一种针对二叠系含海泡石层系的测井算法识别方法技术

本发明专利技术公开了一种针对二叠系含海泡石层系的测井算法识别方法，包括以下步骤：

【技术实现步骤摘要】
一种针对二叠系含海泡石层系的测井算法识别方法


[0001]本专利技术涉及一种针对二叠系含海泡石层系的测井算法识别方法
。

技术介绍

[0002]碳酸盐岩具备自生自储
、
源内成藏的特点，且其有机质
、
孔隙发育与含海泡石层系密切相关
。
非常规油气勘探中，含海泡石层系在海泡石
‑
滑石转化过程中具有极强的有机质吸附效应，是重要烃源
。
[0003]测井预测可以总结为分类问题与回归问题，机器学习算法在测井预测中已经得到了广泛应用，在岩性预测
、
储层物性评价等领域中取得了不错的效果
。
含海泡石层系预测属黏土矿物预测，测井预测方法较多，包括低电阻率曲线特征计算页岩黏土矿物含量
、
神经网络模型分析了黏土矿物含量分布规律
、
自然伽马能谱计算富有机质页岩中黏土矿物分布
、
基于蚀变指数反演黏土矿物含量
、
声波时差
‑
电阻率综合计算了地层黏土矿物类型及含量
、
测井矿物敏感性分析，联合
X
‑
衍射，结合多元回归分析建立泥页岩黏土矿物分析模型
。
目前对海泡石
、
滑石等黏土矿物的测井响应特征缺乏研究，且当前粘土矿物测井分析方法需要结合能谱测井
、XRD
等多种手段
。
实际应用中测井资料以常规测井为主，缺乏能谱测井资料
。
常规资料偏向于解释黏土矿物含量，难以区分具体的黏土矿物类型
。
因此，建立适用于含海泡石层系测井预测的工作流模式对非常规油气勘探具有重要意义
。
地质层面上是滑石是由海泡石演变而成的，所以发育滑石的地方一定曾经存在海泡石，因此可以通过检验滑石来判断海泡石的存在
。

技术实现思路

[0004]本专利技术的目的在于克服现有技术的不足，提供一种基于现有钻井数据建立了含海泡石层系分析预测流程，预测的结果能够达到与传统茅一段
TOC
分布保持一致，能够实现针对含海泡石层系的精准预测的针对二叠系含海泡石层系的测井算法识别方法
。
[0005]本专利技术的目的是通过以下技术方案来实现的：一种针对二叠系含海泡石层系的测井识别方法，包括以下步骤：
[0006]S1、
数据预处理：采集待预测的测井数据，从中选择选择
CNL、DEN、GR、RT、RXO、AC
曲线六种测井数据，并将筛选出的数据进行
MinMaxScaler
归一化处理；
[0007]S2、
将测井数据按
7:1:2
的比例设置为训练集
、
验证集
、
检验集；
[0008]S3、
建立测井识别模型：将测井数据
X
k
及其对应的滑石标签
Y
k
构成集合
D
：
D
＝
{X
k
,Y
k
},k
＝
1,2,
…
,n
，
n
为测井数据总道数；其中，
X
k
表示第
k
道测井曲线数据，由测井数据
X
k
构成的特征数据集
X
表示为：
[0009][0010]m
表示纵向采样数目，表示纵向采样数目，表示第
k
道测井曲线数据的第
m
个采样点；
[0011]滑石标签
Y
k
包含地层是否存在滑石
、
滑石产状类型及滑石含量，表示为：
[0012][0013]表示地层是否存在滑石，0表示地层不存在滑石，1表示地层存在滑石；表示地层滑石含量；表示地层滑石产状，0表示斑状，1表示透镜状，2表示层状；
[0014]利用机器学习算法对滑石各类标签进行预测，表示为：
[0015][0016]其中，表示是否存在滑石
、
滑石含量预测
、
滑石产状预测所采用的算法，表示是否存在滑石
、
滑石含量预测
、
滑石产状预测所使用的算法的损失函数；
[0017]S4、
将训练集数据输入
CatBoost
模型，利用
CatBoost
算法对含海泡石层系是否存在滑石作二分类判断；
[0018]S5、
将
S4
判定为存在滑石的训练集数据输入另一个
CatBoost
模型，采用
CatBoost
算法进行滑石产状的多分类判断；
[0019]S6、
将
S4
判定为存在滑石的训练集数据输入
XGBoost
模型，采用
XGBoost
算法对地层滑石含量进行回归预测；
[0020]S7、
将验证集数据输入
S4
训练好的模型中，依次进行是否存在滑石的二分类判断
、
滑石产状的多分类判断
、
滑石含量预测，分别判断
S4、S5、S6
训练的模型是否收敛，若模型未收敛且未出现过拟合则调整模型超参数继续训练；若模型收敛或出现过拟合则结束训练；然后将检验集数据输入模型中判断模型是否正常运行，若是则保留该模型，否则剔除该模型；每次模型训练完成后都要计算模型的损失函数，并从保留下来的模型中选择损失函数最小的模型作为最终模型；
[0021]S8、
利用最终模型对待识别的二叠系含海泡石层系进行是否存在滑石的二分类判断
、
滑石产状的多分类判断
、
滑石含量预测，并利用滑石含量计算不同产状含海泡石层系有效厚度：
[0022][0023]n
表示海泡石层系的层数
。
[0024]所述步骤
S4
和
S5
的
CatBoost
模型的损失函数采用交叉熵函数，交叉熵计算方法为：
[0025][0026]其中，
n
表示样本总数，
class
表示类别数量，
y
ij
表示第
i
个样本包含类别
j
的标签，
p
ij
表示第
i
个样本对于类别
j
的预测值；
[0027]步骤
S6
的
XGBoost
算法的损失函数采用均方根误差
RMSE
，其计算公式如下：
[0028][0029]f(x...

【技术保护点】

【技术特征摘要】
1.
一种针对二叠系含海泡石层系的测井识别方法，其特征在于，包括以下步骤：
S1、
数据预处理：采集待预测的测井数据，从中选择选择
CNL、DEN、GR、RT、RXO、AC
曲线六种测井数据，并将筛选出的数据进行
MinMaxScaler
归一化处理；
S2、
将测井数据按
7:1:2
的比例设置为训练集
、
验证集
、
检验集；
S3、
建立测井识别模型：将测井数据
X
k
及其对应的滑石标签
Y
k
构成集合
D
：
D
＝
{X
k
,Y
k
},k
＝
1,2,
…
,n
，
n
为测井数据总道数；其中，
X
k
表示第
k
道测井曲线数据，由测井数据
X
k
构成的特征数据集
X
表示为：
m
表示纵向采样数目，表示第
k
道测井曲线数据的第
m
个采样点；滑石标签
Y
k
包含地层是否存在滑石
、
滑石产状类型及滑石含量，表示为：
Y
1T
表示地层是否存在滑石，
Y
1T
∈[0
，
1]
，0表示地层不存在滑石，1表示地层存在滑石；表示地层滑石含量；表示地层滑石产状，0表示斑状，1表示透镜状，2表示层状；利用机器学习算法对滑石各类标签进行预测，表示为：其中，
F
ij
(x)
表示是否存在滑石
、
滑石含量预测
、
滑石产状预测所采用的算法，表示是否存在滑石
、
滑石含量预测
、
滑石产状预测所使用的算法的损失函数；
S4、
将训练集数据输入
CatBoost
模型，利用
CatBoost
算法对含海泡石层系是否存在滑石作二分类判断；
S5、
将
S4

【专利技术属性】
技术研发人员：宋金民，任杉，李柯然，刘树根，王佳蕊，李智武，杨迪，叶玥豪，郭嘉欣，
申请(专利权)人：成都理工大学，
类型：发明
国别省市：