[发明专利]一种基于多元信息的储层类型划分方法及系统

摘要

本发明公开一种基于多元信息的储层类型划分方法及系统。该方法包括：从多个样本点的测井数据中获取对储层类型敏感的数据；对储层类型敏感的数据包括中子数据、电阻率、孔隙度、声波时差、自然伽马和补偿密度；获取对各个样本点进行人工储层划分得到的各个样本点的实际储层类型；将各个样本点的对储层类型敏感的数据输入深度神经网络，调整神经网络的结构参数使神经网络输出对应的储层类型，从而对深度神经网络进行训练；训练好的深度神经网络用于根据实测的对储层类型敏感的数据实现对储层类型的划分。本发明公开的方法及系统，能够提高储层划分的精度。

主权项

1.一种基于多元信息的储层类型划分方法，其特征在于，包括：从多个样本点的测井数据中获取对储层类型敏感的数据；所述对储层类型敏感的数据包括中子数据、电阻率、孔隙度、声波时差、自然伽马和补偿密度；获取对各个样本点进行人工储层划分得到的各个样本点的实际储层类型；将各个样本点的对储层类型敏感的数据输入深度神经网络，调整神经网络的结构参数使神经网络输出对应的储层类型，从而对所述深度神经网络进行训练；训练好的所述深度神经网络用于根据实测的对储层类型敏感的数据实现对储层类型的划分；所述将各个样本点的对储层类型敏感的数据输入深度神经网络，调整神经网络的结构参数使神经网络输出对应的储层类型，从而对所述深度神经网络进行训练，具体包括：利用交会图法和核密度估计法分别对每种所述对储层类型敏感的数据进行特征统计，确定每种所述对储层类型敏感的数据的均值和方差，得到每种数据的样本均值和样本方差；利用每种数据的样本均值和样本方差对每个所述对储层类型敏感的数据进行标准化，得到标准化的数据；将每个样本点的各个类型的所述标准化的数据作为深度神经网络的输入，以线性整流函数作为所述深度神经网络的激活函数，通过调整所述深度神经网络的结构参数，使所述深度神经网络输出的储层类型数据与对应的实际储层类型之间的差值在预设范围之内，从而完成深度神经网络的训练；根据实测的对储层类型敏感的数据对储层类型进行划分的过程包括：获取实测的对储层类型敏感的数据，得到实测数据；计算每种所述实测数据的均值和方差，得到每种实测数据的实测均值和实测方差；利用每种数据的样本均值和样本方差计算每种数据的均值阈值范围和方差阈值范围；判断每种实测数据的实测均值是否位于对应的均值阈值范围内以及每种实测数据的实测方差是否位于对应的方差阈值范围内，得到第一判断结果；若所述第一判断结果表示任意一种实测数据的实测均值位于对应的均值阈值范围之外和/或实测方差位于对应的方差阈值范围外，则重新采集对应类型的数据；若所述第一判断结果表示每种实测数据的实测均值位于对应的均值阈值范围内且实测方差位于对应的方差阈值范围内，则对各个实测数据进行标准化，得到标准实测数据；将各个类型的所述标准实测数据作为深度神经网络的输入，得到神经网络的输出的实测储层类型。