深度学习中测井曲线图形转化方法技术

本发明专利技术涉及油气储层测井评价技术领域，特别是涉及深度学习中测井曲线图形转化方法，包括：在用于输入深度学习网络的k条测井曲线中，选择一条进行标准化处理，得到标准化后测井曲线的一维数组；将标准化后测井曲线所构成的具有m个元素的一维数组转换为m×n的矩阵，并将矩阵中所有元素的值都置为0；计算标准化后测井曲线中第i个元素在矩阵中的坐标(i，j)，并将该坐标元素的值设为V<subgt;i</subgt;；循环直至k条测井曲线全部都转化完成，并生成由k个m×n的矩阵所构成三维数据体X(k，m，n)。通过本转化方法，能有效解决深度学习网络在油气储层测井评价领域应用时的数据输入瓶颈，能拓展输入数据信息量。

【技术实现步骤摘要】

本专利技术涉及油气储层测井评价，特别是涉及深度学习中测井曲线图形转化方法。

技术介绍

1、常规测井定量解释是“点对点”的方式，即给定一个采样点的测井值计算一个对应的输出值。这种解释方法并未考虑相邻点对计算结果的影响，从而丢失了大量隐含在测井曲线组合特征中的信息。近年来，随着人工智能的崛起，以深度学习为代表的机器学习方法在图像识别、语音及文本处理方面表现出了强大的优势。在油气储层测井评价领域，深度学习网络也表现出了极强的应用前景，被广泛应用于流体类型判别、岩相和岩石类型识别等。然而对于如何将大量的测井信息传递给网络输入层却并未找到最有效的方法，在一定程度上限制了深度学习网络在测井解释中的应用效果。因此，迫切需要开发一种能够将大量的测井信息以立体化、图形化的方式进行输入的方法，提升深度学习在测井领域的应用效果。

2、目前，在深度学习中测井曲线的输入方式有两种：一种是单点输入法，另一种是线性组合法。单点输入法是将某一采样深度点的各种测井值作为网络输入，如蓝茜茜等在“基于深度学习的复杂储层流体性质测井识别—以车排子油田某井区为例”的论文中所采用的方法。本文档来自技高网...

【技术保护点】

1.深度学习中测井曲线图形转化方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的深度学习中测井曲线图形转化方法，其特征在于：第i个元素Vi在矩阵中的坐标(i，j)中，列坐标j的计算方法为：

3.根据权利要求2所述的深度学习中测井曲线图形转化方法，其特征在于：所述标准化处理具体指：将各种不同量纲的测井曲线归一化到[0，1]区间。

4.根据权利要求3所述的深度学习中测井曲线图形转化方法，其特征在于：所述标准化处理包括计算指定的测井曲线的最大值和最小值，并根据该最大值和最小值将测井曲线按以下方法处理：

5.根据权利要求2或4所述的深度学习...

【技术特征摘要】

1.深度学习中测井曲线图形转化方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的深度学习中测井曲线图形转化方法，其特征在于：第i个元素vi在矩阵中的坐标(i，j)中，列坐标j的计算方法为：

3.根据权利要求2所述的深度学习中测井曲线图形转化方法，其特征在于：所述标准化处理具体指：将各种不同量纲的测井曲线归一化到[0，1]区间。

4.根据权利要求3所述的深度学习中测井曲线图形转化方法，其特征在于：所述标准化处理包括计算指定的测井曲线的最大值和最小值，并根据该最大值和最小值将测井曲线按以下方法处理：

5.根据权利要求2或4所述的深度学习中测井曲线图形转化方法，其特征在于：所述m×n的矩阵中，m为矩阵的行数，n为矩阵的列数。

6.根据权利要求5所述的深度学习中测井曲线图形转化方...

【专利技术属性】
技术研发人员：陈明江，赵辉，程亮，徐明华，邢会民，杨孛，
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：