一种数据驱动岩石物理建模方法及系统技术方案

本发明专利技术提供一种数据驱动岩石物理建模方法及系统，该方法包括：基于有理式神经网络，构建岩石物理模型一般表达式，所述岩石物理模型一般表达式为具有有理式函数形式的岩石物理一般化表达式；获取测井数据集，并根据所述测井数据集训练得到岩石物理模型表达式，所述岩石物理模型表达式用于反映对应地区的地质特征和岩性要求；基于所述岩石物理一般化表达式和所述岩石物理模型表达式，对剖面数据的直接孔隙度、孔隙流体体积模量识别预测。本发明专利技术通过测井和地震剖面相结合实现储层参数的快速识别，使岩石物理模型应用系统更加快捷、方便。方便。方便。

【技术实现步骤摘要】
一种数据驱动岩石物理建模方法及系统


[0001]本专利技术涉及地质
，尤其涉及一种数据驱动岩石物理建模方法及系统。

技术介绍

[0002]利用地震数据对储层结构、岩性、物性等参数进行建模分析的研究工作是地球物理勘探的重要方向。这些工作的共同点是：通过提取地震数据中尽可能多的有效特征，包括信号振幅、频率、衰减等，通过数学、物理建模在特征和储层参数(速度、孔隙度、泥质含量等)之间建立联系，实现对储层油气藏的识别。
[0003]近年来，深度神经网络已经变得非常精确并广泛应用于许多应用领域，例如图像识别、自然语言处理和时间序列分析。其中，时间序列分析已经成为现代社会的一门特殊的学科。特别是在大数据的情况下，利用深度学习，比如循环神经网络、长短时记忆、自回归神经网络等已经得到广泛应用。尽管深度神经网络在许多领域都非常成功，但是它们在处理从地震岩石物理过程中采集的数据序列时仍然面临一些瓶颈。
[0004]在勘探石油、天然气等化石资源的过程中，通过使用测井仪器获取井下岩层的物理参数以及测井数据。测井数据主要包括井深度，纵波速度，密度，横本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据驱动岩石物理建模方法，其特征在于，包括：基于有理式神经网络，构建岩石物理模型一般表达式，所述岩石物理模型一般表达式为具有有理式函数形式的岩石物理一般化表达式；获取测井数据集，并根据所述测井数据集训练得到岩石物理模型表达式，所述岩石物理模型表达式用于反映对应地区的地质特征和岩性要求；基于所述岩石物理一般化表达式和所述岩石物理模型表达式，对剖面数据的直接孔隙度、孔隙流体体积模量识别预测。2.根据权利要求1所述的数据驱动岩石物理建模方法，其特征在于，所述基于有理式神经网络，构建岩石物理模型一般表达式，包括：计算固体骨架体积模量、孔隙流体体积模和孔隙度满足的通用表达式；基于有理式函数神经网络，构造关于所述有理式函数神经网络的训练和学习算法，并按照所述有理式函数神经网络的训练和学习算法构建岩石物理模型一般表达式。3.根据权利要求2所述的数据驱动岩石物理建模方法，其特征在于，所述通用表达式为：其中，是自变量，含流体孔隙介质体积模量是的函数，c和d是多项式和的系数，是误差函数，p和q表示分子和分母多项式的阶数。4.根据权利要求2所述的数据驱动岩石物理建模方法，其特征在于，所述基于有理式函数神经网络，构造关于所述有理式函数神经网络的训练和学习算法，并按照所述有理式函数神经网络的训练和学习算法构建岩石物理模型一般表达式，包括：生成有理式函数神经网络输入层数据，并初始化所述有理式神经网络的权系数；对所述有理式函数神经网络的参数进行训练，构建岩石物理模型一般表达式。5.根据权利要求1所述的数据驱动岩石物理建模方法，其特征在于，所述获取测井数据集，并根据所述测井数据集训练得到岩石物理模型表达式，包括：获取测井数据集，并根据...

【专利技术属性】
技术研发人员：孙卫涛，
申请(专利权)人：清华大学，
类型：发明
国别省市：