【技术实现步骤摘要】
本专利技术涉及油气藏勘探，尤指一种基于深度学习的混积岩多矿物体积含量预测方法及装置。
技术介绍
1、本部分旨在为权利要求书中陈述的本专利技术实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
2、混积岩是碎屑岩、碳酸盐岩等不同类型混合沉积形成的一类岩石，随着油气勘探由构造油藏向岩性油藏、由碎屑岩、碳酸盐岩向过渡带混积岩储层的逐步转变，混积岩储层成为来了重点勘探对象，在柴达木斜坡-凹陷区、准噶尔吉木萨尔、渤海湾等地区均取得了油气勘探突破。混积岩岩性复杂、矿物组分多样，通常包含石英砂、粘土、白云石、方解石、铁白云石等矿物组分，测井识别难度较大，且计算精度较低。
3、综上来看，亟需一种可以克服上述缺陷，能够对混积岩多矿物体积含量进行有效分析预测的技术方案。
技术实现思路
1、为解决现有技术存在的问题，本专利技术提出了一种基于深度学习的混积岩多矿物体积含量预测方法及装置。本专利技术通过收集研究区相对准确的实际分析测试数据、深度学习神经网络建立、深度学习...
【技术保护点】
1.一种基于深度学习的混积岩多矿物体积含量预测方法，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，收集实测数据，根据所述实测数据建立样本数据集，包括：
3.根据权利要求1所述的方法，其特征在于，所述机器学习模型为多层深度学习神经网络结构的模型；其中，
4.根据权利要求3所述的方法，其特征在于，建立机器学习模型，利用所述训练集训练所述机器学习模型，对所述机器学习模型进行输入、输出参数非线性关系映射学习，包括：
5.根据权利要求4所述的方法，其特征在于，根据测试集及验证集对所述机器学习模型进行测试及验证，得到...
【技术特征摘要】
1.一种基于深度学习的混积岩多矿物体积含量预测方法，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，收集实测数据，根据所述实测数据建立样本数据集，包括：
3.根据权利要求1所述的方法，其特征在于，所述机器学习模型为多层深度学习神经网络结构的模型；其中，
4.根据权利要求3所述的方法，其特征在于，建立机器学习模型，利用所述训练集训练所述机器学习模型，对所述机器学习模型进行输入、输出参数非线性关系映射学习，包括：
5.根据权利要求4所述的方法，其特征在于，根据测试集及验证集对所述机器学习模型进行测试及验证，得到混积岩多矿物体积含量预测模型，包括：
6.根据权利要求1所述的方法，其特征在于，该方法包括：
7.一种基于深度学习的混积岩多矿物体积含量预测装置，其特征在于，包括：
8.根据权利要求7所述的装置，其特征在于，所述数据收集模块具体用于：
9.根据权利要求7所述...
【专利技术属性】
技术研发人员：张平，王菁，郭佳佳，钱思含，谢生杰，陆振华，张涛，
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。