[发明专利]核测井数据多尺度处理方法

权利要求书

1、一种核测井数据多尺度处理方法，包括以下步骤：

1]读入测井数据：

所述的测井数据包括以下数据中的至少一组：

①自然伽马测井：自然伽马总计数率、自然伽马能谱和铀、钍、钾含量；

②散射伽马测井：散射伽马总计数率、散射伽马能谱、密度和岩性指数；

③同位素中子源测井：中子计数率、俘获伽马计数率、俘获伽马能谱和孔隙度；

④脉冲中子测井：热中子总计数率和热中子时间谱；脉冲中子测井俘获伽马总计数率、俘获伽马时间谱和能谱；脉冲中子测井非弹伽马总计数率和能谱；中子活化伽马计数率、伽马时间谱和能谱；

2]对测井数据进行滤波：

对读入的测井数据进行深度域的纵向滤波和沿与深度轴垂直的时间轴或能量轴的横向滤波；所述纵向和横向滤波的方法包括Kalman滤波、多点拟合滤波、多点平滑滤波或多尺度滤波；

3]对滤波后的数据进行归一化处理：

所述归一化处理是指计算每个采样点的归一化测井值：

f′=f-fminfmax-fmin×100]]>

式中，f_min为测井曲线的最小值；f_max为测井曲线的最大值；f为测井曲线在每个采样点的实测数据；

4]对经过滤波和归一化处理后测井数据进行多尺度分解、融合和重构：

所述对测井数据进行融合和重构包括在数据、物理参数和地质参数三个层次上分别对单条测井曲线和多条测井曲线进行多尺度分解、融合和重构；

所述对单条测井曲线进行多尺度分解、融合和重构的步骤包括：

4.1.1]选择合适的多尺度分解法对测井曲线进行多尺度分解，所述横向时间轴上对时间谱多尺度分解的方法包括多指数拟合法和小波分解法；所述横向能量轴上对能量谱多尺度分解的方法包括解谱法和小波分解法；所述纵向深度轴上对总计数率、时窗计数率、能窗计数率、计数率比值、物理参数和地质参数测井曲线的多尺度分解的方法是指小波分解法；所述单条测井曲线包括：总计数率、时窗计数率、能窗计数率、物理参数或地质参数；

4.1.2]作出小波时频色谱图，通过颜色的变化显示出不同深度和不同尺度下小波系数的大小，进而使内部的能量聚集与分布得以清晰展示；

4.1.3]以小波模极大重构算法为基础，选用低频系数加权、高频系数取绝对值较大的融合规则，在各个层次上对测井数据进行小波重构得到融合小波金字塔；

4.1.4]对融合后的小波金字塔进行小波逆变换实现各个层次的数据重构；

4.1.5]采用熵、均值和方差作为评判标准，对融合数据进行定量评价：均值、方差数据反映峰值信息；信息熵数据反映空间细节信息；峰值信噪比、相关系数数据反映频谱信息；

所述对多条测井曲线的数据进行多尺度分解、融合和重构的步骤包括：

4.2.1]对多条原始测井曲线分别进行多尺度分解，即对原始数据分别进行低、高通滤波，使多列原始数据各自分解为含有不同频率成分的低频逼近信号和高频细节信号；所述横向时间轴上对时间谱多尺度分解的方法包括多指数拟合法和小波分解法；所述横向能量轴上对能量谱多尺度分解的方法包括解谱法和小波分解法；所述纵向深度轴上对总计数率、时窗计数率、能窗计数率、计数率比值、物理参数和地质参数测井曲线的多尺度分解的方法是指小波分解法；所述多条测井曲线包括不同源距探测器的总计数率、时窗计数率、能窗计数率、物理参数和地质参数；

4.2.2]根据需要，对低频逼近信号重复上面的过程，建立各数据的小波塔形分解；

4.2.3]对各个分解层进行融合处理，最终得到融合小波金字塔；

4.2.4]对融合后的小波金字塔通过小波逆变换法进行数据重构，所得的重构数据即为该多列测井曲线经融合重构的数据；

5]显示曲线和图像：

所述的曲线和图像包括以下曲线和图像中的至少一种：

原始数据曲线，包括滤波后的总计数率、时窗计数率、能窗计数率、计数率比值；

经标准井检验选定的，多尺度分解得到的对含油饱和度或岩性分辨能力好的分量曲线；

经标准井检验选定的，多尺度融合得到的对含油饱和度或岩性分辨能力好的融合、重构曲线；物理和地质参数随深度变化的曲线，包括热中子寿命、宏观俘获截面、碳氧比、含水饱和度；深度-时间、深度-中子寿命或深度-伽马能谱二维图像；

6]进行地质解释：

所述进行地质解释的方法包括以下方法中的至少一种：

用自然伽马曲线和自然电位融合曲线判定岩性；

根据粗尺度信号的变化划分厚层和层组，根据细尺度信号的变化对厚层和层组进行细分；

用近、远探测器计数率比值曲线指示孔隙度的变化；

用深度-时间、深度-中子寿命二维图像，判定井眼流体和近井区地层中子寿命的径向分布，经统计分析和标准井刻度建立不同岩性油、气、水层的识别模式，作为资料解释的依据；

根据热中子总计数率与俘获伽马总计数率的差别和热中子寿命或宏观截面色谱图，定性、定量识别和评价油、气、水层；

用热中子宏观截面∑或碳氧比可计算油气水饱和度，并可获得储层在开发过程中剩余油饱和度分布的变化；

对各种尺度上的低频和高频信号进行观察、分析和比较，可确定各个尺度的低频和高频信号与地层的空间和物理参数之间的相关性，依此可对不同级别的沉积旋回、层序界面和沉积相做定性和定量研究，并可用于厚层细分和描述剩余油气饱和度空间分布的细节做精细描述；

所述步骤2]中的多尺度滤波的步骤包括：

2.1]选取具有一定的紧支撑性、对称性和平滑性的正交小波基；

2.2]选择一个小波并确定其分解层次N，然后对数据进行N层小波分解；

2.3]对第1层到第N层的每一层高频系数选择一个阈值进行软阈值量化处理；

2.4]根据小波分解的第N层低频系数和经过量化处理后的第1层到第N层的高频系数，进行测井数据的重构，重构后的数据已消除了统计不确定性和其它高频噪声；

所述对数据进行N层小波分解的步骤包括：

2.2.1]在某尺度i上，对给定的核测井信号序列x(i,k)∈Vi⋐l2(Z)]]>(k∈Z)，通过一个脉冲响应为h(k)的低通滤波器，获得粗尺度上(低频段)的平滑信号：

x_V(i-1，k)∈V_i-1

xV(i-1,l)=Σkh(2l-k)x(i,k)]]>

2.2.2]信号x(i，k)在低通滤波器中丢失的“细节信号”由x(i，k)通过一个脉冲响应是g(k)的高通滤波器得到细尺度(高频段)的细节信号：

x_D(i-1，k)∈D_i-1

xD(i-1,l)=Σkg(2l-k)x(i,k)]]>

下标D表示x(i，k)在细节信号空间D_i-1上的投影；

2.2.3]对平滑信号逐次进行N层的多尺度分解，得到2N个不同的频带，其中包含N个高频信号和N个低频信号，从低频信号中获得测井曲线中包含的地层概貌信息，从高频信号中获得地层的细节；

所述步骤4]中的小波模极大重构算法的步骤包括：

设测井仪器接采集到的信号为f(x)，Morlet连续小波变换定义为：

Wf(a,b)=<f,ψab>=1|a|∫-∞+∞f(x)ψ(x-ba)dx]]>

式中：Morlet小波基函数为

ψ(x)=e-x2/2·eiω0x]]>

a和b分别为尺度因子和位移因子；

对信号进行小波分析，可以得到不同尺度a的评估信号在不同空间段的大量系数，即相应的小波系数W_f(a，b)，并用色谱图的方式表示；在色谱图中，用颜色的变化来表示系数的大小；可选择得到某一尺度a时的小波系数曲线，这条曲线能够直观显示小波系数与被分析信号之间的相似程度，且可通过控制a的大小，使小波系数曲线和某些参数具有一定的相关性。