[发明专利]用于地层的渗透率的监督学习的系统和方法

权利要求书

1.一种用于表征岩层样本的方法，包括：

获得表征岩层样本的多个数据集；

训练神经网络以生成计算模型；和

使用多个数据集作为计算模型的输入，其中，所述计算模型由处理器实现，所述处理器导出岩层样本的渗透率的估计。

2.根据权利要求1所述的方法，其中，所述计算模型基于训练人工神经网络。

3.根据权利要求1所述的方法，其中，所述计算模型进一步导出表示与岩层样本的渗透率的估计相关的不确定性的值。

4.根据权利要求3所述的方法，其中，所述计算模型基于训练贝叶斯神经网络。

5.根据权利要求3所述的方法，其中，所述计算模型基于训练采用使用舍弃的贝叶斯推断的人工神经网络。

6.根据权利要求1所述的方法，其中，所述多个数据集包括从岩层样本的核磁共振(“NMR”)测量中导出的数据。

7.根据权利要求1所述的方法，其中，所述多个数据集包括T₂特征数据。

8.根据权利要求7所述的方法，其中，通过使用基于奇异值分解(SVD)的核对岩石样本的T₂分布进行编码，然后将T₂分布数据映射到降维空间中的T₂特征，来导出T₂特征数据。

9.根据权利要求7所述的方法，其中，所述多个数据集包括对应于岩层样本的元素或矿物数据。

10.根据权利要求1所述的方法，其中，所述岩层样本选自由岩屑、岩芯、岩钻屑、岩石露头或钻孔周围的岩层和煤组成的组。

11.一种用于表征岩层样本的系统，包括：

存储表征岩层样本的多个数据集的存储器；和

处理器，该处理器配置为训练神经网络以生成计算模型，其中，所述多个数据集被输入到计算模型，并且其中，所述计算模型由处理器实现，所述处理器导出岩层样本的渗透率的估计。

12.根据权利要求11所述的系统，其中，所述计算模型基于训练人工神经网络或贝叶斯神经网络中的至少一个。

13.根据权利要求11所述的系统，其中，所述计算模型进一步导出表示与岩层样本的渗透率的估计相关的不确定性的值。

14.根据权利要求13所述的系统，其中，所述计算模型基于训练采用使用舍弃的贝叶斯推断的人工神经网络。

15.一种用于地层的岩石物理参数的监督学习的方法，包括：

获得表征样本的多个数据集；

提供具有一个或多个舍弃的神经网络；和

使用与多个数据集相关的低保真度数据集来训练计算模型。

16.根据权利要求15所述的方法，进一步包括：

用高保真度数据集微调所述计算模型。

17.根据权利要求15所述的方法，其中，所述神经网络是贝叶斯神经网络。

18.根据权利要求15所述的方法，进一步包括：

使用低保真度数据集训练第一自动编码器；和

使用高保真度数据集训练第二自动编码器。

19.根据权利要求15所述的方法，其中，利用高保真度数据集执行训练，并且利用低保真度数据集执行微调。

20.根据权利要求19所述的方法，进一步包括：

冻结与第一自动编码器或第二自动编码器相关的至少一个参数。