【技术实现步骤摘要】
本专利技术涉及地球物理勘探及综合研究领域，特别是涉及一种基于优化集成算法的页岩层理缝预测方法。
技术介绍
1、天然裂缝是指在地下岩石由于地质构运动或化学作用等自然形成的裂缝，作为油气运移的重要通道。而层理缝则为天然裂缝的一种特定类型，通常在沉积岩层沉积、压实、收缩等过程中，由于沉积物的沉积和堆积而形成一种呈沿层理面或平行层理面发育的裂缝。页岩层理缝相较于致密砂岩层理缝而言裂缝开度更小，由于页岩储层的低孔渗特性，层理缝作为其主要渗流通道。因此，层理缝的识别对页岩储层的油气勘探及开发来说有着不可或缺的作用。《石油与天然气地质》在2019年公开了刘喜武的“陆相页岩油甜点地球物理表征研究进展”，该文通过建立岩石物理模型的基础上，使用地震反演来识别预测层理缝。《石油学报》在2006年公开了黄继新的“成像测井资料在裂缝和地应力研究中的应用”，该文指出使用fmi图像来识别层理缝。《proceedings of offshore technology conference》在2022年公布了jiang l w的“revealing the natural fracture system in the longmaxishale gas reservoir, sichuan basin, china”，该文利用层理缝对常规测井的反射特性会出现尖峰状异常来直接识别层理缝。《石油实验地质》在2020年公开了“刘伟新”的“川东南地区不同埋深五峰组—龙马溪组页岩储层微观结构特征与对比”，该文使用了扫描电镜来识别预测微尺度下的层理缝。
2、综上
技术实现思路
1、本专利技术的目的是提供一种基于优化集成算法的页岩层理缝预测方法，以解决识别效率及识别精准度低的问题。
2、为实现上述目的，本专利技术提供了如下方案：
3、一种基于优化集成算法的页岩层理缝预测方法，包括：
4、基于已有成像测井数据井，导出目的层段范围内的测井曲线数据以及层理缝统计数据；
5、对所述测井曲线数据进行优化并预处理，生成预处理后的测井曲线数据；
6、以所述预处理后的测井曲线数据为输入，以所述层理缝统计数据为输出，建立回归模型；所述预处理后的测井曲线数据为特征数据；所述层理缝统计数据为标签数据；
7、对所述回归模型进行优化，生成优化后的回归模型；
8、根据所述优化后的回归模型预测未知的页岩层理缝。
9、可选的，基于已有成像测井数据井，导出目的层段范围内的测井曲线数据以及层理缝统计数据，具体包括：
10、建立研究工区，制作所述研究工区内目标井的测井解释成果柱状图；
11、基于已有成像测井数据井，将常规测井数据、层位数据以及层理缝数据加载至所述测井解释成果柱状图中，导出层段范围内的测井曲线数据以及层理缝统计数据。
12、可选的，对所述测井曲线数据进行优化并预处理，生成预处理后的测井曲线数据，具体包括：
13、利用dbscan聚类算法对所述测井曲线数据进行聚类，划分为多个邻近簇，剔除所述测井曲线数据中的噪声点，生成聚类后的测井曲线数据；
14、对所述聚类后的测井曲线数据进行归一化处理，生成预处理后的测井曲线数据。
15、可选的，对所述聚类后的测井曲线数据进行归一化处理，生成预处理后的测井曲线数据，具体包括：
16、利用公式对所述聚类后的测井曲线数据进行归一化处理，生成预处理后的测井曲线数据；其中，为预处理后的测井曲线数据；为聚类后的测井曲线数据；为聚类后的最小测井曲线数据；为聚类后的最大测井曲线数据。
17、可选的，所述回归模型的构建过程为：
18、对模型样本训练集中的每个数据样本赋予均等的权重，训练并构建弱学习器；所述模型样本训练集包括预处理后的测井曲线数据以及层理缝统计数据；
19、对多个弱学习器进行串行式迭代训练，确定最小化加权残差平方和，计算每个弱学习器的预测误差；
20、根据所述预测误差确定弱学习器的权重误差；
21、根据所述权重误差调整所述数据样本的权重；
22、根据数据样本调整后的权重计算每个弱学习器的权重；
23、将每个弱学习器的权重与对应的弱学习器相乘，再进行加权组合，确定最终的强学习器；所述最终的强学习器为所述回归模型。
24、可选的，所述最终的强学习器为：
25、；
26、其中，为最终的强学习器；t为弱学习器的序号；t为弱学习器的总数；为第t个弱学习器的权重；为第t个弱学习器。
27、可选的，对所述回归模型进行优化，生成优化后的回归模型，具体包括：
28、利用的gridsearchcv超参数搜索对所述回归模型进行调参，生成优化后的回归模型。
29、可选的，利用的gridsearchcv超参数搜索对所述回归模型进行调参，生成优化后的回归模型，之后还包括：
30、对所述优化后的回归模型的模型性能进行综合评估。
31、根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术实施例基于已有成像测井数据井，导出目的层段范围内的测井曲线数据以及层理缝统计数据，以所述预处理后的测井曲线数据为输入的特征数据，以所述层理缝统计数据为输出的标签数据，建立回归模型以预测位置的页岩层理缝，在提高识别效率的同时也大大加强了识别精准度。
本文档来自技高网...【技术保护点】
1.一种基于优化集成算法的页岩层理缝预测方法，其特征在于，包括：
2.根据权利要求1所述的基于优化集成算法的页岩层理缝预测方法，其特征在于，基于已有成像测井数据井，导出目的层段范围内的测井曲线数据以及层理缝统计数据，具体包括：
3.根据权利要求1所述的基于优化集成算法的页岩层理缝预测方法，其特征在于，对所述聚类后的测井曲线数据进行归一化处理，生成预处理后的测井曲线数据，具体包括：
4.根据权利要求1所述的基于优化集成算法的页岩层理缝预测方法，其特征在于，所述最终的强学习器为：
5.根据权利要求1所述的基于优化集成算法的页岩层理缝预测方法，其特征在于，对所述回归模型进行优化，生成优化后的回归模型，具体包括：
6.根据权利要求5所述的基于优化集成算法的页岩层理缝预测方法，其特征在于，利用的GridSearchCV超参数搜索对所述回归模型进行调参，生成优化后的回归模型，之后还包括：
【技术特征摘要】
1.一种基于优化集成算法的页岩层理缝预测方法，其特征在于，包括：
2.根据权利要求1所述的基于优化集成算法的页岩层理缝预测方法，其特征在于，基于已有成像测井数据井，导出目的层段范围内的测井曲线数据以及层理缝统计数据，具体包括：
3.根据权利要求1所述的基于优化集成算法的页岩层理缝预测方法，其特征在于，对所述聚类后的测井曲线数据进行归一化处理，生成预处理后的测井曲线数据，具体包括：
4....
【专利技术属性】
技术研发人员：圣学礼，胡慧婷，季禹杉，付晓飞，王海学，王怡，
申请(专利权)人：东北石油大学三亚海洋油气研究院，
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。