[发明专利]一种储层评价模型构建方法及储层识别方法

说明书

本发明涉及一种储层评价模型构建方法及储层识别方法，属于地球物理勘探领域和人工智能领域，获取不同类型储层对应起止深度段的测井数据；通过对已有试油井井段的测井数据进行分割、重组、计算，形成新的储层评价样本，从而实现储层评价样本的扩充，对所述储层评价样本进行训练，得到储层评价模型，利用该储层评价模型进行储层预测。解决研究目标区域内缺少储层识别样本数据，导致当对储层评价样本进行机器学习和深度学习时缺少样本支撑，以及偏少的样本学习后模型应用时符合率偏低的问题。

技术领域

本申请涉及一种储层评价模型构建方法及储层识别方法，属于地球物理勘探领域和人工智能领域。

背景技术

储层识别是对储层流体进行识别的过程。常规储层识别方法是通过储层的解释模型和测井数据计算储层的孔隙度、渗透率和含油饱和度的方法实现对储层识别。但随着油气田开发的深入，油气田的开发难度越来越大，常规储层识别方法因地质条件复杂、储层流体响应特征差异不明显，导致储层识别精度低。

采用机器学习方法对储层进行油气层识别，能够挖掘储层测井数据与储层流体之间的隐含关系，提高储层识别率。在机器学习领域中，主要采用支持向量机(SupportVector Machine，SVM)方法实现储层识别，但是如果研究目标区域内缺少储层识别样本数据，会造成支持向量机无法通过有限的储层识别样本完全掌握储层样本数据规律，导致其形成的模型在应用时符合率偏低。因此储层样本数量不足是我们面临的一个严峻问题。

目前在机器学习和深度学习中，为实现数据样本增大，扩大数据集，常用的方法有随机裁剪、翻转或镜像、旋转、亮度或对比度调节、色度调节、饱和度调节和图像模糊等。但这些方法是基于二维图像样本数据集的增强和扩大，并不适用于一维储层样本数据集的增强和扩大。

对于储层样本处理的方法，例如地球物理勘探领域和人工智能领域公开了申请公布号为CN109902390A、发明名称为“一种基于小样本扩充的有利储层发育区预测方法”的中国专利申请，所述方法包括：将地震数据体可以视为按照CDP、Inline划分成的网格长方体，其中地震属性数据以地震网格点的排列形式存储。根据地震属性样本附近地质情况连续的特点，将标记样本看作正方形网格一个顶点，复制该标记给正方形网格的其他顶点位置，提取网格其他顶点位置的地震属性作为扩充后的样本，从而增强了样本集，但这种方法扩充对象是三维地震属性样本，并不适用于一维储层样本数据集的扩充。

因此，为了解决现有技术中储层样本数据不足所导致的储层发育区预测精度低的问题，急需一种储层评价模型构建方法，以实现对储层发育的准确识别。

发明内容

本申请的目的在于提供一种储层评价模型构建方法及储层识别方法，解决研究目标区域内缺少储层识别样本数据，导致当对储层评价样本进行机器学习和深度学习时缺少样本支撑，以及偏少的样本学习后模型应用时符合率偏低的问题。

本发明采用如下技术方案：本发明提供了一种储层评价模型构建方法，该方法包括如下步骤：

1)获取不同类型储层对应深度段的测井数据；

2)将测井数据按深度分割成单深度点的测井行数据，构建储层特征样本库；所述单深度点的测井行数据为单深度点对应的各种类型的测井数据；

3)从构建的储层特征样本库中抽取设定数目测井行数据，组合成储层特征评价数据；

4)对储层特征评价数据中的不同类型测井数据分别按照设定规则进行计算，得到一个储层评价样本；

5)重复步骤3)和步骤4)，直至获取所需数量的储层评价样本；

6)对所述储层评价样本进行训练，得到储层评价模型。