[发明专利]一种用于随钻测井图像地层分类的自动分类方法

说明书

本发明公开了一种用于随钻测井图像地层分类的自动分类方法，涉及油气勘探技术领域。本发明通过标注岩心刻度随钻电成像测井图像生成图像标签，构建岩性类别识别数据库后，构建窗口注意力机制分类网络，引入经训练的超参数元网络作为窗口注意力机制分类网络迁移学习的对象，利用岩性类别识别数据库训练窗口注意力机制网络进行岩石图像自动识别分类并验证训练后窗口注意力机制网络的性能，再基于知识蒸馏理论改进窗口注意力机制分类网络的分类器，构建并调试自适应岩性分类网络模型后，利用自适应岩性分类网络模型确定随钻电成像测井图像的岩性。本发明实现了对岩性类别与随钻测井图像的精准匹配，提高了岩性分类的准确性，有利于储层的高效评价。

技术领域

本发明涉及油气勘探技术领域，具体涉及一种用于随钻测井图像地层分类的自动分类方法。

背景技术

我国油气进入非常规勘探开发的重要阶段，地层非均质性强，地层精细分类作为储层评价与开发的重要条件，常规的地层分类依赖本领域技术人员的主观人为经验，导致地层分类效率低，所以精细且自动化的进行地层分类已成为高效评价储层的关键。

现有技术中利用常规测井曲线进行地质分类，但其测井曲线的尺度相对宏观，分类结果误差较大，而随钻测井图像具有高分辨率可视化的优势，逐渐受到测井评价人员及学者的青睐。随着深度学习及计算机视觉领域的发展，相关人员通过卷积神经网络实现随钻电成像测井图像岩性分类，但是，由于电成像图像通常为长段，在进行数据预处理时需要对图像进行裁剪，裁剪位置与尺寸会对分类结果产生较大误差。同时，卷积神经网络类深度学习模块因其卷积核大小及卷积方式，易于导致全局特征丢失。

因此，亟需提出一种用于随钻测井图像地层分类的自动综合分类方法，通过提高全局特征感知能力，实现对地层类别与随钻测井图像的精准匹配。

发明内容

本发明为了克服窗口注意力机制网络分类模型常见的硬分类缺陷，提出了一种用于随钻测井图像地层分类的自动分类方法，实现了地层类别与随钻测井图像精准匹配，为储层的高效评价提供了重要依据。

本发明采用以下的技术方案：

一种用于随钻测井图像地层分类的自动分类方法，具体包括以下步骤：

步骤1，获取岩心刻度随钻电成像测井图像，采集不同岩性类别所对应的岩心刻度随钻电成像测井图像，结合岩心资料对岩心刻度随钻电成像测井图像进行标注，生成随钻电成像测井图像标签，构建岩性类别识别数据库，并将岩性类别识别数据库划分为训练集和测试集；

步骤2，构建窗口注意力机制分类网络，窗口注意力机制分类网络内设置有窗口注意力机制网络、标准化层、全局池化层、全连接层和分类器，引入经计算机视觉系统识别项目数据集训练后的超参数元网络作为窗口注意力机制网络迁移学习的对象，利用训练集训练窗口注意力机制分类网络对岩心刻度随钻电成像测井图像自动识别分类，并对窗口注意力机制分类网络进行超参数优选后，再利用验证集测试训练后窗口注意力机制分类网络的性能，输出验证后的窗口注意力机制分类网络；

步骤3，基于知识蒸馏理论改进步骤2中输出窗口注意力机制分类网络中的分类器，结合随钻电成像测井图像的纵向属性，构建自适应岩性分类网络模型，并对自适应岩性分类网络模型进行调试；

步骤4，将待预测的随钻电成像测井图像输入至调试后的自适应岩性分类网络模型中，利用自适应岩性分类网络模型对待预测的随钻电成像测井图像中的岩性进行分类，输出待预测的随钻电成像测井图像的岩性分类结果。

优选地，所述步骤1中，具体包括以下步骤：

步骤1.1，获取随钻电成像测井图像和多个深度段的岩心照片，根据不同深度段的岩心照片，分别针对各深度段利用岩心照片对随钻电成像测井图像进行刻度，得到岩心刻度随钻电成像测井图像；