[发明专利]基于深度学习和进化学习的多尺度地质特征检测融合方法

摘要

本发明公开了一种基于深度学习和进化学习的多尺度地质特征检测融合方法，涉及地质特征检测融合技术领域，其包括以下步骤：S1、储层评价参数的输出，S1.01、根据输入的多数据体，地震数据，测井录井数据生成单体和多体联合特征数据，对特征数据进行标注。该基于深度学习和进化学习的多尺度地质特征检测融合方法，针对不同的数据会运用的各自的学习方法和数据结构，根据不同的数据实现不同的进化和学习，不同的模型可以针对不同的地质情况进行预测和评估，学习过程当中会实现模型的自我纠正和改进，以及参数的评估，学习过程不含固定的模型和模式，最终生成的储层参数更具有地质的意义，对于储层参数的预测也会更接近实际情况。

主权项

1.一种基于深度学习和进化学习的多尺度地质特征检测融合方法，其特征在于：包括以下步骤：S1、储层评价参数的输出；S1.01、根据输入的多数据体，地震数据，测井录井数据生成单体和多体联合特征数据，对特征数据进行标注；S1.02、根据相关的地质数据寻找目标层位信息，将目标层位标注，包括联合目标层位标注和相关层位标注；S1.03、将多个层位数据和数据形成新的结构体组合，对结构体数据进行组合；S1.04、提取相关的结构体数据，利用新生的区域数据配置参数；S1.05、输入学习的算法和网络结构；S1.06、提取区域数据的学习结果和特征数据；S1.07、将特征数据和学习结果重新输入组合分析；S1.08、将分析结果输入评价函数，并生成评价的结果；S1.09、将评价结果输入步骤S1.03，重复步骤S1.03到步骤S1.08，直到评价结果稳定；S1.010、将评价的结果输入到分解函数，输出储层的评价参数；S2、对储层的评价参数进行预测分析；S2.01、利用输入函数按照次序输入多种数据体包括地震和测井，录井数据，对各自的数据进行数值区域分解与合成；S2.02、对于分解后的数据进行数据融合和重分解；S2.03、对充分解后的数据提取特征数据，基于数据的特点，重新匹配数据生成相关多体数据和联合体数据；S2.04、根据数据和特征数据，对目标等位进行全自动标注和识别；S2.05、对目标层位和多元数据体进行识别和组合，构建学习体系结构，生成新的结构体；S2.06、根据结构体数据生成新的区域数据以及参数；S2.07、在新的区域输入特征数据并运行智能学习算法；S2.08、将智能学习的结果输入组合评价函数，根据评价函数的输出结果确定进一步学习的区域和数据；S2.09、将智能学习的结果输入到信息分解函数，信息分解函数输出对各个储层的参数评价和预测。