CN117307136A - 一种基于成像测井确定地层岩石尺寸级配关系的方法 - Google Patents

Abstract

本发明公开了一种基于成像测井确定地层岩石尺寸级配关系的方法，属于石油测井技术领域，包括：对原始测井图像的盲区进行修复形成盲区被充填的BASE图像；取目标井段深度范围内的BASE图像，引入地震波数据，对该段BASE图像成像测井数据验真；基于多尺度特征融合思想，设定分界阈值，对验真后的测井图像数据进行图像分割处理；对全井段大、中、小尺寸的岩石颗粒区域进行图像分割，基于图像分割结果提取地层岩石尺寸级配关系。本发明引入地震波数据验真，以分界阈值法进行图像分割处理，为高分辨率图像分割奠定了理论基础，有助于实现地层岩石尺寸级配关系的准确提取。

Description

一种基于成像测井确定地层岩石尺寸级配关系的方法

技术领域

本发明涉及石油测井技术领域，具体为一种基于成像测井确定地层岩石尺寸级配关系的方法。

背景技术

所谓地层岩石尺寸级配关系，是指不同粒径大小的岩石颗粒在地层岩石组分中的占比。在某一类特殊地层的岩石尺寸级配关系中，例如致密砂岩级配关系里，其岩石尺寸级配属性有好有坏，按照颗粒占比，分别为：级配好(大、中、小粒径的岩石颗粒皆有，颗粒占比数据分布均匀)、级配不好(岩石颗粒尺寸主要集中在某一粒径值附近，无其他粒径与之相嵌)、级配残缺(岩石尺寸分别集中呈现为粗粒与极细粒两端，欠缺中间尺寸粒径大小的颗粒)。不同的岩石尺寸级配关系决定着岩石整体力学行为，对钻完井工程作业、油气增产改造等有着极为显著的影响。

对于目标工区地层岩性的识别，岩心观察是常用的识别手段，但对于较大粒径组分偏多的地层岩石或地表露头岩样，此方法无法进行有效的岩心识别，误差较大。电成像测井资料可直观定性识别岩性、结构、地质构造和沉积相类型等，特别是在粗粒度的岩性识别方面具有较大优势。那么，在成像测井资料的基础上，如何高效准确地提取各类型岩石尺寸的级配关系，这一研究很有必要。

发明内容

为解决上述问题，本发明旨在提供一种基于成像测井确定地层岩石尺寸级配关系的方法，设定图像位点，以节点路径思维，对带空白条带盲区的FMI测井图像进行盲区充填，辅以地震波数据验真，对完善盲区充填、数据验真后的测井图像数据进行图像分割，计算提取地层岩石尺寸级配关系，本发明提供的技术方案如下：

一种基于成像测井确定地层岩石尺寸级配关系的方法，包括以下步骤：

S1、对原始测井图像的盲区进行修复形成盲区被充填的BASE图像；

本步骤中，盲区修复可以借助现有的图像修复方法，同时，本发明提出了一种新的盲区修复方法，其对原始测井图像的盲区进行位点标记，编码量化图像数据，以节点路径计算过程提取图像样本特征参数，再经卷积神经网络样本学习，形成用于盲区充填的图像，并以此修复原始测井图像的盲区；

S2、取目标井段深度范围内的BASE图像，引入地震波数据，对该段BASE图像成像测井数据验真，对验真不通过的BASE图像继续进行盲区修复直至通过验真，从而完善盲区图像充填修复；

S3、基于多尺度特征融合思想，设定分界阈值，对验真后的测井图像数据进行图像分割处理；

S4、对全井段大、中、小尺寸的岩石颗粒区域进行图像分割，基于图像分割结果提取地层岩石尺寸级配关系。

本发明的技术效果是：

本发明引入地震波数据验真，符合石油天然气地层勘测作业实况，以分界阈值法进行图像分割处理，避开传统单一阈值不好确定的麻烦，为高分辨率图像分割奠定了理论基础，有助于实现地层岩石尺寸级配关系的提取。

附图说明

图1为微电阻率扫描成像仪器FMI测量过程示意图；

图2为成像测井盲区充填过程示意图；

图3为坐标系(q-原点-y)下的空白条带盲区位点标记示意图；

图4为不同粒径下的岩石颗粒数量分布图；

图5为目标井段地层岩石级配关系曲线。

具体实施方式

为了对本发明的技术特征、目的和有益效果有更加清楚的理解，结合附图对本发明的一个实施例作进一步描述。实施例只用于对本发明进行进一步的说明，不能理解为对本发明保护范围的限制，本领域的技术人员根据本发明的内容做出的一些非本质的改进和调整也属于本发明保护的范围。

实施例1

下面结合实施例及附图，对本发明做进一步地详细说明。

为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，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方式，都属于本发明保护的范围。因此，以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。

实施例1

本实施例中，以微电阻率扫描成像仪器FMI为例，成像测量过程如图1所示：FMI成像测量工具在下井后，将测量极板推靠于井壁，以测量极板表面布局的192个纽扣电极对井周进行扫描，得到对应电极处的地层电阻率数据，采集处理沿井身纵向、周向、径向的信息，就能获得近井壁带测井图像数据。

本实施例中，测井图像色彩的细微变化关联着岩性和物性的变化，故FMI成像选用一定色调的基础底板，用于呈现这种变化。在图像背景里，岩石颗粒尺寸越大且导电性越差，所显示的斑块就越亮越大，与整个基础底板色调有明显差异。

因此，考虑通过数字图像处理的方式，实现对地层岩石信息的提取。

本实施例以位点标记原始测井图像盲区，编码量化图像数据，使之参与节点路径计算过程；提取测井图像样本特征参数，经样本学习过程，形成用于盲区充填的BASE图像；引入地震波数据对充填后的成像测井数据验真，完善测井图像基于多尺度特征融合，对验真后的测井图像数据进行高分辨率分割处理，提取地层岩石尺寸级配关系。具体包括以下步骤：

S1、对原始测井图像的盲区进行位点标记，编码量化图像数据，以节点路径计算过程提取图像样本特征参数，再经卷积神经网络样本学习，形成用于盲区充填的图像，并以此修复原始测井图像的盲区，形成盲区被充填的BASE图像。

在实际测井过程中，由于电路故障、电缆弹性等影响，测量极板间产生空隙，导致部分图像上下连通缺失，形成有规律分布的空白条带状盲区，如图2(a)所示，导致无法获取完整的地层图像，不利于后续测井图像的数字处理。现有图像修复工作主要基于众多图像样本的神经网络训练，以通过验证集的训练结果作为图像修复的标准模式，本实施例采用了一种新的盲区修复方式，以少量成像测井数据生成训练图像样本，以位点标记手段提高对训练图像样本的利用率，计算像素、色差数值X_i、S_i，推算出像素、色差两个维度分布矩阵XG^(S→O)、SG^(S→O)，提取训练图像样本特征参数α，进行图像样本学习，优选出合适的盲区充填图像，其具体包括如下步骤：

S101、在原始测井图像里筛选出所有空白条带状图像盲区，对每条盲区进行标记；每条图像盲区有至少一个位点区域，每个位点区域有至少一个中位点。请参考图3，假设某条盲区条带沿井身纵向的宽度为5cm，应在盲区边缘沿有图像数据两侧各选择不少于5cm的区域。所述位点区域的标记规则为：测井图像同色差或近色差的连续区域设“上(up)、中(middle)、下(down)、左(left)、右((right)”五种类型位点，微量不连续异色差区域应设“上、中、下或左、中、右”三种类型位点，极微量区域应至少设“中”一个位点。需要说明的是，如图3所示，在空白条带盲区两边，所有标记好的位点区域应能覆盖超80％的图像盲区附近圈定区域，并能指示圈定出重要的图像异常呈现。

盲区标记集合D＝{D₁,…,D_i,…D_n}，其中，O_mi,O_ui,O_di,O_li,O_ri∈D_i

式中，D_i表示第i位点区域的位点集合；O_mi、O_ui、O_di、O_li、O_ri分别示第i位点区域中中位点、上位点、下位点、左位点、右位点的坐标；

S102、将各位点分成中位点、上位点、下位点、左位点、右位点五种类型，分别确定任意两个同类型位点和任意两个不同类型位点的路径关系；

对于任意位点i,j而言，其i、j两点的坐标满足如下路径关系准则：

y＝m_kijx^t+m_bij，即

其中，x_i、x_j分别为位点i、j的X轴坐标值，y_i、y_j分别为位点i、j点的Y轴坐标值；

m_kij、m_bij表示位点i、j的路径关系的准则参数，无量纲；t为函数的阶数；

比如，中位点O_m1坐标为(5,10)，中位点O_m2坐标为(1,8)，示例说明节点路径关系如下：

若遵循一阶函数关系准则y＝m_kijx+m_bij，则两位点坐标间的直线节点路径关系为“O_m1→O_m2：y＝0.5x+7.5”；

若遵循二阶函数关系准则y＝m_kijx²+m_bij，则两位点坐标间的二次曲线节点路径关系为“O_m1→O_m2：y＝0.0833x²+7.9167”；

同样地，还可以继续遵循三阶、四阶，乃至更高阶函数关系准则，但并不是每一阶关系准则下的节点路径关系都存在。在某一阶函数关系准则方程有解的前提下，记录存在的节点路径关系，任意单条节点路径关系以字母path_i表示。

S103、编码、量化计算节点路径上的单个位点像素、色差数值大小，完成节点路径推理；

在图像标记区域上，从一个位点到另一个位点的节点路径，会经历不同的像素区域，周围色差也呈现出不同的变化，例如图3中的“中位点O_m1→上位点O_u2”，路径上色差明显由浅入深、再变浅，途径各区域的像素也不一致。为减轻计算量，要对整体原始图像进行灰度化处理，提取不同节点路径关系下的m_kij、m_bij数值，取m_kij、m_bij两者差值的一半，对节点路径进行数值编码，编码过程可任意选用数学编码器，以适应像素、色差计算，实现对节点路径的量化推理分析。

所涉及第i节点路径数值编码公式为：

式中，paht_i为第i节点路径关系；code(paht_i)表示第i节点的节点路径数值编码值；J代表节点的总量；第i结点的像素数值编码计算公式为：

X_i表示第i位点的像素值，式中，R_i、G_i、B_i分别表示第i点的R、G、B值；

第i节点的色差数值编码计算公式为：

式中，S_i表示第i节点的无因次色差数值，无量纲；max(X_i+r)、max(X_i+r)分别表示以第i点为中心、r为半径的区域中无因次像素数值中的最大值、最小值，无量纲，计算时以i节点的节点路径数值编码值作为该区域中所有点位的节点路径数值编码值；

E_ω(ω_n)表示任意同类型两位点间的节点路径关系，如中位点O_m1到中位点O_m2、上位点O_u2到上位点O_u4，为处理后的节点路径向量，二者无量纲；

此处的向量化处理过程如下：给定一组同类型位点坐标后，此组位点间对应的E_ω(ω_n)节点路径关系归纳在一个集合里，集合中每个元素若以具体准则y_i＝m_kωj·x_i ^t+m_bωj体现，共计有n个元素，拓展表现为n组线性方程式，提取每组方程式对应的m_kωj、m_bωj数值，以转置求和向量计算的方式生成向量

E_c(c_n)表示任意不同类型两位点间的节点路径关系，如中位点O_m1到上位点O_u2、左位点O_l3到下位点O_d5，无量纲。

在给定一组不同类型位点坐标后，所涉及的向量生成过程与/>一致，表现形式为：

在获得某一组同类型位点具体坐标(q_i，y_i)、(q_j，y_j)后，即可解算出对应的不同阶m_kωi、m_bωi准则参数，形成具体数值的向量，将其与图像所有位点区域可能存在的节点路径匹配，在路径量化矩阵计算中，观察是否有非零量化值元素存在。若有非零量化值元素存在，则说明该组同类型位点坐标(q_i，y_i)、(q_j，y_j)之间的低阶节点路径关系可以替换到其他组同类型位点坐标中；在H矩阵的简化计算中，进而将其他组同类型位点仅有的高阶节点路径关系降阶到低阶节点路径关系，减少图像盲区充填学习的计算量。

所述节点路径量化推理过程如下：

获知某组同类型位点坐标(q_i，y_i)、(q_j，y_j)，生成有具体数值的向量

再对路径量化值构成矩阵中的每个元素log池化，为便于计算，取对数简化数值大小分布，所涉及的log池化节点路径数理逻辑推理公式为：

log H＝[log(he_ij)]_n×n,i＝1,2,…n；j＝1,2,…n；

式中：H为路径量化值构成矩阵，he_ij为此矩阵中的任意量化值元素，二者无量纲；

PLM[]为路径获取函数，用以提取具体节点路径关系的代数式，例如在坐标系(q-原点-y)中，中位点O_m1坐标为(5,10)，中位点O_m2坐标为(1,8)，此处获取的代数式为0.5q+7.5，若节点路径关系不存在，则PLM函数值记为0，无量纲。

累乘符号⊙表示矩阵、向量乘法中，对应位置处的元素进行逐元素相乘运算过程。

在节点路径量化推理过程中，需要将原有的E_ω(ω_n)节点路径关系向量化处理，形成向量再以累乘符号⊙参与到节点路径量化计算过程中。

S104、引入注意力机制，以实体对的形式计算路径权重，增强图像中的位点实体显示，将地层区域线性空间化，确保用于盲区充填的图像数据不失真；

注意力机制源于人类视觉研究，其实质上是一种新的逻辑表示思维。在认知科学中，人眼会对视觉图像快速扫描、会聚焦目标区域，以此提炼获取更详细的信息，减少不必要的非主流信息影响。图像盲区充填引入注意力机制，一是有助于技术人员圈定测井图像盲区附近区域，二是引导技术人员重点关注那些与图像盲区联系更紧密的位点区域，以实体对的形式理清这些重要位点之间的逻辑关系。

要确保用于盲区充填的图像数据不失真，就要增强图像中的位点实体显示。每个位点不仅要被视为平面图像中的点，还要被看作空间区域中的单个质点实体。在引入注意力机制后，从一个位点实体到另一个位点实体，构成一组实体对，计算该组实体对的路径映射权重。

在每个位点区域里必有中位点，因此以中位点为路径映射基础，通过计算增广矩阵最高阶行列式，匹配像素数值，先得到每个位点路径映射的A模块数集矩阵，再通过数集之间的求取n维线性相关向量计算，形成基于实体对运算的列向量组q^(S→O)，引入到与路径量化值构成矩阵H的转置矩阵左乘运算里，得到C模块数集矩阵，最后通过注意力机制公式算出任意位点区域的路径映射权重比值。

所述路径映射权重计算过程为：

增广矩阵

式中：f(O_mi)为中位点的路径映射值，无量纲；

表示含义如下：将原有的E_c(c_n)节点路径关系向量化处理，形成向量/>嵌入到矩阵H中，形成增广矩阵，计算该增广矩阵的最高阶行列式，记录其数值结果；

Ae_i表示A模块数集矩阵，无量纲；

S→O表示任意一组实体对在矩阵运算中的路径映射(位点实体S到位点实体O)，q^{(S →O)}表示在实体对运算中，由n个n维线性相关向量组成的列向量组，无量纲；

表示数集矩阵间求取n维线性相关向量的复合运算过程；

Ce_i表示C模块数集矩阵，|Ce_i|表示C模块数集中的最大行列式值，H^T表示矩阵H的转置矩阵，无量纲；

Z_S/Z_O表示实体对在注意力机制矩阵运算中的权重比，无量纲，对其中任意一个权重数据赋值(非零)，即可根据权重比，得出另一个权重数据；

W_S表示实体系数，W_C表示路径映射系数，二者可由矩阵H经编码设值，无量纲。

计算矩阵是以n行或n列呈现的向量组，单个n维向量包含n个要素，此n与位点数量n值一致。以某一组位点的实体对，由其在地层空间区域中的属性点分布特征，当计算好路径映射权重后，即可将地层空间区域矩阵化为n维线性空间。

令某一实体对沿任意路径的像素维度分布向量为：

则实体对像素维度分布矩阵为：

令某一实体对沿任意路径的色差维度分布向量为：

则实体对色差维度分布矩阵为：

式中：是实体对S→O的像素维度分布向量，无量纲；

XG^(S→O)是实体对S→O的像素维度分布矩阵，无量纲；

是实体对S→O的色差维度分布向量，无量纲；

SG^(S→O)是实体对S→O的色差维度分布矩阵，无量纲；

叉乘符号表示普通标量的向量叉乘运算，用以构成向量组。

S105、利用卷积神经网络，从像素、色差两个维度分布矩阵提取出所需的特征参数α，带入盲区充填样本学习公式，生成、优选出作为盲区充填图像标准的BASE图像模式。

所涉及的特征参数α提取公式为：

式中：λ[]为矩阵特征值提取函数，从像素或色差维度分布矩阵中提取最高阶的子矩阵特征值，无量纲；

tr[]为矩阵秩提取函数，从像素或色差维度分布矩阵中提取极大线性无关组的向量个数。

所涉及的盲区充填样本学习公式为：

式中：arg{}为某一特征参数下的训练图像样本矩阵，无量纲；

f_α()为卷积神经网络模型，无量纲；

α为训练图像样本在卷积网络模型中指定的某一类特征参数，无量纲；

picture₀为有盲区的测井图像原始数据，无量纲；

β为卷积神经网络模型输入矩阵，无量纲；

E[；]为能量函数，无量纲；

picture^*、α^*分别为测井图像数据的最优解、特征参数的最优解，无量纲。

从计算能量最小化的角度出发，在输入β(输入含盲区标记集合D_n的图像数据矩阵)的情况下，由卷积神经网络模型预测出不含盲区的图像，在已知像素点处与带盲区的原始图像数据picture₀比较差异，此差异值作为网络模型的误差，并将这一误差，经反向传播，更新α。重复这一训练过程，直至达到最大迭代次数，或网络模型误差达到限定值。最终，使用优选出的局部最优解picture^*、α^*，通过确定对应的预测图像picture^*，作为盲区充填后的图像模式，此用于盲区充填的图像标准记为BASE图像模式。

S2、取目标井段深度范围内的BASE图像模式，引入地震波数据，对该段BASE图像模式成像测井数据验真，完善盲区图像充填修复；

为验证BASE图像模式是否贴近实际地层属性，在目标井段深度范围内摘取出部分BASE图像样本及其样本数据，进行数据验真。通过数据验真后，所优选出的BASE图像模式才能确保盲区充填效果与实际地层属性相符。

地震波数据量多丰富，涵盖地层区域广，其适合作为成像测井数据验真的依据。由于地层物性、岩性不一致，具有高频能量的地震波会被吸收衰减。当地面接收到反馈地震波信号后，所反映出来的地震属性数据可能在局部区域并不与成像测井数据完全一致，但二者在同一区域属性值变化趋势却是一致的。

进一步的技术方案是，引入地质勘探部门的地震波数据，在对应目标井段深度范围内，研究地震波数据与BASE测井图像数据在同一地层区域的变化趋势，以判据极限计算，判断BASE图像模式是否通过数据验真。

引入地震波反演地层属性的能量数学表达式：

式中：E_K1是地震波自震源激发处的振幅能量，J；

E_K2是收获信号处的振幅能量，J；

K_ix、K_iy表示地震波在地层里第i个样点处衰减前后的能量振幅值，可由地质物探仪器录取波形信号、绘制计算得出。J。

由峰值频移法，对反演的地层点设定属性因子Q，Q关联地震波所反演的地层属性，表达式为：

式中：t表示地震波传递时间，s；f_m表示检波器在井下录取的峰值频率，Hz；

f_n表示地面检波点拾取主频Hz；

M是地震波在均质地层(例如页岩或致密砂岩)中的衰减系数，无量纲。

挑定目标井段深度范围内的一个位点es，从BASE图像模式中读取其像素、色差数据，形成三个数据验真的判据judge1、judge2、judge3：

式中：X_nes表示位点es处的无因次像素值，无量纲；

S_nes表示位点es处的无因次色差值，无量纲；

Q_t表示经过传递时间t后，地震波属性因子Q在此时刻的瞬态值，无量纲。

地震波信号在地层中传递时，假设地震波信号从震源发射、反馈传送回接收源的传递时间为t，计算地震波衰减能量的方差、相关系数：

式中：σ_K1、σ_K2是方差，无量纲；σ_K1、K2表示相关系数，无量纲；

n×m表示目标井段深度范围内经过的n行m列的矩阵位点数量，个。

地震波途径地层中的某位点es时，关联该位点成像测井数据，建立BASE图像模式的数据验真评价模型：

上式是一个偏微分隐式方程，带入边界条件，反解出边界条件下的三个判据judge1、judge2、judge3表达式，进行数据验真最后的极限计算，进而推断地震属性数据与成像测井数据在同一区域属性值变化趋势是否一致。

所涉及的极限推算原则为：当传递时间t无限接近于零的时刻(可以认为此时的地震数据属于某个瞬间时刻点的动态数据)，若极限值等于非零常数，说明极限表达式中的判据属于同阶无穷小，可推断出“同一区域地震属性数据与成像测井数据变化趋势一致”的结论，BASE图像模式数据验真通过；若极限值不等于非零常数(极限结果为零或无穷大)，则认为二者数据在地层属性的反演关联上并不一致，BASE图像模式数据验真不通过。

所涉及的极限计算公式为：

进一步的技术方案是，对未通过数据验真的BASE图像模式采用中值滤波法，将之进行数据降噪滤波处理，减少地层环境对成像测井的干扰，完善BASE图像模式。

S3、基于多尺度特征融合思想，设定分界阈值，对验真后的测井图像数据进行图像分割处理；

所谓图像分割，是指对图像中具有独特性质的区域进行划分，便于对图像中特定目标进行辨识、分析。传统灰度阈值分割法应用最为普遍，但由于图像像素连续变化，确定分割阈值这一计算过程存在困难，不适宜的阈值会对分割效果产生误差影响。

需要注意的是，任一点的像素值若是与另一点的像素值相同(或以色差值来进行比较)，记为“同”，图像区域替换计“0”；若是相近，二者差值介于±5％，记为“近”，图像区域替换计“1”；若是差值明显，记为“异”，图像区域替换计“-1”。

计算像素、色差变化值的幅度，计算过程为：

ΔX＝max{X_i}-min{X_i}

ΔS＝max{S_i}-min{S_i}

式中，ΔX、ΔS分别为像素、色差变化值的幅度，无量纲；

{X_i}、{S_i}分别是所有位点的像素值的集合、色差值的集合；

max()、min()分别表示取集合中的最大值和最小值；

进一步的技术方案是，经过像素、色差变化值算法的计算处理，强化对“异”(-1)差值区域的框选界定，降低“同”(0)或“近”(1)区域被误判为差值明显的“异”(-1)区域。

进一步的技术方案是，从目标井段中取岩心，做岩石颗粒测量室内试验，基于多尺度特征融合的思想，根据岩石粒径及岩石颗粒磨圆情况，设定最大粒径、最小粒径、球状度，进而来初步表征大颗粒、中颗粒、小颗粒的物性状况，为关联测井图像数据特征奠定基础。

所述岩石尺寸特征参数计算公式为：

式中：feature(,)是含不同岩石粒径的二元函数，记作岩石尺寸特征参数，无量纲；

P₁、P₂、P₃、P₄为四个常系数，由拟合回归直线过程确定，取值范围为1～10；

d_max为颗粒最大粒径，mm；d_min为岩石颗粒最小直径，mm；

δ为球状度，δ＝(d_max-d_min)/d_max，其数值介于0～1，越接近于0，岩石颗粒形状越圆；岩石颗粒形状越接近于1，越尖棱。

需要说明的是，处理后的“异”(-1)差值区域中，必定有多种尺度特征、且大小形状不一的岩石颗粒，从多尺度特征融合的计算角度出发，此区域里岩石尺寸特征参数feature(d_max,d_min)必定也不是一个相同值，而是有大有小。在目标井段深度范围内，挑选出从“异”(-1)差值区域中得来的岩心样品，以该样品数据来匹配测井图像数据计算。

进一步的技术方案是，依据“异”(-1)差值区域岩石尺寸特征参数不一的特性，设定分界阈值，将之推广到含“同”(0)、“近”(1)、“异”(-1)的整体图像区域，在测井图像数据分割处理环节中，将分界阈值作为图像划区域分割的标准，分界阈值表现形式为：

式中：Y_UX1、Y_US1、Y_UX2、Y_US2表示四个分界阈值，无量纲；

feature₁表示“异”(-1)图像区域岩石尺寸特征参数最大值，无量纲；

feature₂表示“异”(-1)图像区域岩石尺寸特征参数最小值，无量纲；

feature_j表示含“同”(0)、“近”(1)、“异”(-1)的整体图像区域里预设的粒径范围(人为设定值)对应的岩石尺寸特征参数数值，无量纲。

所述feature_i计算如下：带入不同粒径范围，取该粒径范围的上限值为最大粒径dmax，取该粒径范围的下限值为最小粒径dmin，带入岩石尺寸特征参数计算公式即可算出。feature_i依据粒径范围的不同，所计算出来的结果也不同，是一个依据粒径范围变化的动态值。

计算不同粒径范围对应的岩石尺寸特征参数feature_i，在“同”(0)、“近”(1)、“异”(-1)的整体图像区域里，换算各粒径范围对应的分割图像区域Y_UXi、Y_USi数值，将之与四组分界阈值比较整体图像区域具体划分为各自岩石尺寸范围的岩石颗粒区域，依分界阈值分割图像的判定条件为：

由此可得：

大尺寸颗粒区域判定阈值条件：[Y_UXi＞Y_UX1且Y_USi＞Y_US1]

中等尺寸颗粒区域判定阈值条件：

[Y_UXi＞Y_UX1且Y_US2＜Y_USi≤Y_US1]或者[Y_UX2＜Y_UXi≤Y_UX1且Y_USi＞Y_US1]

小尺寸颗粒区域判定阈值条件：[Y_UXi＜Y_UX2且Y_USi＜Y_US2]

S4、对全井段大、中、小尺寸的岩石颗粒区域进一步进行图像分割，基于图像分割结果提取地层岩石尺寸级配关系。S3步骤基于目标井段取岩心数据，进而得到分界阈值，依照分界阈值思想，辅以全井段(包括目标井段)岩石粒径分布特征统计，如以9mm内的岩石颗粒统计为例，进行阈值分割区域面积计算：

①先初步划分出粗略的大、中、小区域，粒径范围0～9mm，划分出0～3mm的小颗粒区域、3～6mm的中等颗粒区域、6～9mm的大颗粒区域；

②在0～3mm的小颗粒图像区域里，计算此区域里的分界阈值，划分出0～1mm区域、1～2mm区域、2～3mm区域；

③在3～6mm的中等颗粒区域里，计算此区域里的分界阈值，划分出3～4mm区域、4～5mm区域、5～6mm区域；

④在6～9mm的大颗粒区域里，计算此区域里的分界阈值，划分出6～7mm区域、7～8mm区域、8～9mm区域；

⑤统计汇总划分出的各尺寸岩石颗粒测井成像区域，因为各区域形状不规则，以等效圆计各区域面积。在一确定面积的测井图像上，计算各尺寸岩石颗粒测井成像区域的面积占比，将之作为单位面积上的各级粒度岩石颗粒数量。

利用单位面积上的各级粒度岩石颗粒数量，拟合换算出不同粒径岩石颗粒所占体积百分比，得到地层岩石粒径级配关系曲线，岩石粒径数值关系结果如图4、5所示。

所涉及的不同粒径岩石颗粒数量拟合公式为：

相关性R_r ²＝0.9996

所述地层岩石粒径级配关系数学表达式为：

式中：Ω_i表示单位体积里的岩石颗粒数，个/方；d_i表示任意岩石颗粒直径，mm；

P(d_i)表示某一粒径岩石颗粒所占体积百分比，％；

V_G表示目标区域地层宏观体积，m³；JP表示岩石颗粒的粒级级别，无量纲。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明实施例揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (4)

1.一种基于成像测井确定地层岩石尺寸级配关系的方法，其特征在于，包括以下步骤：

S1、对原始测井图像的盲区进行修复形成盲区被充填的BASE图像；

S2、取目标井段深度范围内的BASE图像，引入地震波数据，对该段BASE图像成像测井数据验真，对验真不通过的BASE图像继续进行盲区修复直至通过验真，从而完善盲区图像充填修复；

S3、基于多尺度特征融合思想，设定分界阈值，对验真后的测井图像数据进行图像分割处理；

S4、对全井段大、中、小尺寸的岩石颗粒区域进行图像分割，基于图像分割结果提取地层岩石尺寸级配关系。

2.根据权利要求1所述的一种基于成像测井确定地层岩石尺寸级配关系的方法，其特征在于，步骤S2包括具体步骤如下：

S201、挑定目标井段深度范围内的一个位点es，从BASE图像中读取其像素、色差数据，形成三个数据验真的判据judge1、judge2、judge3；

其中，

式中，X_nes表示位点es处的无因次像素值，无量纲；

S_nes表示位点es处的无因次色差值，无量纲；

Q_t表示经过传递时间t后，地震波属性因子Q在此时刻的瞬态值，无量纲；

t表示地震波传递时间；

f_m表示检波器在井下录取的峰值频率；

f_n表示地面检波点拾取主频；

M是地震波在均质地层(例如页岩或致密砂岩)中的衰减系数，无量纲；

E_K1是地震波自震源激发处的振幅能量；

E_K2是收获信号处的振幅能量；

K_ix、K_iy表示地震波在地层里第i个样点处衰减前后的能量振幅值，可由地质物探仪器录取波形信号、绘制计算得出；

S202、假设地震波信号从震源发射、反馈传送回接收源的传递时间为t，计算地震波衰减能量的方差、相关系数：

式中：σ_K1、σ_K2是方差，无量纲；σ_K1、K2表示相关系数，无量纲；

n×m表示目标井段深度范围内经过的n行m列的矩阵位点数量；

203、基于数据验真的判据judge1、judge2、judge3和地震波衰减能量的方差、相关系数建立BASE图像的数据验真评价模型，所述评价模型如下：

S204、将边界条件带入评价模型中反解出边界条件下的三个判据judge1、judge2、judge3表达式，根据三个判据的极限计算公式的结果判断地震属性数据与成像测井数据在同一区域属性值变化趋势是否一致：如果三个判据的极限计算公式的结果等于非零常数，则同一区域地震属性数据与成像测井数据变化趋势一致，BASE图像数据验真通过；否则验真不通过；

所述三个判据的极限计算公式为：

3.根据权利要求2所述的一种基于成像测井确定地层岩石尺寸级配关系的方法，其特征在于，步骤S3包括具体步骤如下：

S310、从目标井段中取岩心，测量岩石颗粒的直径、球状度，对数据进行拟合确定岩石尺寸特征参数；所述岩石尺寸特征参数的计算式如下：

式中：feature(,)是含不同岩石粒径的二元函数，记作岩石尺寸特征参数，无量纲；

P₁、P₂、P₃、P₄为四个常系数，由拟合回归直线过程确定，取值范围为1～10；

d_max为颗粒最大粒径；d_min为岩石颗粒最小直径；

δ为球状度；

S320、对步骤S2的图像进行预处理，预处理规则如下：

对于图像中的的任意一个像素点，如果图像中存在另一点与其像素相同则该点标记为“同”；如果图像中存在另一点与其像素的差值在预设的范围内则改点标记为“近”；如果图像中任意一点与其像素的差值都在预设范围外则改点标记为“异”；

S330、依据标记为“异”的区域中岩石尺寸特征参数不一的特性，确定分界阈值；

所述分界阈值计算式为：

式中，feature₁表示“异”图像区域中岩石尺寸特征参数最大值，无量纲；

feature₂表示“异”图像区域中岩石尺寸特征参数最小值，无量纲；

feature_j表示含“同”、“近”、“异”的整体图像区域里预设的粒径范围对应的岩石尺寸特征参数数值，无量纲；

S340、根据分界阈值和各粒径范围对应的分割图像区域Y_UXi、Y_USi数值将整体图像区域具体分割为各自岩石尺寸范围的岩石颗粒区域；

根据分界阈值分割图像的判定条件为：

如果Y_UXi＞Y_UX1且Y_USi＞Y_US1，则为大尺寸颗粒区域；

如果Y_UXi＜Y_UX2且Y_USi＜Y_US2，则为小尺寸颗粒区域；

否则，则为中等尺寸颗粒区域。

4.根据权利要求3所述的一种基于成像测井确定地层岩石尺寸级配关系的方法，其特征在于，步骤S4包括具体步骤如下：

对大尺寸、中等尺寸、小尺寸颗粒区域进一步分割，进行阈值分割区域面积计算，计算各尺寸岩石颗粒测井成像区域的面积占比，将各面积占比作为单位面积上的各级粒度岩石颗粒数；

利用单位面积上的各级粒度岩石颗粒数量，拟合换算出不同粒径岩石颗粒所占体积百分比量，得到地层岩石粒径级配关系曲线。