基于地震剖面构型Hu矩的岩相智能预测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115933000A(43)申请公布日2023.04.07(21)申请号202110971161.5(22)申请日2021.08.23(71)申请人中国石油化工股份有限公司地址257000山东省东营市东营区济南路125号申请人中国石油化工股份有限公司胜利油田分公司物探研究院(72)发明人孔省吾张云银林晓华商伟李迪张建芝张磊(74)专利代理机构济南日新专利代理事务所(普通合伙)37224专利代理师崔晓艳(51)Int.Cl.G01V11/00(2006.01)G01V99/00(2009.01)权利要求书2页说明书8页附图21页(54)发明名称基于地震剖面构型Hu矩的岩相智能预测方法(57)摘要本发明提供一种基于地震剖面构型Hu矩的岩相智能预测方法，该基于地震剖面构型Hu矩的岩相智能预测方法包括：步骤1，对研究区三维地震数据，按目的层提取每一道地震数据的地震波形Hu矩属性；步骤2，按三维地震平面上的每一道作为一个样本点，对每一样本点，选取其Hu不变矩数据，形成二维空间的样本数据集；步骤3，将样本数据集分割成标签样本集和预测样本集；步骤4，选取机器学习算法，对标签样本集进行学习得到训练模型，然后用该模型对预测样本集进行预测，得到全区岩相分布数据。该基于地震剖面构型Hu矩的岩相智能预测方法解决了岩相识别的难题，对于提高岩相预测精度、实现快速有效的勘探具有重要的意义。CN115933000ACN115933000A权利要求书1/2页1.基于地震剖面构型Hu矩的岩相智能预测方法，其特征在于，该基于地震剖面构型Hu矩的岩相智能预测方法包括：步骤1，对研究区三维地震数据，按目的层提取每一道地震数据的地震波形Hu矩属性；步骤2，按三维地震平面上的每一道作为一个样本点，对每一样本点，选取其Hu不变矩数据，形成二维空间的样本数据集；步骤3，将样本数据集分割成标签样本集和预测样本集；步骤4，选取机器学习算法，对标签样本集进行学习得到训练模型，然后用该模型对预测样本集进行预测，得到全区岩相分布数据。2.根据权利要求1所述的基于地震剖面构型Hu矩的岩相智能预测方法，其特征在于，在步骤1中，目的层时窗的确定是基于井震结合建立的岩相划分层序；利用地震解释层位确定目的层时窗，提取时窗内的地震数据，并对其计算地震波形Hu不变矩属性。3.根据权利要求2所述的基于地震剖面构型Hu矩的岩相智能预测方法，其特征在于，在步骤1中，对时窗内地震数据计算的各项Hu矩属性，包括6个绝对正交不变量和1个斜正交不变量,它们既不受位置、大小和方向的影响，也不受平行投影的影响。4.根据权利要求1所述的基于地震剖面构型Hu矩的岩相智能预测方法，其特征在于，在步骤2中，在三维地震平面内，选取每点的X、Y值作为样本点的坐标，将步骤1中形成的地震波形Hu不变矩属性数据做样本点的特征值，生成样本数据集文件。5.根据权利要求1所述的基于地震剖面构型Hu矩的岩相智能预测方法，其特征在于，在步骤3中，利用研究区内已知井的测井、录井、岩心这些数据，分析统计各井在目的层段内的岩相分布数据，将其作为该井位置附近的样本数据的标签值对样本进行标注，从而将样本数据集分割成标签样本集和预测样本集。6.根据权利要求5所述的基于地震剖面构型Hu矩的岩相智能预测方法，其特征在于，在步骤3中，在分割过程中，除了对井旁样本进行标注外，还对井旁一定范围内的样本进行标注，这个范围是通过指定一个固定的半径参数或者通过专业人员圈定的多边形范围来定义，利用这个范围，扩大标签样本集的容量。7.根据权利要求6所述的基于地震剖面构型Hu矩的岩相智能预测方法，其特征在于，在步骤3中，标签值包括目的层段内的岩相分类数据；样本扩充方法，包括通过一个固定的半径参数或者专业人员圈定的多边形范围来进行，或通过高斯噪音、生成对抗网络算法来进行。8.根据权利要求1所述的基于地震剖面构型Hu矩的岩相智能预测方法，其特征在于，在步骤4中，基于标签样本集，利用机器学习算法建立地震hu不变矩表征参数与岩相种类及厚度之间的估算模型，同时利用标签数据集的拆分的验证集来评估模型的准确率，最终利用评估合格模型进行未知岩相的智能预测，得到全区的岩相分布数据。9.根据权利要求8所述的基于地震剖面构型Hu矩的岩相智能预测方法，其特征在于，在步骤4中，选取多个机器学习算法来对标签样本集进行训练以得到训练模型，这些机器学习算法包括多元线性回归算法、非线性回归算法、岭回归算法、随机森林算法、极限梯度增强算法、支持向量机算法、卷积神经网络算法、循环神经网络算法。10.根据权利要求9所述的基于地震剖面构型Hu矩的岩相智能预测方法，其特征在于，在步骤4中，在模型训练过程中将标签样本集分为训练样本集和验证样本集，其中训练样本2