[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

说明书

本发明属于油气勘探技术领域，具体涉及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、系统、设备，旨在解决现有的页岩总有机碳含量预测方法预测准确度低、鲁棒性差的问题。本方法包括基于目标页岩层待预测井位的测井数据，得到测井曲线；对测井曲线进行预处理，得到预处理后的测井曲线；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，得到窗口中心的TOC，作为目标页岩层待预测井位总有机碳含量的预测结果；所述TOC预测模型基于改进的1D U‑Net网络构建。本发明提升了页岩层总有机碳含量预测的准确性与鲁棒性。

技术领域

本发明属于油气勘探技术领域，具体涉及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、系统、设备。

背景技术

近年来，随着页岩气和石油的开发，烃源岩评价具有重要意义。总有机碳（TOC）在烃源岩评价中起着重要作用，也是储层预测的重要参数。总有机碳含量一般在实验室采用岩石评价热解法测定，是页岩气藏烃源岩生烃潜力评价的主要指标。由于岩心样本数量有限且实验费用昂贵，这些数据通常很少。

现有技术中，已证实常规电缆测井参数（即声波测井、频谱伽马射线、电阻率测井、体积密度测井等）与 TOC 含量有关。因此，可以建立岩心样品TOC含量与电缆测井参数之间的关系，也可以由此预测连续TOC含量。例如专利文献：“CN110501744B 烃源岩有机碳地球物理定量预测方法、装置、设备及存储介质”建立烃源岩TOC与纵波阻抗的非线性关系式作为统计学方程进行预测，但该方法仅使用纵波阻抗数据作为参数，忽略了其他相关的测井指示因子；而且统计学方程是使用二项式进行拟合的模型驱动型分析方式，模型的表征能力收到限制，不足以表征TOC与指示因子之间存在的复杂非线性关系；专利文献：“CN108171376B 总有机碳的预测方法、装置、电子设备及存储介质” 通过获取页岩气TOC曲线与指示因子的夹角余弦作为相似度进行预测，但该方法使用夹角余弦作为相似度度量是一种简单的线性建模，不足以表征TOC与指示因子之间存在的复杂非线性关系；专利文献：“CN106568918B 页岩有机碳含量TOC预测方法”，通过获得页岩TOC与多个测井参数的数学关系，选择具有最大相似值的测井参数作为预测参数进行预测，但该方法使用的数学关系模型是一项式拟合，不足以表征TOC与各个测井参数之间存在的复杂非线性关系。专利文献：“CN113050191A基于双参数的页岩油TOC预测方法及装置” 通过电阻率数据，声波时差数据与页岩油TOC建立函数关系进行预测，但该方法缺点是仅使用两个测井参数进行分析，且TOC函数中的参数为人工确定的双参数标准化数据，属于手动设计特征；使用多项式拟合建立函数关系，不足以表征TOC与各参数之间存在的复杂非线性关系。

而随着神经网络的迅速发展，神经网络模型利用其强大的多层次多尺度建模能力，可以推理多个参数与TOC之间的关联度，数据驱动型建模可以使得预测结果更为精确，基于此，本发明提出了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。

发明内容

为了解决现有技术中的上述问题，即为了解决现有的页岩总有机碳含量预测方法预测准确度低、鲁棒性差的问题，本发明第一方面，提出了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，该方法包括：

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；