[发明专利]一种复杂储层岩性识别方法、装置、设备及存储介质

说明书

本申请公开了一种复杂储层岩性识别方法、装置、设备及存储介质，该方法包括：建立适用于实际工区的岩石物理模型；通过岩石物理模型生成岩性标签和多元属性参数；根据生成的岩性标签和多元属性参数，利用随机森林算法和交会分析方法筛选出对岩性敏感的敏感性特征；将筛选出的敏感性特征和岩性标签作为训练样本，利用随机森林算法训练生成岩性识别器；运用岩性识别器进行岩性识别。这样通过岩石物理模型将多元属性纳入到岩性识别的问题中，利用岩石物理模型制作的岩性标签和随机森林算法，训练生成岩性识别器，既能提高实际生产中岩性识别的准确率，也能增强机器学习算法的泛化性。

技术领域

本发明涉及岩性识别领域，特别是涉及一种复杂储层岩性识别方法、装置、设备及存储介质。

背景技术

目前，岩性识别是储层评价的重要工作之一，是求解储层参数的基础，对岩性准确的识别具有非常重要的意义。不同类型的储层孔隙结构、流体、物性参数不尽相同，导致不同储层的弹性响应也是不一样的，给岩性识别带来了极大的挑战。

在实际生产中已经有许多岩性识别的方法，传统的方法就是基于测井资料采用交会分析的方法，但是这种方法往往工作量比较大且准确率比较低。随着人工智能的发展，以及多学科间的交叉应用，机器学习算法开始被运用到岩性识别中，如BP神经网络、贝叶斯分类算法和聚类分析法等等。机器学习岩性识别的思路就是将简单筛选的测井曲线进行输入，将取芯得到的岩性作为标签，建立两者之间的非线性关系，进而达到岩性识别的目的。但是这种方法的泛化性较差，只适用于当前井，并没有研究表明这种方法可以推广到其他工区和其他井，且实际生产中取芯的数量比较少，制作大量的标签存在困难。

因此，如何解决传统岩性识别方法存在的工作量大、泛化性差和标签获取困难等问题，是本领域技术人员亟待解决的技术问题。

发明内容

有鉴于此，本发明的目的在于提供一种复杂储层岩性识别方法、装置、设备及存储介质，可以提高实际生产中岩性识别的准确率，增强机器学习算法的泛化性。其具体方案如下：

一种复杂储层岩性识别方法，包括：

建立适用于实际工区的岩石物理模型；

通过所述岩石物理模型生成岩性标签和多元属性参数；

根据生成的所述岩性标签和所述多元属性参数，利用随机森林算法和交会分析方法筛选出对岩性敏感的敏感性特征；

将筛选出的所述敏感性特征和所述岩性标签作为训练样本，利用随机森林算法训练生成岩性识别器；

运用所述岩性识别器进行岩性识别。

优选地，在本发明实施例提供的上述复杂储层岩性识别方法中，所述建立适用于实际工区的岩石物理模型，包括：

根据不同的岩石物理理论，建立岩石物理模型；

利用实际工区的测井数据和实验数据约束所述岩石物理模型，使所述岩石物理模型适用于实际工区。

优选地，在本发明实施例提供的上述复杂储层岩性识别方法中，所述根据生成的所述岩性标签和所述多元属性参数，利用随机森林算法和交会分析方法筛选出对岩性敏感的敏感性特征，包括：

利用随机森林算法对生成的所述岩性标签和所述多元属性参数进行预分类；

根据预分类的结果，统计特征敏感性大小；

结合各特征之间的相关系数，筛选出对岩性敏感且相关性小的敏感性特征；

利用交会分析方法对筛选出的所述敏感性特征进行三维交会分析和二维交会分析，以对筛选出的所述敏感性特征进行验证。

优选地，在本发明实施例提供的上述复杂储层岩性识别方法中，所述多元属性参数包括物性参数、弹性参数和流体参数。