一种基于测井曲线的古水深预测模型建立及应用方法技术

技术编号:36742774 阅读:13 留言:0更新日期:2023-03-04 10:21
本文提供了一种基于测井曲线的古水深预测模型建立及应用方法,其中预测模型的建立方法包括:获取已知井沿井深方向的测井曲线和古水深数据;利用数据矫正方法对所述古水深数据进行矫正,得到沿井深方向矫正后的古水深数据;根据所述矫正后的古水深数据与所述测井曲线之间的相关程度,得到与古水深数据之间的相关程度超过设定程度的古水深敏感测井曲线;将所述古水深敏感测井曲线作为样本参数,将所述矫正后的古水深数据作为样本标签,对机器学习模型进行训练,得到用于预测古水深数据的预测模型。本文中的预测模型能够提高预测精度和泛化能力。化能力。化能力。

【技术实现步骤摘要】
一种基于测井曲线的古水深预测模型建立及应用方法


[0001]本专利技术涉及油气田开发领域,特别地,涉及一种基于测井曲线的古水深预测模型建立及应用方法。

技术介绍

[0002]岩心化学元素测试数据是进行地层古水深数据评价的直接数据,但是由于岩心化学元素测试数据较少,难以有效的进行古水深数据变化规律的分析,利用测井曲线进行古水深数据的预测成为现阶段的常用手段。然而由于化学元素测试数据与测井曲线之间,测井曲线与古水深数据之间不具有直接的一一对应关系,导致通过测井曲线进行古水深数据预测的模型精度不高,泛化能力差。
[0003]因此,现在亟需一种基于测井曲线的古水深预测模型建立方法,具有较高的预测精度和较强的泛化能力。

技术实现思路

[0004]本文实施例的目的在于提供一种基于测井曲线的古水深预测模型建立及应用方法,以提高预测精度和泛化能力。
[0005]为达到上述目的,一方面,本文实施例提供了一种基于测井曲线的古水深预测模型建立方法,包括:
[0006]获取已知井沿井深方向的测井曲线和古水深数据;
[0007]利用数据矫正方法对所述古水深数据进行矫正,得到沿井深方向矫正后的古水深数据;
[0008]根据所述矫正后的古水深数据与所述测井曲线之间的相关程度,得到与古水深数据之间的相关程度超过设定程度的古水深敏感测井曲线;
[0009]将所述古水深敏感测井曲线作为样本参数,将所述矫正后的古水深数据作为样本标签,对机器学习模型进行训练,得到用于预测古水深数据的预测模型。
[0010]优选的,所述利用数据矫正方法对所述古水深数据进行矫正,得到沿井深方向矫正后的古水深数据进一步包括:
[0011]将古水深数据沿测井曲线在滑动长度范围内按照滑动步长进行滑动,计算不同井深下古水深数据与测井曲线之间的相关系数;
[0012]选取其中绝对值最大的相关系数对应的井深位置为选定井深位置;
[0013]根据所述选定井深位置对所述古水深数据矫正,得到沿井深方向矫正后的古水深数据。
[0014]优选的,所述根据所述矫正后的古水深数据与所述测井曲线之间的相关程度,得到与古水深数据之间的相关程度超过设定程度的古水深敏感测井曲线进一步包括:
[0015]S1:将所述矫正后的古水深数据和所述测井曲线合并为数据集,其中所述矫正后的古水深数据和所述测井曲线均为数据集中的元素;
[0016]S2:计算所述数据集中任意两个元素之间的相关系数,构建相关系数矩阵;
[0017]S3:将相关系数矩阵中大于设定阈值的相关系数对应的元素合并为一个簇,将该簇作为所述数据集中的元素;
[0018]S4:循环执行上述S1至S3步骤,直至所述相关系数矩阵中所有相关系数均不大于设定阈值,或所述数据集中所有元素均合并为一个簇;
[0019]其中,将相关系数矩阵中大于设定阈值的相关系数对应的测井曲线作为古水深敏感测井曲线。
[0020]优选的,通过如下公式计算所述数据集中任意两个元素之间的相关系数:
[0021][0022]其中,r表示X和Y之间的相关系数,X和Y分别表示任意的两个元素,Var[X]表示元素X的方差,Var[Y]表示元素Y的方差,cov(X,Y)表示任意两个元素X和Y的协方差。
[0023]优选的,所述将所述古水深敏感测井曲线作为样本参数,将所述古水深数据作为样本标签,对机器学习模型进行训练,得到用于预测古水深数据的预测模型进一步包括:
[0024]将所述古水深敏感测井曲线作为样本参数;
[0025]利用遗传算法驱动多个机器学习模型分别对样本参数进行优化,优选出目标机器学习模型以及选定样本参数;
[0026]将所述古水深数据作为样本标签,利用选定样本参数对目标机器学习模型进行训练,得到用于预测古水深数据的预测模型。
[0027]优选的,所述利用遗传算法驱动多个机器学习模型分别对样本参数进行优化,优选出目标机器学习模型以及选定样本参数进一步包括:
[0028]将所述样本参数划分为训练集、测试集和验证集;
[0029]利用遗传算法以训练集分别对多个机器学习模型进行训练;以验证集的正判率最高或平均误差最低为优选条件,对多个机器学习模型进行样本参数优化,得到每一机器学习模型对应的选定样本参数;以测试集的正判率最高或平均绝对误差最低为优选条件,由多个机器学习模型中优选出目标机器学习模型。
[0030]另一方面,本文实施例还提供了一种基于测井曲线的古水深预测模型应用方法,包括:
[0031]获取未知井的古水深敏感测井曲线;
[0032]将所述古水深敏感测井曲线输入预测模型中,得到所述未知井的古水深数据。
[0033]另一方面,本文实施例提供了一种基于测井曲线的古水深预测模型建立装置,所述装置包括:
[0034]获取模块,用于获取已知井沿井深方向的测井曲线和古水深数据;
[0035]矫正模块,用于利用数据矫正方法对所述古水深数据进行矫正,得到沿井深方向矫正后的古水深数据;
[0036]敏感确定模块,用于根据所述矫正后的古水深数据与所述测井曲线之间的相关程度,得到与古水深数据之间的相关程度超过设定程度的古水深敏感测井曲线;
[0037]模型建立模块,用于将所述古水深敏感测井曲线作为样本参数,将所述矫正后的古水深数据作为样本标签,对机器学习模型进行训练,得到用于预测古水深数据的预测模
型。
[0038]又一方面,本文实施例还提供了一种计算机设备,包括存储器、处理器、以及存储在所述存储器上的计算机程序,所述计算机程序被所述处理器运行时,执行上述任意一项所述方法的指令。
[0039]又一方面,本文实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被计算机设备的处理器运行时,执行上述任意一项所述方法的指令。
[0040]由以上本文实施例提供的技术方案可见,通过本文的方法,能够建立测井曲线与古水深数据之间的联系,通过数据矫正方法对古水深数据进行矫正后,测井曲线和古水深数据之间的关联性更高,相关关系更加准确。以此计算得到与测井曲线之间的相关程度超过设定程度的古水深敏感测井曲线对机器学习模型进行训练,所得到的预测模型预测精准度更高,泛化能力更强。
[0041]为让本文的上述和其他目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附图式,作详细说明如下。
附图说明
[0042]为了更清楚地说明本文实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本文的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
[0043]图1示出了本文实施例提供的一种基于测井曲线的古水深预测模型建立方法的流程示意图;
[0044]图2示出了本文实施例提供的利用数据矫正本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种基于测井曲线的古水深预测模型建立方法,其特征在于,包括:获取已知井沿井深方向的测井曲线和古水深数据;利用数据矫正方法对所述古水深数据进行矫正,得到沿井深方向矫正后的古水深数据;根据所述矫正后的古水深数据与所述测井曲线之间的相关程度,得到与古水深数据之间的相关程度超过设定程度的古水深敏感测井曲线;将所述古水深敏感测井曲线作为样本参数,将所述矫正后的古水深数据作为样本标签,对机器学习模型进行训练,得到用于预测古水深数据的预测模型。2.根据权利要求1所述的基于测井曲线的古水深预测模型建立方法,其特征在于,所述利用数据矫正方法对所述古水深数据进行矫正,得到沿井深方向矫正后的古水深数据进一步包括:将古水深数据沿测井曲线在滑动长度范围内按照滑动步长进行滑动,计算不同井深下古水深数据与测井曲线之间的相关系数;选取其中绝对值最大的相关系数对应的井深位置为选定井深位置;根据所述选定井深位置对所述古水深数据矫正,得到沿井深方向矫正后的古水深数据。3.根据权利要求1所述的基于测井曲线的古水深预测模型建立方法,其特征在于,所述根据所述矫正后的古水深数据与所述测井曲线之间的相关程度,得到与古水深数据之间的相关程度超过设定程度的古水深敏感测井曲线进一步包括:S1:将所述矫正后的古水深数据和所述测井曲线合并为数据集,其中所述矫正后的古水深数据和所述测井曲线均为数据集中的元素;S2:计算所述数据集中任意两个元素之间的相关系数,构建相关系数矩阵;S3:将相关系数矩阵中大于设定阈值的相关系数对应的元素合并为一个簇,将该簇作为所述数据集中的元素;S4:循环执行上述S1至S3步骤,直至所述相关系数矩阵中所有相关系数均不大于设定阈值,或所述数据集中所有元素均合并为一个簇;其中,将相关系数矩阵中大于设定阈值的相关系数对应的测井曲线作为古水深敏感测井曲线。4.根据权利要求3所述的基于测井曲线的古水深预测模型建立方法,其特征在于,通过如下公式计算所述数据集中任意两个元素之间的相关系数:其中,r表示X和Y之间的相关系数,X和Y分别表示任意的两个元素,Var[X]表示元素X的方差,Var[Y]表示元素Y的方差,cov(X,Y)表示任意两个元素X和Y的协方差。5.根据权利要求1所述的基于测井曲线的古水深预测模型建立方法,其特征在于,所述将所述古水深敏感测井曲线作为样本参数,...

【专利技术属性】
技术研发人员:王如意丁江辉杨向同叶禹王永红于晓红吴钧李会丽黄波曲世元
申请(专利权)人:中国石油集团工程技术研究院有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1