一种多模型融合的储层预测方法及软件系统技术方案

本发明专利技术涉及油气田勘探领域，具体涉及一种多模型融合的储层预测系统，包括：数据获取模块、提升树模型、模型调用模块、多模多专家深度网络；一种储层预测方法，包括如下步骤：步骤一、提取目标层段数据；步骤二、获取特征重要性排名；步骤三、对重要性排名靠前的特征进行切片，作为横向原始特征输入非对称卷积模块；对地震体垂向层级特征进行建模，作为纵向原始特征输入到双向门控循环单元；对地震体深度信息进行建模，作为深度特征输入到嵌入层；步骤四、特征融合，再输入到全连接神经网络，最终输出储层预测的分类结果；解决了机器学习模型泛化性能不足，深度神经网络需要大量的标签数据的问题。

【技术实现步骤摘要】
一种多模型融合的储层预测方法及软件系统
本专利技术涉及油气田勘探领域，具体是指一种多模型融合的储层预测方法及软件系统。
技术介绍
随着油气勘探的持续发展，易识别的油气田已大部分被发现，而其他未被发现油气田往往分布比较隐蔽，不易勘探。储层的识别对油气勘探有着重要的意义，当前储层预测已成为油气勘探领域重点研究问题之一。在该领域中，地震物理勘探法是当前最重要也是应用最为广泛的方法，但该方法需要消耗大量的人力和物力，也需要丰富的勘探专家经验来支持，周期时间长且效率低。近几年来，人工智能技术在诸多领域的应用获得巨大成功，但其在油气勘探领域还并未成熟，存在诸多局限，应用落地较少，但人工智能技术可以缓解传统地震物理勘探法的诸多不足，因此，人工智能技术在油气勘探领域的应用研究也变得越发重要。最初储层预测主要使用构造解释方法，其形成了一整套地震反演、地震属性分析和AVO分析为主体的预测方法，是当时油田勘探开发的主导技术。而后经过数十年的发展，国内大部分油田进入滚动勘探开发阶段，其精细储层预测技术主要有精细构造解释技术、测井沉积微相建模技术、测井数本文档来自技高网...

【技术保护点】
1.一种多模型融合的储层预测系统，其特征在于，包括：/n数据获取模块，用于获取所需数据；/n提升树模型，用于获取特征重要性排名；/n模型调用模块，用于调取各模型进行训练；/n多模多专家深度网络，用于对横向原始数据、纵向原始数据和深度数据进行提取、按权重进行特性融合和并预测获得最终结果。/n

【技术特征摘要】
1.一种多模型融合的储层预测系统，其特征在于，包括：
数据获取模块，用于获取所需数据；
提升树模型，用于获取特征重要性排名；
模型调用模块，用于调取各模型进行训练；
多模多专家深度网络，用于对横向原始数据、纵向原始数据和深度数据进行提取、按权重进行特性融合和并预测获得最终结果。


2.根据权利要求1所述的一种多模型融合的储层预测方法及软件系统，其特征在于：所述多模多专家深度网络包括非对称卷积模块、双向门控循环单元和多个专家模块；所述非对称卷积模块用于提取横向原始特征，所述双向门控循环单元用于提取纵向原始数据，所述专家模块用于进一步提取横向原始数据、纵向原始数据并与深度特征按权重进行融合。


3.一种储层预测方法，采用一种多模型融合的储层预测系统，其特征在于：包括如下步骤：
步骤一、提取目标层段数据；
步骤二、基于目标层段数据进行建模，得到特征重要性排名；
步骤三、对重要性排名靠前的特征进行切片，作为横向原始特征输入非对称卷积模块；对地震体垂向层级特征进行建模，作为纵向原始特征输入到双向门控循环单元；对地震体深度信息进行建模，作为深度特征输入到嵌入层；
步骤四、对横向原始特征、纵向原始特征和深度特征建模后的输出信息赋予不同权重后融合，再输入到全连接神经网络，最终输出储层预测的分类结果。


4.根据权利要求3所述的一种储层预测方法，其特征在于：所述步骤一中，目标层段数据包括地震体三维数据和测井数据，提取目标层段数据步骤包括：通过对测井资料数据和地震体三维数据的分析和处理后，得到带标签的地震体数据，并对带标签的地震体数据进行归一化处理，经过上述处理后，地震体数...

【专利技术属性】
技术研发人员：刘超，池明旻，左涵坤，彭博，
申请(专利权)人：北京北斗天巡科技有限公司，
类型：发明
国别省市：北京;11