CN116662569B - 基于知识图谱的油气地质评价方法 - Google Patents
基于知识图谱的油气地质评价方法 Download PDFInfo
- Publication number
- CN116662569B CN116662569B CN202310634539.1A CN202310634539A CN116662569B CN 116662569 B CN116662569 B CN 116662569B CN 202310634539 A CN202310634539 A CN 202310634539A CN 116662569 B CN116662569 B CN 116662569B
- Authority
- CN
- China
- Prior art keywords
- coefficient
- evaluation
- correlation
- geological
- rock
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 146
- 239000011435 rock Substances 0.000 claims abstract description 97
- 239000011148 porous material Substances 0.000 claims abstract description 41
- 238000010219 correlation analysis Methods 0.000 claims abstract description 22
- 229930195733 hydrocarbon Natural products 0.000 claims description 33
- 150000002430 hydrocarbons Chemical class 0.000 claims description 33
- 239000004215 Carbon black (E152) Substances 0.000 claims description 32
- 230000015572 biosynthetic process Effects 0.000 claims description 17
- 238000000034 method Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 15
- 230000010354 integration Effects 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000006073 displacement reaction Methods 0.000 claims description 9
- 230000035699 permeability Effects 0.000 claims description 8
- 238000004140 cleaning Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 6
- 239000011707 mineral Substances 0.000 claims description 6
- 239000005416 organic matter Substances 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000005406 washing Methods 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 2
- 239000007789 gas Substances 0.000 description 62
- 239000003921 oil Substances 0.000 description 49
- 238000005755 formation reaction Methods 0.000 description 15
- 238000004458 analytical method Methods 0.000 description 7
- 238000005553 drilling Methods 0.000 description 5
- 235000019738 Limestone Nutrition 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 239000010459 dolomite Substances 0.000 description 4
- 229910000514 dolomite Inorganic materials 0.000 description 4
- 239000006028 limestone Substances 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011234 economic evaluation Methods 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 239000010779 crude oil Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- -1 sandstone Substances 0.000 description 1
- 238000006467 substitution reaction 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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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"
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Animal Husbandry (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Marine Sciences & Fisheries (AREA)
- Primary Health Care (AREA)
- Mining & Mineral Resources (AREA)
- Data Mining & Analysis (AREA)
- Agronomy & Crop Science (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Sampling And Sample Adjustment (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于知识图谱的油气地质评价方法,涉及油气地质评价技术领域,该方法包括以下步骤:S1、数据收集,获得数据库;S2、构建知识图谱;S3、获取待评价对象,提取待评价对象的实体类型,获得地质构造系数dz;S4、提取待评价对象中岩石内部孔隙成分,获得岩石孔隙系数kx;S5、将岩石结构系数jp和岩石孔隙系数kx通过斯皮尔曼等级相关系数进行相关性分析,获取相关评价系数xgxs;S6、将待评价对象中的相关评价系数xgxs与所述油气地质知识图谱进行匹配和分析,获取评估结果。本发明地质构造系数dz和岩石孔隙系数kx将各种类型的参数整合在一起,并和知识图谱智能进行匹配评估,使得评估更加全面和准确。
Description
技术领域
本发明涉及油气地质评价技术领域,具体为基于知识图谱的油气地质评价方法。
背景技术
油气地质评价是探明油气资源潜力的关键环节,涉及的方法通常包括地质勘探、地球物理探测、地质数据分析等。油气资源评价是油气勘探开发决策科学的重要部分,油气资源评价的主要目的是在不同阶段、针对不同勘探对象、采用不同方法进行描述评价,并依照不同的经济技术指标测算分析油气资源储量的存在特点、分布情况、规模概率与序列。油气资源评价主要包括地质评价、工程评价和经济评价三部分,其中,地质评价是整个油气资源评价的基础。
地质调查:进行地质调查是评价油气藏潜力的起点。地质调查包括对区域的地质构造、岩性、沉积环境和构造演化等因素进行研究,以确定潜在的油气藏形成条件。地球物理勘探:地球物理方法如地震勘探、重力测量和电磁测量等被广泛用于油气地质评价。这些方法可以提供地下构造、岩性和流体性质的信息,帮助确定潜在油气藏的存在和分布。钻探勘探:钻探是评价油气藏的重要手段之一。通过钻探地下井眼并获取岩心样品,可以确定沉积岩层的岩性、含油气性质、孔隙度和渗透率等参数。数据分析和解释:将地质、地球物理和钻井数据进行综合分析和解释,以确定油气藏的类型、规模和储量。
然而,传统的油气地质评价方法往往依赖于大量的人工分析和解释,这在处理大量复杂数据时可能效率低下且容易出错,而且对于复杂地质条件下的油气地质评价,人工输入地质调查数据进行分析评价方式容易导致效率低下和数据匹配不精确的情况。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了基于知识图谱的油气地质评价方法,提出的评价方法利用知识图谱,一个可以表示、整合和查询大量复杂知识的模型结构,再获取待评价对象的地质构造系数dz和岩石孔隙系数kx,提高了数据处理的效率和准确性。这种方法可以从大量的地质、地球物理和工程数据中提取有价值的信息,为决策提供科学依据。地质构造系数dz和岩石孔隙系数kx将各种类型的参数整合在一起,使得评估更加全面和准确。这种参数整合可以帮助我们更好地理解和描述油气资源的潜在价值。通过引入各种不同的参数,可以最大限度地利用已有的数据,从而减少了数据浪费,并提高了评估精度。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:基于知识图谱的油气地质评价方法,包括以下步骤:
S1、数据收集,收集和整理地质构造参数及属性关系,获得数据库;
S2、构建知识图谱,对所述数据库进行实体识别和关系抽取,创建油气地质知识图谱;
S3、获取待评价对象,提取待评价对象的实体类型,获得地质构造系数dz;
S4、提取待评价对象中岩石内部孔隙成分,获得岩石孔隙系数kx;
S5、将岩石结构系数jp和岩石孔隙系数kx通过斯皮尔曼等级相关系数进行相关性分析,获取相关评价系数xgxs;
S6、将待评价对象中的相关评价系数xgxs与所述油气地质知识图谱进行匹配和分析,获取评估结果。
优选的,所述S1步骤中具体包括:
S11、采集地质构造参数,所述地质构造参数包括地理位置、地质实体类型,地质结构类型,尺度、方向和倾角、组合性质及位移量存储于数据库;
地理位置包括经度、纬度和海拔高度;地质结构类型包括岩石类型、地质构造类型,断裂、褶皱、盆地、隆起;尺度为地质实体的大小,包括长度、宽度和深度;方向和倾角为断裂或褶皱的方向和倾角;组合和性质包括岩石的矿物组成、地层的沉积环境、地壳的地磁和地电性质;位移量为断裂构造的位移量;
S12、采集地质构造参数相对应的属性关系,包括地层的上下关系和断裂的相对位移关系存储于数据库。
优选的,基于将S11和S12采集的数据进行清洗、转换和整合处理,将数据库数据转换为知识图谱的格式;
将清洗、转换和整合处理后的数据库数据,构建知识图谱模型;
沿着时间轴,每七天一个周期,按照周期更新验证知识图谱模型,获取新的数据修复和更新知识图谱模型。
优选的,获取待评价对象,提取待评价对象的实体类型,获得地质构造系数dz;
所述地质构造系数dz依照如下公式生成:
式中,e/s/h表示为地理位置经度、维度和海拔高度;cd表示为构造尺度;qj表示为方向倾角;ccl表示为油气储油量;a表示为常数修正系数;
其中,0.58≤F1≤1.88,0.45≤F2≤0.85,1.38≤F3≤2.28。
优选的,所述岩石孔隙系数kx通过采集单元获取待评价对象的矿物硬度Yd、存储密度Sm、孔隙度kxd和渗透率St,并在进行无量纲处理后,依照如下公式生成岩石孔隙系数kx:
参数的意义为,0.55≤B1≤1.55,0.35≤B2≤0.75,1.25≤B3≤2.25,0.85≤B4≤1.55,C为可变更常数参数,通过相关性分析,分别获取各个岩石的储油度Cx与检测状态系数Jcxs间的相关性系数R并输出。
优选的,所述S4步骤中将地质构造系数dz和岩石孔隙系数kx相关联,通过斯皮尔曼等级相关系数进行相关性分析,衡量地质构造系数dz和岩石孔隙系数kx两个变量之间的线性关联程度,获得相关评价系数xgxs;
将相关性系数R作为权重1,相关评价系数xgxs作为权重2,将两者以权重比例7:3进行输出。
优选的,对待评价对象的岩石类型进行打标签,并将相关性系数R和相关评价系数xgxs进行整合,获得标签关键词和特征结构化数据;
将标签关键词与油气地质知识图谱进行匹配,匹配到关键词一致的知识图谱列表,获得初始匹配信息;
再将特征结构化数据与知识图谱列表内进行匹配,获得精准匹配信息,分析相似度,获得相似度XSD。
优选的,所述评估结果通过分析相似度XSD获得;
90≤XSD≤99获得评价优上结果,表示区域或构造具有非常高的油气潜力;
80≤XSD<90获得评价优下结果,表示区域或构造具有较高的油气潜力丰富的有机质来源、良好的储集层和合适的圈闭条件;
70≤XSD<80获得评价良好结果,表示具有油气潜力,不如优质级别的区域良好,但仍有可能找到商业可开采的油气;
60≤XSD<70获得评价一般,表示油气潜力不理想;
50≤XSD获得评价结果,表示油气潜力差评价。
基于知识图谱的油气地质评价系统,包括收集单元、知识图谱构建单元、采集对象单元、相关系分析单元、评估单元和预测单元;
收集单元:收集和整理地质构造参数及属性关系,获得数据库;
知识图谱构建单元:数据库进行实体识别和关系抽取,创建油气地质知识图谱;
采集对象单元:采集待评价对象,获取地质构造系数dz和岩石孔隙系数kx;
相关性分析单元:将岩石结构系数jp和岩石孔隙系数kx通过斯皮尔曼等级相关系数进行相关性分析,获取相关评价系数xgxs;
评估单元:将待评价对象中的相关评价系数xgxs与所述油气地质知识图谱进行匹配和分析,获取评估结果;
预测单元:基于评估结果,预测待评价对象的油气潜力。
优选的,还包括识别处理单元,用于对收集单元采集的数据进行洗、转换和整合处理,将数据库数据转换为知识图谱的格式。
(三)有益效果
本发明提供了基于知识图谱的油气地质评价方法。具备以下有益效果:
(1)该基于知识图谱的油气地质评价方法,本发明提出的评价方法利用知识图谱,一个可以表示、整合和查询大量复杂知识的模型结构,再获取待评价对象的地质构造系数dz和岩石孔隙系数kx,提高了数据处理的效率和准确性。这种方法可以从大量的地质、地球物理和工程数据中提取有价值的信息,为决策提供科学依据。
(2)该基于知识图谱的油气地质评价方法,将清洗、转换和整合处理后的数据库数据,构建知识图谱模型;将数据转化为知识图谱,可以更好地理解和表示数据中的实体和关系,从而更好地挖掘和利用数据中的信息。
沿着时间轴,每七天一个周期,按照周期更新验证知识图谱模型,获取新的数据修复和更新知识图谱模型。定期更新和验证知识图谱模型,这样可以保证知识图谱的时效性和准确性,适应地质条件和数据可能发生的变化;
在收集油气地质知识图谱模型的过程中,涵盖了各种不同类型的地质参数和属性关系,这样可以获得对待评价对象的全面理解,提高评价的准确性。通过知识图谱模型的构建,可以更直观地看到地质构造参数和属性关系,便于分析和决策,从而提升工作效率。增强预测能力:知识图谱模型可以为地质评价提供强大的预测工具,帮助更准确地预测和评估油气潜力。提升资源利用率:通过定期更新和验证知识图谱模型,可以更好地了解资源分布情况,优化资源开发和利用策略,从而提高资源利用率。
(3)该基于知识图谱的油气地质评价方法,地质构造系数dz和岩石孔隙系数kx将各种类型的参数整合在一起,使得评估更加全面和准确。这种参数整合可以帮助我们更好地理解和描述油气资源的潜在价值。通过引入各种不同的参数,可以最大限度地利用已有的数据,从而减少了数据浪费,并提高了数据的价值;
将地质构造系数dz和岩石孔隙系数kx相关联,通过斯皮尔曼等级相关系数进行相关性分析,衡量地质构造系数dz和岩石孔隙系数kx两个变量之间的线性关联程度,获得相关评价系数xgxs;通过对地质构造系数dz和岩石孔隙系数kx进行相关性分析,可以提供更强的预测工具,促进更准确地预测和评估油气资源的潜在价值。将相关性系数R和相关评价系数xgxs作为不同的权重,可以使评估更加灵活和精确,能够根据不同的情况调整权重,使评估结果更加贴近实际。
(4)该基于知识图谱的油气地质评价方法,通过与知识图谱进行匹配,能够更全面地理解待评价对象的岩石特性,从而提高评价的精度。一旦有了标签关键词和特征结构化数据,就可以迅速地在知识图谱中找到与之匹配的信息,大大加快了评价过程。通过将待评价对象与知识图谱进行匹配,使得知识图谱的信息得到了充分的利用,提高了知识图谱的价值。通过对待评价对象的打标签和获取特征结构化数据,可以更清楚地解释评价结果。
附图说明
图1为本发明基于知识图谱的油气地质评价方法步骤示意图;
图2为本发明基于知识图谱的油气地质评价系统框图流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
油气地质评价是探明油气资源潜力的关键环节,涉及的方法通常包括地质勘探、地球物理探测、地质数据分析等。油气资源评价是油气勘探开发决策科学的重要部分,油气资源评价的主要目的是在不同阶段、针对不同勘探对象、采用不同方法进行描述评价,并依照不同的经济技术指标测算分析油气资源储量的存在特点、分布情况、规模概率与序列。油气资源评价主要包括地质评价、工程评价和经济评价三部分,其中,地质评价是整个油气资源评价的基础。
然而,传统的油气地质评价方法往往依赖于大量的人工分析和解释,这在处理大量复杂数据时可能效率低下且容易出错,而且对于复杂地质条件下的油气地质评价,人工输入地质调查数据进行分析评价方式容易导致效率低下和数据匹配不精确的情况。
请参阅图1,基于知识图谱的油气地质评价方法,包括以下步骤:
S1、数据收集,收集和整理地质构造参数及属性关系,获得数据库;
S2、构建知识图谱,对所述数据库进行实体识别和关系抽取,创建油气地质知识图谱;
S3、获取待评价对象,提取待评价对象的实体类型,获得地质构造系数dz;
S4、提取待评价对象中岩石内部孔隙成分,获得岩石孔隙系数kx;
S5、将岩石结构系数jp和岩石孔隙系数kx通过斯皮尔曼等级相关系数进行相关性分析,获取相关评价系数xgxs;
S6、将待评价对象中的相关评价系数xgxs与所述油气地质知识图谱进行匹配和分析,获取评估结果。
本发明提出的评价方法利用知识图谱,一个可以表示、整合和查询大量复杂知识的模型结构,再获取待评价对象的地质构造系数dz和岩石孔隙系数kx,提高了数据处理的效率和准确性。这种方法可以从大量的地质、地球物理和工程数据中提取有价值的信息,为决策提供科学依据。
实施例2
本实施例是在实施例1进行的解释说明,所述S1步骤中具体包括:
S11、采集地质构造参数,所述地质构造参数包括地理位置、地质实体类型,地质结构类型,尺度、方向和倾角、组合性质及位移量存储于数据库;
地理位置包括经度、纬度和海拔高度;地质结构类型包括岩石类型、地质构造类型,断裂、褶皱、盆地、隆起;尺度为地质实体的大小,包括长度、宽度和深度;方向和倾角为断裂或褶皱的方向和倾角;组合和性质包括岩石的矿物组成、地层的沉积环境、地壳的地磁和地电性质;位移量为断裂构造的位移量;
S12、采集地质构造参数相对应的属性关系,包括地层的上下关系和断裂的相对位移关系存储于数据库。
优选的,基于将S11和S12采集的数据进行清洗、转换和整合处理,将数据库数据转换为知识图谱的格式;这个步骤可以去除数据中的错误和噪声,提高数据质量,同时将数据转换为适合构建知识图谱的格式,使数据处理和分析更加有效。
将清洗、转换和整合处理后的数据库数据,构建知识图谱模型;将数据转化为知识图谱,可以更好地理解和表示数据中的实体和关系,从而更好地挖掘和利用数据中的信息。
沿着时间轴,每七天一个周期,按照周期更新验证知识图谱模型,获取新的数据修复和更新知识图谱模型。定期更新和验证知识图谱模型,这样可以保证知识图谱的时效性和准确性,适应地质条件和数据可能发生的变化。
本实施例中,在收集油气地质知识图谱模型的过程中,涵盖了各种不同类型的地质参数和属性关系,这样可以获得对待评价对象的全面理解,提高评价的准确性。通过知识图谱模型的构建,可以更直观地看到地质构造参数和属性关系,便于分析和决策,从而提升工作效率。增强预测能力:知识图谱模型可以为地质评价提供强大的预测工具,帮助更准确地预测和评估油气潜力。提升资源利用率:通过定期更新和验证知识图谱模型,可以更好地了解资源分布情况,优化资源开发和利用策略,从而提高资源利用率。
实施例3
本实施例是在实施例1进行的解释说明,具体的,获取待评价对象,提取待评价对象的实体类型,获得地质构造系数dz;
所述地质构造系数dz依照如下公式生成:
式中,e/s/h表示为地理位置经度、维度和海拔高度;cd表示为构造尺度;qj表示为方向倾角;ccl表示为油气储油量;a表示为常数修正系数;
其中,0.58≤F1≤1.88,0.45≤F2≤0.85,1.38≤F3≤2.28。
所述岩石孔隙系数kx通过采集单元获取待评价对象的矿物硬度Yd、存储密度Sm、孔隙度kxd和渗透率St,并在进行无量纲处理后,依照如下公式生成岩石孔隙系数kx:
参数的意义为,0.55≤B1≤1.55,0.35≤B2≤0.75,1.25≤B3≤2.25,0.85≤B4≤1.55,C为可变更常数参数,通过相关性分析,分别获取各个岩石的储油度Cx与检测状态系数Jcxs间的相关性系数R并输出。
地质构造系数dz和岩石孔隙系数kx将各种类型的参数整合在一起,使得评估更加全面和准确。这种参数整合可以帮助我们更好地理解和描述油气资源的潜在价值。通过引入各种不同的参数,可以最大限度地利用已有的数据,从而减少了数据浪费,并提高了数据的价值。
所述S4步骤中将地质构造系数dz和岩石孔隙系数kx相关联,通过斯皮尔曼等级相关系数进行相关性分析,衡量地质构造系数dz和岩石孔隙系数kx两个变量之间的线性关联程度,获得相关评价系数xgxs;通过对地质构造系数dz和岩石孔隙系数kx进行相关性分析,可以提供更强的预测工具,促进更准确地预测和评估油气资源的潜在价值。
将相关性系数R作为权重1,相关评价系数xgxs作为权重2,将两者以权重比例7:3进行输出。将相关性系数R和相关评价系数xgxs作为不同的权重,可以使评估更加灵活和精确,能够根据不同的情况调整权重,使评估结果更加贴近实际。
实施例4
本实施例是在实施例3进行的解释说明,具体的,对待评价对象的岩石类型进行打标签,并将相关性系数R和相关评价系数xgxs进行整合,获得标签关键词和特征结构化数据;油气岩石的分类主要基于其岩石类型和形成过程。以下是一些主要的标签分类:
储油岩石:储油岩石是指有能力储存原油或天然气的岩石。这类岩石通常包括砂岩、石灰岩和白云岩等。储油岩石的重要特性是其孔隙度和渗透性,这决定了其储油和流动油气的能力。
母源岩:母源岩是指能产生并储存石油或天然气的地层。这类岩石通常富含有机质,例如页岩、泥岩等。当有机质在一定的温度和压力下长时间地处于地壳下时,就会生成石油和天然气。
盖层岩石:盖层岩石是指覆盖在储油岩石或母源岩上的岩石,其主要功能是防止油气的溢出。常见的盖层岩石包括泥岩、盐岩等,这些岩石孔隙度小,渗透性差。
储集岩:储集岩是指能够储存和运输石油或天然气的岩石。这种岩石必须具有一定的孔隙度和渗透性,常见的储集岩有砂岩、石灰岩和白云岩等。
每种岩石都有其独特的性质和特征,影响其作为油气藏的潜力。例如,储油岩和储集岩的孔隙度和渗透性,母源岩的有机质含量和成熟度,以及盖层岩石的封闭性。
将岩石标签关键词(例如储油岩石、盖层岩石、储集岩属于大分类标签,砂岩、石灰岩、白云岩、页岩、泥岩、盐岩、砂岩、石灰岩和白云岩属于小分类标签)与油气地质知识图谱进行匹配,匹配到关键词一致的知识图谱列表,获得初始匹配信息;
再将特征结构化数据与知识图谱列表内进行匹配,获得精准匹配信息,分析相似度,获得相似度XSD。
所述评估结果通过分析相似度XSD获得;
90≤XSD≤99获得评价优上结果,表示区域或构造具有非常高的油气潜力;这是最高的评价级别。这通常意味着地质条件优越,并且已有的勘探数据(如地震数据、钻井数据等)也支持存在大量的油气。
80≤XSD<90获得评价优下结果,表示区域或构造具有较高的油气潜力丰富的有机质来源、良好的储集层和合适的圈闭条件;
70≤XSD<80获得评价良好结果,表示具有油气潜力,不如优质级别的区域良好,但仍有可能找到商业可开采的油气;
60≤XSD<70获得评价一般,表示油气潜力不理想;这个级别表示该区域或构造的油气潜力较低。可能是由于地质条件不理想(如有机质来源不足、储集层质量较差或圈闭条件不好等)或者已有的勘探数据不支持存在大量的油气。
50≤XSD获得评价结果,表示油气潜力差评价。这是最低的评价级别,表示该区域或构造的油气潜力很低,不太可能找到商业可开采的油气。
通过将待评价对象进行打标签,然后通过整合相关性系数R和相关评价系数xgxs来获取标签关键词和特征结构化数据,最后进行知识图谱匹配的方法;
通过与知识图谱进行匹配,能够更全面地理解待评价对象的岩石特性,从而提高评价的精度。一旦有了标签关键词和特征结构化数据,就可以迅速地在知识图谱中找到与之匹配的信息,大大加快了评价过程。通过将待评价对象与知识图谱进行匹配,使得知识图谱的信息得到了充分的利用,提高了知识图谱的价值。通过对待评价对象的打标签和获取特征结构化数据,可以更清楚地解释评价结果。
通过与知识图谱进行匹配,模型可以从中学习到更多的知识,从而提高模型的泛化能力,使模型在未见过的数据上也能进行有效的预测。特征结构化数据与知识图谱的匹配能够找出与待评价对象最为相关的地质结构信息,使得评价更为精准。通过与知识图谱进行匹配,能够直观地展示出待评价对象在各项参数上的表现,使得结果更易于理解和接受。
基于知识图谱的油气地质评价系统,请参阅图2,包括收集单元、知识图谱构建单元、采集对象单元、相关系分析单元、评估单元和预测单元;
收集单元:收集和整理地质构造参数及属性关系,获得数据库;
知识图谱构建单元:数据库进行实体识别和关系抽取,创建油气地质知识图谱;
采集对象单元:采集待评价对象,获取地质构造系数dz和岩石孔隙系数kx;
相关性分析单元:将岩石结构系数jp和岩石孔隙系数kx通过斯皮尔曼等级相关系数进行相关性分析,获取相关评价系数xgxs;
评估单元:将待评价对象中的相关评价系数xgxs与所述油气地质知识图谱进行匹配和分析,获取评估结果;
预测单元:基于评估结果,预测待评价对象的油气潜力。
优选的,还包括识别处理单元,用于对收集单元采集的数据进行洗、转换和整合处理,将数据库数据转换为知识图谱的格式。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.基于知识图谱的油气地质评价方法,包括,其特征在于:包括以下步骤:
S1、数据收集,收集和整理地质构造参数及属性关系,获得数据库;
S2、构建知识图谱,对所述数据库进行实体识别和关系抽取,创建油气地质知识图谱;
S3、获取待评价对象,提取待评价对象的实体类型,获得地质构造系数dz;
S4、提取待评价对象中岩石内部孔隙成分,获得岩石孔隙系数kx;
S5、将岩石结构系数jp和岩石孔隙系数kx通过斯皮尔曼等级相关系数进行相关性分析,获取相关评价系数xgxs;
所述S5步骤中将地质构造系数dz和岩石孔隙系数kx相关联,通过斯皮尔曼等级相关系数进行相关性分析,衡量地质构造系数dz和岩石孔隙系数kx两个变量之间的线性关联程度,获得相关评价系数xgxs;
将相关性系数R作为权重1,相关评价系数xgxs作为权重2,将两者以权重比例7:3进行输出;S6、将待评价对象中的相关评价系数xgxs与所述油气地质知识图谱进行匹配和分析,获取评估结果;对待评价对象的岩石类型进行打标签,并将相关性系数R和相关评价系数xgxs进行整合,获得标签关键词和特征结构化数据;
将标签关键词与油气地质知识图谱进行匹配,匹配到关键词一致的知识图谱列表,获得初始匹配信息;
再将特征结构化数据与知识图谱列表内进行匹配,获得精准匹配信息,分析相似度,获得相似度XSD;所述评估结果通过分析相似度XSD获得。
2.根据权利要求1所述的基于知识图谱的油气地质评价方法,其特征在于:所述S1步骤中具体包括:
S11、采集地质构造参数,所述地质构造参数包括地理位置、地质实体类型,地质结构类型,尺度、方向和倾角、组合性质及位移量存储于数据库;
地理位置包括经度、纬度和海拔高度;地质结构类型包括岩石类型、地质构造类型,断裂、褶皱、盆地、隆起;尺度为地质实体的大小,包括长度、宽度和深度;方向和倾角为断裂或褶皱的方向和倾角;组合和性质包括岩石的矿物组成、地层的沉积环境、地壳的地磁和地电性质;位移量为断裂构造的位移量;
S12、采集地质构造参数相对应的属性关系,包括地层的上下关系和断裂的相对位移关系存储于数据库。
3.根据权利要求2所述的基于知识图谱的油气地质评价方法,其特征在于:基于将S11和S12采集的数据进行清洗、转换和整合处理,将数据库数据转换为知识图谱的格式;
将清洗、转换和整合处理后的数据库数据,构建知识图谱模型;
沿着时间轴,每七天一个周期,按照周期更新验证知识图谱模型,获取新的数据修复和更新知识图谱模型。
4.根据权利要求1所述的基于知识图谱的油气地质评价方法,其特征在于:获取待评价对象,提取待评价对象的实体类型,获得地质构造系数dz;
所述地质构造系数dz依照如下公式生成:
式中,表示为地理位置经度、维度和海拔高度;cd表示为构造尺度;qj表示为方向倾角;ccl表示为油气储油量;/>表示为常数修正系数;
其中,,/>,/>。
5.根据权利要求1所述的基于知识图谱的油气地质评价方法,其特征在于:所述岩石孔隙系数kx通过采集单元获取待评价对象的矿物硬度Yd、存储密度Sm、孔隙度kxd和渗透率St,并在进行无量纲处理后,依照如下公式生成岩石孔隙系数kx:
参数的意义为,,/>,/>,,C为可变更常数参数,通过相关性分析,分别获取各个岩石的储油度Cx与检测状态系数Jcxs间的相关性系数R并输出。
6.根据权利要求1所述的基于知识图谱的油气地质评价方法,其特征在于:所述评估结果通过分析相似度XSD获得;
90≤XSD≤99获得评价优上结果,表示区域或构造具有非常高的油气潜力;
80≤XSD<90获得评价优下结果,表示区域或构造具有较高的油气潜力丰富的有机质来源、良好的储集层和合适的圈闭条件;
70≤XSD<80获得评价良好结果,表示具有油气潜力,不如优质级别的区域良好,但仍有可能找到商业可开采的油气;
60≤XSD<70获得评价一般,表示油气潜力不理想;
50≤XSD获得评价结果,表示油气潜力差评价。
7.基于知识图谱的油气地质评价系统,其特征在于:包括收集单元、知识图谱构建单元、采集对象单元、相关系分析单元、评估单元和预测单元;
收集单元:收集和整理地质构造参数及属性关系,获得数据库;
知识图谱构建单元:数据库进行实体识别和关系抽取,创建油气地质知识图谱;
采集对象单元:采集待评价对象,获取地质构造系数dz和岩石孔隙系数kx;
相关性分析单元:将岩石结构系数jp和岩石孔隙系数kx通过斯皮尔曼等级相关系数进行相关性分析,获取相关评价系数xgxs;具体包括:将地质构造系数dz和岩石孔隙系数kx相关联,通过斯皮尔曼等级相关系数进行相关性分析,衡量地质构造系数dz和岩石孔隙系数kx两个变量之间的线性关联程度,获得相关评价系数xgxs;
将相关性系数R作为权重1,相关评价系数xgxs作为权重2,将两者以权重比例7:3进行输出;评估单元:将待评价对象中的相关评价系数xgxs与所述油气地质知识图谱进行匹配和分析,获取评估结果;对待评价对象的岩石类型进行打标签,并将相关性系数R和相关评价系数xgxs进行整合,获得标签关键词和特征结构化数据;
将标签关键词与油气地质知识图谱进行匹配,匹配到关键词一致的知识图谱列表,获得初始匹配信息;
再将特征结构化数据与知识图谱列表内进行匹配,获得精准匹配信息,分析相似度,获得相似度XSD;所述评估结果通过分析相似度XSD获得;
预测单元:基于评估结果,预测待评价对象的油气潜力。
8.根据权利要求7所述的基于知识图谱的油气地质评价系统,其特征在于:还包括识别处理单元,用于对收集单元采集的数据进行洗、转换和整合处理,将数据库数据转换为知识图谱的格式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310634539.1A CN116662569B (zh) | 2023-05-31 | 2023-05-31 | 基于知识图谱的油气地质评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310634539.1A CN116662569B (zh) | 2023-05-31 | 2023-05-31 | 基于知识图谱的油气地质评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116662569A CN116662569A (zh) | 2023-08-29 |
CN116662569B true CN116662569B (zh) | 2024-04-16 |
Family
ID=87709221
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310634539.1A Active CN116662569B (zh) | 2023-05-31 | 2023-05-31 | 基于知识图谱的油气地质评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116662569B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108182178A (zh) * | 2018-01-25 | 2018-06-19 | 刘广泽 | 基于事件文本数据挖掘的地下水水位分析方法与系统 |
CN110795567A (zh) * | 2019-09-29 | 2020-02-14 | 北京远舢智能科技有限公司 | 一种知识图谱平台 |
CN113514875A (zh) * | 2021-06-03 | 2021-10-19 | 德仕能源科技集团股份有限公司 | 一种基于大数据的岩性油气藏的勘测和描述方法及系统 |
CN114138923A (zh) * | 2021-12-03 | 2022-03-04 | 吉林大学 | 一种构建地质图知识图谱的方法 |
CN114925623A (zh) * | 2022-07-22 | 2022-08-19 | 中国地质大学(北京) | 油气藏产量预测方法及系统 |
CN115248863A (zh) * | 2021-04-26 | 2022-10-28 | 中国石油化工股份有限公司 | 基于知识图谱的油气地质评价方法及系统 |
CN116089627A (zh) * | 2023-01-09 | 2023-05-09 | 河南开放大学 | 一种基于大数据技术的知识图谱构建方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8386226B2 (en) * | 2009-11-25 | 2013-02-26 | Halliburton Energy Services, Inc. | Probabilistic simulation of subterranean fracture propagation |
EP3973139A4 (en) * | 2019-05-20 | 2023-06-14 | Services Pétroliers Schlumberger | AUTOMATED SYSTEM AND METHOD FOR PROCESSING OILFIELD INFORMATION |
-
2023
- 2023-05-31 CN CN202310634539.1A patent/CN116662569B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108182178A (zh) * | 2018-01-25 | 2018-06-19 | 刘广泽 | 基于事件文本数据挖掘的地下水水位分析方法与系统 |
CN110795567A (zh) * | 2019-09-29 | 2020-02-14 | 北京远舢智能科技有限公司 | 一种知识图谱平台 |
CN115248863A (zh) * | 2021-04-26 | 2022-10-28 | 中国石油化工股份有限公司 | 基于知识图谱的油气地质评价方法及系统 |
CN113514875A (zh) * | 2021-06-03 | 2021-10-19 | 德仕能源科技集团股份有限公司 | 一种基于大数据的岩性油气藏的勘测和描述方法及系统 |
CN114138923A (zh) * | 2021-12-03 | 2022-03-04 | 吉林大学 | 一种构建地质图知识图谱的方法 |
CN114925623A (zh) * | 2022-07-22 | 2022-08-19 | 中国地质大学(北京) | 油气藏产量预测方法及系统 |
CN116089627A (zh) * | 2023-01-09 | 2023-05-09 | 河南开放大学 | 一种基于大数据技术的知识图谱构建方法 |
Non-Patent Citations (2)
Title |
---|
Construction of carbonate reservior knowledge base and its application in fracture-cavity reservoir geological modeling;Zhiliang He等;Petroleum Exploration and Development;第48卷(第4期);第824-834页 * |
页岩气地质评价智能化的应用与展望;郎岳等;大庆石油地质与开发;第41卷(第1期);第166-174页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116662569A (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8639444B2 (en) | Chrono-stratigraphic and tectono-stratigraphic interpretation on seismic volumes | |
RU2305301C1 (ru) | Способ размещения поисковых, разведочных и эксплуатационных скважин на месторождениях нефти и газа на основе трехмерной геологической модели | |
Alnahwi et al. | Mineralogical composition and total organic carbon quantification using x-ray fluorescence data from the Upper Cretaceous Eagle Ford Group in southern Texas | |
Colombera et al. | A relational database for the digitization of fluvial architecture: concepts and example applications | |
WO2011062794A1 (en) | Attribute importance measure for parametric multivariate modeling | |
CN111767674B (zh) | 一种基于主动域适应的测井岩性识别方法 | |
CN103345001A (zh) | 一种测定古湖泊水深的方法 | |
US20150233846A1 (en) | System and method for identifying hydrocarbon potential in a rock formation using x-ray fluorescence | |
CN107436452A (zh) | 基于概率神经网络算法的烃源岩预测方法及装置 | |
CN113033648A (zh) | 一种使用机器学习算法实现测井解释的方法 | |
CN106199754B (zh) | 油气钻探目标综合优选评价方法 | |
CN114638300A (zh) | 一种识别页岩油气藏“甜点”的方法、装置及存储介质 | |
CN116662569B (zh) | 基于知识图谱的油气地质评价方法 | |
Hood et al. | Assessing the Mesaverde basin-centered gas play, Piceance Basin, Colorado | |
CN106570524A (zh) | 一种储层流体类型的识别方法及装置 | |
CN112541523B (zh) | 一种泥质含量计算方法和装置 | |
CN110795513B (zh) | 河流相源储异位型致密油气甜点区分布的预测方法 | |
CN109598049B (zh) | 钻孔岩石裂隙发育程度及区域岩石裂隙发育规律的方法 | |
CN103278852A (zh) | 利用地震数据体波形结构特征模型预测油气的方法 | |
Jia et al. | Multiple level prospectivity mapping based on 3D GIS and multiple geoscience dataset analysis: a case study in Luanchuan Pb-Zn district, China | |
CN117474340B (zh) | 用于地铁盾构施工沉降的风险评价方法及系统 | |
Isidro et al. | Integration of remote sensing techniques into oil and gas upstream operations: a comparative study | |
Deng et al. | Machine learning based stereoscopic triple sweet spot evaluation method for shale reservoirs | |
Taheri et al. | Study the role of drilling mud loss modeling and FMI log in determining Asmari reservoir fractures in one of the oil fields in Southwest Iran | |
CN117474340A (zh) | 用于地铁盾构施工沉降的风险评价方法及系统 |
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 |