[发明专利]一种面向深度学习的储层预测样本扩充方法

说明书

本发明提供了一种面向深度学习的储层预测样本扩充方法，通过井震结合，抽取得到井旁地震数据，并将地震数据转换为能够反映储层分布的字符串形式；通过时深转换建立井震储层对应关系，然后根据井上储层分布建立地震字符串匹配模式；将这一字符串模式与井周围一定范围内的地震道进行字符串匹配，记录相匹配地震道对应的时间点，将该点对应的地震采样点作为符合对应储层的样本标记；依次记录这些标记点得到能够反映不同储层类型并符合地质特点的样本标签。为实现储层预测的大数据分析提供大量有效训练样本。

技术领域

本发明属于地球物理勘探地震数据解释及综合研究领域，具体涉及一种面向深度学习的储层预测样本扩充方法。

背景技术

大数据分析技术在银行、通信及互联网等领域发挥了巨大的作用，IBM、ORACLE、微软、谷歌、亚马逊、Facebook等跨国巨头以及阿里、腾讯、百度等国内企业也因大数据技术的发展而更加具有竞争力。在石油勘探领域中，储层预测是寻找有利勘探目标的重要研究内容，其涉及的数据包括地震、测井、录井、试油等大量数据，这些数据都是地下岩石的间接反映，相互之间都具有相关性，符合大数据分析的规律，但目前还未见到储层预测大数据分析的成功案例，其中一个重要的原因就是在石油勘探领域中由于钻井数量的限制，能够准确反映储层信息的样本数量较少，仅仅依靠这些少量的样本就无法使用目前最为流行的深度学习等大数据新技术，降低了大数据分析的应用效果。因此，需要在保证样本可靠性的前提下寻找一种储层标记样本的扩充方法，以增加大量可利用的样本。

发明内容

本发明的目的是：针对现有技术的不足，提供一种面向深度学习的储层预测样本扩充方法，解决由于储层样本不足而无法使用深度学习等大数据分析新技术的问题。

本发明采用的技术方案是：

一种面向深度学习的储层预测样本扩充方法，通过井震结合，抽取得到井旁地震数据，并将地震数据转换为能够反映储层分布的字符串形式；通过时深转换建立井震储层对应关系，然后根据井上储层分布建立地震字符串匹配模式；将这一字符串模式与井周围一定范围内的地震道进行字符串匹配，记录相匹配地震道对应的时间点，将该点对应的地震采样点作为符合对应储层的样本标记；依次记录这些标记点得到能够反映不同储层类型并符合地质特点的样本标签。

上述方案进一步包括：

A：通过井坐标转换，将井坐标转换为地震线道号，通过线道号寻找到井旁地震道数据；

B；抽取井旁地震道数据，并将地震数据转换为字符串；

C：根据录井或/和测井数据确定井上储层分布；

D：将储层分布与地震字符串建立一一对应关系，并记录每一种类型储层的字符串特征；

E:根据每一种储层对应的地震字符串特征，在井周围按照设定的范围自动寻找特征一致的地震波形特征，记录相应的时间值，将该时间值对应的地震采样点作为该类型储层的样本数据；

F：针对每一口井，重复A-E步骤，最终得到所有井的储层样本扩充数据。

更进一步的上述步骤B包括下列步骤：

B1：在地震数据体中找出振幅最大值和最小值，根据最大值、最小值将地震数据归一化到[-1,1]范围内；

B2：选择字符串个数，每个字符串对应一个值域范围；

B3:根据地震归一化后的数值将地震数据转换为字符，将整道地震数据按照上述规则依次转换为字符形成字符串。

更进一步的上述步骤D的储层字符串特征建立方法包括如下步骤：

D1：通过时深转换将井上不同位置的储层对应到地震时间；

D2：根据一定的地震时窗，选择对应的字符串；