[发明专利]基于深度学习的页岩气饱和度确定方法、装置和设备

说明书

本申请提供了一种基于深度学习的页岩气饱和度确定方法、装置和设备，其中，该方法包括：获取目标地层的裂缝渗透率和目标时刻；将裂缝渗透率转化为等效基质渗透率，得到所述目标地层的等效渗透率数据；根据等效渗透率数据，确定目标地层的目标等效渗透率场图；根据目标等效渗透率场图和目标时刻，利用目标深卷积解编码网络确定所述目标地层在目标时刻的饱和度场图。在本申请实施例中，可以利用目标深卷积解编码网络把不确定性方程的求解问题转化为图‑图的回归问题，建立渗透率场图、目标时刻和饱和度场图之间的联系。并且通过目标深卷积解编码网络可以降低图像的分辨率，从而可以有效提高计算效率，达到高效、准确地预测饱和度分布的技术效果。

技术领域

本申请涉及油气勘探技术领域，特别涉及一种基于深度学习的页岩气饱和度确定方法、装置和设备。

背景技术

储层描述是油气开发地质研究中的重要内容，是编制油气藏开发方案的地质基础。饱和度分布是储层描述中的关键参数，对饱和度分布的合理、定量、精细表征是油气藏高效开发的迫切要求。页岩气是重要的非常规能源资源之一，准确预测页岩气藏的饱和度分布，对于在不确定性条件下制定合理的气藏发展战略至关重要。

现有技术中，通常通过将测井仪器响应、芯岩测试中的随机误差以及储层非均质性结合到蒙特卡罗模拟中输出合适的岩性模型，从而计算饱和度的统计分布。采用蒙特卡罗方法进行随机模拟运算量大，计算效率低。并且现有技术中是利用蒙特卡罗模拟以在单个点量化不确定性，通过不确定性方程求解预测饱和度，忽视了页岩气藏生产的时序性和饱和度的不连续性，不能同时预测待研究地层的各个点在目标生产时刻的饱和度，从而降低了预测得到的饱和度的准确度。由此可见，采用现有技术中的技术方案无法高效、准确地对待研究地层的各个点在目标生产时刻的饱和度分布进行预测。

针对上述问题，目前尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种基于深度学习的页岩气饱和度确定方法、装置和设备，以解决现有技术中无法高效、准确地对待研究地层的各个点在目标生产时刻的饱和度分布进行预测的问题。

本申请实施例提供了一种基于深度学习的页岩气饱和度确定方法，包括：获取目标地层的裂缝渗透率和目标时刻；将所述裂缝渗透率转化为等效基质渗透率，得到所述目标地层的等效渗透率数据；根据所述等效渗透率数据，确定所述目标地层的目标等效渗透率场图；根据所述目标等效渗透率场图和目标时刻，利用目标深卷积解编码网络确定所述目标地层在所述目标时刻的饱和度场图；其中，所述目标深卷积解编码网络用于利用编码器降低目标等效渗透率场图的分辨率得到多个特征图，并利用解码器根据所述多个特征图运算得到目标时刻的饱和度场图。

在一个实施例中，在将所述目标等效渗透率场图和目标时刻输入深卷积解编码器中，得到所述目标地层在所述目标时刻的饱和度场图之前，还包括：获取第一训练集；其中，所述第一训练集中包括多组样本，每组样本中包括一个等效渗透率场图和与所述等效渗透率场图对应的在某一生产时刻的饱和度场图；将等效渗透率场图和生产时刻作为输入数据，根据所述第一训练集利用正则化的均方误差损失进行训练，得到第一深卷积解编码网络；将所述训练集中的饱和度场图转化为二进制图像，得到第二训练集；根据所述第二训练集，利用二进制交叉熵和均方误差的联合损失对所述第一深卷积解编码网络进行训练，得到目标深卷积解编码网络。

在一个实施例中，按照以下公式，将饱和度场图转化为二进制图像：

其中，S_g为饱和度场图中某点的饱和度；为二进制图像中对应点的像素值。