[发明专利]使用神经网络推断烃储层的岩石物理特性

说明书

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。确定用来处理预处理数据的神经网络架构，并使用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。将后处理数据与同后处理数据相关联的已知值范围进行比较，以确定后处理数据是否满足期望的输出结果。

优先权声明

本申请要求于2017年9月15日递交的美国临时申请No.62/559,024的优先权，其内容通过引用并入本文中。

背景技术

在烃的开采中，烃储层的基本岩石物理特性包括渗透率、孔隙度、饱和度和残余烃饱和度。这些岩石物理特性可以从物理井芯推断出来，并且可以根据例如方向、位置、应力条件和流体类型而非线性地改变。了解渗透率的地层和井间分布是预测烃储层性能的关键。从各种井收集的岩石物理特性可以推广到整个生产领域，并用于推断特定烃储层的特性以及预测其性能。预测成熟烃储层中的渗透率的主要困难在于缺乏足够的数据，尤其是在使用井芯分析时。在获得井芯之后，可以从用于分析的井芯中提取的信息的质量随时间而降低(例如，由于储存、运输、环境条件和处理)。在没有准确的渗透率数据的情况下，岩石物理特性预测可能会不准确，并且导致不必要的较高的烃开采成本。

发明内容

本公开描述了用于使用神经网络(NN)来推断烃储层的岩石物理特性的方法和系统，包括计算机实现的方法、计算机程序产品和计算机系统。

在实现方式中，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；确定用来处理预处理数据的神经网络架构；使用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；以及将后处理数据与同后处理数据相关联的已知值范围进行比较，以确定后处理数据是否满足期望的输出结果。

先前描述的实现方式可以使用以下方式来实现：计算机实现的方法；存储用于执行计算机实现的方法的计算机可读指令的非暂时性计算机可读介质；以及包括与硬件处理器可互操作地耦接的计算机存储器的计算机实现的系统，硬件处理器被配置为执行存储在非暂时性计算机可读介质上的计算机实现的方法/指令。