本發(fā)明涉及油田開發(fā)，尤其涉及一種多級(jí)次巖性智能解釋模型構(gòu)建方法及其應(yīng)用。

背景技術(shù)：

1、對(duì)地下巖石的組成和結(jié)構(gòu)特征進(jìn)行識(shí)別，是地質(zhì)學(xué)和地球物理學(xué)研究的重要組成部分，對(duì)于石油和天然氣的勘探及開發(fā)具有至關(guān)重要的作用。用于巖性解釋的資料主要包括兩類：巖心數(shù)據(jù)和測(cè)井?dāng)?shù)據(jù)。與之對(duì)應(yīng)，多級(jí)次巖性智能解釋方法分為巖心分析法和測(cè)井解釋法。巖心分析法指通過(guò)對(duì)巖心樣本進(jìn)行觀察、分析、化驗(yàn)等以明確巖石的類型及特征，這種方式僅適用于取心井。巖心分析法中取心與分析化驗(yàn)成本極為高昂，且油田中的取心井非常少，所以該方法無(wú)法在油田開發(fā)中廣泛推廣。而測(cè)井解釋法是依據(jù)多條測(cè)井曲線，應(yīng)用線性或非線性方法構(gòu)建測(cè)井曲線與巖性類別之間的映射關(guān)系，繼而進(jìn)行巖性識(shí)別。目前主要的測(cè)井解釋法是通過(guò)構(gòu)建交會(huì)圖（如伽馬-密度交會(huì)圖）來(lái)實(shí)現(xiàn)對(duì)巖性的識(shí)別。但由于測(cè)井曲線是地下儲(chǔ)層的綜合響應(yīng)，影響因素多，使得該類方法識(shí)別精度低、誤差大，尤其無(wú)法識(shí)別厚層砂巖中的粉砂巖與薄層泥巖，即無(wú)法識(shí)別砂體內(nèi)部的薄夾層。

2、因此，亟需一種新的多級(jí)次巖性智能解釋方法，以實(shí)現(xiàn)巖性的精細(xì)識(shí)別。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供一種多級(jí)次巖性智能解釋模型構(gòu)建方法及其應(yīng)用，用以解決現(xiàn)有技術(shù)無(wú)法實(shí)現(xiàn)巖性的精細(xì)識(shí)別的缺陷。

2、本發(fā)明提供一種多級(jí)次巖性智能解釋模型的構(gòu)建方法，包括：

3、獲取目標(biāo)巖區(qū)的巖性數(shù)據(jù)和原始測(cè)井曲線，其中，目標(biāo)巖區(qū)包括復(fù)合砂體、單砂體及泥質(zhì)夾層、薄儲(chǔ)層及物性?shī)A層；

4、對(duì)原始測(cè)井曲線進(jìn)行預(yù)處理；

5、根據(jù)預(yù)處理后的原始測(cè)井曲線，進(jìn)行多級(jí)次子波分解，得到多個(gè)不同頻率的子波分量；

6、根據(jù)多個(gè)不同頻率的子波分量，進(jìn)行測(cè)井曲線重建，得到第一重建測(cè)井曲線和第二重建測(cè)井曲線；

7、根據(jù)目標(biāo)巖區(qū)的巖性數(shù)據(jù)以及原始測(cè)井曲線、第一重建測(cè)井曲線、第二重建測(cè)井曲線，通過(guò)集成算法，訓(xùn)練多級(jí)次巖性智能解釋模型學(xué)習(xí)原始測(cè)井曲線與復(fù)合砂體、第一重建測(cè)井曲線與單砂體及泥質(zhì)夾層、第二重建測(cè)井曲線與薄儲(chǔ)層及物性?shī)A層之間的映射關(guān)系，得到最終的多級(jí)次巖性智能解釋模型。

8、在一種實(shí)施方案中，預(yù)處理包括以下任一項(xiàng)或其任意組合：巖電歸位、異常值處理、標(biāo)準(zhǔn)化。

9、在一種實(shí)施方案中，所述根據(jù)預(yù)處理后的原始測(cè)井曲線，進(jìn)行多級(jí)次子波分解，得到多個(gè)不同頻率的子波分量，包括：

10、根據(jù)目標(biāo)巖區(qū)中夾層的厚度設(shè)置多級(jí)次子波分解的級(jí)次；

11、根據(jù)設(shè)置的多級(jí)次子波分解的級(jí)次，對(duì)預(yù)處理后的原始測(cè)井曲線進(jìn)行多級(jí)次子波分解。

12、在一種實(shí)施方案中，所述根據(jù)目標(biāo)巖區(qū)中夾層的厚度設(shè)置多級(jí)次子波分解的級(jí)次，包括：

13、當(dāng)目標(biāo)巖區(qū)中夾層的厚度小于預(yù)設(shè)最小閾值時(shí)，設(shè)置多級(jí)次子波分解的級(jí)次為二級(jí)分解；

14、當(dāng)目標(biāo)巖區(qū)中夾層的厚度在預(yù)設(shè)最小閾值和預(yù)設(shè)最大閾值之間時(shí)，設(shè)置多級(jí)次子波分解的級(jí)次為三級(jí)分解；

15、當(dāng)目標(biāo)巖區(qū)中夾層的厚度大于預(yù)設(shè)最大閾值時(shí)，設(shè)置多級(jí)次子波分解的級(jí)次為無(wú)需分解。

16、在一種實(shí)施方案中，所述根據(jù)設(shè)置的多級(jí)次子波分解的級(jí)次，對(duì)預(yù)處理后的原始測(cè)井曲線進(jìn)行多級(jí)次子波分解，包括：

17、當(dāng)多級(jí)次子波分解的級(jí)次設(shè)置為三級(jí)分解時(shí)，對(duì)預(yù)處理后的原始測(cè)井曲線進(jìn)行一級(jí)子波分解，得到第一子波分量和第二子波分量（通常以高頻噪音為主），其中，第一子波分量為第一預(yù)設(shè)低頻范圍內(nèi)的子波分量，第二子波分量為第一預(yù)設(shè)高頻范圍內(nèi)的子波分量；

18、對(duì)第一子波分量進(jìn)行二級(jí)子波分解，得到第三子波分量和第四子波分量，其中，第二子波分量為第二預(yù)設(shè)低頻范圍內(nèi)的子波分量，第四子波分量為第二預(yù)設(shè)高頻范圍內(nèi)的子波分量，其中，第三子波分量的頻率小于第一子波分量；

19、對(duì)第三子波分量進(jìn)行三級(jí)子波分解，得到第五子波分量和第六子波分量，其中，第五子波分量為第三預(yù)設(shè)低頻范圍內(nèi)的子波分量，第六子波分量為第三預(yù)設(shè)高頻范圍內(nèi)的子波分量，其中，第五子波分量的頻率小于第三子波分量。

20、在一種實(shí)施方案中，所述根據(jù)多個(gè)不同頻率的子波分量，進(jìn)行測(cè)井曲線重建，得到第一重建測(cè)井曲線和第二重建測(cè)井曲線，包括：

21、根據(jù)多個(gè)不同頻率的子波分量，利用第一重建表達(dá)式，進(jìn)行測(cè)井曲線重建，得到第一重建測(cè)井曲線；

22、根據(jù)多個(gè)不同頻率的子波分量，利用第二重建表達(dá)式，進(jìn)行測(cè)井曲線重建，得到第二重建測(cè)井曲線；

23、其中，第一重建表達(dá)式為：

24、,

25、第二重建表達(dá)式為：

26、,

27、式中，表示第一重建測(cè)井曲線，表示第二重建測(cè)井曲線，、、、表示第一重建表達(dá)式的重建系數(shù)1、k1、1、0，其中k1的取值范圍為1~5，、、表示第二重建表達(dá)的重建系數(shù)1、k2、0，其中k2的取值范圍為1~5，分別表示第三子波分量、第五子波分量，、、分別表示第二子波分量、第四子波分量、第六子波分量。

28、在一種實(shí)施方案中，集成算法包括以下至少兩項(xiàng)：lightgbm（輕量化梯度提升學(xué)習(xí)算法）、mlp（多層感知機(jī)算法）、bagging-rf（疊外隨機(jī)森林算法），所述根據(jù)目標(biāo)巖區(qū)的巖性數(shù)據(jù)以及原始測(cè)井曲線、第一重建測(cè)井曲線、第二重建測(cè)井曲線，通過(guò)集成算法，訓(xùn)練多級(jí)次巖性智能解釋模型學(xué)習(xí)原始測(cè)井曲線與復(fù)合砂體、第一重建測(cè)井曲線與單砂體及泥質(zhì)夾層、第二重建測(cè)井曲線與薄儲(chǔ)層及物性?shī)A層之間的映射關(guān)系，得到最終的多級(jí)次巖性智能解釋模型，包括：

29、根據(jù)目標(biāo)巖區(qū)的巖性數(shù)據(jù)以及原始測(cè)井曲線、第一重建測(cè)井曲線、第二重建測(cè)井曲線，構(gòu)建訓(xùn)練集，其中，以巖性數(shù)據(jù)中的復(fù)合砂體、單砂體及泥質(zhì)夾層、薄儲(chǔ)層及物性?shī)A層作為原始測(cè)井曲線、第一重建測(cè)井曲線、第二重建測(cè)井曲線的標(biāo)簽；

30、對(duì)訓(xùn)練集進(jìn)行多標(biāo)簽樣本均衡采樣處理；

31、根據(jù)多標(biāo)簽樣本均衡采樣處理后的訓(xùn)練集，訓(xùn)練多級(jí)次巖性智能解釋模型學(xué)習(xí)原始測(cè)井曲線與復(fù)合砂體、第一重建測(cè)井曲線與單砂體及泥質(zhì)夾層、第二重建測(cè)井曲線與薄儲(chǔ)層及物性?shī)A層之間的映射關(guān)系，得到最終的多級(jí)次巖性智能解釋模型。

32、一種多級(jí)次巖性智能解釋方法，包括：

33、接收由至少一個(gè)終端發(fā)送的待解釋巖區(qū)的原始測(cè)井曲線；

34、根據(jù)上述任一項(xiàng)所述的多級(jí)次巖性智能解釋模型構(gòu)建方法，對(duì)待解釋巖區(qū)的原始測(cè)井曲線進(jìn)行預(yù)處理、多級(jí)次子波分解、測(cè)井曲線重建，得到待解釋巖區(qū)的第一重建測(cè)井曲線和第二重建測(cè)井曲線；

35、根據(jù)待解釋巖區(qū)的原始測(cè)井曲線、第一重建測(cè)井曲線和第二重建測(cè)井曲線，通過(guò)上述任一項(xiàng)所述的多級(jí)次巖性智能解釋模型構(gòu)建方法得到的多級(jí)次巖性智能解釋模型，得到待解釋巖區(qū)的巖性解釋結(jié)果；

36、將待解釋巖區(qū)的巖性解釋結(jié)果發(fā)送回至少一個(gè)終端。

37、在一種實(shí)施方案中，所述根據(jù)待解釋巖區(qū)的原始測(cè)井曲線、第一重建測(cè)井曲線和第二重建測(cè)井曲線，通過(guò)上述任一項(xiàng)所述的多級(jí)次巖性智能解釋模型構(gòu)建方法得到的多級(jí)次巖性智能解釋模型，得到待解釋巖區(qū)的巖性解釋結(jié)果，包括：

38、根據(jù)待解釋巖區(qū)的原始測(cè)井曲線、第一重建測(cè)井曲線和第二重建測(cè)井曲線，分別通過(guò)多級(jí)次巖性智能解釋模型中集成算法中的每一項(xiàng)，得到多個(gè)初始巖性解釋結(jié)果，并結(jié)合預(yù)設(shè)算法權(quán)重，得到待解釋巖區(qū)最終的巖性解釋結(jié)果。

39、本發(fā)明還提供一種多級(jí)次巖性智能解釋系統(tǒng)，包括：

40、數(shù)據(jù)接收模塊，用于：接收由至少一個(gè)終端發(fā)送的待解釋巖區(qū)的原始測(cè)井曲線；

41、數(shù)據(jù)處理模塊，用于：根據(jù)上述任一項(xiàng)所述的多級(jí)次巖性智能解釋模型構(gòu)建方法，對(duì)待解釋巖區(qū)的原始測(cè)井曲線進(jìn)行預(yù)處理、多級(jí)次子波分解、測(cè)井曲線重建，得到待解釋巖區(qū)的第一重建測(cè)井曲線和第二重建測(cè)井曲線；

42、巖性解釋模塊，用于：根據(jù)待解釋巖區(qū)的原始測(cè)井曲線、第一重建測(cè)井曲線和第二重建測(cè)井曲線，通過(guò)上述任一項(xiàng)所述的多級(jí)次巖性智能解釋模型構(gòu)建方法得到的多級(jí)次巖性智能解釋模型，得到待解釋巖區(qū)的巖性解釋結(jié)果；

43、數(shù)據(jù)輸出模塊，用于：將待解釋巖區(qū)的巖性解釋結(jié)果發(fā)送回至少一個(gè)終端。

44、本發(fā)明還提供一種電子設(shè)備，包括處理器和存儲(chǔ)有計(jì)算機(jī)程序的存儲(chǔ)器，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述任一種所述的多級(jí)次巖性智能解釋模型構(gòu)建方法和/或多級(jí)次巖性智能解釋方法。

45、本發(fā)明還提供一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述任一種所述的多級(jí)次巖性智能解釋模型構(gòu)建方法和/或多級(jí)次巖性智能解釋方法。

46、本發(fā)明還提供一種計(jì)算機(jī)程序產(chǎn)品，所述計(jì)算機(jī)程序產(chǎn)品包括計(jì)算機(jī)程序，計(jì)算機(jī)程序可存儲(chǔ)在非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)，計(jì)算機(jī)能夠執(zhí)行上述任一種所述的多級(jí)次巖性智能解釋模型構(gòu)建方法和/或多級(jí)次巖性智能解釋方法。

47、本發(fā)明提供的一種多級(jí)次巖性智能解釋模型構(gòu)建方法及其應(yīng)用，能夠至少帶來(lái)以下有益效果：

48、針對(duì)測(cè)井曲線分辨率低的問(wèn)題和巖層多級(jí)嵌套分布的特點(diǎn)，本發(fā)明充分考慮巖性解釋的級(jí)次性，根據(jù)由巖層厚度確定的多級(jí)次子波分解的級(jí)次，在頻率域?qū)y(cè)井曲線進(jìn)行多級(jí)次子波分解和測(cè)井曲線重建，由此得到適用于不同厚度巖層解釋的新測(cè)井曲線，能夠?qū)崿F(xiàn)不同厚度巖性的嵌套式解釋，大幅度提高測(cè)井解釋精度。

49、本發(fā)明將多級(jí)次子波分解和測(cè)井曲線重建與分級(jí)嵌套巖性解釋耦合，提出?“儲(chǔ)層與薄夾層分級(jí)嵌套測(cè)井解釋方法”：第一級(jí)，優(yōu)選原始測(cè)井曲線對(duì)厚層復(fù)合砂體進(jìn)行解釋，第二級(jí)，優(yōu)選第一重建測(cè)井曲線在復(fù)合砂體內(nèi)部識(shí)別單砂體及泥質(zhì)夾層，第三級(jí)，優(yōu)選第二重建測(cè)井曲線在單砂體內(nèi)部識(shí)別薄儲(chǔ)層及物性?shī)A層，以實(shí)現(xiàn)不同厚度巖性的測(cè)井精細(xì)解釋，特別是厘米級(jí)厚度巖性的精確識(shí)別，極大提高測(cè)井解釋精度。

50、本發(fā)明對(duì)多級(jí)次巖性智能解釋模型的訓(xùn)練數(shù)據(jù)進(jìn)行多標(biāo)簽樣本均衡采樣處理，使得不同巖性的樣本數(shù)量達(dá)到相同量級(jí)，能夠提高多級(jí)次巖性智能解釋模型預(yù)測(cè)的精度，避免受取心井?dāng)?shù)量限制導(dǎo)致不同巖性樣本數(shù)量存在明顯差異對(duì)模型訓(xùn)練帶來(lái)的影響。

51、不同級(jí)次（厚度）的巖性與測(cè)井曲線之間的映射關(guān)系復(fù)雜，識(shí)別難度大，單一算法模型無(wú)法滿足不同級(jí)次的巖性識(shí)別（特別是厘米級(jí)厚度巖性的識(shí)別）。本發(fā)明通過(guò)集成算法訓(xùn)練多級(jí)次巖性智能解釋模型學(xué)習(xí)原始測(cè)井曲線與復(fù)合砂體、第一重建測(cè)井曲線與單砂體及泥質(zhì)夾層、第二重建測(cè)井曲線與薄儲(chǔ)層及物性?shī)A層之間的映射關(guān)系，實(shí)現(xiàn)不同算法之間的“優(yōu)勢(shì)互補(bǔ)”，顯著提高不同級(jí)次巖性識(shí)別的精度，有效提升多級(jí)次巖性智能解釋模型的泛化能力。