通过学习测井记录来估计岩相的方法和设备技术

本发明专利技术公开了一种通过学习测井记录来估计岩相的方法和设备。该方法包括：模型形成步骤，基于训练数据集来形成岩相估计模型，以在输入测井记录时输出与测量深度相对应的岩相，该训练数据集包括训练数据和标签数据，该训练数据具有测井记录中包括的多个因子的值，该值对应于测量深度进行布置，并且标签数据具有与测量深度相对应的岩相作为答案；以及岩相估计步骤，向岩相估计模型输入不可见数据，以估计与测量深度相对应的岩相，该不可见数据具有从待估计岩相的井获得的测井记录中包括的多个因子的值，该值对应于测量深度进行布置。该值对应于测量深度进行布置。该值对应于测量深度进行布置。

【技术实现步骤摘要】
通过学习测井记录来估计岩相的方法和设备
[0001]相关申请的交叉引用
[0002]本申请要求于2020年6月4日提交的、申请号为10
‑
2020
‑
0067931的韩国专利申请的优先权，出于所有目的将其全部内容通过此引用并入本文。


[0003]本专利技术涉及一种通过学习测井记录来估计岩相的方法和设备。

技术介绍

[0004]地下存在各种资源，诸如煤、石油、天然气和矿物。为了探索存在地下自然资源的可能性，在地层中执行钻井过程以直接检查地层。当进行钻井时，可以获得测井记录，这是在地层中的钻井过程期间获得的岩石特性的记录。
[0005]可对测井记录中包括的各种因子进行分析来估计地下岩相。常规上，已经使用少量岩石物理学家基于他们的经验判断分析测井记录并估计岩相的方法。领域专家的手动日志分析需要付出努力来分析大量不同的数据，高成本和时间。尽管如此，却不能保证较高的准确率，甚至可能会取决于谁进行分析而得出不同的结果。
[0006][相关技术文件][0007][专利文件][0008](专利本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种通过学习测井记录来估计岩相的方法，所述方法包括：模型形成步骤，基于训练数据集来形成岩相估计模型，以在输入所述测井记录时输出与测量深度相对应的岩相，所述训练数据集包括训练数据和标签数据，所述训练数据具有所述测井记录中包括的多个因子的值，所述值对应于测量深度进行布置，并且所述标签数据具有与测量深度相对应的岩相作为答案；以及岩相估计步骤，向所述岩相估计模型输入不可见数据，以估计与测量深度相对应的岩相，所述不可见数据具有从待估计岩相的井获得的测井记录中包括的多个因子的值，所述值对应于测量深度进行布置。2.根据权利要求1所述的方法，其中所述模型形成步骤包括：训练数据集生成步骤，通过生成具有与目标测量深度、比所述目标测量深度浅的测量深度以及比所述目标测量深度深的测量深度相对应的所述测井记录中包括的所述多个因子的测量值的训练数据，并且生成具有所述目标测量深度处的岩相作为答案的标签数据，来生成训练数据集，所述测量值被布置在二维矩阵结构中；以及模型训练步骤，训练具有卷积神经网络结构的岩相估计模型，所述卷积神经网络结构使用所述训练数据集针对每种岩相来输出所述目标测量深度处的岩相在种类上与所述训练数据集的所述标签数据中包括的岩相相对应的概率，并且将具有最高概率的岩相判定为估计岩相。3.根据权利要求2所述的方法，其中所述岩相估计步骤包括：不可见数据生成步骤，生成不可见数据，所述不可见数据具有与所述目标测量深度、比所述目标测量深度浅的测量深度以及比所述目标测量深度深的测量深度相对应的所述测井记录中包括的所述多个因子的测量值，所述测量值基于从所述待估计岩相的井获得的所述测井记录被布置在二维矩阵结构中；以及模型使用步骤，针对每种岩相，输出所述目标测量深度处的岩相在种类上与所述训练数据集的所述标签数据中包括的岩相相对应的概率作为将所述不可见数据输入到所述岩相估计模型的结果，并且将具有最高概率的岩相判定为估计岩相。4.根据权利要求1所述的方法，其中所述模型形成步骤包括：训练数据集生成步骤，生成训练数据集，所述训练数据集包括训练数据和标签数据，所述训练数据具有所述测井记录中包括的所述多个因子的值，所述值对应于测量深度进行布置，所述标签数据具有与测量深度相对应的岩相作为答案，其中使对待被包括在所述训练数据集中的数据进行采样的方法多样化，使得所述方法中的至少一些生成另外的多个训练数据集；模型训练步骤，训练所述岩相估计模型，以在输入所述测井记录时输出与测量深度相对应的岩相，其中使用所述多个训练数据集来训练具有各种结构的岩相估计模型，以便根据所述训练数据集来训练在至少一种结构上不同的多个岩相估计模型，所述多个训练数据集中的至少一些彼此不同；以及模型选择步骤，根据所述训练数据集来评估在至少一种结构上不同的所述多个岩相估计模型的性能，并且选择具有最高性能的岩相估计模型。5.根据权利要求4所述的方法，其中所述训练数据集生成步骤包括通过执行以下中的至少一个来生成包括多个测井记录的多个训练数据集，所述多个训练数据集中的至少一些
彼此不同：最佳比率采样，以各种比率生成多个训练数据集，以便确定所述测井记录中用作训练数据集的数据和用作测试数据的数据的最佳比率；均匀岩相采样，选择数据，使得所述训练数据集中包括的测井记录的岩相比率是均匀的；随机重复采样，从一个或多个测井记录中随机提取数据，其中对于最终提取的数据中包括的每个岩相是否以大于预定的比率存在进行确定，并且在以小于预定的比率包括特定岩相的情况下，重复数据提取；相似模式采样，以井为单位提取测井记录以便生成训练数据集，其中所述测井记录具有与从所述待估计岩相的井获得的所述测井记录的特定因子的值的模式相似的模式；聚类采样，选择从属于聚类的井获得的测井记录，以便生成训练数据集，其中所述聚类被预测为具有与所述待估计岩相的井的地层相似的地层；或深度因子采样，不同地选择测量深度的范围以及具有二维矩阵结构的训练数据集中包括的因子的数量和种类。6.根据权利要求5所述的方法，其中所述岩相估计模型具有包括多个单元模型的CNN集成结构以及合成所述多个单元模型的输出的集成过程，所述多个单元模型中的每一个具有卷积神经网络结构，并且所述多个单元模型中的至少一些已经使用另外的多个训练数据集进行了训练。7.根据权利要求3所述的方法，进一步包括错误校正步骤，在所述岩相估计模型输出...

【专利技术属性】
技术研发人员：车昇俊，张喜晶，崔英基，李庚珍，金万哲，
申请(专利权)人：SK新技术株式会社，
类型：发明
国别省市：