[发明专利]一种基于BPMN的岩性识别主动学习方法与系统

权利要求书

1.一种基于BPMN的岩性识别主动学习方法，其特征在于，针对各目标测井，执行如下步骤S1-步骤S5，构建岩性识别主动学习模型，并应用岩性识别主动学习模型，完成对各目标测井的岩性的识别：

步骤S1：基于预设测井方法，采集各目标测井的测井数据，分别对各目标测井的测井数据进行归一化处理，获得各测井数据样本，并构建由各测井数据样本构成的特征数据集x；结合预设种类岩性类别所对应的预设各岩性标签，构建由各岩性标签构成的岩性标签集y；

步骤S2：从特征数据集x中随机选取n个测井数据样本，并基于岩性标签集y中的各岩性标签，对各测井数据样本一一对应标注，将标注后的各测井数据样本构建样本数据集D；

步骤S3：基于CART决策树算法，根据岩性分类划分决策树，构建岩性识别主动学习初模型；以步骤S2所构建的样本数据集D为输入，以各测井数据样本所对应的岩性标签为输出，对岩性识别主动学习初模型进行预设次数的训练；

步骤S4：从特征数据集x中随机选取n个测井数据样本，将各测井数据样本输入步骤S3所获得的岩性识别主动学习初模型，以岩性识别主动学习初模型输出的各测井数据样本所对应的岩性标签为伪标签，将各伪标签一一对应赋予各测井数据样本，并构建未标记数据集U；

针对未标记数据集U，基于查询函数和预设可信度阈值，以伪标签可信度低于预设可信度阈值的测井数据样本构建候选样本数据集L，基于预设映射规则，对候选样本数据集L中的各测井数据样本一一对应进行岩性标签的标注，并构建标注数据集E；

以伪标签可信度不低于预设可信度阈值的测井数据样本构建伪标签数据集P；

步骤S5：以步骤S2所获得的样本数据集D、步骤S4所获得的标注数据集E、伪标签数据集P输入岩性识别主动学习初模型，对其进行更新，获得岩性识别主动学习模型，并应用岩性识别主动学习模型，完成对各目标测井的岩性的识别。

2.根据权利要求1所述的一种基于BPMN的岩性识别主动学习方法，其特征在于，步骤S1中预设测井方法包括伽马射线测井、声波测井、密度测井、补偿中子测井、深侧向测井、浅侧向测井、井径测井中的一种或多种；岩性标签包括酸盐岩、煤、含砂砾岩、粗砂岩、中砂岩、细砂岩、粉砂岩、泥岩。

3.根据权利要求1所述的一种基于BPMN的岩性识别主动学习方法，其特征在于，步骤S3的具体步骤如下：

步骤S31：步骤S2所构建的样本数据集D如下式：

D＝{(x₁,y₁),(x₂,y₂),…,(x_n,y_n)}

式中，x_m、y_m分别表示第m个测井数据样本及其所对应的岩性标签，m∈{1,2,…,n}；

基于CART决策树算法，构造节点N，设置阈值式中：

式中，V为样本数据集D中岩性类别的数量，Gini(D)表示基尼指数，即样本数据集D中任意两测井数据样本所属岩性类别不相同的概率，p_k为样本数据集D中属于第k类岩性类别的测井数据样本所占比例，p_k′为样本数据集D中属于第k′类岩性类别的测井数据样本所占比例,且k′≠k；

步骤S32：根据Gini(D)，以最小的基尼指数设定为CART决策树算法的节点划分属性，其中最小的基尼指数a^*如下式：

式中，a为样本数据集D的离散属性；

步骤S33：设置终止条件如下式：

若样本数据集D满足终止条件，则将节点N标记为叶节点，否则以a^*为分裂标准生成下一个分支节点，以各节点对应测井数据样本。