一种测井曲线自动绘制方法、系统、装置及存储介质制造方法及图纸

本发明专利技术涉及一种测井曲线自动绘制方法、系统、装置及计算机可读存储介质，所述方法包括以下步骤：获取用户进行测井曲线绘图时选用的绘图模板及对应的操作信息，根据绘图模板及对应的操作信息，获取用户绘制同一曲线所用最多的绘图模板，将所用最多的绘图模板作为标准模板；获取测井数据，根据测井数据中的曲线名称生成测井数据网格灰度图，构建深度神经网络模型，得到基于曲线名称识别的深度神经网络模型；获取用户输入的测井数据，根据用户输入的测井数据及基于曲线名称识别的深度神经网络模型获取曲线名称，根据曲线名称获取对应的标准模板，以对应的标准模板绘图。本发明专利技术所述方法实现了绘图模板准确地选择，提高了绘图效率。率。率。

【技术实现步骤摘要】
一种测井曲线自动绘制方法、系统、装置及存储介质


[0001]本专利技术涉及测井
，尤其涉及一种测井曲线自动绘制方法、系统、装置及计算机可读存储介质。

技术介绍

[0002]在测井资料应用过程中，为了了解岩层地质特性，多方面的去认识地下地质面貌，发现地下油气储藏，需要综合使用各种测井方法；在通过各种测井仪器进行资料采集之后，所得到的是各种复杂的测井数字资料，而并非是直观的测井曲线。
[0003]为了保证测井解释的准确可靠，必须要确保测井曲线的精确，在测井曲线图的绘制过程中更应当要减少曲线的误差，确保曲线的质量。国内许多绘图软件针对的不是某一领域的特定用户，其功能以通用性为主要目的，不能满足给定数据自动成图的专业需求；目前商业化的测井曲线绘制软件大多数只能在本地的资料库中提取数据成图，最为重要的是，它们都无法摆脱手动加载绘图模板、修改曲线显示风格，需要用户在对数据进行分析后，输入指定的模板才能完成图像绘制。
[0004]现有测井绘图的方法是测井数据加上绘图模板，然后绘制出图，再加上后期的手动调整刻度，这一系列的操作对于不熟悉测井绘图流程的用户来说是非常复杂的；特别是在绘图模板选择阶段，不熟悉测井绘图流程的用户可能会选择绘图模板不准确，严重影响绘图效率，同时当用户在自己的设备上完成绘图之后，在别的设备上不能查看到自己已完成的图件。

技术实现思路

[0005]有鉴于此，有必要提供一种测井曲线自动绘制方法、系统、装置及计算机可读存储介质，用以解决绘图模板选择不准确、绘图效率低下的问题。r/>[0006]本专利技术提供一种测井曲线自动绘制方法，包括以下步骤：
[0007]获取用户进行测井曲线绘图时选用的绘图模板及对应的操作信息，根据所述绘图模板及对应的操作信息，获取用户绘制同一曲线所用最多的绘图模板，将所述所用最多的绘图模板作为标准模板；
[0008]获取测井数据，根据所述测井数据中的曲线名称生成测井数据网格灰度图，构建深度神经网络模型，利用所述测井数据网格灰度图及曲线名称进行深度神经网络模型训练，得到基于曲线名称识别的深度神经网络模型；
[0009]获取用户输入的测井数据，根据所述用户输入的测井数据及基于曲线名称识别的深度神经网络模型获取曲线名称，根据所述曲线名称获取对应的标准模板，以对应的标准模板绘图。
[0010]进一步地，建立云端服务器，将所述绘图模板及对应的操作信息上传至云端服务器，将基于曲线名称识别的深度神经网络模型上传至云端服务器，当获取对应的标准模板，以对应的标准模板绘图后，将用户绘图信息上传至云端服务器存储。
[0011]进一步地，根据所述测井数据中的曲线名称生成测井数据网格灰度图，具体包括，利用测井数据中的曲线名称字符，形成正方形网格图，统计测井数据中曲线名称字符出现的频率，得到测井数据网格灰度图。
[0012]进一步地，利用所述测井数据网格灰度图及曲线名称进行深度神经网络模型训练，得到基于曲线名称识别的深度神经网络模型，具体包括，利用所述测井数据网格灰度图创建数据集，以测井数据网格灰度图和测井曲线名称分别作为深度神经网络模型的输入和标签数据，通过所述数据集训练深度神经网络模型，以验证误差最小时的参数为最优参数，得到基于曲线名称识别的深度神经网络模型。
[0013]进一步地，所述深度神经网络模型包括输入层、输出层及多个隐藏层，以测井数据网格灰度图作为深度神经网络模型的输入层，所述隐藏层为连接层，所述全连接层对输入进行线性运算后经过激活函数输出。
[0014]进一步地，所述全连接层对输入进行线性运算后经过激活函数输出的表达式为y＝f(Wx+b)，其中，x为输入特征向量，W和b分别为权重系数矩阵和偏置向量，f为激活函数，y为输出。
[0015]进一步地，在训练深度神经网络模型的过程中，通过交叉熵损失函数计算出实际输出和真实标签的差别，通过优化交叉熵，使模型预测的概率分布与真实的接近，所述交叉熵损失函数为H(p,q)＝-∑p(x)logq(x)，其中，p(x)为真实的分布，q(x)是模型预测出来的分布。
[0016]本专利技术还提供一种根据上述任一技术方案所述的测井曲线自动绘制方法的系统，包括标准模板获取模块、深度神经网络模型获取模块及绘图模块；
[0017]所述标准模板获取模块，用于获取用户进行测井曲线绘图时选用的绘图模板及对应的操作信息，根据所述绘图模板及对应的操作信息，获取用户绘制同一曲线所用最多的绘图模板，将所述所用最多的绘图模板作为标准模板；
[0018]所述深度神经网络模型获取模块，用于获取测井数据，根据所述测井数据中的曲线名称生成测井数据网格灰度图，构建深度神经网络模型，利用所述测井数据网格灰度图及曲线名称进行深度神经网络模型训练，得到基于曲线名称识别的深度神经网络模型；
[0019]所述绘图模块，用于获取用户输入的测井数据，根据所述用户输入的测井数据及基于曲线名称识别的深度神经网络模型获取曲线名称，根据所述曲线名称获取对应的标准模板，以对应的标准模板绘图。
[0020]本专利技术还提供一种测井曲线自动绘制装置，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现如上述任一技术方案所述的测井曲线自动绘制方法
[0021]本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机该程序被处理器执行时，实现如上述任一技术方案所述的测井曲线自动绘制方法。
[0022]与现有技术相比，本专利技术的有益效果包括：通过获取用户进行测井曲线绘图时选用的绘图模板及对应的操作信息，根据所述绘图模板及对应的操作信息，获取用户绘制同一曲线所用最多的绘图模板，将所述所用最多的绘图模板作为标准模板；获取测井数据，根据所述测井数据中的曲线名称生成测井数据网格灰度图，构建深度神经网络模型，利用所述测井数据网格灰度图及曲线名称进行深度神经网络模型训练，得到基于曲线名称识别的
深度神经网络模型；获取用户输入的测井数据，根据所述用户输入的测井数据及基于曲线名称识别的深度神经网络模型获取曲线名称，根据所述曲线名称获取对应的标准模板，以对应的标准模板绘图；实现了绘图模板准确地选择，提高了绘图效率。
附图说明
[0023]图1为本专利技术提供的测井曲线自动绘制方法的流程示意图；
[0024]图2为本专利技术提供的测井数据网格灰度图。
具体实施方式
[0025]下面结合附图来具体描述本专利技术的优选实施例，其中，附图构成本申请一部分，并与本专利技术的实施例一起用于阐释本专利技术的原理，并非用于限定本专利技术的范围。
[0026]实施例1
[0027]本专利技术实施例提供了一种测井曲线自动绘制方法，所述方法的流程示意图，如图1所示，所述方法包括以下步骤：
[0028]S1、获取用户进行测井曲线绘图时选用的绘图模板及对应的操作信息，根据所述绘图模板及对应的操作信息，获取用户绘制同一曲线所用最多的绘图模板，将所述所用最多的绘图模板作为标准模板；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种测井曲线自动绘制方法，其特征在于，包括以下步骤：获取用户进行测井曲线绘图时选用的绘图模板及对应的操作信息，根据所述绘图模板及对应的操作信息，获取用户绘制同一曲线所用最多的绘图模板，将所述所用最多的绘图模板作为标准模板；获取测井数据，根据所述测井数据中的曲线名称生成测井数据网格灰度图，构建深度神经网络模型，利用所述测井数据网格灰度图及曲线名称进行深度神经网络模型训练，得到基于曲线名称识别的深度神经网络模型；获取用户输入的测井数据，根据所述用户输入的测井数据及基于曲线名称识别的深度神经网络模型获取曲线名称，根据所述曲线名称获取对应的标准模板，以对应的标准模板绘图。2.根据权利要求1所述的测井曲线自动绘制方法，其特征在于，还包括，建立云端服务器，将所述绘图模板及对应的操作信息上传至云端服务器，将基于曲线名称识别的深度神经网络模型上传至云端服务器，当获取对应的标准模板，以对应的标准模板绘图后，将用户绘图信息上传至云端服务器存储。3.根据权利要求1所述的测井曲线自动绘制方法，其特征在于，根据所述测井数据中的曲线名称生成测井数据网格灰度图，具体包括，利用测井数据中的曲线名称字符，形成正方形网格图，统计测井数据中曲线名称字符出现的频率，得到测井数据网格灰度图。4.根据权利要求1所述的测井曲线自动绘制方法，其特征在于，利用所述测井数据网格灰度图及曲线名称进行深度神经网络模型训练，得到基于曲线名称识别的深度神经网络模型，具体包括，利用所述测井数据网格灰度图创建数据集，以测井数据网格灰度图和测井曲线名称分别作为深度神经网络模型的输入和标签数据，通过所述数据集训练深度神经网络模型，以验证误差最小时的参数为最优参数，得到基于曲线名称识别的深度神经网络模型。5.根据权利要求4所述的测井曲线自动绘制方法，其特征在于，所述深度神经网络模型包括输入层、输出层及多个隐藏层，以测井数据网格灰度图作为深度神经网络模型的输入层，所述隐藏层为连接层，所述全连接...

【专利技术属性】
技术研发人员：张宫，覃莹瑶，牛深园，刘新，
申请(专利权)人：长江大学，
类型：发明
国别省市：