[发明专利]一种测井分形维数孔隙结构分类方法和装置在审

专利信息
申请号: 202011043165.9 申请日: 2020-09-28
公开(公告)号: CN114429165A 公开(公告)日: 2022-05-03
发明(设计)人: 孔强夫;杨鑫;胡松;彭守涛 申请(专利权)人: 中国石油化工股份有限公司;中国石油化工股份有限公司石油勘探开发研究院
主分类号: G06K9/62 分类号: G06K9/62;G06N20/00
代理公司: 北京聿宏知识产权代理有限公司 11372 代理人: 吴大建;金淼
地址: 100728 北*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 测井 分形维数 孔隙 结构 分类 方法 装置
【权利要求书】:

1.一种测井分形维数孔隙结构分类方法,其特征在于,包括:

S100,获取储层岩芯毛管压力曲线,并根据岩芯毛管压力曲线对储层孔隙结构进行分类;

S300,提取岩芯毛管压力曲线对应井段的测井数据,并根据测井数据确定不同孔隙结构类型对应的敏感参数测井曲线;

S500,利用关联分形维数计算方法,计算不同孔隙结构类型对应的敏感参数测井曲线的关联维分形维数,其中,所述关联维分形维数用于定量描述孔隙结构的复杂程度;

S700,利用不同孔隙结构类型对应的敏感参数测井曲线的关联维分形维数作为样本数据,根据聚类分析算法建立孔隙结构分类识别训练模型;

S900,利用孔隙结构分类识别训练模型进行机器学习,以对全井段的孔隙结构进行分类。

2.根据权利要求1所述测井分形维数孔隙结构分类方法,其特征在于,所述步骤100中,根据毛管压力曲线形态、排驱压力、汞饱和中值压力、中值孔隙半径、最大非饱和孔隙体积对孔隙结构进行分类。

3.根据权利要求1所述测井分形维数孔隙结构分类方法,其特征在于,所述步骤300包括以下步骤:

提取岩芯毛管压力曲线对应井段的测井数据,制作不同孔隙结构类型的测井数据分布直方图;

根据不同孔隙结构类型的测井数据分布直方图,确定不同孔隙结构类型对应的敏感参数测井曲线。

4.根据权利要求3所述测井分形维数孔隙结构分类方法,其特征在于,所述敏感参数测井曲线包括伽马曲线、自然电位曲线、声波曲线、中子曲线、密度曲线以及深电阻率曲线和浅电阻率曲线中的至少一种。

5.根据权利要求1所述测井分形维数孔隙结构分类方法,其特征在于,所述步骤500包括以下步骤:

S501,加载测井数据文件,选定敏感参数测井曲线用于关联维分形维数计算;

S502,输入计算关联维分形维数井段的起始深度和终止深度;

S503,根据测井曲线深度采样率确定起始深度和终止深度对应的测井数据,并确定计算井段内测井数据的个数M;

S504,输入向量维数N及构造嵌入空间时数据移位的个数T;

S505,为每个向量赋值,形成一个向量空间,从而构造出嵌入空间;

S506,计算任意两个向量之间的欧氏距离,并从计算结果中找出最大距离和最小距离;

S507,根据给定统计尺度个数,根据最大距离和最小距离确定不同的尺度;

S508,计算不同尺度下满足条件的距离个数占全部距离个数的比例;

S509,根据全部尺度及其统计的比例计算关联维分形维数D;

S510,检查计算关联维分形维数的井段的个数,如果输入的井段没有计算完,则返回步骤S503,重复上述计算过程;如输入的井段已经计算完,则输出计算结果。

6.根据权利要求1所述测井分形维数孔隙结构分类方法,其特征在于,所述步骤700中,所述孔隙结构分类识别训练模型的输入数据为敏感参数测井曲线关联维数,监督数据为孔隙结构类型,输出数据为不同孔隙结构类型的数据簇个数。

7.根据权利要求1所述测井分形维数孔隙结构分类方法,其特征在于,所述步骤900中,基于最小临近算法,利用孔隙结构分类识别训练模型进行机器学习,以对全井段孔隙结构进行分类。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国石油化工股份有限公司;中国石油化工股份有限公司石油勘探开发研究院,未经中国石油化工股份有限公司;中国石油化工股份有限公司石油勘探开发研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011043165.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top