【技术实现步骤摘要】
本专利技术属于地质探测，特别涉及一种基于机器学习的雷三2亚段泥灰岩储层预测方法。
技术介绍
1、雷口坡组是四川盆地最古老的开采天然气层系之一。雷口坡组地层广泛分布，层厚较大，含有许多利于天然气聚集的岩性，即滩相(如台内滩和颗粒滩)。此外，雷口坡组内存在大规模的膏盐岩，能够作为油气藏的盖层，具备良好的储盖条件。到目前为止，雷口坡组已经发现多个气藏，油气资源非常丰富，但勘探程度较低，故仍有很大的油气勘探潜力。
2、传统的泥灰岩储层预测方法是通过利用地震资料中的反射特征属性来进行预测，包括测井约束反演、叠前avo反演等。这些方法由于受地质背景和地震资料本身的影响较大，因此在预测过程中容易出现一些问题，如预测精度不高、易产生多解性等。在我国，现有针对泥灰岩储层的研究工作一般以提取地震属性为主，通常选择利用地震属性以此对泥灰岩储层进行预测。地震属性提取是一种能够通过直接利用地震反射信息对储层进行预测的方法，常利用地震资料的振幅、相位、频率、能量等参数对储层进行预测。
3、在储层预测中，常规方法主要依靠岩心和化验分析，然而，由于地层结构复杂，雷口坡组岩石类型多样，储层性质变化大，钻探成本高昂，获取的岩心数量有限，无法全面了解该套储层的岩石学特征和空间分布规律，这限制了其勘探开发进程。因此，开展基于机器学习的储层预测研究，利用大量测井数据进行训练，可以更准确地预测该区域储层性质和分布，提高勘探和开发的效率和成功率。
4、川中地区雷三2亚段在近期勘探阶段发现致密泥灰岩非常规天然气，在ct1井中三叠统雷口坡组三
5、近年来，随着机器学习在地质学领域的应用不断扩大，基于机器学习的储层预测研究也越来越受到关注。在四川盆地雷口坡组三段二亚段储层预测方面，相关研究已经开展了一些尝试，但由于样本数据量小、特征选取不全面、模型算法选取不合理等因素的影响，预测精度还存在一定的提升空间。
技术实现思路
1、本专利技术的目的在于克服现有技术的不足，提供一种通过采用机器学习技术，利用现有常规测井数据建立雷三2亚段储层预测模型，可以在较大范围内提供储层特征信息的雷三2亚段泥灰岩储层预测方法。
2、本专利技术的目的是通过以下技术方案来实现的：一种基于机器学习的雷三2亚段泥灰岩储层预测方法，包括以下步骤：
3、s1、基于岩心观察，明确岩性类型及储层特征：定义一个字典，将具有相似岩性特征的标签归类为同一类别，并将其总结为六大类：泥质灰岩、膏盐岩、泥晶灰岩、白云岩、泥质白云岩和生屑灰岩；然后编写映射函数，根据字典将原始数据与岩性标签进行映射和归类，将每个样本数据与岩性标签进行匹配；
4、s2、测井数据预处理，建立测井-岩性数据集：选取不同深度的伽马射线、声波时差、补偿中子、补偿密度、深电阻率、浅电阻率六种测井曲线，根据映射函数将测井曲线上的数据与岩性标签进行匹配，并对测井曲线数据进行归一化处理；
5、s3、训练lstm神经网络：将归一化后的伽马射线、声波时差、补偿中子、补偿密度、深电阻率、浅电阻率6种测井数据以及对应的岩性标签输入lstm神经网络模块进行训练；lstm包含一个lstm层，该层具有128个隐藏单元，用于处理输入序列；lstm层能够捕捉输入序列中的长期依赖关系，并输出一个维度为128的向量；一个全连接层，将lstm层的输出映射到模型的输出空间；全连接层具有6个输出单元，用于对输入进行分类；
6、s4、利用训练好的lstm神经网络模块对未知雷三2亚段泥灰岩的岩性进行预测。
7、本专利技术的有益效果是：通过采用机器学习技术，利用现有常规测井数据建立雷三2亚段储层预测模型，可以在较大范围内提供储层特征信息，弥补岩心资料的不足。预测结果可以为该地区的勘探井位选择和开发方案的制定提供参考，具有一定的理论意义和应用价值。
本文档来自技高网...【技术保护点】
1.一种基于机器学习的雷三2亚段泥灰岩储层预测方法，其特征在于，包括以下步骤：
【技术特征摘要】
1.一种基于机器学习的雷三2亚段泥灰岩储...
【专利技术属性】
技术研发人员：宋金民，任杉，金鑫，杨迪，李柯然，李智武，叶玥豪，王斌，邵兴鹏，郭嘉欣，薛佳敏，张钊益，
申请(专利权)人：成都理工大学，
类型：发明
国别省市：
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。