[发明专利]基于多模态测井数据的裂缝表征方法、装置及设备

说明书

本发明提供一种基于多模态测井数据的裂缝表征方法、装置及设备，其中方法包括：通过获取待分析的微电阻率成像测井数据和常规测井曲线数据，对微电阻率成像测井数据进行数据清洗操作，得到数据集，对常规测井曲线数据进行标准化处理，将数据集输入到mask‑RCNN模型中得到第一特征图、裂缝位置及裂缝掩膜，将标准化处理后的常规测井曲线数据输入到长短期记忆网络中得到第二特征图，将第一特征图和第二特征图输入到特征融合网络进行模态融合，确定裂缝信息，通过利用计算机技术对裂缝进行提取，不仅可以加快处理速度，还可以在一定程度上避免主观因素，得到的裂缝更为准确。

技术领域

本发明涉及地球物理录井技术领域，尤其涉及一种基于多模态测井数据的裂缝表征方法、装置及设备。

背景技术

随着油田开采量的不断加大，已探明的油田储量面临着开采不足的问题，在这种背景之下，应用新的测井技术对油田存储进行分析，寻找新的储层，是促进油田可持续发展的根本途径。

裂缝识别和评价是裂缝性储层测井解释的核心任务。目前为了得到更准确的裂缝分级评价结果，往往需要综合常规测井资料、成像资料和钻井现场资料等多种资料，依据各条测井曲线反应的裂缝特征，提取测井裂缝指标并计算其指示裂缝存在的概率，最后通过加权计算建立综合概率模型划分裂缝带。

现有的裂缝识别方法存在耗时长、准确率低的问题。

发明内容

本发明实施例提供一种基于多模态测井数据的裂缝表征方法、装置及设备，可以降低计算时间，提高准确率。

第一方面，本发明实施例提供一种基于多模态测井数据的裂缝表征方法，所述方法包括：

获取待分析的微电阻率成像测井数据和常规测井曲线数据；所述常规测井曲线数据包括下述至少一项：自然伽马测井曲线数据、自然电位测井曲线数据、井径测井曲线数据、深中浅三电阻率测井曲线数据、声波测井曲线数据、中子测井曲线数据及密度测井曲线数据；

对所述微电阻率成像测井数据进行数据清洗操作，得到数据集，对所述常规测井曲线数据进行标准化处理；

将所述数据集输入到mask-RCNN模型中得到第一特征图、裂缝位置及裂缝掩膜，将标准化处理后的常规测井曲线数据输入到长短期记忆网络中得到第二特征图；

将所述第一特征图和所述第二特征图输入到特征融合网络进行模态融合，确定裂缝信息，所述裂缝信息包括下述至少一项：裂缝倾角、裂缝长度、裂缝宽度、裂缝有效性。

可选的，对所述微电阻率成像测井数据进行预处理操作，得到数据集，包括：

按照预设单位图像的尺寸信息对所述微电阻率成像测井数据进行切割，得到多个微电阻率成像测井数据，并剔除所述多个微电阻率成像测井数据中不存在裂缝的微电阻率成像测井数据；

基于深度学习对所述多个微电阻率成像测井数据中剩余的微电阻率成像测井数据进行空白条带填充，得到数据集。

可选的，将所述数据集输入到mask-RCNN模型中得到第一特征图、裂缝位置及裂缝掩膜，包括：

根据预设尺寸重置所述数据集的尺寸，将重置尺寸后的数据集输入到所述mask-RCNN模型中的金字塔网络模型，得到所述第一特征图；

将所述第一特征图输入到所述mask-RCNN模型的区域候选网络模型中，得到多个候选框；

基于感兴趣区域对齐技术或感兴趣区域池化技术将所述多个候选框的感兴趣区域修正为相同的尺寸；

根据修正后的感兴趣区域，从第一特征图中选取对应的感兴趣区域图像，并将得到的感兴趣区域图像分别输送到全连接神经网络和全卷积神经网络中，得到裂缝位置和裂缝掩膜。