System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及地质勘探,具体地,涉及一种知识驱动多模态单井地质智能解释方法、设备及存储介质。
技术介绍
1、测井解释,又名测井综合解释,其核心是确定测井信息与地质信息之间应用的关系,采用正确的方法把测井信息加工成地质信息,该地质信息能够为后续油气开发提供有效的地质依据。
2、本申请专利技术人在实现本专利技术的过程中发现,地质的构造背景、沉积背景、前期地质建模结果、前期地震反演结果和断层解释等先验信息能够充分反映多种地质信息,而现有技术中的测井地质解释通常仅考虑独立油井的测井信息,而并未对相关的先验信息进行分析,使得先验信息没有得到充分的利用,造成信息资源的浪费,且导致测井地质解释的精度较低,另外,由于当前测井地质解释的维度较为单一(例如,先解释岩性,再解释孔隙度,之后再解释渗透率,最后解释含油气饱和度),而并未考虑各类测井地质信息的相关性,使得测井地质解释的精度进一步降低,尤其是在油气藏开发的中后期阶段,该测井地质解释精度常常无法满足实际开发的要求。
技术实现思路
1、本专利技术实施例的目的是提供一种知识驱动多模态单井地质智能解释方法、设备及存储介质,用于缓解当前测井地质解释精度低的技术问题。
2、为了实现上述目的,本专利技术实施例的一个方面提供一种知识驱动多模态单井地质智能解释方法,包括:
3、获取目标区域内的历史多模态井间数据和单井测井数据;
4、根据所述历史多模态井间数据和所述单井测井数据,得到邻井相似指数集;
5、
6、基于所述特征信息数据和噪声数据,生成特征信息链接;
7、基于所述特征信息链接对目标生成对抗模型进行训练,以使训练后的所述目标生成对抗模型生成所述目标区域对应的多模态地质解释数据。
8、可选地,所述根据所述历史多模态井间数据和所述单井测井数据,得到邻井相似指数集的步骤,包括:
9、根据所述单井测井数据,确定任意两油井的测井曲线波形相似度;
10、对沉积微相系数、所述测井曲线波形相似度、断层井间距和井间直线距离进行运算处理,得到邻井相似指数集,其中,所述历史多模态井间数据包括所述沉积微相系数、所述断层井间距和所述井间直线距离。
11、可选地,所述基于所述邻井相似指数集、所述历史多模态井间数据和所述单井测井数据,生成特征信息数据的步骤,包括:
12、基于所述邻井相似指数集和所述历史多模态井间数据,生成多模态软数据;
13、对所述多模态软数据和所述单井测井数据进行复合处理,得到多模态数据;
14、对所述多模态数据进行嵌入处理,得到特征信息数据,其中,所述特征信息数据包括多个特征信息序列。
15、可选地,所述对所述多模态数据进行嵌入处理,得到特征信息数据的步骤,包括:
16、将地质特征标签数据嵌入所述多模态数据,得到特征信息数据,其中,所述地质特征标签数据包括孔隙度、渗透率、裂缝信息、岩性信息和含油饱和度中的至少一者。
17、可选地,所述基于所述特征信息数据和噪声数据,生成特征信息链接的步骤,包括:
18、将所述特征信息数据中满足预设相似条件的各特征信息序列进行链接处理,得到样本特征链接,以及
19、对噪声数据进行正态分布处理,得到多个噪声特征向量;
20、将所述多个噪声特征向量输入目标生成对抗模型,以使所述目标生成对抗模型中的生成模型根据所述多个噪声特征向量生成噪声特征链接,其中,特征信息链接包括所述样本特征链接和所述噪声特征链接。
21、可选地,所述基于所述特征信息链接对目标生成对抗模型进行训练,以使训练后的所述目标生成对抗模型生成所述目标区域对应的多模态地质解释数据的步骤,包括:
22、将所述样本特征链接和所述噪声特征链接输入目标生成对抗模型,以使所述目标生成对抗模型中的判别模型输出特征链接判别结果;
23、基于所述特征链接判别结果对所述目标生成对抗模型进行训练,以使训练后的所述目标生成对抗模型输出所述目标区域对应的多模态地质解释数据。
24、可选地,所述基于所述特征链接判别结果对所述目标生成对抗模型进行训练,以使训练后的所述目标生成对抗模型输出所述目标区域对应的多模态地质解释数据的步骤,包括:
25、基于所述特征链接判别结果,确定所述样本特征链接和所述噪声特征链接的损失函数;
26、根据所述损失函数对所述生成模型和所述判别模型进行训练,以使训练后的所述生成模型生成所述目标区域对应的多模态地质解释数据。
27、可选地,所述根据所述损失函数对所述生成模型和所述判别模型进行训练,以使训练后的所述生成模型生成所述目标区域对应的多模态地质解释数据的步骤,包括:
28、根据所述损失函数对所述生成模型和所述判别模型进行训练,以使训练后的所述判别模型输出满足预设判别条件的判别结果,以及
29、使训练后的所述生成模型生成满足所述预设判别条件的目标数据,其中,多模态地质解释数据包括所述目标数据。
30、另一方面,本专利技术提供一种知识驱动多模态单井地质智能解释设备,被配置成执行根据上述任一项所述的知识驱动多模态单井地质智能解释方法。
31、此外,本专利技术的另一方面还提供一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令在被处理器执行时使得所述处理器实现根据上述任一项所述的知识驱动多模态单井地质智能解释方法。
32、通过上述技术方案,将经先验所得的历史多模态井间数据、常规的测井信息和表征相邻油井相关性的邻井相似指数集结合生成具有多源异构特点的特征信息数据,并根据特征信息数据生成特征信息链接,以基于该特征信息链接对目标生成对抗网络进行训练,使得目标生成对抗网络能够自动生成种类多元、相关性高的多模态地质解释数据,因此,将多模态地质解释数据作为测井地质解释依据,能够提高测井地质解释的综合性,从而有效提高测井地质解释的精度。
33、本专利技术实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
本文档来自技高网...【技术保护点】
1.一种知识驱动多模态单井地质智能解释方法,其特征在于,包括:
2.根据权利要求1所述的知识驱动多模态单井地质智能解释方法,其特征在于,所述根据所述历史多模态井间数据和所述单井测井数据,得到邻井相似指数集的步骤,包括:
3.根据权利要求2所述的知识驱动多模态单井地质智能解释方法,其特征在于,所述基于所述邻井相似指数集、所述历史多模态井间数据和所述单井测井数据,生成特征信息数据的步骤,包括:
4.根据权利要求3所述的知识驱动多模态单井地质智能解释方法,其特征在于,所述对所述多模态数据进行嵌入处理,得到特征信息数据的步骤,包括:
5.根据权利要求4所述的知识驱动多模态单井地质智能解释方法,其特征在于,所述基于所述特征信息数据和噪声数据,生成特征信息链接的步骤,包括:
6.根据权利要求5所述的知识驱动多模态单井地质智能解释方法,其特征在于,所述基于所述特征信息链接对目标生成对抗模型进行训练,以使训练后的所述目标生成对抗模型生成所述目标区域对应的多模态地质解释数据的步骤,包括:
7.根据权利要求6所述的知识驱动多模态
8.根据权利要求7所述的知识驱动多模态单井地质智能解释方法,其特征在于,所述根据所述损失函数对所述生成模型和所述判别模型进行训练,以使训练后的所述生成模型生成所述目标区域对应的多模态地质解释数据的步骤,包括:
9.一种知识驱动多模态单井地质智能解释设备,其特征在于,被配置成执行根据权利要求1至8中任一项所述的知识驱动多模态单井地质智能解释方法。
10.一种机器可读存储介质,其特征在于,所述机器可读存储介质上存储有指令,所述指令在被处理器执行时使得所述处理器实现根据权利要求1至8中任一项所述的知识驱动多模态单井地质智能解释方法。
...【技术特征摘要】
1.一种知识驱动多模态单井地质智能解释方法,其特征在于,包括:
2.根据权利要求1所述的知识驱动多模态单井地质智能解释方法,其特征在于,所述根据所述历史多模态井间数据和所述单井测井数据,得到邻井相似指数集的步骤,包括:
3.根据权利要求2所述的知识驱动多模态单井地质智能解释方法,其特征在于,所述基于所述邻井相似指数集、所述历史多模态井间数据和所述单井测井数据,生成特征信息数据的步骤,包括:
4.根据权利要求3所述的知识驱动多模态单井地质智能解释方法,其特征在于,所述对所述多模态数据进行嵌入处理,得到特征信息数据的步骤,包括:
5.根据权利要求4所述的知识驱动多模态单井地质智能解释方法,其特征在于,所述基于所述特征信息数据和噪声数据,生成特征信息链接的步骤,包括:
6.根据权利要求5所述的知识驱动多模态单井地质智能解释方法,其特征在于,所述基于所述特征信息链接对目标生成对抗模型进行训练,以使训练后的所述...
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。