【技术实现步骤摘要】
本专利技术实施例涉及机器学习，具体涉及岩石储层岩性识别方法及系统。
技术介绍
1、陆相页岩通常具有复杂的地质多样性，其沉积环境和物源供给有较强的非均质性，构造和成岩演化复杂，导致储层岩性多样性强、纵向上和平面上变化快。岩心观察和描述以及成像测井解释通常提供了高度准确的岩性信息，然而由于岩心取样和成像测井经济成本高、数据样本有限，因此无法满足区域研究和预测。常规测井数据具有高垂直分辨率、连续性好以及易于采集的特点，尤其是对不同岩性有明显的响应特征，然而，其识别也受到多种地质和钻井因素的复杂影响，例如地层中的裂缝分布、流体类型及其饱和度、地层深度和测井工具的性能等，使得常规测井数据具有较强的多解性，进而影响储层岩性的准确识别。
技术实现思路
1、针对现有技术存在的缺陷，本专利技术实施例提供一种岩石储层岩性识别方法及系统。
2、本专利技术实施例提供一种岩石储层岩性识别方法，包括：获取常规测井数据；其中，所述常规测井数据包括预设的多条测井曲线的深度数据及对应的测井曲线值；根据所述深度数据构建深度节点，并将所述多条测井曲线对应的所述测井曲线值作为节点特征赋予所述深度节点；获取所述深度节点间的关联关系，根据所述关联关系在所述深度节点间创建边，得到至少一个图结构数据；将所述至少一个图结构数据分别输入到岩性识别模型，输出所述深度节点对应的岩性识别结果；其中，所述岩性识别模型是基于图卷积神经网络训练获取的。
3、根据本专利技术实施例提供的一种岩石储层岩性识别方法，所述方法还包
4、根据本专利技术实施例提供的一种岩石储层岩性识别方法，所述方法还包括：根据所述深度节点对应的所述深度数据将所述深度节点对应的所述岩性识别结果可视化展示。
5、根据本专利技术实施例提供的一种岩石储层岩性识别方法，所述获取所述深度节点间的关联关系，根据所述关联关系在所述深度节点间创建边，得到至少一个图结构数据，包括：将所述深度节点进行聚类，得到聚类到一个簇内的深度节点间的关联关系；在保持所述簇内的所述深度节点间的关联关系的基础上，通过对所述深度节点间进行相似度计算，得到不同簇中所述深度节点间的关联关系；根据簇内的所述深度节点间的关联关系及不同簇中所述深度节点间的关联关系连接所述深度节点形成边，得到所述至少一个图结构数据。
6、根据本专利技术实施例提供的一种岩石储层岩性识别方法，所述将所述深度节点进行聚类，包括：利用高斯混合算法对所述深度节点进行聚类。
7、根据本专利技术实施例提供的一种岩石储层岩性识别方法，所述对所述深度节点间进行相似度计算，包括：使用欧几里得距离方法进行相似度计算。
8、根据本专利技术实施例提供的一种岩石储层岩性识别方法，所述岩性识别模型包括多层图卷积神经网络；所述将所述至少一个图结构数据分别输入到岩性识别模型，输出所述深度节点对应的岩性识别结果，包括：将所述至少一个图结构数据分别输入到所述岩性识别模型，通过每层所述图卷积神经网络对所述深度节点的节点特征进行更新；其中，每层所述图卷积神经网络通过对所述深度节点的邻居节点进行节点特征聚合，得到聚合后的信息向量，将所述信息向量和所述深度节点的特征向量相结合，更新所述深度节点的节点特征；最后一层所述图卷积神经网络的输出经过激励函数处理后输出各个深度节点为预设多种岩性的概率，根据各个深度节点为预设多种岩性的概率，概率最高即为各个深度节点对应的所述岩性识别结果。
9、根据本专利技术实施例提供的一种岩石储层岩性识别方法，在根据所述深度数据构建深度节点之前，所述方法还包括：对所述常规测井数据进行预设数据预处理。
10、本专利技术实施例还提供一种岩石储层岩性识别系统，包括：常规测井数据获取模块，用于：获取常规测井数据；其中，所述常规测井数据包括预设的多条测井曲线的深度数据及对应的测井曲线值；深度节点构建模块，用于：根据所述深度数据构建深度节点，并将所述多条测井曲线对应的所述测井曲线值作为节点特征赋予所述深度节点；图结构数据获取模块，用于：获取所述深度节点间的关联关系，根据所述关联关系在所述深度节点间创建边，得到至少一个图结构数据；岩性识别模块，用于：将所述至少一个图结构数据分别输入到岩性识别模型，输出所述深度节点对应的岩性识别结果；其中，所述岩性识别模型是基于图卷积神经网络训练获取的。
11、本专利技术实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述岩石储层岩性识别方法的步骤。
12、本专利技术实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述岩石储层岩性识别方法的步骤。
13、本专利技术实施例还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述岩石储层岩性识别方法的步骤。
14、本专利技术实施例提供的岩石储层岩性识别方法及系统，通过获取常规测井数据，根据深度数据构建深度节点，并将多条测井曲线对应深度数据的测井曲线值作为节点特征赋予深度节点，获取深度节点间的关联关系，根据关联关系在深度节点间创建边，得到图结构数据，将图结构数据输入到岩性识别模型，输出深度节点对应的岩性识别结果，提高了岩性识别的准确性、稳定性、鲁棒性，并提高了泛化能力。
本文档来自技高网...【技术保护点】
1.一种岩石储层岩性识别方法，其特征在于，包括：
2.根据权利要求1所述的岩石储层岩性识别方法，其特征在于，所述方法还包括：
3.根据权利要求1所述的岩石储层岩性识别方法，其特征在于，所述方法还包括：
4.根据权利要求1所述的岩石储层岩性识别方法，其特征在于，所述获取所述深度节点间的关联关系，根据所述关联关系在所述深度节点间创建边，得到至少一个图结构数据，包括：
5.根据权利要求4所述的岩石储层岩性识别方法，其特征在于，所述将所述深度节点进行聚类，包括：
6.根据权利要求4所述的岩石储层岩性识别方法，其特征在于，所述对所述深度节点间进行相似度计算，包括：
7.根据权利要求1所述的岩石储层岩性识别方法，其特征在于，所述岩性识别模型包括多层图卷积神经网络；
8.根据权利要求1所述的岩石储层岩性识别方法，其特征在于，在根据所述深度数据构建深度节点之前，所述方法还包括：
9.一种岩石储层岩性识别系统，其特征在于，包括：
10.一种电子设备，包括存储器、处理器及存储在所述存储器上并可
11.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述岩石储层岩性识别方法的步骤。
...【技术特征摘要】
1.一种岩石储层岩性识别方法，其特征在于，包括：
2.根据权利要求1所述的岩石储层岩性识别方法，其特征在于，所述方法还包括：
3.根据权利要求1所述的岩石储层岩性识别方法，其特征在于，所述方法还包括：
4.根据权利要求1所述的岩石储层岩性识别方法，其特征在于，所述获取所述深度节点间的关联关系，根据所述关联关系在所述深度节点间创建边，得到至少一个图结构数据，包括：
5.根据权利要求4所述的岩石储层岩性识别方法，其特征在于，所述将所述深度节点进行聚类，包括：
6.根据权利要求4所述的岩石储层岩性识别方法，其特征在于，所述对所述深度节点间进行相似度计算，包括：
7.根据权利...
【专利技术属性】
技术研发人员：刘国平，金之钧，曾联波，陈宗铭，陆国青，杜晓宇，
申请(专利权)人：北京大学，
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。