[发明专利]基于深度编码解码网络预测页岩总有机碳含量的方法

权利要求书

1.一种基于深度编码解码网络预测页岩总有机碳含量的方法，其特征在于，该方法包括以下步骤：

步骤S100，基于目标页岩层待预测井位的测井数据，得到测井曲线；所述测井曲线包括放射性铀、放射性钍、放射性钾、声波时差、补偿中子、密度、岩性密度、深双侧向电阻率、浅双侧向电阻率、伽马测井曲线；

步骤S200，对所述测井曲线进行预处理，得到预处理后的测井曲线；

步骤S300，对预处理后的测井曲线进行加窗处理，加窗处理后，输入预训练的TOC预测模型中，得到窗口中心点的TOC，作为目标页岩层待预测井位相应深度总有机碳含量的预测结果；

其中，所述TOC预测模型基于改进的1D U-Net网络构建，所述改进的1D U-Net网络中编码器与解码器的同尺度特征在跨级连接时，经过卷积、残差连接处理后再进行拼接；另外，对各解码器输出的特征进行拉平融合，经过全连接层输出窗口中心点的TOC的预测值；

所述改进的1D U-Net网络中的编码器与解码器的同尺度特征在跨级连接时，经过卷积、残差连接处理后再进行拼接，其方法为：

将编码器中编码模块编码后的特征，通过N个依次相连的残差卷积模块进行处理，处理后与所述解码器中的同尺度特征进行拼接，作为解码器中对应解码模块的输入；

所述残差卷积模块包括一个的卷积层、一个的残差层；所述残差卷积模块用于将输入的特征分别进行卷积、残差处理，处理后进行相加。

2.根据权利要求1所述的基于深度编码解码网络预测页岩总有机碳含量的方法，其特征在于，所述预处理包括数据异常值点的去除、数据标准化。

3.根据权利要求2所述的基于深度编码解码网络预测页岩总有机碳含量的方法，其特征在于，所述TOC预测模型，其训练方法为：

A10，采集目标页岩层训练井位的测井数据以及对应的TOC含量数据；基于所述测井数据，得到测井曲线，并将所述TOC含量数据作为真值标签；

A20，对测井曲线以及对应的TOC含量数据进行预处理，预处理后，按照设定比例划分为训练集和验证集；所述训练集中的测井曲线及对应的TOC含量的真值标签，作为训练样本；所述验证集中的测井曲线以及对应的TOC含量的真值标签，作为验证样本；

A30，对预处理后的训练样本进行加窗处理，加窗处理后，输入预构建的TOC预测模型中，得到窗口中心点的TOC，作为目标页岩层相应深度的总有机碳含量的预测结果；

A40，基于所述预测结果及其对应TOC含量的真值标签，计算损失值，并基于该损失值，更新所述TOC预测模型的模型参数；

A50，在每个训练周期，将加窗处理后的验证样本输入TOC预测模型，获取验证样本对应的目标页岩层相应深度的总有机碳含量的预测结果，并结合验证样本对应的TOC含量的真值标签求均方误差损失，当所述均方误差损失小于设定阈值后，结束模型训练，否则，跳转步骤A60；

A60，循环执行步骤A10-步骤A40，直至达到设定的截止条件，得到训练好的TOC预测模型，所述截止条件包括训练次数、模型精度。

4.根据权利要求3所述的基于深度编码解码网络预测页岩总有机碳含量的方法，其特征在于，步骤A60后还包括对测井曲线的分析：

重新将加窗处理后的验证样本分别输入步骤A60训练好的TOC预测模型，得到各测井曲线对应的预测结果，作为第一结果；所述预测结果为目标页岩层相应深度的总有机碳含量的预测结果；

将所述第一结果进行梯度反传，得到各测井曲线对TOC预测模型的响应值，对响应值进行降序排序，选取前N个响应值对应的测井曲线作为对TOC含量预测较敏感的测井曲线；

或

重新将加窗处理后的训练样本分别输入对应的预构建的1维输入的TOC预测模型，对预构建的1维输入的TOC预测模型进行训练；

训练完成后，通过1维输入的TOC预测模型获取各测井曲线对应的预测结果并评估准确性，作为第二结果；

对各第二结果进行降序排序，排序后选取前N个第二结果对应的测井曲线作为对TOC含量预测较为敏感的测井曲线。

5.根据权利要求1所述的基于深度编码解码网络预测页岩总有机碳含量的方法，其特征在于，对预处理后的测井曲线进行加窗处理，其方法为：，是数据窗口的大小，表示第种测井曲线。