获得地质构造的纹理表示的方法技术

一种用于获得关于某种地质介质的纹理特征的拓扑图的方法，其特征在于： ·形成反映所述介质沉积结构特征的图象； ·在每个图象的各个点及该点周围的空间域内，对与所述图象的性质相对应的参数进行评估，以便为所述每一个点确立一个特征矢量，从而获得一个特征矢量集； ·从所述的矢量集中选出那些能够反映所述地质介质的特征性纹理结构的特征矢量； ·利用一种由许多呈二维分布的细胞构成的神经网络，其中细胞的个数等于特征性纹理结构的种数；以及让所述神经网络对所述选中的特征矢量进行学习，以便最终获得一张关于所述地质介质的纹理特征的拓扑图。（*该技术在2016年保护过期，可自由使用*）

【技术实现步骤摘要】

本专利技术涉及一种可在一个载体上形成某种地质构造的特征性纹理的方法，更具体地说，涉及一种可利用所述地质构造的某块局部区域的图象获得能反映该地质构造纹理特点的拓扑图的方法。利用比如说FMI(岩层缩微影象技术，Fullbore FormationMicroimage)以及/或者FMS(岩层细光栅扫描仪，Formation MicroScanner)等方法得到的矿井炮眼的电象(由Schlumberger公司显影)包含着丰富的信息，对于石油行业很有价值。这种影象目前几乎只是被结构学家们用来对钻井内的岩层和断层平面的几何特征进行精细的测量。FM1和FM5方法可利用有关钻井内部电传导性的测量值产生电象。为此，它们需要有四个活动连接的臂，每个臂上各有一个爪垫和一块垫板。每只爪垫上有比如说24个探头(电极)。在整个成像过程中，利用一个机械系统将每只爪垫贴在钻井的炮眼上。一个电象就是一个钻井炮眼的视图。当炮眼打开的时候，电象的水平轴反映爪垫电极的方位分布。竖直轴表示钻井炮眼的深度(高度)。这样，就形成了由(比如说)24栏(每一个电极产生一栏)、一共数千行构成的钻井炮眼图象，每个象素大约占2.5平方毫米。可以用“平面不均匀性”和“点不均匀性”概念对电象进行分析。平面不均匀性概念有助于分析地质介质(或称“地质环境”)的底层和断层平面，这些平面横切而呈现成层结构。电象的其余部分反映与岩石物理学参数(孔隙度)或沉积学参数(bioturbations等)中的变化相关的变化。人们对矿井炮眼电象的纹理特征进行了分析和自动分割。不过，为此目的而进行的操作在鉴别的观点上出现了一些问题。首先是试图对炮眼电象中可观察到的典型纹理结构进行识别，然后对其属性(特征)进行扫描以便对所述结构进行描绘，最后，在属性空间中对超平面加以确定以便对典型纹理结构进行鉴别。J.F.Rivest建议采用一种数学结构和等级分类办法，见“地质图象自动分析以及数学结构在绘图上的应用”，博士论文，Ecole NationaleSuperieure des Mines de Paris，1992。Harris等人则利用“同现矩阵”(cooccurrence matrices)概念，并通过利用神经网络进行分类的方法进行鉴别，见“在地质映象中利用神经网络进行岩相类型鉴别”，Eurocaipep 93，20-22/09/1993。Luthi则利用Laws(Goal，Directed Texture Segmentation，Technical Note334，Artificial Intelligence Center，SRI Inlernational，Meulo Park，29，P.)所定义的“纹理能(texture energies)”概念，建议对构成这种能量的主要成分进行分析，见“利用纹理能和纹理组将数学岩相纹理分割成若干层理”，Mathematical Geology，Vol.26，No.2，pp.181-198。Gagalowicz试图说明纹理结构是一种用以定量描述图象中某一区域的信息含量的尺度，它与视觉的判断有关。他用“平移不变性”概念对此进行解释。他说，对一个纹理的观察本身会留下同样的视觉印象，而不论被观察到的纹理部分如何。他还定义了“纹理清晰度”的概念，用以表示当通过观察窗对纹理参量进行观察而这些参量开始不再保持平移不变性时观察窗的最小面积，(见“Vers un modele de textures”，博士论文，Universite déParis VI，1983。在1983年7月丹麦哥本哈根举行的第三届斯堪的那维亚图象分析会议上提供的“在相关性和直方图控制下进行自然纹理合成”(′Naturaltexture synthesis with the control of correlation and histogram′)一文中，Gagalowicz和Ma提出一种用一阶和二阶动差(即直方图和自动协方差)定义的模型，并证明该模型可用于描述许多种类型的自然纹理。事实上，直方图有助于保存纹理的对比度，而自协方差则可提供有关纹理颗粒大小和方向方面的信息。直方图(H)和自协方差(M2)分别由下面的方程(1)和方程(2)给出H(l)=1NΣiNδ(Xi-l)---(1)]]>M2(Δ)=1NΣiN(Xi-η)(XI+Δ-η)σ2---(2)]]>其中， Δ＝(Δx，Δy)是平面的一次平移N为象素的总数Xi和Xi+Δ是在纹理的i点和i+Δ点的象素的发光强度1是发光度L的一个可能值δ为Kronecker标记。当x＝0时，δ(x)＝1；x≠0时，δ(x)＝0。由于M2(Δ)＝M2(-Δ)，为观察到纹理而需要的平移次数为M＝Nx×Ny/2-1…(3)其中，Nx和Ny是X/Y坐标系中参考(标准)纹理的大小(面积)，它们可根据有关的构造和纹理进行调整。于是，用直方图H和自协方差M2(Δ)定义的纹理模型的参数个数为D2＝L+M然而，该模型与其它的随机模型(比如同现矩阵)相比，其参数个数比较少，这使得它在对电象上可见的纹理集进行描述时并非总是有效。本专利技术的一个目的是提出另外一种方法，它是一种严格意义上的完全自动的随机方法，可用于对矿井炮眼的电象进行纹理分析和分割。本专利技术涉及一种用于产生关于某种地质介质的纹理特征的拓扑图，其特征在于·产生关于所述介质的沉积结构特点的若干图象；·在各个图象的各个点以及该点周围的空间域内，对与所述图象性质相对应的参数进行评估，以便为所述每一个点确定一个特征矢量(或“纹理矢量”)，从而获得一个特征矢量集；·从所述纹理矢量集中选出那些能够反映所述地质介质的特征性纹理结构的特征矢量；·利用一种由众多呈二维分布的细胞组成的神经网络，其中细胞的个数等于特征性纹理结构的种数；以及让所述神经网络对选出的特征矢量进行学习，以便最终获得一张关于所述地质介质的纹理特征的拓扑图。本专利技术特别适用于用前面所述的方法获得的电象的情况。本专利技术还适用于在所述地质环境中抽样得到的岩芯轮廓照片图象的情况。为此，申请人以AUTOCAR的名义开发了一种专门的照像工具(见Reference FR-A-2571512)。根据本专利技术的其他特点，使一块区域的各个点均位于同一垂直平面上并根据其高度进行识别；对于每一高度，其在拓扑图中均有一个对应的细胞，将该细胞的编号分配给所述的高度，所有这些高度和细胞之间的对应关系表示为一个特征逻辑。利用特征逻辑可得到一个距离逻辑，用来表示两个连续特征(或纹理)之间的距离。这样，就产生了一种相应于地质岩层中的纹理所呈现的数的变化的特征逻辑，它是岩层深度的函数。而且，这样一种特征逻辑在某些具体的特定的条件下，可以用来对地质岩层的布置环境和可渗透性进行预测。本专利技术的上述特点和别的优点可从下述关于本专利技术方法的一个实例及其附图中得到体现。其中附图说明图1表示一种地质介质的特征性纹理的拓扑图；图2是利用本专利技术方法从图1所示的拓扑图中得到的一个纹理(特征)逻辑。在钻井中，利用一个前述类型的拥有四只爪垫的工本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：奈曼·科思克，菲利普·拉比勒，辛尤·叶，
申请(专利权)人：埃尔夫·阿奎坦生产公司，
类型：发明
国别省市：