一种基于深度学习的多点地质统计建模参数优选方法技术

本发明专利技术公开了一种基于深度学习的多点地质统计建模参数优选方法，结合多点地质统计模型特征与建模参数的相关性认识——以多点地质统计学的数据样板尺寸为例，随着样板尺寸增加，模型与训练图像的形态视觉特征越来越相似，基于深度学习对基于(有序)建模参数集的多点地质统计随机模型的图像添加建模参数分类标签，进而实现基于建模参数的模型分类的训练学习、识别率检验，建立随机模型类别与建模参数的对应判别关系，选取低于给定识别率阈值的建模参数作为优选参数。相比传统人工视觉判别方法，本发明专利技术可以高效客观地优选多点地质统计建模参数。建模参数。建模参数。

【技术实现步骤摘要】
一种基于深度学习的多点地质统计建模参数优选方法


[0001]本专利技术涉及一种基于深度学习的多点地质统计建模参数优选方法，属于储层地质建模


技术介绍

[0002]多点地质统计学是当前储层建模领域的主流方法，借助于训练图像的先验地质模式，不仅能满足不同来源的条件数据，更重要的是可以很好恢复现有的地质认识，包括形态、分布关系等模式结构特征。但是不论采用哪种多点地质统计建模算法，在实现模式重构的过程中都必须首先完成模式采样，而模式采样选取的参数对建模质量具有直接影响，因此为了提高建模质量必须进行建模参数优选。
[0003]多点地质统计方法的建模参数特别是数据样板尺寸、多重网格以及其他关键参数等对建模质量具有重要的控制作用，很大程度上决定了储层地质模型的质量，也决定了储量预测风险、油藏数值模拟及开发方案的制定。由于建模参数优选离不开模型的评价工作，为了评价模型与其训练图像在空间相关性、模式特征方面的差异程度，通常在基于多点地质统计方法完成建模之后使用定性的人工视觉观察法或者定量的模型评价方法判断建模参数对模型质量的影响程度，不仅效率低本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的多点地质统计建模参数优选方法，其特征在于，包括以下步骤：1)、给定训练图像TI，给定多点地质统计学MPS的关键建模参数的K个递增数值组成的建模参数集P；2)、采用多点地质统计学MPS方法，使用训练图像TI和建模参数集P生成随机模型集M，其中第k个参数P
k
相应的随机模型集定义为M
k
，k＝1,2,
…
,K；每个M
k
包含n个随机模型，则随机模型集M中共计有N＝K
×
n个模型；3)、为随机模型集M里面的所有模型给定以参数值命名的标签L，标签的命名规则如下：label of M
k
(i)＝"k"，(i＝1,2,
…
,n)其中M
k
(i)代表M
k
中的第i个模型，”k”是标签名称；4)、选取递增的建模参数集P中的两个相邻参数P
k
与P
k+1
的...

【专利技术属性】
技术研发人员：喻思羽，李少华，周传友，王军，段太忠，何贤科，
申请(专利权)人：长江大学，
类型：发明
国别省市：