【技术实现步骤摘要】
本申请实施例涉及地震勘探，特别涉及一种基于特征增强的神经网络核磁测井曲线预测方法及装置。
技术介绍
1、核磁测井曲线相比于常规测井曲线更加准确直观的反映储层的孔隙度、渗透率、饱和度等特征，与油层有比较好的对应关系，并且和岩心孔隙度呈现很好的正相关。核磁测井曲线可作为油田开展致密油、页岩油甜点储层分类评价的重要测井曲线。然而由于地下情况复杂，且在测量过程中存在井径扩大、仪器故障等各种难以预料且不可避免的问题，实际应用中经常出现部分井段数据失真或者缺失的情况。这些缺失的测井数据会给后续储层评价及预测工作带来极大挑战，且重新测井在实际生产中存在极大的限制。因此在不增加额外测量成本的条件下，重构失真或缺失的核磁测井曲线尤为重要。
2、相关技术中，基于地质、力学参数等信息，可通过物理模型直接反演生成缺失的核磁测井曲线。
3、然而，物理模型往往基于很强的假设条件，是对真实地层信息极大的简化。且针对不同情况需要选择不同的物理模型，这一选择过程本身具有较强的主观性，需要依赖专家经验和领域知识。因此，基于物理模型生成的核磁测井曲线的准确度较低。
技术实现思路
1、本申请实施例提供了一种基于特征增强的神经网络核磁测井曲线预测方法及装置，提高了预测核磁测井曲线的准确度，所述技术方案如下：
2、一方面，提供了一种基于特征增强的神经网络核磁测井曲线预测方法，所述方法包括：
3、获取多个常规测井曲线，所述多个常规测井曲线是针对不同测量参数对目标井测量的全井段测井
4、对多个常规测井曲线进行井震联合解释，获取多个常规测井曲线分别对应的目标井段曲线，所述目标井段曲线是所述目标井中的目标井段对应的测井数据；
5、对多个常规测井曲线分别对应的目标井段曲线进行曲线交会分析，剔除所述目标井段曲线中的扩径段测井数据，得到稳定井段曲线，所述扩径段测井数据是所述目标井段曲线中井径扩大的异常数据；
6、对所述稳定井段曲线进行标准差归一化处理和组合分析，得到归一化井段曲线；
7、通过目标长短期记忆网络对所述归一化井段曲线进行孔隙度预测分析，得到所述目标井段的核磁孔隙度预测曲线。
8、另一方面，提供了一种基于特征增强的核磁测井曲线预测装置，所述装置包括：
9、数据获取模块，用于获取多个常规测井曲线，所述多个常规测井曲线是针对不同测量参数对目标井测量的全井段测井数据；
10、联合解释模块，用于对多个常规测井曲线进行井震联合解释，获取多个常规测井曲线分别对应的目标井段曲线，所述目标井段曲线是所述目标井中的目标井段对应的测井数据；
11、交会分析模块，用于对多个常规测井曲线分别对应的目标井段曲线进行曲线交会分析，剔除所述目标井段曲线中的扩径段测井数据，得到稳定井段曲线，所述扩径段测井数据是所述目标井段曲线中井径扩大的异常数据；
12、归一化处理模块，用于对所述稳定井段曲线进行标准差归一化处理和组合分析，得到归一化井段曲线；
13、预测分析模块，用于通过目标长短期记忆网络对所述归一化井段曲线进行孔隙度预测分析，得到所述目标井段的核磁孔隙度预测曲线。
14、另一方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现本申请实施例中任一所述的基于特征增强的神经网络核磁测井曲线预测方法。
15、另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条程序代码，所述至少一条程序代码由处理器加载并执行以实现本申请实施例任一所述的基于特征增强的神经网络核磁测井曲线预测方法。
16、另一方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行本申请实施例中任一所述的基于特征增强的神经网络核磁测井曲线预测方法。
17、本申请实施例提供的技术方案带来的有益效果至少包括：
18、通过对多个常规测井曲线进行井震联合解释，得到了目标井中的目标井段对应的目标井段曲线，则通过对目标井中的一部分井段而不是全井段进行分析，缩小了单次需要分析的数据的值域差异，提高了核磁孔隙度预测曲线的准确度；通过对目标井段曲线进行曲线交会分析，剔除其中的异常数据，并对剔除了异常数据的曲线进行标准差归一化处理，得到归一化井段曲线；最后，通过目标长短期记忆网络对曲线进行预测分析，得到目标井段的核磁孔隙度预测曲线，由于目标长短期记忆网络通过门机制将短期记忆与长期记忆结合起来，则通过目标长短期记忆网络可分析常规测井数据随深度的变化趋势和数据的前后关联，从而提高了预测得到的核磁孔隙度曲线的精度。
本文档来自技高网...【技术保护点】
1.一种基于特征增强的神经网络核磁测井曲线预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述目标长短期记忆网络的训练过程包括：
3.根据权利要求2所述的方法，其特征在于，所述样本数据集中包括n个样本井对应的数据；
4.根据权利要求2所述的方法，其特征在于，所述基于所述对比损失值更新所述样本长短期记忆网络中的所述模型参数，得到所述目标长短期记忆网络，包括：
5.根据权利要求1所述的方法，其特征在于，所述对多个常规测井曲线进行井震联合解释，获取多个常规测井曲线分别对应的目标井段曲线，包括：
6.根据权利要求1所述的方法，其特征在于，所述目标井段曲线包括补偿中子曲线和补偿密度曲线；
7.根据权利要求1所述的方法，其特征在于，所述对所述稳定井段曲线进行标准差归一化处理和组合分析，得到归一化井段曲线，包括：
8.根据权利要求7所述的方法，其特征在于，所述稳定井段曲线包括电阻率类测井曲线和非电阻率类测井曲线；
9.根据权利要求7所述的方法，其特征在于，所述对所述候
10.一种基于特征增强的核磁测井曲线预测装置，其特征在于，所述装置包括：
...【技术特征摘要】
1.一种基于特征增强的神经网络核磁测井曲线预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述目标长短期记忆网络的训练过程包括：
3.根据权利要求2所述的方法，其特征在于，所述样本数据集中包括n个样本井对应的数据；
4.根据权利要求2所述的方法，其特征在于，所述基于所述对比损失值更新所述样本长短期记忆网络中的所述模型参数，得到所述目标长短期记忆网络，包括：
5.根据权利要求1所述的方法，其特征在于，所述对多个常规测井曲线进行井震联合解释，获取多个常规测井曲线分别对应的目标井段曲线，包...
【专利技术属性】
技术研发人员：王兵，王贵重，郭翔，阴学彬，赵亮，易贝贝，
申请(专利权)人：中国石油天然气集团有限公司，
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。