[发明专利]使用神经网络推断烃储层的岩石物理特性

权利要求书

1.一种计算机实现的方法，包括：

使用图像处理去除伪影并检索与期望的目标输出相关联的信息，来增强所接收的图像数据以创建增强的图像数据；

通过相对于基于特定图像的标准将所述增强的图像数据分区为相干区域，来对能够使用的增强的图像数据执行图像分割以创建分割的图像数据；

将能够使用的分割的图像数据和辅助数据预处理为用于输入到神经网络中的预处理数据；

将所述预处理数据划分为训练数据子集、验证数据子集和测试数据子集；

确定用来处理所述预处理数据的神经网络架构；

使用所述预处理数据来运行所确定的神经网络架构；

将所确定的神经网络的输出后处理为后处理数据；以及

将所述后处理数据与同所述后处理数据相关联的已知值范围进行比较，以确定所述后处理数据是否满足期望的输出结果。

2.根据权利要求1所述的计算机实现的方法，其中：

图像增强基于与储层、井址或井芯条件相关联的一个或多个岩石物理特性和参数，并且对所述图像数据执行的图像增强技术的数量和顺序基于图像格式或图像尺寸而变化；并且

对所述增强的图像数据执行的图像分割技术的数量和顺序基于图像格式、图像尺寸或期望的结果而变化。

3.根据权利要求1所述的计算机实现的方法，还包括确定所述增强的图像数据和所述分割的图像数据的可用性。

4.根据权利要求1所述的计算机实现的方法，其中，根据基于从能够使用的分割的图像数据导出的数据集的数量和类型的百分比来将所接收的能够使用的分割的图像数据划分为训练子集、验证子集和测试子集以进行放置。

5.根据权利要求1所述的计算机实现的方法，还包括确定所述训练数据子集、验证数据子集和测试数据子集中能够使用的分割的图像数据是来自连续数据源还是离散数据源。

6.根据权利要求1所述的计算机实现的方法，其中，所述神经网络架构是有监督的或无监督的，其中有监督的神经网络架构包括递归或前馈神经网络类型，并且其中无监督的神经网络架构包括估计器或提取器神经网络类型。

7.根据权利要求1所述的计算机实现的方法，还包括对所述后处理数据执行附加处理，以导出其他岩石物理特性或生成新的数据关系。

8.一种存储一个或多个指令的非暂时性计算机可读介质，所述一个或多个指令能够由计算机系统运行以执行操作，所述操作包括：

使用图像处理去除伪影并检索与期望的目标输出相关联的信息，来增强所接收的图像数据以创建增强的图像数据；

通过相对于基于特定图像的标准将所述增强的图像数据分区为相干区域，来对能够使用的增强的图像数据执行图像分割以创建分割的图像数据；

将能够使用的分割的图像数据和辅助数据预处理为用于输入到神经网络中的预处理数据；

将所述预处理数据划分为训练数据子集、验证数据子集和测试数据子集；

确定用来处理所述预处理数据的神经网络架构；

使用所述预处理数据来运行所确定的神经网络架构；

将所确定的神经网络的输出后处理为后处理数据；以及

将所述后处理数据与同所述后处理数据相关联的已知值范围进行比较，以确定所述后处理数据是否满足期望的输出结果。

9.根据权利要求8所述的非暂时性计算机可读介质，其中：

图像增强基于与储层、井址或井芯条件相关联的一个或多个岩石物理特性和参数，并且对所述图像数据执行的图像增强技术的数量和顺序基于图像格式或图像尺寸而变化；并且

对所述增强的图像数据执行的图像分割技术的数量和顺序基于图像格式、图像尺寸或期望的结果而变化。

10.根据权利要求8所述的非暂时性计算机可读介质，还包括一个或多个指令，所述一个或多个指令用于确定所述增强的图像数据和所述分割的图像数据的可用性。