用于神经网络的层测井信息无损处理方法和装置制造方法及图纸

本申请公开了用于神经网络的层测井信息无损处理方法和装置。该方法包括：确定层深度点的数量；确定每个层深度点对应的深度值；对测井曲线进行插值得到每个层深度点对应的测井数据；对深度值进行归一化处理以及对测井数据进行归一化处理；经归一化处理的深度值和测井数据作为神经网络的输入。根据本申请，可得到固定的样本维度以作为神经网络方法的输入样本，同时，还保留了不同深度上的测井曲线值信息以及层厚度、曲线变化幅度、曲线形态等对储层测井评价至关重要的信息，实现了层测井信息的无损处理，且处理流程简单，易于操作。

【技术实现步骤摘要】
用于神经网络的层测井信息无损处理方法和装置
本专利技术属于石油地球物理勘探
，更具体地，涉及一种用于神经网络的层测井信息无损处理方法和一种神经网络的层测井信息无损处理装置。
技术介绍
随着人工智能技术在各个传统行业的有效应用，人们也对人工智能技术应用于测井资料处理解释寄予厚望。神经网络作为人工智能技术最重要的算法之一，它在测井储层评价领域的应用目前已有一些探索性的工作。神经网络在测井储层评价领域的一个主要应用是用于岩性识别。如杨辉等(杨辉，黄健全，胡雪涛，等.BP神经网络在致密砂岩气藏岩性识别中的应用[J].油气地球物理,2013,11(1):39-42.)在蜀南地区须家河组对曲线数据标准化的基础上运用BP神经网络逐点进行岩性识别；单敬福等(单敬福，陈欣欣，赵忠军，等.利用BP神经网络法对致密砂岩气藏储集层复杂岩性的识别[J].地球物理学进展，2015,30(3)：1257-1263.)在苏里格气田利用自然伽马和光电吸收截面指数两种测井曲线，标准化、归一化处理的基础上，建立神经网络岩性识别模型；瞿晓婷等(瞿晓婷，张蕾，冯宏伟，等.面向复杂本文档来自技高网...

【技术保护点】
1.一种用于神经网络的层测井信息无损处理方法，其特征在于，所述方法包括：/n确定层深度点的数量m；/n确定每个层深度点对应的深度值DEP

【技术特征摘要】
1.一种用于神经网络的层测井信息无损处理方法，其特征在于，所述方法包括：
确定层深度点的数量m；
确定每个层深度点对应的深度值DEPi，i＝1,2,...,m；
对测井曲线进行插值得到每个层深度点对应的测井数据CURi,j，i＝1,2,...,m，j＝1,2,...,c，c为测井曲线的数量；
对深度值DEPi进行归一化处理得到归一化后的深度值GDEPi，i＝1,2,...,m，以及对测井数据CURi,j进行归一化处理得到归一化后的测井数据GCURi,j，i＝1,2,...,m，j＝1,2,...,c；
将经归一化处理的深度值GDEPi和测井数据GCURi,j作为神经网络的输入，i＝1,2,...,m，j＝1,2,...,c。


2.根据权利要求1所述的方法，其特征在于，所述确定层深度点的数量m包括：
根据下式确定层深度点的数量m：



其中，d为估计得到的目的地质层段内储层平均厚度，r为采集测井曲线时的采样间隔。


3.根据权利要求1所述的方法，其特征在于，所述确定每个层深度点对应的深度值DEPi包括：
根据下式得到DEPi：



其中,SDEP为层起始深度，d0为层厚度。


4.根据权利要求1所述的方法，其特征在于，所述对测井曲线进行插值得到每个层深度点对应的测井数据CURi,j包括：
根据下式得到CURi,j：



其中，DEPiu为第i个层深度点上方最近的深度采样点的深度值，CURiu,j为第j条测井曲线在DEPiu深度上的值，DEPib为第i个层深度点下方最近的深度采样点的深度值，CURib,j为第j条测井曲线在DEPib深度上的值。


5.根据权利要求1所述的方法，其特征在于，所述对深度值DEPi进行归一化处理得到归一化后的深度值GDEPi包括：
根据下式得到GDEPi：



其中，MXDEP为目的地质层段的最大深度，MNDEP为目的地质层段的最小深度。


6.根据权利要求1或5所述的方法，其特征在于，所述对测井数据CURi,j进行归一化处理得到归一化后的测井数据GC...

【专利技术属性】
技术研发人员：张军，李军，刘志远，南泽宇，王晓畅，胡松，
申请(专利权)人：中国石油化工股份有限公司，中国石油化工股份有限公司石油勘探开发研究院，
类型：发明
国别省市：北京;11