一种资源测井数据的重建方法技术

本发明专利技术提供一种建立用于资源测井数据重建的模型的方法以及基于所述模型重建资源测井数据的方法。所述建立模型的方法，包括：1)将多种不同的测井曲线的每一种测井曲线作为发生在测井中具有资源这一事件的一项证据因子；2)针对每一项证据因子，将其对所述事件的贡献度确定为在发生或不发生该事件的条件下待重建区域中存在或不存在该证据因子的概率的表达式；3)根据所述事件的先验概率、所述证据因子对所述事件的贡献度来表示所述事件的后验概率。

【技术实现步骤摘要】
一种资源测井数据的重建方法
本专利技术涉及对大数据的处理，尤其涉及基于深度学习而对矿藏、石油、天然气等自然资源的测井数据进行处理。
技术介绍
诸如石油、天然气的化石能源是现阶段的世界通用能源，其勘探开发是国家建设和经济发展的重要保障。勘探技术的突破伴随着更多高深度探井的出现，也带来了勘探成本的上升。如何通过有限的探井数据，重建出资源在整片地区的储藏情况是资源开采技术的一个突破点。多年来，许多国内外学者为解决上述问题进行了深入研究，提出了诸如类比法、成因法、统计法等许多评价方法。然而，这些方法在评估具有多元参数的测井数据时存在诸多不足，并且很难准确地还原出资源在三维空间内的储藏情况。近几年来，有研究提出可以基于长时间累积的海量测井知识和数据来重建测井数据，这些技术大致上可被分为两类。一种是基于知识驱动的方法，其利用勘察现状，综合矿藏的形成机制、地质学理论、以及专家意见，对相关地块的资源储层进行重构。然而，由于这种重构方式的精度受人主观因素的影响，因而现有技术仅将其应用于初步勘察。另一类是基于数据驱动的方法，其通过模型对大量的已有数据进行处理，确定数据间耦合的统计学规律，以实现对资源储层的高精度重建。得益于计算机技术的发展，这种重构方式可以将大量的重建工作交由计算机完成，在避免人主观因素影响的同时节约人力成本，已成为现阶段油田储层重建的主流方法。考虑到，针对海量数据的处理对设备性能的要求非常高，实现高精度的重建也带来了计算耗时非常长的问题，可见这种方法仍有改进的空间。
技术实现思路
因此，本专利技术的目的在于克服上述现有技术的缺陷，提供一种建立用于资源测井数据重建的模型的方法，包括：1)将多种不同的测井曲线的每一种测井曲线作为发生在测井中具有资源这一事件的一项证据因子；2)针对每一项证据因子，将其对所述事件的贡献度确定为在发生或不发生该事件的条件下待重建区域中存在或不存在该证据因子的概率的表达式；3)根据所述事件的先验概率、所述证据因子对所述事件的贡献度来表示所述事件的后验概率。优选地，根据所述方法，其中步骤2)包括：将所述证据因子对所述事件的贡献度的表达式确定为：其中，为在已知测井中检测到油层的情况下待重建区域中未检测到该证据因子的概率，为在已知测井中未检测到油层的情况下待重建区域中未检测到该证据因子的概率，P(B|D)为在已知测井中检测到油层的情况下待重建区域中检测到该证据因子的概率，为在已知测井中未检测到油层的情况下待重建区域中检测到该证据因子的概率。优选地，根据所述方法，其中步骤2)包括：将所述证据因子对所述事件的贡献度的表达式确定为：其中，S(·)为标准差计算，为在已知测井中检测到油层的情况下待重建区域中未检测到该证据因子的概率，为在已知测井中未检测到油层的情况下待重建区域中未检测到该证据因子的概率，P(B|D)为在已知测井中检测到油层的情况下待重建区域中检测到该证据因子的概率，为在已知测井中未检测到油层的情况下待重建区域中检测到该证据因子的概率。优选地，根据所述方法，其中步骤3)包括：将所述事件的后验概率的表达式确定为：其中，O(D)为所述事件的先验概率，Wj为第j项证据因子对所述事件的贡献度，n为证据因子的总数。以及，一种训练用于对通过前述任意一项方法获得的模型的结果进行分类的支持向量机模型的方法，包括：1)从已探测的测井数据中选择测井曲线对发生在测井中具有资源这一事件的正面影响因素的概率或负面影响因素的概率作为训练样本；2)基于所述训练样本，求解使得支持向量机的软间隔最大的参数。优选地，根据所述方法，其中步骤2)包括：2-1)确定惩罚因子c和参数g的搜索区间、以及搜索步长；2-2)将所述训练样本输入到支持向量机中，进行迭代搜索，在每次迭代搜索过程中，基于当前的惩罚因子c’和参数g’计算支持向量机的软间隔；2-3)通过迭代搜索确定使得支持向量机的软间隔最大的惩罚因子c和参数g，以作为所述支持向量机的参数。以及，一种重建资源测井数据的方法，包括：1)根据已勘探到的测井数据，确定发生在测井中具有资源这一事件的先验概率，并且针对所使用的测井曲线确定在发生或不发生该事件的条件下存在或不存在所述测井曲线的信息的概率；2)将所述在发生或不发生该事件的条件下存在或不存在所述测井曲线的信息的概率与所述先验概率输入到通过前述方法获得的第一模型中，以获得所述事件的后验概率；3)基于所述后验概率，重建资源测井数据。优选地，根据所述方法，其中步骤1)包括：在已确定发生了以及没有发生所述事件的情况下，分别根据已勘探的研究区域中检测到以及未检测到所述测井曲线的信息的单元格的数量，来针对所使用的测井曲线确定在发生或不发生该事件的条件下存在或不存在所述测井曲线的信息的概率。优选地，根据所述方法，其中步骤3)包括：3-1)基于所述后验概率，计算所述事件发生的概率。优选地，根据所述方法，其中步骤3)还包括：3-2)将所述事件发生的概率输入到通过前述方法获得的第二模型中，以获得测井中是否存在资源的分类结果。优选地，根据所述方法，其中步骤3)还包括：根据测井中是否存在资源的结果，采用插值法重建资源测井数据。优选地，根据所述方法，所述已勘探到的测井数据来自待重建区域中均匀分布的多个测井。优选地，根据所述方法，在所述步骤1)之前还包括：针对当前测井已勘探到的测井数据，选择具有代表性的测井曲线。以及，一种计算机可读存储介质，其中存储有计算机程序，所述计算机程序在被执行时用于实现前述任意一项所述的方法。与现有技术相比，本专利技术的优点在于：将证据权重模型应用到重建资源测井数据中，基于初步探测获得的测井数据以提供模型中事件的先验概率、证据因子及其对事件的贡献度，基于证据权重模型的输出可以确定各个测井中是否存在资源。并且，进一步地提供了与该证据权重模型匹配的支持向量机模型，将证据权重模型的输出作为该支持向量机的输入，在空间平面上输出测井中是否具有资源的结果，该支持向量机模型是通过海量数据训练获得的，能够输出更准确的针对测井中是否存在资源的分类结果。根据具有以及不具有资源的测井的分布情况对资源的待重建区域进行插值，从而实现资源重建。将证据权重和支持向量机相结合，兼具了基于知识驱动和基于数据驱动这两者的优点，不但可以对海量测井数据进行较高精度的重建，同时有较高的计算效率。附图说明以下参照附图对本专利技术实施例作进一步说明，其中：图1是根据本专利技术的一个实施例，利用证据权重模型和支持向量机对油田测井数据进行重建的方法流程。具体实施方式下面结合附图和具体实施方式对本专利技术作详细说明。专利技术人发现，已有众多学者基于海量数据对资源评价指标做出相关研究，其认为参考这些经验可以为深度学习提供帮助并且减轻数据负担。对此，专利技术人提出可以利用证据权重模型进行预测。这里的证据权重模型是将与一个事件相关的因素作为证据因子，基于已知的离散事件分析各个证据因子对该事件的贡献度，将该贡献度作为对应证据因子的权重以计算事件发生的后验概率，后验概率越大则表示该事件发生的可能性越高。对资源测井数据重建而言，可以基于已有的经验结论来确定在测井中出现资源储备这一事件的先验概率，根据勘探打井过程中收集到的原始数据确定多个证据因子以及每个证据因子的权重。这样的证据权重模型，将测井中是否出现资源储备作本文档来自技高网...

【技术保护点】
1.一种建立用于资源测井数据重建的模型的方法，包括：1)将多种不同的测井曲线的每一种测井曲线作为发生在测井中具有资源这一事件的一项证据因子；2)针对每一项证据因子，将其对所述事件的贡献度确定为在发生或不发生该事件的条件下待重建区域中存在或不存在该证据因子的概率的表达式；3)根据所述事件的先验概率、所述证据因子对所述事件的贡献度来表示所述事件的后验概率。

【技术特征摘要】
1.一种建立用于资源测井数据重建的模型的方法，包括：1)将多种不同的测井曲线的每一种测井曲线作为发生在测井中具有资源这一事件的一项证据因子；2)针对每一项证据因子，将其对所述事件的贡献度确定为在发生或不发生该事件的条件下待重建区域中存在或不存在该证据因子的概率的表达式；3)根据所述事件的先验概率、所述证据因子对所述事件的贡献度来表示所述事件的后验概率。2.根据权利要求1所述的方法，其中步骤2)包括：将所述证据因子对所述事件的贡献度的表达式确定为：其中，为在已知测井中检测到油层的情况下待重建区域中未检测到该证据因子的概率，为在已知测井中未检测到油层的情况下待重建区域中未检测到该证据因子的概率，P(B|D)为在已知测井中检测到油层的情况下待重建区域中检测到该证据因子的概率，为在已知测井中未检测到油层的情况下待重建区域中检测到该证据因子的概率。3.根据权利要求1所述的方法，其中步骤2)包括：将所述证据因子对所述事件的贡献度的表达式确定为：其中，S(·)为标准差计算，为在已知测井中检测到油层的情况下待重建区域中未检测到该证据因子的概率，为在已知测井中未检测到油层的情况下待重建区域中未检测到该证据因子的概率，P(B|D)为在已知测井中检测到油层的情况下待重建区域中检测到该证据因子的概率，为在已知测井中未检测到油层的情况下待重建区域中检测到该证据因子的概率。4.根据权利要求1所述的方法，其中步骤3)包括：将所述事件的后验概率的表达式确定为：其中，O(D)为所述事件的先验概率，Wj为第j项证据因子对所述事件的贡献度，n为证据因子的总数。5.一种训练用于对通过权利要求1-4中任意一项方法获得的模型的结果进行分类的支持向量机模型的方法，包括：1)从已探测的测井数据中选择测井曲线对发生在测井中具有资源这一事件的正面影响因素的概率或负面影响因素的概率作为训练样本；2)基于所述训练样本，求解使得支持向量机的软间隔最大的参数。6.根据权利要求5所述的方法，其中步骤2)包括：2-1)...

【专利技术属性】
技术研发人员：朱登明，姬庆庆，胡家琦，王兆其，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：北京,11