基于高斯混合模型的储层岩性预测方法及电子设备技术

本发明专利技术公开了基于高斯混合模型的储层岩性预测方法及电子设备，该方法包括：根据测井数据，获得测井计算的多种弹性参数；根据测井计算的多种弹性参数和测井岩性解释结果进行储层岩性类别预测训练，获得训练后的高斯混合模型；根据测井约束下的叠前地震反演，获得叠前反演计算的多种弹性参数；基于训练后的高斯混合模型和叠前反演计算的多种弹性参数，获得储层岩性类别。本发明专利技术的基于高斯混合模型的储层岩性预测方法利用测井计算的弹性参数和解释结果作为训练数据，进行储层岩性类别预测训练，获得训练后的高斯混合模型，根据训练后的高斯混合模型预测岩性类别，预测的岩性类别准确，且该方法简单，容易实现。容易实现。容易实现。

【技术实现步骤摘要】
基于高斯混合模型的储层岩性预测方法及电子设备


[0001]本专利技术属于油气及煤层气地震勘探与开发领域，具体涉及一种基于高斯混合模型的储层岩性预测方法及电子设备。

技术介绍

[0002]在石油、煤炭等地下沉积矿产的勘探开发中，岩性研究具有极为重要的意义。然而，由于目的层深埋于地下，因此所采用的研究手段和研究方法与露头区的岩性研究相比有很大不同。
[0003]在地下岩性分析中只有通过岩石资料才能够观察到目的的岩性标志，而钻井取心一般都不是连续进行的，并且一口探井的全井取心率往往只有百分之几到百分之十几，这给岩性空间展布研究造成很大困难。利用测井资料进行岩性分析虽可对全井做出连续的岩性解释，但其多解性较强，因此除上述两种资料外，还迫切需要从其它资料中获取更多的信息以提高岩性解释的准确性。
[0004]更重要的是，即使单井岩性分析的资料足够充分，但采用传统研究方法所得到的毕竟只是一部分信息，如地层叠置模式、沉积体外形等重要信息并没有利用。进一步看，即使解释完全正确，但毕竟只是“一孔之见”。要想进一步掌握岩性的平面展布特征就必须有大量的足够密集的钻孔，而这在勘探阶段恰恰难以满足。因此迫切需要一种仅用少量钻孔就能较好地掌握岩性平面变化特征的新手段、新方法。
[0005]地震储层岩性预测正是为满足上述迫切需要而产生的。在石油勘探及某些煤田、盐矿勘探中，地震勘探资料是必不可少的重要基础资料。这些资料一般在勘探初期就可获得，且一般都能覆盖整个盆地，其中具有极为丰富的地层、构造和沉积相信息，因此是地下地质分析中极为宝贵的基础资料。
[0006]传统的地震储层岩性预测是以地震资料为基础，在地质原理指导下，用钻井、测井资料进行约束，研究含油气储层的岩性、储层物性空间变化特征的。在具体实现上有两种方法：一种是以地震反演为基础，利用测井数据的交会分析，优选对目标储层段岩性敏感的敏感弹性属性并构建以岩性为分类目标的分类准则或者标准；然后利用地震反演结果计算所述敏感弹性参数，并利用所述分类标准或者准则，获得岩性空间分布特征。这种方法需要在交会分析阶段确定分类准则或者标准，例如阈值。另一种是以波阻抗反演结果为基础，结合岩性概率进行地质统计分析得到变差函数，再用此变差函数做指示模拟得到空间上岩性的分布，这种方法本质上是用统计图的方式获得分类准则或标准。
[0007]但是上述两种方法获得分类不够准确。
[0008]因此，特别需要一种准确的岩性分类预测方法。

技术实现思路

[0009]本专利技术的目的是提出一种准确的岩性分类预测方法。
[0010]第一方面，本专利技术提供一种基于高斯混合模型的储层岩性预测方法，包括：获取测
井数据及测井岩性解释结果，根据测井数据获得测井计算的弹性参数，其中，所述测井岩性解释结果包括储层的岩性类别；根据所述测井计算的弹性参数和解释结果对高斯混合模型进行储层岩性类别预测训练，获得训练后的高斯混合模型；根据测井约束下的叠前地震反演，计算目标储层的弹性参数；基于训练后的高斯混合模型和目标储层的弹性参数，获得目标储层的岩性类别。
[0011]可选的，所述多种弹性参数包括：声波速度、横波速度、密度、纵波阻抗、横波阻抗、纵横波速度比、λρ、μρ、泊松比和弹性波阻抗，其中，ρ是密度，λ、μ分别是拉梅常数。
[0012]可选的，采用下述方法获得训练后的高斯混合模型：根据测井数据，获得多个数据点，将每个数据点对应的测井计算的多种弹性参数以矢量形式表示，作为模型参数，根据所述测井岩性解释结果，获得岩性类别的个数；在多个数据点中，随机选取K个数据点，其中，K为岩性类别的个数，将选取的每个数据点作为一个类别的初始簇中心；针对每个类别，基于每个数据点的模型参数，分别计算每个数据点与所述类别的簇中心的初始协方差矩阵；基于每个数据点的模型参数，对所述初始簇中心和初始协方差矩阵进行优化调整，获得最终的簇中心和协方差矩阵；基于最终的簇中心和协方差矩阵，获得训练后的高斯混合模型。
[0013]可选的，采用下述步骤获得最终的簇中心和协方差矩阵：步骤1：针对每个类别，根据所述初始协方差矩阵，计算每个数据点隶属于所述类别的隶属程度，根据每个数据点隶属于所述类别的隶属程度，计算隶属于所述类别的数据点的总隶属程度，根据所述总隶属程度和每个数据点的隶属程度，计算获得新的簇中心；根据新的簇中心、总隶属程度和每个数据点的隶属程度，计算每个数据点与所述类别的簇中心的新协方差矩阵；步骤2：将新的的簇中心作为初始簇中心，将新的新协方差矩阵作为初始协方差矩阵；步骤3：重复执行步骤1
‑
步骤2，直至簇中心不再变化或目标函数值小于阈值为止，将此时的簇中心和协方差矩阵作为最终的簇中心和协方差矩阵，计算此时每个类别出现的概率。
[0014]可选的，所述训练后的高斯混合模型为：
[0015][0016]其中，X
i
为第i个数据点的模型参数，μ
k
'为第k个岩性类别最终的簇中心，Σ
k
'为第k个岩性类别最终的协方差矩阵，k为第k个岩性类别。
[0017]可选的，根据下述步骤计算目标储层的弹性参数：根据测井约束下的叠前地震反演，获得叠前反演属性参数；根据所述叠前反演属性参数，获得叠前反演计算的多种弹性参数。
[0018]可选的，根据测井约束下的叠前地震反演，确定多个数据点，将每个数据点的目标储层弹性参数作为新的模型参数，根据训练后的高斯混合模型和新的模型参数，计算每个数据点隶属于每个类别的隶属程度，从多个隶属程度中，获取隶属程度最大值，将隶属程度最大值对应的类别作为所述数据点对应的储层岩性类别。
[0019]可选的，采用下述公式计算数据点隶属于类别的隶属程度：
[0020][0021]其中，r
i,k
为第i个数据点隶属于第k种类别的隶属程度，p
k
为第k种类别出现的概率，μ
k
'为第k个岩性类别最终的簇中心，Σ
k
'为第k个岩性类别最终的协方差矩，p
j
为第j种类别出现的概率，Ν(X
i
'|μ
k
',Σ
k
')为X
i
'为第i个数据点的模型参数，Ν(X
i
'|μ
j
',Σ
j
')为
[0022]可选的，所述目标函数为：
[0023][0024]其中，X
j
为第j个数据点的模型参数，μ
k
为第k个岩性类别初始簇中心，S
k
为分类后每个类别的数据集合，其中，每一个类别代表一个簇，每个簇代表一种岩性种类，k为第k个类别，K为类别总个数。
[0025]第二方面，本专利技术还提供一种电子设备，所述电子设备包括：存储器，存储有可执行指令；处理器，所述处理器运行所述存储器中的所述可执行指令，以实现上述基于高斯混合模型的储层岩性预测方法。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高斯混合模型的储层岩性预测方法，其特征在于，包括：获取测井数据及测井岩性解释结果，根据测井数据获得测井计算的弹性参数，其中，所述测井岩性解释结果包括储层的岩性类别；根据所述测井计算的弹性参数和解释结果对高斯混合模型进行储层岩性类别预测训练，获得训练后的高斯混合模型；根据测井约束下的叠前地震反演，计算目标储层的弹性参数；基于训练后的高斯混合模型和目标储层的弹性参数，获得目标储层的岩性类别。2.根据权利要求1所述的基于高斯混合模型的储层岩性预测方法，其特征在于，所述弹性参数包括：声波速度、横波速度、密度、纵波阻抗、横波阻抗、纵横波速度比、λρ、μρ、泊松比和弹性波阻抗，其中，ρ是密度，λ、μ分别是拉梅常数。3.根据权利要求2所述的基于高斯混合模型的储层岩性预测方法，其特征在于，采用下述方法获得训练后的高斯混合模型：根据测井数据，获得多个数据点，将每个数据点对应的测井计算的弹性参数以矢量形式表示，作为模型参数，根据所述测井岩性解释结果，获得岩性类别的个数；在多个数据点中，随机选取K个数据点，其中，K为岩性类别的个数，将选取的每个数据点作为一个类别的初始簇中心；针对每个类别，基于每个数据点的模型参数，分别计算每个数据点与所述类别的簇中心的初始协方差矩阵；基于每个数据点的模型参数，对所述初始簇中心和初始协方差矩阵进行优化调整，获得最终的簇中心和协方差矩阵；基于最终的簇中心和协方差矩阵，获得训练后的高斯混合模型。4.根据权利要求3所述的基于高斯混合模型的储层岩性预测方法，其特征在于，采用下述步骤获得最终的簇中心和协方差矩阵：步骤1：针对每个类别，根据所述初始协方差矩阵，计算每个数据点隶属于所述类别的隶属程度，根据每个数据点隶属于所述类别的隶属程度，计算隶属于所述类别的数据点的总隶属程度，根据所述总隶属程度和每个数据点的隶属程度，计算获得新的簇中心；根据新的簇中心、总隶属程度和每个数据点的隶属程度，计算每个数据点与所述类别的簇中心的新协方差矩阵；步骤2：将新的的簇中心作为初始簇中心，将新的新协方差矩阵作为初始协方差矩阵；步骤3：重复执行步骤1
‑
步骤2，直至簇中心不再变化或目标函数值小于阈值为止，将此时的簇中心和协方差矩阵作为最终的簇中心和协方差矩阵，计算此时每个类别出现的概率。5.根据权利要求4所述的基于高斯混合模型的储层岩性预测方法，其特征在于，所述训练后的高斯混合模型为：其中，X
i
为第...

【专利技术属性】
技术研发人员：刘百红，郑四连，
申请(专利权)人：中国石油化工股份有限公司石油物探技术研究院，
类型：发明
国别省市：