[发明专利]基于深度学习和进化学习的多尺度地质特征检测融合方法

权利要求书

1.一种基于深度学习和进化学习的多尺度地质特征检测融合方法，其特征在于：包括以下步骤：

S1、储层评价参数的输出；

S1.01、根据输入的多数据体，地震数据，测井录井数据生成单体和多体联合特征数据，对特征数据进行标注；

S1.02、根据相关的地质数据寻找目标层位信息，将目标层位标注，包括联合目标层位标注和相关层位标注；

S1.03、将多个层位数据和数据形成新的结构体数据，对结构体数据进行组合；

S1.04、提取相关的结构体数据，利用新生的区域数据配置参数；

S1.05、输入学习的算法和网络结构；

S1.06、提取区域数据的学习结果和特征数据；

S1.07、将特征数据和学习结果重新输入组合分析；

S1.08、将分析结果输入评价函数，并生成评价的结果；

S1.09、将评价结果输入步骤S1.03，重复步骤S1.03到步骤S1.08，直到评价结果稳定；

S1.010、将评价的结果输入到分解函数，输出储层的评价参数；

S2、对储层的评价参数进行预测分析；

S2.01、利用输入函数按照次序输入多种数据体包括地震和测井，录井数据，对各自的数据进行数值区域分解与合成；

S2.02、对于分解后的数据进行数据融合和重分解；

S2.03、对重分解后的数据提取特征数据，基于数据的特点，重新匹配数据生成相关多体数据和联合体数据；

S2.04、根据数据和特征数据，对目标层位进行全自动标注和识别；

S2.05、对目标层位和多元数据体进行识别和组合，构建学习体系结构，生成新的结构体；

S2.06、根据结构体数据生成新的区域数据以及参数；

S2.07、在新的区域输入特征数据并运行智能学习算法；

S2.08、将智能学习的结果输入组合评价函数，根据评价函数的输出结果确定进一步学习的区域和数据；

S2.09、将智能学习的结果输入到信息分解函数，信息分解函数输出对各个储层的参数评价和预测。

2.根据权利要求1所述的基于深度学习和进化学习的多尺度地质特征检测融合方法，其特征在于：所述步骤S2中智能学习的方法包括机器学习和深度学习，以及自适应学习，主要是提取和学习相关的数据以及提取一些相关的特征，根据不同的特征确定不同的学习方法。

3.根据权利要求1所述的基于深度学习和进化学习的多尺度地质特征检测融合方法，其特征在于：所述进化学习包括输入已经解释的数据、地震数据、地震属性数据和地震地质特征挖掘数据，设计进化学习网络结构，测试数据，实际数据应用以及大数据并行计算模型训练及应用。