[发明专利]一种储层含气识别的方法、装置及系统有效
| 申请号： | 201710790338.5 | 申请日： | 2017-09-05 |
| 公开（公告）号： | CN107678059B | 公开（公告）日： | 2019-06-28 |
| 发明（设计）人： | 袁三一;王铁一;刘继伟;宋朝辉;刘颖;王尚旭 | 申请（专利权）人： | 中国石油大学(北京) |
| 主分类号： | G01V1/28 | 分类号： | G01V1/28;G01V1/30 |
| 代理公司： | 北京三友知识产权代理有限公司 11127 | 代理人： | 李辉 |
| 地址： | 102249*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请实施例公开了一种储层含气识别的方法、装置及系统，所述方法包括获取待测储层的原始地震剖面；将所述原始地震剖面输入预先构建的含气识别模型中进行处理，所述含气识别模型包括：通过采集的地震剖面样本数据对选择的深度学习初始模型进行训练得到；根据所述含气识别模型的输出结果确定所述待测储层的含气识别结果。利用本申请各个实施例，可以充分利用原始地震数据蕴含的信息，提高含气性预测的精确度。 | ||
| 搜索关键词： | 装置及系统 原始地震 原始地震数据 初始模型 地震剖面 输出结果 样本数据 构建 申请 采集 预测 学习 | ||
【主权项】：
1.一种储层含气识别的方法，其特征在于，包括：获取待测储层的原始地震剖面；将所述原始地震剖面输入预先构建的含气识别模型中进行处理，所述含气识别模型包括：通过采集的地震剖面样本数据对选择的深度学习初始模型进行训练得到；根据所述含气识别模型的输出结果确定所述待测储层的含气识别结果；其中，所述深度学习初始模型包括深度卷积神经网络模型，所述通过采集的地震剖面样本数据对选择的深度学习初始模型进行训练，包括：对所述地震剖面样本数据中的像素点在时间‑空间域开辟相同大小的预设窗口，获得所述地震剖面样本数据中的像素点对应的第二时窗；当所述第二时窗的大小大于第一预设阈值时，在所述深度卷积神经网络中采用每个卷积层之间均使用池化层；当所第二时窗的大小大于第二阈值小于第一阈值时，在所述深度卷积神经网络中采用部分卷积层之间使用池化层；当所述第二时窗的大小小于第二阈值时，在所述深度卷积神经网络中采用每个卷积层之间均不使用池化层；所述第一阈值大于第二阈值。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国石油大学(北京)，未经中国石油大学(北京)许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710790338.5/，转载请声明来源钻瓜专利网。
