【技术实现步骤摘要】
本专利技术涉及石油勘探与开发，具体地涉及一种储层物性参数预测方法、一种储层物性参数预测装置、一种电子设备及一种机器可读存储介质。
技术介绍
1、在油气勘探过程中，利用地震数据进行储层物性参数预测一直是储集层预测的前沿和难点问题。随着人工智能技术的发展，通过智能化技术挖掘弹性参数与物性参数关联关系并应用于整个工区成为当前物性参数预测重要发展方向。但是，由于井数据标签获取昂贵，且不同孔隙结构和不同岩相环境下的岩石，其弹性参数与物性参数对应关系存在明显差异，在进行分析时，由于样本缺乏，会导致神经网络过拟合现象。针对上述问题，现有技术提出采用基于岩相分类情况下的物性参数预测方案，以消除岩相差异导致的物性预测多解性问题。针对样本缺乏问题，现有技术提出半监督预测方案能够在少量井情况下有效改善预测效果，但是半监督方法主要通过机器进行训练，受限于分类器效能和标签质量，预测结果仍然存在偏差，使得参数预测不准确。
技术实现思路
1、本专利技术实施例的目的是提供一种储层物性参数预测方法及装置，该储层物性参数预测方法及装置用以解决上述的由于样本缺乏，会导致神经网络过拟合现象，以及受限于分类器效能和标签质量，预测结果仍存在偏差，使得参数预测不准确的问题。
2、为了实现上述目的，本专利技术实施例提供一种储层物性参数预测方法，包括：
3、获取储层的已标签测井数据、无标签地震数据和待预测地震数据，所述待预测地震数据包括储层的弹性参数；
4、基于所述储层的已标签测井数据和无标签地
5、将所述待预测地震数据作为所述岩相预测模型的输入，得到储层的岩相分类结果；
6、基于所述储层的每一类岩相对应的弹性参数，得到储层的物性参数；
7、其中，所述岩相预测模型采用以下步骤训练得到：
8、s21、基于已标签测井数据，利用adaboost算法，训练得到基础分类器；
9、s22、利用所述基础分类器，基于贪心算法，对无标签地震数据进行数据筛选，并将筛选出的数据标记为有标签地震数据；
10、s23、基于有标签地震数据，利用adaboost算法，训练得到新分类器；
11、s24、利用新分类器，基于贪心算法，对无标签地震数据进行数据筛选，并将筛选出的数据标记为新的有标签地震数据；
12、s25、重复步骤s23-s24，直至有标签地震数据和新的有标签地震数据的总数据量达到预设数据量或者迭代次数达到预设次数；
13、s26、基于所有的新分类器，确定岩相预测模型。
14、可选的，所述方法还包括：构建标签数据集，所述标签数据集包括已标签测井数据、有标签地震数据和新的有标签地震数据；
15、基于贪心算法，从无标签地震数据进行数据筛选，包括：
16、确定无标签地震数据中每一数据到所述标签数据集的距离；
17、将距离最小值对应的无标签地震数据标记后，作为有标签地震数据，并更新所述标签数据集。
18、可选的，采用以下计算公式计算得到无标签地震数据中每一数据到所述标签数据集的距离：
19、
20、其中，dn为无标签地震数据中数据到所述标签数据集的距离；f(xn)为岩相预测值；s1为标签数据集。
21、可选的，基于所述储层的每一类岩相对应的弹性参数向量，得到储层的物性参数，包括：
22、对于每一类岩相：
23、将该类岩相对应的弹性参数向量作为该类岩相对应的参数预测回归模型的输入，得到储层的物性参数。
24、可选的，所述参数预测回归模型的表达式为：
25、f(z)＝xij·βi+ε
26、其中，f(z)为储层的物性参数；xij为储层的第i类岩相的第j个弹性参数向量；βi为第i类岩相的系数向量；ε为随机高斯噪声系数，由获取测井曲线时的误差确定。
27、本专利技术第二方面提供一种储层物性参数预测装置，包括：
28、参数获取模块，用于获取储层的已标签测井数据、无标签地震数据和待预测地震数据，所述待预测地震数据包括储层的弹性参数；
29、模型训练模块，用于基于所述储层的已标签测井数据和无标签地震数据，利用adaboost算法和贪心策略，训练得到岩相预测模型；其中，用于训练的已标签测井数据的数据量少于无标签地震数据的数据量；
30、岩相预测模块，用于将所述待预测地震数据作为所述岩相预测模型的输入，得到储层的岩相分类结果；
31、物性参数确定模块，用于基于所述储层的每一类岩相对应的弹性参数，得到储层的物性参数；
32、其中，所述岩相预测模型采用以下步骤训练得到：
33、s21、基于已标签测井数据，利用adaboost算法，训练得到基础分类器；
34、s22、利用所述基础分类器，基于贪心算法，对无标签地震数据进行数据筛选，并将筛选出的数据标记为有标签地震数据；
35、s23、基于有标签地震数据，利用adaboost算法，训练得到新分类器；
36、s24、利用新分类器，基于贪心算法，对无标签地震数据进行数据筛选，并将筛选出的数据标记为新的有标签地震数据；
37、s25、重复步骤s23-s24，直至有标签地震数据和新的有标签地震数据的总数据量达到预设数据量或者迭代次数达到预设次数；
38、s26、基于所有的新分类器，确定岩相预测模型。
39、可选的，所述装置还包括：
40、标签数据集构建模块，用于构建标签数据集，所述标签数据集包括已标签测井数据、有标签地震数据和新的有标签地震数据；
41、基于贪心算法，从无标签地震数据进行数据筛选，包括：
42、确定无标签地震数据中每一数据到所述标签数据集的距离；
43、将距离最小值对应的无标签地震数据标记后作为有标签地震数据，并更新所述标签数据集。
44、可选的，采用以下计算公式计算得到无标签地震数据中每一数据到所述标签数据集的距离：
45、
46、其中，dn为无标签地震数据中数据到所述标签数据集的距离；f(xn)为岩相预测值；s1为标签数据集。
47、另一方面，本专利技术提供一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的储层物性参数预测方法。
48、另一方面，本专利技术提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行本申请上述的储层物性参数预测方法。
49、本技术方案基于已标签测井数据，从无标签地震数据中进行数据分类筛选，实现样本扩充，以得到准确的岩相预测模型，以准确预测得到储层岩相，本文档来自技高网...
【技术保护点】
1.一种储层物性参数预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：构建标签数据集，所述标签数据集包括已标签测井数据、有标签地震数据和新的有标签地震数据；
3.根据权利要求2所述的方法，其特征在于，采用以下计算公式计算得到无标签地震数据中每一数据到所述标签数据集的距离：
4.根据权利要求1所述的方法，其特征在于，基于所述储层的每一类岩相对应的弹性参数向量，得到储层的物性参数，包括：
5.根据权利要求1所述的方法，其特征在于，所述参数预测回归模型的表达式为：
6.一种储层物性参数预测装置，其特征在于，包括：
7.根据权利要求6所述的装置，其特征在于，所述装置还包括：
8.根据权利要求7所述的装置，其特征在于，采用以下计算公式计算得到无标签地震数据中每一数据到所述标签数据集的距离：
9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-5中任一项所述的储
10.一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行权利要求1-5中任一项所述的储层物性参数预测方法。
...【技术特征摘要】
1.一种储层物性参数预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：构建标签数据集，所述标签数据集包括已标签测井数据、有标签地震数据和新的有标签地震数据；
3.根据权利要求2所述的方法，其特征在于，采用以下计算公式计算得到无标签地震数据中每一数据到所述标签数据集的距离：
4.根据权利要求1所述的方法，其特征在于，基于所述储层的每一类岩相对应的弹性参数向量，得到储层的物性参数，包括：
5.根据权利要求1所述的方法，其特征在于，所述参数预测回归模型的表达式为：
6.一种储层物性参...
【专利技术属性】
技术研发人员：苏明军，王尧均，倪长宽，袁成，罗贤哲，崔向丽，徐云泽，
申请(专利权)人：中国石油天然气股份有限公司，
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。