[发明专利]电成像测井相自动识别方法及装置

说明书

本发明提供一种电成像测井相自动识别方法及装置，其中，该方法包括：获取电成像测井历史数据；对电成像测井历史数据进行预处理，生成全井眼覆盖的电成像测井图像；在所述全井眼覆盖的电成像测井图像中对典型成像测井相进行识别，按所属的成像测井相类别将所述全井眼覆盖的电成像测井图像确定为训练样本；构建深度学习模型，所述深度学习模型包括输入层、多个隐藏层和输出层；利用训练样本对深度学习模型进行训练，获得已训练的深度学习模型；使用已训练的深度学习模型，对待识别井段的电成像测井图像进行测井相识别。该方案能够自动准确识别出各段成像测井相类型，从而更好地研究和预测储层的分布规律。

技术领域

本发明涉及电成像测井数据处理解释技术领域，特别涉及一种电成像测井相自动识别方法及装置。

背景技术

电成像测井相是指不同类型沉积地层在电成像测井图像上呈现出的颜色、结构等特征，通过对电成像测井相分析，并与地层岩相、沉积相建立关系，可以为储层测井综合评价和优质储层分布预测提供重要依据。传统电成像测井相解释主要由专家根据经验直接对图像进行划分，解释的主观性很强，难以满足油田生产的紧迫需要。如何对电成像测井相进行自动识别，实现自动化和智能化处理，是提升电成像测井资料解释效率的关键。

现有电成像测井相自动识别技术主要有两种方法，一种是在成像测井图像分割的基础上，对图像中的各类地质特征进行识别和定量提取，然后根据不同地质特征现象与测井相的关系通过模糊数学、神经网络等方法进行分类识别，这种方法受图像分割质量和地质特征识别效果控制，识别精度较低；另一种方法则是选取不同测井相的典型成像测井图像作为模板，并统计各类测井相典型图像的特征参数曲线，对待识别井段图像通过相关性匹配等方法确定相似度最高的模板即认为是对应的测井相类别，该方法受选取的特征参数指标影响，适用范围和识别精度较低，不能满足地质研究和储层评价的需要。

发明内容

本发明实施例提供了一种电成像测井相自动识别方法及装置，通过深度学习方法对电成像测井图像进行学习和预测，能够自动识别电成像测井相，具有很好的处理效率和识别精度，从而更好地研究和预测储层的分布规律。

该电成像测井相自动识别方法包括：

获取电成像测井历史数据；

对所述电成像测井历史数据进行预处理，生成全井眼覆盖的电成像测井图像；

在所述全井眼覆盖的电成像测井图像中对典型成像测井相进行识别，按所属的成像测井相类别将所述全井眼覆盖的电成像测井图像确定为训练样本；

构建深度学习模型，所述深度学习模型包括输入层、多个隐藏层和输出层；

利用所述训练样本对所述深度学习模型进行训练，获得已训练的深度学习模型；

使用所述已训练的深度学习模型，对待识别井段的电成像测井图像进行测井相识别。

该电成像测井相自动识别装置包括：

历史数据获取模块，用于获取电成像测井历史数据；

测井图像生成模块，用于对所述电成像测井历史数据进行预处理，生成全井眼覆盖的电成像测井图像；

训练样本确定模块，用于在所述全井眼覆盖的电成像测井图像中对典型成像测井相进行识别，按所属的成像测井相类别将所述全井眼覆盖的电成像测井图像确定为训练样本；

深度学习模型构建构模块，用于建深度学习模型，所述深度学习模型包括输入层、多个隐藏层和输出层；

训练模块，用于利用所述训练样本对所述深度学习模型进行训练，获得已训练的深度学习模型；

识别模块，用于使用所述已训练的深度学习模型，对待识别井段的电成像测井图像进行测井相识别。