一种测井曲线自动分层预测模型的构建方法及分层方法技术

本申请属于地球物理勘探领域，具体公开了一种测井曲线自动分层预测模型的构建方法及分层方法。其中，模型的构建方法包括：获取并对测井曲线数据进行预处理；提取预处理后的测井曲线数据的附加特征，附加特征用于反映测井曲线在不同尺度上的变化趋势和波动程度，包括平均值、变异系数、趋势角以及多尺度小波波动特征；将预处理后的测井曲线数据和附加特征进行拼接，构建数据集，然后将数据集通过点级二分类标签标注地层边界点，并将数据集划分为训练集和测试集；构建多尺度特征融合的深度学习网络模型，通过数据集对深度学习网络模型进行多轮训练和验证，获得分层预测模型。本申请能实现对地层边界的精确预测。

【技术实现步骤摘要】

本申请属于地球物理勘探领域，更具体地，涉及一种测井曲线自动分层预测模型的构建方法及分层方法。

技术介绍

1、地球物理测井技术是矿产资源勘查与评价中的关键手段之一，通过测量井下地层的物理参数(如伽马放射性、电阻率、密度、声波时差等)，辅助识别岩性变化、地层界面及储层特征。在测井解释过程中，地层分层是最基本也最重要的环节之一。合理的分层结果不仅可用于岩性识别，还为储层建模、含矿性评价以及油气藏建模等提供了坚实的基础。

2、当前主流的测井自动分层方法可大致分为两类：基于传统规则的方法和基于机器学习的方法。传统方法如层内差异法、有序聚类法、变点检测、小波变换、活度函数法等，其核心思想通常基于统计特征或形态变化，利用测井曲线的局部变化特征实现地层边界识别。这些方法虽然实现较早，计算开销低，但普遍存在如下局限：严重依赖人为设定的参数(如窗口大小、误差阈值等)；难以兼顾局部特征与全局趋势；对复杂地质结构适应性较差；在多曲线融合方面手段有限。

3、随着深度学习等人工智能技术的兴起，学者开始尝试使用神经网络方法进行自动化分层，如支持向量机(svm)、本文档来自技高网...

【技术保护点】

1.一种测井曲线自动分层预测模型的构建方法，其特征在于，包括如下步骤：

2.如权利要求1所述的测井曲线自动分层预测模型的构建方法，其特征在于，步骤S10中，所述测井曲线数据包括电阻率、密度、自然电位、自然伽马、井径和声波时差曲线；

3.如权利要求1所述的测井曲线自动分层预测模型的构建方法，其特征在于，步骤S20中，所述多尺度小波波动特征为通过对不同小波分解尺度下的系数标准差取对数后进行线性拟合得到的斜率。

4.如权利要求1所述的测井曲线自动分层预测模型的构建方法，其特征在于，步骤S30中，地层边界标签根据地层编码变化情况生成，当相邻深度点的地层编码不同...

【技术特征摘要】

1.一种测井曲线自动分层预测模型的构建方法，其特征在于，包括如下步骤：

2.如权利要求1所述的测井曲线自动分层预测模型的构建方法，其特征在于，步骤s10中，所述测井曲线数据包括电阻率、密度、自然电位、自然伽马、井径和声波时差曲线；

3.如权利要求1所述的测井曲线自动分层预测模型的构建方法，其特征在于，步骤s20中，所述多尺度小波波动特征为通过对不同小波分解尺度下的系数标准差取对数后进行线性拟合得到的斜率。

4.如权利要求1所述的测井曲线自动分层预测模型的构建方法，其特征在于，步骤s30中，地层边界标签根据地层编码变化情况生成，当相邻深度点的地层编码不同时标记为边界点，地层编码相同时标记为非边界点。

5.如权利要求1所述的测井曲线自动分层预测模型的构建方法，其特征在于，步骤s40中，所述深度学习网络模型包括：

6.如权利要求...

【专利技术属性】
技术研发人员：张夏林，李享，蔡国荣，李俊杰，武永进，向世泽，曾祥武，李章林，刘洋，吴冲龙，王良玉，田宜平，
申请(专利权)人：武汉地大坤迪科技有限公司，
类型：发明
国别省市：