一种油气甜点预测方法及存储介质技术

本发明专利技术公开了一种油气甜点预测方法及存储介质，涉及油气勘探领域。该方法包括：获取油气甜点区域的测井数据和多种地震属性；根据测井数据得到油气甜点区域的指示曲线，将指示曲线和各种地震属性作为机器学习的学习样本；对学习样本进行特征优选；根据优选后的学习样本进行机器学习，得到预测模型；根据预测模型对任意目标区域的油气甜点进行预测。本发明专利技术提供的一种油气甜点预测方法及存储介质，能够提高预测的准确性，提高预测的分辨率，实现了对油气甜点的定量预测，可以避免人为因素的影响，并且简化运算过程，不需要进行复杂冗余的计算，就可以得到高分辨率、高精度的预测结果。

A prediction method and storage medium for oil and gas desserts

The invention discloses a prediction method for oil and gas desserts and a storage medium, and relates to the field of oil and gas exploration. The method includes: obtaining the logging data and various seismic attributes in the oil and gas dessert region, obtaining the indication curve of the oil and gas dessert region according to the log data, taking the indicator curve and various seismic attributes as learning samples for the machine learning, selecting the characteristics of the learning samples, and learning the machine learning according to the selected learning samples. A prediction model is established, and the oil and gas desserts in any target area are predicted based on the prediction model. An oil and gas dessert prediction method and storage medium provided by the invention can improve the accuracy of the prediction, improve the resolution of the prediction, realize the quantitative prediction of the oil and gas desserts, avoid the influence of human factors, and simplify the operation process, without the need for complex and redundant calculations, the high resolution can be obtained. The result of high precision prediction.

【技术实现步骤摘要】
一种油气甜点预测方法及存储介质
本专利技术涉及油气勘探领域，尤其涉及一种油气甜点预测方法及存储介质。
技术介绍
油气资源评价与勘探开发过程中，为了准确定位油气聚集区、描述油气储层品质和评价油气资源储量，需要开展精确的储层评价与油藏描述，确定油气甜点的位置等。目前，现有的油气甜点预测评价方法在对油气甜点进行评价时，通常会采用定性或半定量分析的方式，需要人工参与预测，容易受到解释人员技术经验、专业能力等人为因素的不确定性影响，普遍具有分辨率低、精度低等问题。
技术实现思路
本专利技术所要解决的技术问题是针对现有技术的不足，提供一种油气甜点预测方法及存储介质。本专利技术解决上述技术问题的技术方案如下：一种油气甜点预测方法，包括：获取油气甜点区域的测井数据和多种地震属性；根据所述测井数据得到所述油气甜点区域的指示曲线，将所述指示曲线和各种所述地震属性作为机器学习的学习样本；对所述学习样本进行特征优选；根据优选后的所述学习样本进行机器学习，得到预测模型；根据所述预测模型对任意目标区域的油气甜点进行预测。本专利技术的有益效果是：本专利技术提供的一种油气甜点预测方法，通过获取油气甜点区域的测井数据和多种地震属性，并据此进行机器学习，建立预测模型，通过测井数据和地震属性结合的方式建立的预测模型，能够提高使用该模型进行预测时的准确性，并对得到的学习样本进行特征优选，能够排除学习样本中的干扰，提高预测的分辨率，并在建立预测模型后，就可以根据该预测模型对任意区域的油气甜点进行预测，实现了对油气甜点的定量预测，可以避免人为因素的影响，并且可以简化运算过程，不需要进行复杂冗余的计算，就可以得到高分辨率、高精度的预测结果。在上述技术方案的基础上，本专利技术还可以做如下改进。进一步地，所述根据所述预测模型对任意目标区域的油气甜点进行预测之后，还包括：对预测结果进行概率密度约束。采用上述进一步方案的有益效果是：为了避免预测模型的平均效应，通过对预测结果进行概率密度约束，引入一定的随机性，能够进一步提高预测结果的分辨率。进一步地，所述对预测结果进行概率密度约束，具体包括：根据所述预测结果建立高斯分布概率密度函数；根据所述高斯分布概率密度函数计算累积分布函数；在预设的置信空间内，采用随机采样规则随机获取一个变量值，所述变量值由所述累积分布函数确定，且满足预设累积概率；将所述变量值作为进行概率密度约束后的预测结果。进一步地，所述对所述学习样本进行特征优选，具体包括：依次根据各种所述地震属性在不同井位与所述指示曲线的一致性、每种所述地震属性的贡献度以及各种所述地震属性之间的正交性，对所述学习样本进行特征优选。采用上述进一步方案的有益效果是：通过分别从一致性、贡献度和正交性的角度对学习样本进行特征优选，能够排除不相关、不一致和贡献度低的学习样本，能够进一步提高预测结果的精确度，提前排除不相关的学习样本，能够减少对这些不相关学习样本的处理过程，提高预测效率和速度。进一步地，所述依次根据各种所述地震属性在不同井位与所述指示曲线的一致性、每种所述地震属性的贡献度以及各种所述地震属性之间的正交性，对所述学习样本进行特征优选，具体包括：计算各种所述地震属性在不同井位与所述指示曲线的相关系数；根据所述相关系数对每种所述地震属性在不同井位与所述指示曲线的相关性进行分析，并剔除相关性不一致的井位，得到第一优选样本；根据模糊逻辑方法，计算所述第一优选样本中各种所述地震属性的贡献度；剔除所述第一优选样本中所述贡献度小于预设贡献度的地震属性，得到第二优选样本；根据相关分析方法，计算所述第二优选样本中各种所述地震属性两两之间的正交系数；剔除所述第二优选样本中所述正交系数小于预设正交系数的地震属性，得到优选后的所述学习样本。进一步地，所述根据优选后的所述学习样本进行机器学习，得到预测模型，具体包括：将优选后的所述学习样本随机分类为训练样本、交叉验证样本和测试样本；根据所述交叉验证样本和网络搜索方法对预设的全部超参数的取值进行交叉验证，选取交叉验证误差最小的取值作为最优超参数；根据所述测试样本的预测值和真实值，对预设的机器学习算法和所述最优超参数进行质量检测，并当不符合预设检测结果时，调整所述机器学习算法和所述最优超参数；根据所述训练样本、所述最优超参数和所述机器学习算法建立非线性多元函数，作为预测模型。采用上述进一步方案的有益效果是：通过将学习样本随机分类为训练样本、交叉验证样本和测试样本，并据此选择调整超参数，据此建立预测模型，能够提高预测模型的预测精度和泛化能力，减小预测误差。进一步地，所述根据所述预测模型对任意目标区域的油气甜点进行预测，具体包括：获取任意目标区域的地震属性；将所述地震属性以地震数据体的形式输入到所述预测模型中，对所述目标区域的油气甜点进行预测，得到所述目标区域油气甜点的空间位置分布。进一步地，所述根据所述测井数据得到所述油气甜点区域的指示曲线，将所述指示曲线和各种所述地震属性作为机器学习的学习样本，具体包括：根据所述测井数据得到所述油气甜点区域的指示曲线；获取所述油气甜点区域的岩心信息，根据所述岩心信息对所述指示曲线进行校验；将检验后的所述指示曲线和各种所述地震属性作为机器学习的学习样本。进一步地，还包括：获取所述油气甜点区域的现有地质信息；根据所述现有地质信息和所述岩心信息，对预测结果进行评价。采用上述进一步方案的有益效果是：通过现有地质信息和岩心信息对预测结果进行评价，能够确保其对油气甜点预测的有效性。本专利技术解决上述技术问题的另一种技术方案如下：一种存储介质，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行如上述技术方案中任一项所述的方法。本专利技术附加的方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术实践了解到。附图说明图1为本专利技术一种油气甜点预测方法的一个实施例提供的流程示意图；图2为本专利技术一种油气甜点预测方法的另一实施例提供的流程示意图；图3为本专利技术一种油气甜点预测方法的另一实施例提供的流程示意图；图4为本专利技术一种油气甜点预测方法的另一实施例提供的流程示意图；图5为本专利技术一种油气甜点预测方法的另一实施例提供的流程示意图；图6为本专利技术一种油气甜点预测方法的另一实施例提供的流程示意图；图7为本专利技术一种油气甜点预测方法的另一实施例提供的流程示意图。具体实施方式以下结合附图对本专利技术的原理和特征进行描述，所举实施例只用于解释本专利技术，并非用于限定本专利技术的范围。如图1所示，为本专利技术一种油气甜点预测方法的一个实施例提供的流程示意图，该方法可以对油气甜点分布进行精确高分辨率的预测，该方法可以包括：S1，获取油气甜点区域的测井数据和多种地震属性。需要说明的是，为提高预测准确度，可以进行多个井位的测井。测井数据指的是测井测量得到的测井曲线以及岩性、含油气性等测井结果。地震属性包括由采集的地震振幅数据计算得到的各种地震属性与反演结果。测井数据与地震属性分别分布于深度域与时间域，需要提前完成井震标定、深时转换等工作。S2，根据测井数据得到油气甜点区域的指示曲线，将指示曲线和各种地震属性作为机器学习的学习样本。S3，对学习样本进行特征优选。需要说明的是，可以根据实际需求设置优选规则，对学习样本进行特征优选。例如，可以根据各种地震属性本文档来自技高网...

【技术保护点】
1.一种油气甜点预测方法，其特征在于，包括：获取油气甜点区域的测井数据和多种地震属性；根据所述测井数据得到所述油气甜点区域的指示曲线，将所述指示曲线和各种所述地震属性作为机器学习的学习样本；对所述学习样本进行特征优选；根据优选后的所述学习样本进行机器学习，得到预测模型；根据所述预测模型对任意目标区域的油气甜点进行预测。

【技术特征摘要】
1.一种油气甜点预测方法，其特征在于，包括：获取油气甜点区域的测井数据和多种地震属性；根据所述测井数据得到所述油气甜点区域的指示曲线，将所述指示曲线和各种所述地震属性作为机器学习的学习样本；对所述学习样本进行特征优选；根据优选后的所述学习样本进行机器学习，得到预测模型；根据所述预测模型对任意目标区域的油气甜点进行预测。2.根据权利要求1所述的油气甜点预测方法，其特征在于，所述根据所述预测模型对任意目标区域的油气甜点进行预测之后，还包括：对预测结果进行概率密度约束。3.根据权利要求2所述的油气甜点预测方法，其特征在于，所述对预测结果进行概率密度约束，具体包括：根据所述预测结果建立高斯分布概率密度函数；根据所述高斯分布概率密度函数计算累积分布函数；在预设的置信空间内，采用随机采样规则随机获取一个变量值，所述变量值由所述累积分布函数确定，且满足预设累积概率；将所述变量值作为进行概率密度约束后的预测结果。4.根据权利要求1所述的油气甜点预测方法，其特征在于，所述对所述学习样本进行特征优选，具体包括：依次根据各种所述地震属性在不同井位与所述指示曲线的一致性、每种所述地震属性的贡献度以及各种所述地震属性之间的正交性，对所述学习样本进行特征优选。5.根据权利要求4所述的油气甜点预测方法，其特征在于，所述依次根据各种所述地震属性在不同井位与所述指示曲线的一致性、每种所述地震属性的贡献度以及各种所述地震属性之间的正交性，对所述学习样本进行特征优选，具体包括：计算各种所述地震属性在不同井位与所述指示曲线的相关系数；根据所述相关系数对每种所述地震属性在不同井位与所述指示曲线的相关性进行分析，并剔除相关性不一致的井位，得到第一优选样本；根据模糊逻辑方法，计算所述第一优选样本中各种所述地震属性的贡献度；剔除所述第一优选样本中所述贡献度小于预设贡献度的地震属性，得到第二优选样本；根据相关分析方法，计算所述第二优选样...

【专利技术属性】
技术研发人员：袁振宇，姜玉新，汤金彪，蒋黎，马瑞红，
申请(专利权)人：北京博达瑞恒科技有限公司，
类型：发明
国别省市：北京,11