[发明专利]一种智能化测井层位划分方法

说明书

本发明公开了一种智能化测井层位划分方法，属于石油天然气勘探开发技术领域。包括：对测井曲线的测井样本数据清洗及预处理，得到不含无效值的测井曲线；针对所得不含无效值的测井曲线，进行测井样本数据的提取及标签化，得到训练集样本数据、验证集样本数据和测试集样本数据；搭建神经网络；根据搭建的神经网络，将所得训练集样本数据、验证集样本数据进行学习，得到层位划分模型；将所得层位划分模型进行保存，得到可调用层位划分模型；调用所得层位划分模型并应用于所得测试集样本数据，得到预测结果，针对所得预测结果的数据进行层界面拾取，实现智能化测井层位划分。能够快速、准确地在测井处理解释过程中进行智能层位划分，提高分层效率。

技术领域

本发明属于石油天然气勘探开发技术领域，涉及一种智能化测井层位划分方法。

背景技术

层位划分是测井资料处理解释中即基础又关键的环节，也是测井资料处理中正确选取参数的前提及流体识别的关键；确定的层位有着相对稳定的岩性组合，对于后续垂向上生、储、盖组合以及横向上油藏展布特征的评价都有重要的意义。

目前，随着人工智能技术的发展，在一些复杂问题解决及工作效率提升方面表现出了很大的优势。石油测井中的很多问题都可以归纳为回归和分类的问题，这也正是人工智能技术最擅长的工作，比如测井处理解释中的储层分层、参数计算、岩性识别、流体识别等，本发明中的智能层位划分是通过智能方法解决这些问题的关键基础。

之前在进行储层分层、参数计算、岩性识别、流体识别时，大多依靠解释人员经验调整处理解释参数，或者采用交会图等方法，工作效率较低，即便使用了支持向量机、BP神经网络等机器学习方法甚至是深度学习算法，仍然存在识别准确率低的问题，方法的泛化能力较弱。主要体现在之前在使用机器学习或深度学习算法时，都是对较长的井段甚至是全井段进行处理，没有较好的考虑地层层位的问题，即使考虑也是以人工处理方式进行层位的逐层统计，这需要经验，也费时费力，从而导致上下地层之间相互影响，难以提高识别准确率。而实际上地层的发育是有先后顺序的，如果只针对某一个特定地层层位进行机器学习或深度学习计算，就会消除上下地层之间的影响。

此外，目前层位划分一般是通过人工找测井曲线上反映层界面的特征(半幅点、峰值等)位置来划分，但在测井曲线上部分层位界面特征并不明显，容易出错。从实际人工处理结果看，对区块地质情况较为熟悉、有经验的解释人员划分结果较为准确，效率也高，以长庆为例，大概20分钟可以完成一口井的划分，但对地质情况不是很熟悉、缺乏经验的解释人员来说，容易出错，效率也低，大概需要40分钟左右。研究发现，人工划分层位容易出错主要是由于以下的两个原因：1)不同测井曲线的测井机理不同，可能存在分辨率不一致的问题，导致这些曲线层位界面特征的响应在物理上存在视觉偏差；2)有些曲线可以直接反映地层层位的特征，比如电阻率，有些是基于统计规律，如自然伽马。

目前测井中对于自动化或智能化的研究主要集中在岩性识别、流体识别等，对于层位划分或地质分层的研究较少。目前在公开文献中可查到的主要有：