用于本实施例的智能标志地层定位划分装置,通过前述对智能标志地层定位划分方法的详细描述,本领域技术人员可以清楚的知道本实施例中的智能标志地层定位划分装置的实施方法,为了说明书的简洁,在此不再详述。
为了更好地执行上述方法的程序,本申请实施例还提供一种智能标志地层定位划分设备,如图10所示,智能标志地层定位划分设备300包括存储器301和处理器302。
智能标志地层定位划分设备300可以以各种形式来实施,包括手机、平板电脑、掌上电脑、笔记本电脑和台式计算机等设备。
其中,存储器301可用于存储指令、程序、代码、代码集或指令集。存储器301可以包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如遴选已知井的标志层、确定目标井的候选区域和根据地层边界值划分出目标井的标志地层等)以及用于实现上述实施例提供的智能标志地层定位划分方法的指令等;存储数据区可存储上述实施例提供的智能标志地层定位划分方法中涉及到的数据等。
处理器302可以包括一个或者多个处理核心。处理器302通过运行或执行存储在存储器301内的指令、程序、代码集或指令集,调用存储在存储器301内的数据,执行本申请的各种功能和处理数据。处理器302可以为特定用途集成电路(Application SpecificIntegrated Circuit,ASIC)、数字信号处理器(Digital Signal Processor,DSP)、数字信号处理装置(Digital Signal Processing Device,DSPD)、可编程逻辑装置(ProgrammableLogic Device,PLD)、现场可编程门阵列(Field Programmable Gate Array,FPGA)、中央处理器(Central Processing Unit,CPU)、控制器、微控制器和微处理器中的至少一种。可以理解地,对于不同的设备,用于实现上述处理器302功能的电子器件还可以为其它,本申请实施例不作具体限定。
本申请实施例提供一种计算机可读存储介质,例如包括:U盘、移动硬盘、只读存储器(Read Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。该计算机可读存储介质存储有能够被处理器加载并执行上述实施例的智能标志地层定位划分方法的计算机程序。
本申请具体实施例仅仅是对本申请的解释,其并不是对本申请的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本申请的权利要求范围内都受到专利法的保护。
Claims (17)
1.一种智能标志地层定位划分方法,其特征在于,包括:
获取已知井的第一井轨迹、第一测井曲线和地层数据,对所述第一测井曲线进行预处理,根据所述地层数据获取目标井各地层对应的深度,根据目标井各地层对应的深度获取各地层在第一井轨迹中对应的观测点,获取每个观测点在预处理后的第一测井曲线上对应的曲线值;根据所述曲线值获取每两个已知井对应地层的同种测井曲线的均值相似度和方差相似度;采用DTW算法,获取每两个已知井对应地层的同种测井曲线的形态相似度;根据所述均值相似度、方差相似度和形态相似度,在已知井中选出标志井和非标志井;获取目标井的第二井轨迹和第二测井曲线,根据所述第二井轨迹、标志井的第一井轨迹和非标志井的第一井轨迹,选取目标井的初始参考井;根据所述均值相似度、方差相似度和形态相似度,选取已知井的标志层,已知井的标志层包括标志井的标志层和初始参考井的标志层;基于标志井的标志层和初始参考井的标志层,获取目标井的标志层;根据目标井的标志层和已知井的标志层,获取目标井各待划分标志层的候选区域;其中,已知井和目标井属于同一区块;
根据所述第一井轨迹和第二井轨迹,筛选目标井的参考井以及分别遴选目标井和参考井的待融合曲线;将目标井的待融合曲线进行融合,得到第一曲线,分别将每个参考井的待融合曲线进行融合,得到多个第二曲线;
根据目标井的第一个候选区域、目标井的最后一个候选区域、第一曲线和第二曲线,采用滑窗检测法,分别确定目标井的第一个标志地层和最后一个标志地层的地层边界值;根据中间区域的候选区域、第一曲线和第二曲线,采用滑窗检测法,分别确定中间区域的标志地层的地层边界值;其中,中间区域的候选区域为在所有候选区域中除去第一个候选区域和最后一个候选区域的候选区域,中间区域的标志地层为在所有标志地层中除去目标井第一个标志地层和最后一个标志地层的标志地层。
2.根据权利要求1所述的方法,其特征在于,所述采用DTW算法,获取每两个已知井对应地层的同种测井曲线的形态相似度,包括:
采用DTW算法,获取每两个已知井对应地层的观测点距离矩阵;
对所述观测点距离矩阵进行边界约束,回溯观测点距离矩阵的非边界约束部分,获取最短路径;
根据所述最短路径,获取两个已知井对应地层的同种测井曲线的形态相似度。
3.根据权利要求1所述的方法,其特征在于,所述根据所述均值相似度、方差相似度和形态相似度,在已知井中选出标志井和非标志井,包括:
根据所述均值相似度、方差相似度和形态相似度,获取每个已知井的第一测井曲线的第二相似度;
根据西格玛原则设定第一阈值,根据所述第二相似度和第一阈值,选取初始遴选曲线;
根据两个已知井对应的初始遴选曲线的相似度,获取两个已知井的第三相似度;
根据西格玛原则设定第二阈值,根据所述第三相似度和第二阈值,选取标志井和非标志井。
4.根据权利要求1所述的方法,其特征在于,所述根据所述第二井轨迹、标志井的第一井轨迹和非标志井的第一井轨迹,选取目标井的初始参考井,包括:
对目标井进行分段,得到多个井段,根据所述第二井轨迹和标志井的第一井轨迹,分别获取每个标志井和井段之间的第一水平距离,选取最小的第一水平距离对应的标志井作为井段的近邻参考井;
根据所述第二井轨迹和非标志井的第一井轨迹,分别获取每个非标志井和井段之间的第二水平距离,选取最小的第二水平距离对应的非标志井也作为井段的近邻参考井;
将目标井所有井段的近邻参考井共同作为目标井的初始参考井。
5.根据权利要求1所述的方法,其特征在于,所述根据目标井的标志层和已知井的标志层,获取目标井各待划分标志层的候选区域,包括:
在已知井的标志层中选取出与目标井的其中一个标志层相同类型的标志层作为待处理标志层;
将目标井的其中一个标志层对应的所有待处理标志层的顶点坐标组合为第一剖面,将目标井的其中一个标志层对应的所有待处理标志层的底点坐标组合为第二剖面;
根据所述第一剖面和第二剖面,在目标井上截取出候选区域;
基于所述目标井一个标志层截取出的候选区域,根据目标井的所有标志层获取目标井的所有候选区域。
6.根据权利要求1所述的方法,其特征在于,所述根据所述第一井轨迹和第二井轨迹,筛选目标井的参考井以及分别遴选目标井和参考井的待融合曲线,包括:
根据所述第二井轨迹和标志井的第一井轨迹,分别获取每个标志井和目标井的标志层之间的第三水平距离,选取最小的第三水平距离对应的标志井作为目标井的标志层的近邻参考井;根据所述第二井轨迹和标志井的第一井轨迹,分别获取每个非标志井和目标井的标志层之间的第四水平距离,选取最小的第四水平距离对应的非标志井作为目标井的标志层的近邻参考井;
将目标井所有标志层的近邻参考井共同作为目标井的参考井;
根据所述均值相似度、方差相似度和形态相似度,获取各已知井之间的同种类第一测井曲线的综合相似度;
根据西格玛原则设定第三阈值,根据所述综合相似度和第三阈值,选取综合遴选曲线;
基于所述第二测井曲线、初始参考井的第一测井曲线和综合遴选曲线,选取遴选曲线;
根据所述第二测井曲线、参考井的第一测井曲线和遴选曲线,分别遴选出目标井和参考井的待融合曲线。
7.根据权利要求1所述的方法,其特征在于,所述根据目标井的第一个候选区域、目标井的最后一个候选区域、第一曲线和第二曲线,采用滑窗检测法,分别确定目标井的第一个标志地层和最后一个标志地层的地层边界值,包括:
根据第一个候选区域的上下边界值和最后一个候选区域的上下边界值,分别确定目标井的第一滑动区域;
通过滑窗在第一滑动区域内滑动,实时获取第一区域,获取所述第一区域在第一曲线上对应的第一曲线段;
分别获取与第一个候选区域、最后一个候选区域对应的参考井标志层在第二曲线上对应的第二曲线段,获取所述第一曲线段与对应的第二曲线段之间的第一曲线相似度;
根据所述第一曲线相似度确定最优第一区域,根据所述最优第一区域,获取第一个标志地层和最后一个标志地层的地层边界值。
8.根据权利要求1所述的方法,其特征在于,所述根据中间区域的候选区域、第一曲线和第二曲线,采用滑窗检测法,分别确定中间区域的标志地层的地层边界值,包括:
根据与中间区域的候选区域对应的参考井标志层的厚度,确定目标井的第二滑动区域;
通过滑窗在第二滑动区域内滑动,实时获取第二区域,获取所述第二区域在第一曲线上对应的第三曲线段;
获取与中间区域的候选区域对应的参考井标志层在第二曲线上对应的第四曲线段,获取所述第四曲线段与对应的第三曲线段之间的第二曲线相似度;
根据所述第二曲线相似度,获取中间区域的标志地层的地层边界值。
9.根据权利要求8所述的方法,其特征在于,所述根据所述第二曲线相似度,获取中间区域的标志地层的地层边界值,包括:
根据所述第二曲线相似度和全局最优化搜索思想,获取中间区域的标志地层的地层边界值。
10.根据权利要求9所述的方法,其特征在于,所述根据所述第二曲线相似度,获取中间区域的标志地层的地层边界值,还包括:
根据所述第二曲线相似度、全局最优化搜索思想与地层间约束条件,获取中间区域的标志地层的地层边界值。
11.根据权利要求1所述的方法,其特征在于,在根据中间区域的候选区域、第一曲线和第二曲线,采用滑窗检测法,分别确定中间区域的标志地层的地层边界值之前,还包括:根据所述第一井轨迹和第二井轨迹,筛选目标井的唯一参考井;
根据所述唯一参考井的标志层、候选区域、第一井轨迹和第二井轨迹,调整中间区域的候选区域。
12.根据权利要求11所述的方法,其特征在于,所述根据所述第一井轨迹和第二井轨迹,筛选目标井的唯一参考井,包括:
根据所述第二井轨迹和所有参考井的第一井轨迹,选取出与目标井距离最近的参考井作为唯一参考井。
13.根据权利要求11所述的方法,其特征在于,所述根据所述唯一参考井的标志层、候选区域、第一井轨迹和第二井轨迹,调整中间区域的候选区域,包括:
基于第一个标志地层、最后一个标志地层、在唯一参考井所有标志层中与第一个标志地层对应的标志层、在唯一参考井所有标志层中与最后一个标志地层对应的标志层、在唯一参考井所有标志层中与中间区域的其中一个候选区域对应的标志层、第一井轨迹和第二井轨迹,调整所述中间区域的其中一个候选区域;
基于所述中间区域的其中一个候选区域的调整完成中间区域所有的候选区域的调整。
14.根据权利要求1所述的方法,其特征在于,在所述根据中间区域的候选区域、第一曲线和第二曲线,采用滑窗检测法,分别确定中间区域的标志地层的地层边界值之后,包括:
根据中间区域的候选区域的上下边界值,确定目标井的第三滑动区域;
通过滑窗在第三滑动区域内滑动,实时获取第三区域,获取所述第三区域在第一曲线上对应的第五曲线段;
获取与中间区域的候选区域对应的参考井标志层在第二曲线上对应的第六曲线段,获取所述第六曲线段与对应的第五曲线段之间的第三曲线相似度;
根据所述第三曲线相似度确定最优第二区域,根据所述最优第二区域,修正中间区域的标志地层的地层边界值。
15.一种智能标志地层定位划分装置,其特征在于,包括,
获取模块,用于获取已知井的第一井轨迹、第一测井曲线和地层数据,对所述第一测井曲线进行预处理,根据所述地层数据获取目标井各地层对应的深度,根据目标井各地层对应的深度获取各地层在第一井轨迹中对应的观测点,获取每个观测点在预处理后的第一测井曲线上对应的曲线值;根据所述曲线值获取每两个已知井对应地层的同种测井曲线的均值相似度和方差相似度;采用DTW算法,获取每两个已知井对应地层的同种测井曲线的形态相似度;根据所述均值相似度、方差相似度和形态相似度,在已知井中选出标志井和非标志井;获取目标井的第二井轨迹和第二测井曲线,根据所述第二井轨迹、标志井的第一井轨迹和非标志井的第一井轨迹,选取目标井的初始参考井;根据所述均值相似度、方差相似度和形态相似度,选取已知井的标志层,已知井的标志层包括标志井的标志层和初始参考井的标志层;基于标志井的标志层和初始参考井的标志层,获取目标井的标志层;根据目标井的标志层和已知井的标志层,获取目标井各待划分标志层的候选区域;其中,已知井和目标井属于同一区块;
融合模块,用于根据所述第一井轨迹和第二井轨迹,筛选目标井的参考井以及分别遴选目标井和参考井的待融合曲线;将目标井的待融合曲线进行融合,得到第一曲线,分别将每个参考井的待融合曲线进行融合,得到多个第二曲线;以及,
划分模块,用于根据目标井的第一个候选区域、目标井的最后一个候选区域、第一曲线和第二曲线,采用滑窗检测法,分别确定目标井的第一个标志地层和最后一个标志地层的地层边界值;根据中间区域的候选区域、第一曲线和第二曲线,采用滑窗检测法,分别确定中间区域的标志地层的地层边界值;其中,中间区域的候选区域为在所有候选区域中除去第一个候选区域和最后一个候选区域的候选区域,中间区域的标志地层为在所有标志地层中除去目标井第一个标志地层和最后一个标志地层的标志地层。
16.一种智能标志地层定位划分设备,其特征在于,包括存储器和处理器,所述存储器上存储有能够被所述处理器加载并执行如权利要求1至14中任一种方法的计算机程序。
17.一种计算机可读存储介质,其特征在于,存储有能够被处理器加载并执行如权利要求1至14中任一种方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210541922.8A CN115113299B (zh) | 2022-05-18 | 2022-05-18 | 智能标志地层定位划分方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210541922.8A CN115113299B (zh) | 2022-05-18 | 2022-05-18 | 智能标志地层定位划分方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115113299A CN115113299A (zh) | 2022-09-27 |
CN115113299B true CN115113299B (zh) | 2023-04-07 |
Family
ID=83326788
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210541922.8A Active CN115113299B (zh) | 2022-05-18 | 2022-05-18 | 智能标志地层定位划分方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115113299B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116201535B (zh) * | 2023-02-06 | 2024-02-09 | 北京月新时代科技股份有限公司 | 油气藏目标井标志地层自动划分方法、装置及设备 |
CN116384633A (zh) * | 2023-04-13 | 2023-07-04 | 北京蓝海智信能源技术有限公司 | 一种标志层的划分方法、装置、设备及可读存储介质 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105372709B (zh) * | 2015-10-28 | 2020-09-04 | 中国石油化工股份有限公司 | 一种利用地震资料识别岩性圈闭的方法 |
US11162349B2 (en) * | 2018-10-05 | 2021-11-02 | Ubiterra Corporation | Systems and methods for geosteering during well drilling |
CN110852144A (zh) * | 2019-08-23 | 2020-02-28 | 中国石油大学(北京) | 一种基于dtw的智能地层对比方法和系统 |
US11704579B2 (en) * | 2020-04-17 | 2023-07-18 | Quantic Energy Solutions Llo | Earth modeling methods using machine learning |
CN111472765B (zh) * | 2020-04-24 | 2023-07-14 | 北京月新时代科技股份有限公司 | 目标井的地层划分方法和装置 |
CN113672853A (zh) * | 2020-05-14 | 2021-11-19 | 中国石油化工股份有限公司 | 一种测井曲线自动标准化处理方法及系统 |
CN113236124B (zh) * | 2021-05-07 | 2022-03-01 | 四川页岩气勘探开发有限责任公司 | 深层页岩气水平井地质导向方法 |
CN113536574B (zh) * | 2021-07-20 | 2023-02-17 | 北京蓝海智信能源技术有限公司 | 一种地质导向建模方法、系统及计算机可读存储介质 |
-
2022
- 2022-05-18 CN CN202210541922.8A patent/CN115113299B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115113299A (zh) | 2022-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115113299B (zh) | 智能标志地层定位划分方法、装置、设备及存储介质 | |
US11704748B2 (en) | System and method for automatically correlating geologic tops | |
RU2474846C2 (ru) | Способ и устройство для многомерного анализа данных для идентификации неоднородности породы | |
CN104850732B (zh) | 一种基于砂体统计学的油藏小层划分方法及装置 | |
CN108897066B (zh) | 碳酸盐岩裂缝密度定量预测方法及装置 | |
CN111173507A (zh) | 高含水油田剩余油预测方法 | |
WO2022051357A1 (en) | Core-level high resolution petrophysical characterization method | |
CN111472765A (zh) | 目标井的地层划分方法和装置 | |
CN110646847B (zh) | 一种基于密井网区测井资料识别低级序断层断点位置的方法 | |
CN116201535B (zh) | 油气藏目标井标志地层自动划分方法、装置及设备 | |
CN115113281B (zh) | 标志井及其标志层的确定方法、装置、设备及存储介质 | |
CN105089642B (zh) | 油气藏异常生产井的识别方法及装置 | |
CN116721227A (zh) | 一种复杂地质体三维地质模型自动化建模方法 | |
CN116432855A (zh) | 一种基于掘进数据的隧道塌方情况的预测方法 | |
CN112782760B (zh) | 一种利用地震储层不连续边界解剖辫状河储层结构的方法 | |
CN112612935B (zh) | 一种基于自推理模型的完整测井数据获取方法 | |
CN117407841B (zh) | 一种基于优化集成算法的页岩层理缝预测方法 | |
CN114060015A (zh) | 一种致密砂岩含气性的评价方法及装置 | |
CA3000537A1 (en) | System and method for automatically correlating geologic tops | |
CN111932657B (zh) | 一种自动检测与绘制重、磁异常特征线的方法 | |
CN117152344B (zh) | 基于照片重建点云的隧道围岩结构面解析方法及系统 | |
CN115479540B (zh) | 一种基于激光扫描的岩溶突水灾害量级评估方法和系统 | |
CN117452490A (zh) | 基于层拉平地震剖面及剥蚀关系的地层对比剖面编绘方法 | |
CN117386312B (zh) | 一种钻井液加注装置及其控制方法 | |
CN111983714B (zh) | 一种基于沉积结构剖面的野外地层测量方法及系统 |
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 |