【技术实现步骤摘要】
本专利技术涉及地球物理勘探，特别涉及一种致密气智能识别方法、装置及设备。
技术介绍
1、随着油气勘探开发领域的不断拓广拓深，非常规油气已成为中国极其重要的油气资源，而致密气是非常规天然气勘探开发的重要领域之一，也是当今乃至今后若干年储量与产量规模最大的非常规天然气。中国致密气资源丰富，增储上产潜力大，加快开发利用致密气对提高中国的天然气自给能力与降低碳排放均具有重要作用。
2、致密气识别技术一直是国内外关注的重点研究课题，测井能够精细揭示地下原状地层的声、电、核、压力以及核磁共振等诸多物理属性，且其资料深度连续、纵向分辨率高以及精度高，是致密气识别常用的主力技术。然而，由于致密气储层致密，超低孔渗特征明显，孔隙结构复杂，含气饱和度差异大，气水分布关系复杂，常导致储层参数(主要为孔隙度、渗透率和饱和度等)测井计算精度低，气层与水层误判，制约着气田的整体评价与高效开发。
3、常规测井解释中，以孔隙度测井(密度、中子和声波)计算孔隙度，但对于岩性复杂储层的计算精度难以保证；渗透率计算则主要采用基于岩心分析数据刻度的孔隙度与渗透率间经验公式转换而实现，但致密气的复杂孔隙结构特性使得以此方法的计算精度差；含气饱和度则主要采用阿尔奇方程或印度尼西亚公式计算，控制其计算精度的关键是正确选用与孔隙结构密切相关的岩电参数，此项工作至关重要，但岩心取样的有限性导致岩电参数的代表性较差并由此影响其值的正确性，降低饱和度计算精度。以测井岩性、电性、物性和含气性等“四性关系”为基础，结合录井与试油等资料，建立储层流体识别模板实现气
4、有鉴于此，急需构建一种计算精度高、准确度好、泛化能力强以及解释性强的致密气智能识别方法，以解决上述问题。
技术实现思路
1、本专利技术的目的在于针对致密气的储层特征及其测井识别瓶颈问题，充分利用专业知识、判定数据以及图版知识构建用于致密气智能识别的测井知识图谱，研究针对性的机器学习模型建立基于测井知识图谱的储层参数预测模型与流体性质智能识别模型，解决现有机器学习模型泛化能力差、结果缺乏可解释性的问题，使得致密气识别技术更具学习能力，从而提高计算精度与识别准确率，并大幅度提高工作时效性。
2、为实现上述专利技术目的，本专利技术提供如下技术方案：
3、一种致密气智能识别方法，所述方法包括：
4、构建测井知识图谱；
5、根据所述测井知识图谱，获取流体性质识别图版；
6、根据所述测井知识图谱并结合所述流体性质识别图版，构建图版约束的流体性质智能识别模型；
7、利用所述图版约束的流体性质智能识别模型，进行致密气的智能识别。
8、作为本专利技术的进一步改进，所述测井知识图谱包括：
9、测井特征、录井特征、测井四性关系、岩心数据分布规律、区块地质以及判定数据。
10、作为本专利技术的进一步改进，所述构建测井知识图谱包括步骤：
11、构建致密气识别的知识本体；
12、依据所述致密气识别的知识本体，从致密气识别相关数据中抽取实体与关系，所述致密气识别相关数据包括：井基础信息、测井数据、录井数据、岩性物性分析数据、分层数据、测井解释成果、试油与生产数据以及研究报告；
13、根据所述实体与关系构建三元组，得到所述测井知识图谱。
14、作为本专利技术的进一步改进，所述根据所述测井知识图谱并结合所述流体性质识别图版，构建图版约束的流体性质智能识别模型包括步骤：
15、根据所述测井知识图谱中井与储层的关系，确定井与储层的表示向量；
16、根据所述测井知识图谱中测井曲线数据，确定储层的测井响应特征；
17、融合所述井与储层的表示向量和所述储层的测井响应特征；
18、将融合结果输入混合神经网络中，以所述流体性质识别图版作为对所述混合神经网络训练的误差约束进行混合学习，从而构建出图版约束的流体性质智能识别模型。
19、作为本专利技术的进一步改进，根据所述井与储层的关系，确定井与储层的表示向量包括：
20、采用基于transh的图谱嵌入表征算法，将高维空间的所述井与储层的关系映射到低维的关系空间，得到所述井与储层的表示向量。
21、作为本专利技术的进一步改进，根据所述测井曲线数据，确定储层的测井响应特征包括：
22、采用深度卷积神经网络手段，对所述测井曲线数据进行不同系列、不同尺度的计算，得到储层的测井响应特征。
23、作为本专利技术的进一步改进，所述方法还包括：
24、利用所述测井知识图谱和岩石物理模型，建立机器学习的储集层参数预测模型；
25、利用所述机器学习的储集层参数预测模型预测储集层参数；
26、利用所述测井知识图谱和储集层参数预测结果，建立机器学习的储层识别模型；
27、利用所述储层识别模型识别储集层。
28、作为本专利技术的进一步改进，所述方法还包括：
29、对识别出的含气储集层进行综合分析，筛选出具有开采潜力的储集层。
30、本专利技术还提供了一种致密气智能识别装置，所述装置包括：
31、第一构建单元，用于构建测井知识图谱；
32、图版获取单元，用于根据所述测井知识图谱，获取流体性质识别图版；
33、第二构建单元，用于根据所述测井知识图谱并结合所述流体性质识别图版，构建图版约束的流体性质智能识别模型；
34、识别单元，用于利用所述图版约束的流体性质智能识别模型，进行致密气的智能识别。
35、作为本专利技术的进一步改进，所述第一构建单元包括第一构建模块、抽取模块和图谱模块，其中，
36、第一构建模块，用于构建致密气识别的知识本体；
37、抽取模块与第一构建模块相连接，用于依据所述致密气识别的知识本体，从致密气识别相关数据中抽取实体与关系，所述致密气识别相关数据包括：井基础信息、测井数据、录井数据、岩性物性分析数据、分层数据、测井解释成果、试油与生产数据以及研究报告；
38、图谱模块与抽取模块相连接，用于根据所述实体与关系构建三元组，得到所述测井知识图谱，所述测井知识图谱包括：测井特征、录井特征、测井四性关系、岩心数据分布规律、区块地质以及判定数据。
39、作为本专利技术的进一步改进，所述第二构建单元包括第一确定模块、第二确定模块、融合模块和第二构建模块，其中，
40、第一确定模块，用于根据所述测井知识图谱中井与储层的关系，确定井与储层的表示向量；
41、第二确定模块，用于根据所述测井知识图谱中测井曲线数据，确定储层的测井响应特征；
42、融合模块分别与第一确定模块和第二确定模块相连接，用于融合所述井与储层的表示向量和所述储层的测井响应特征；
4本文档来自技高网...
【技术保护点】
1.一种致密气智能识别方法，所述方法包括：
2.根据权利要求1所述的致密气智能识别方法，其中，所述测井知识图谱包括：
3.根据权利要求1所述的致密气智能识别方法，其中，所述构建测井知识图谱包括步骤：
4.根据权利要求1～3中任一项所述的致密气智能识别方法，其中，所述根据所述测井知识图谱并结合所述流体性质识别图版，构建图版约束的流体性质智能识别模型包括步骤：
5.根据权利要求4所述的致密气智能识别方法，其中，根据所述井与储层的关系，确定井与储层的表示向量包括：
6.根据权利要求4所述的致密气智能识别方法，其中，根据所述测井曲线数据，确定储层的测井响应特征包括：
7.根据权利要求1所述的致密气智能识别方法，其中，所述方法还包括：
8.根据权利要求1所述的致密气智能识别方法，其中，所述方法还包括：
9.一种致密气智能识别装置，所述装置包括：
10.根据权利要求9所述的致密气智能识别装置，其中，所述第一构建单元包括第一构建模块、抽取模块和图谱模块，其中，
11.根据权利
12.根据权利要求11所述的致密气智能识别装置，其中，所述第一确定模块包括映射子模块，
13.根据权利要求11所述的致密气智能识别装置，其中，所述第二确定模块包括计算子模块，
14.根据权利要求9所述的致密气智能识别装置，其中，所述装置还包括：
15.根据权利要求9所述的致密气智能识别装置，其中，所述装置还包括：
16.一种致密气智能识别设备，所述设备包括处理器和存储器；其中，
...【技术特征摘要】
1.一种致密气智能识别方法，所述方法包括：
2.根据权利要求1所述的致密气智能识别方法，其中，所述测井知识图谱包括：
3.根据权利要求1所述的致密气智能识别方法，其中，所述构建测井知识图谱包括步骤：
4.根据权利要求1～3中任一项所述的致密气智能识别方法，其中，所述根据所述测井知识图谱并结合所述流体性质识别图版，构建图版约束的流体性质智能识别模型包括步骤：
5.根据权利要求4所述的致密气智能识别方法，其中，根据所述井与储层的关系，确定井与储层的表示向量包括：
6.根据权利要求4所述的致密气智能识别方法，其中，根据所述测井曲线数据，确定储层的测井响应特征包括：
7.根据权利要求1所述的致密气智能识别方法，其中，所述方法还包括：
8.根据权利要求1所述的致密气智能识别方法，其中，所述方法还包...
【专利技术属性】
技术研发人员：刘国强，龚仁彬，米兰，袁超，蒋丽维，
申请(专利权)人：中国石油天然气股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。