地下多信息约束的等时地层格架智能建模方法技术

本发明专利技术提供一种地下多信息约束的等时地层格架智能建模方法，综合地质信息和测井信息利用人工智能方法得到高精度的小层划分结果，再基于此结果借助地震信息获得符合地质规律的井间层位，由此实现小层由点到面的划分过程，最终能够得到高精度的等时地层格架模型。本发明专利技术能够加速神经网络模型收敛，细化复杂等时面的沉积演化分析；在井数较多的情况下通过自动化工序能够极大提升工作效率，此方法能够有效提高智能小层划分精度。有效提高智能小层划分精度。有效提高智能小层划分精度。

【技术实现步骤摘要】
地下多信息约束的等时地层格架智能建模方法


[0001]本专利技术属于地质数据处理
，具体涉及一种地下多信息约束的等时地层格架智能建模方法。

技术介绍

[0002]传统等时地层格架建立都是基于精细的地层层位，小层的层位由来主要有2种方法：
[0003]井震结合确定大层位划分(油组界面)，再基于测井和砂体信息进行细分小层，最后借助地震资料反射特征调整划分结果；比如参考文献1，霍春亮,古莉,赵春明,闫伟鹏,杨庆红.基于地震、测井和地质综合一体化的储层精细建模[J].石油学报,2007(06):66
‑
71.提出“旋回对比,分级控制”的思路：
①
井震结合确定油组界面,建立“粗”的等时地层格架。
②
利用测井资料垂向分辨率高的特点,采用传统的等高程对比法和测井曲线相似性对比法,以砂体为单元进行井点细分层；在井震标定的基础上，以地震反演资料为背景,作联井剖面；再根据井间对比结果与地震反射特征是否一致来调整对比层位,建立精细的地层框架。
[0004]小层的划分是基于油组层以及旋回特征信息通过插值得到。比如参考文献2，高博禹,孙立春,胡光义,张媛.基于单砂体的河流相储层地质建模方法探讨[J].中国海上油气,2008(01):34
‑
37.,利用井点信息，应用层序地层学原理进行地层层系划分将明下段划分为4个油组；然后通过单井的时深关系(如VSP测井等)对地震资料进行井标定建立地震反射特征与测井曲线的对应关系，在地震反射剖面上解释每个具等时意义的层序界面，对应于高分辨率层序地层学这些等时界面至少应为中期基准面旋回界面；最后根据旋回叠加模式及工区内地层发育特征进行次一级的旋回划分及对比，并以4个油组的顶面趋势约束内插小层层面，以角点网格的形式处理断层与地层的关系生成构造网格模型。在构造建模过程中充分保证构造网格反映地层模式，并使同一序号的纵向网格具等时意义。
[0005]参考文献1中小层的划分方法难以确定井间层位的趋势走向，如果遇到少井目的区，井与井之间没有有效层位信息，根据这种方法难以建立精确的等时小层面(地震的纵向分辨率尺度远大于测井，所以在小层尺度上，仅仅通过地震反射特征是无法进行小层划分的)；反之，如果遇到多井目的区，此方法需要对每口井进行人工层位划分，时间和人力成本较高，人为主观因素掺杂较多，影响划分精度。
[0006]参考文献2中是直接基于地震数据借助测井信息进行大尺度的层位划分(油层组)，小层是根据内插得到，此结果明显精确度不足，由于大层与小层在地质平面的分布趋势(指深度上的起伏)由于地层岩性、地质构造等因素具有很强的非一致性，甚至会出现错误的小层划分结果，此时便需要人工修正，极大增加工作成本。
[0007]因此传统建模过程得到的精细层位都没法很好得到小层划分结果，或者是需要大量的人力物力和时间成本才能完成，效率低下；同时，尚未有一个很好技术获得井间层位分布，即如何通过以点到面的形式把每口井上的层位转换到整个目的工区二维面中，目前的
处理办法普遍为基于井资料或者地震资料划分较大尺度的砂组层位，然后通过插值以及线性等分技术建立等时地层格架模型。然而等时地层格架的精确性和地质符合度是建立在实际小层精确划分的基础之上，以上问题亟待解决。
[0008]关于智能层位划分的现有技术，文献：尚福华,李金成,原野,曹茂俊,杜睿山.基于改进BP神经网络的地层划分方法[J].计算机技术与发展,2020,30(09):148
‑
153.作者进行地层划分其本质技术是基于测井曲线利用神经网络进行岩性分类。选取最基础的三层BP神经网络，以岩性类别作为地层划分的依据。岩性的突变的采样点为小层的分层点。因此，岩性的识别是工作的重点。同时，作者选取了L
‑
M算法进行改进优化神经网络训练效果；作者选的取自然电位曲线、自然伽马曲线作为岩性划分的主要曲线，再参考电阻率、声波时差、密度、中子曲线特征，进行小层划分。作者选取的是改进的BP神经网络，这类网络是目前发展较为成熟的一类基础神经网络，但存在很多不足：1.当处理一些复杂的非线性化问题时，网络的训练容易陷入局部极小值，从而导致训练失败，得不到一个收敛的神经网络模型；2.收敛速度慢，即算法的效率很低；3.神经网络的结构选择没有一套系统的理论指导，都是专家经验选择，因此对于不同目标工区、不同地质条件、不同的层位划分来说，其泛化能力存在不足；4.此网络对样本依赖性较大，对数据质量要求很高。
[0009]文献，刘英杰.智能化地层对比技术方法及应用[D].燕山大学,2013.利用高斯模型通过可信度计算以及控制分层界面的选择，得到较为准确的分层结果；岩性层段确定之后，根据测井属性特征，提取各层段的自然伽马、自然电位、声波时差、砂层厚度以及韵律等参数，并以此为各小层的特征属性，采用概率神经网络(PNN)进行井间地层对比，并连线。此方法的数据预处理过程较为复杂：通过测井属性特征归纳总结测井曲线形韵律类型及特征向量表，即把图像型的参数转化为数值型让计算机能够识别，此外还对自然伽马曲线(GR)、声波时差曲线(AC)、自然电位曲线(SP)的滤波处理，将信号进行过滤，从而实现将测井数据方波化。其学习样本的建立参考了一口标准井，而神经网络性能的验证仅选取了4口井，对于油田工区而言，无法验证其适用性，且数据集过少的使用是不能够广泛且精确地通过层位划分为后续建模工作提供有效、全面的地质信息。
[0010]因此，现有的智能层位划分方法一般只针对于单井信息，在划分层位的同时尚未考虑目标井周围的地质信息以及地震信息，最多是用这两类信息在得到初步划分结果后进行约束修正，且人工智能应用于地球物理解释领域都存在一些共同的挑战：数据集大小、数据质量、模型收敛速度、最后的应用效果优劣等。

技术实现思路

[0011]针对上述技术问题，本专利技术提供一种地下多信息约束的等时地层格架智能建模方法，以测井和地质信息为主，在基于测井曲线进行小层智能划分的同时通过数据集制作方式加入地质约束，让地质信息参与整个划分过程，进而得到较为符合地质信息的结果。以精细的小层划分为基础，借助地震反演信息和神经网络，解决井间层位划分的问题，建立高精度的等时地层格架模型。整个方法通过人工智能技术能够有效提高工序效率，且含有地质约束数据集的制作能够打破神经网络对数据集大小、模型收敛速度等方面的限制。
[0012]具体技术方案为：
[0013]地下多信息约束的等时地层格架智能建模方法，其特征在于，包括以下步骤：
[0014]S1.根据专家经验对目的工区进行分析，选取岩性敏感的测井曲线，确定作为神经网络数据集的曲线种类为C并且每条曲线样本点数为L，根据已有测井信息数量确定作为神经网络训练集的样本N口井，确定预测集样本即需要划分小层的M口盲井；
[0015]S2.对工区进行地质分析，确定物源方向α和垂直物源方向β,β
‑
α＝90
°
，基于α和β将整个工区测井划分为编号为<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.地下多信息约束的等时地层格架智能建模方法，其特征在于，包括以下步骤：S1.根据专家经验对目的工区进行分析，选取岩性敏感的测井曲线，确定作为神经网络数据集的曲线种类为C并且每条曲线样本点数为L，根据已有测井信息数量确定作为神经网络训练集的样本N口井，确定预测集样本即需要划分小层的M口盲井；S2.对工区进行地质分析，确定物源方向α和垂直物源方向β,β
‑
α＝90
°
，基于α和β将整个工区测井划分为编号为
①‑④
的4部分；S3.根据上述划分工区，进行神经网络训练数据集制作；S4.对预测样本编号，对所有训练样本编号，生成一个样本预测样本；根据S3中获得的训练集与生成的预测集组成最终的神经网络数据集；S5.构建特征金字塔网络FPN，利用S4中的训练集进行模型训练；S6.利用S5中得到的模型对目的工区中的预测集即盲井进行批量的小层划分；S7.在目的工区中将S6得到的层位划分结果作为边界，基于地震资料进行目的井段的随机优化反演得到波阻抗反演初始模型，将模型中每个样点作为伪井，选取伪井按照S3中随机组合方法制作新样本集进行训练，基于收敛模型并预测其余未知层位信息的伪井，进而得到整个工区的小层二维层面，再根据真实测井的人工分层对此层位面进行误差计算，在井点误差计算基础上进行插值得到校正结果；S8.重复步骤S7，以井层位为约束条件不断对智能地层划分结果进行优化校正得到最终符合地质规律的二维层位划分结果；S9.基于S8得到的结果作为层位约束得到最后的等时地层格架模型。2.根据权利要求1所述的地下多信息约束的等时地层格架智能建模方法，其特征在于，S3所述的神经网络训练数据集制作；制作流程为：确定一个连井样本由Q口井组成，每口井有C条测井曲线已经确定，按照顺物源和垂直物源方向分别制作两套训练集样本数的25％大小数据，其余50％数据样本通过随机组合的方式进行；S3.1、顺物源方向：对
①③
区域的井训练样本进行编号N
i
，i＝1,2,3
…
,N1，样本数为N1；对
②④
区域的井训练样本进行编号N
i
，i＝1,2,3
…
,N2，样本数为N2；其中N＝N1+N2，根据式(1)生成组成一个样本的井序号W
k
，k＝1,2
…
,Q；I
a
＝[N
j
*random(0～1)+0.5]
ꢀꢀꢀ...

【专利技术属性】
技术研发人员：代月，黄旭日，宋海渤，杨剑，张栋，陈小春，
申请(专利权)人：西南石油大学，
类型：发明
国别省市：