【技术实现步骤摘要】
本专利技术涉及油气藏开发地质，尤其涉及一种基于深度学习的油气藏地质建模方法及系统。
技术介绍
1、油气藏地质建模是油气藏描述的重要内容，是综合地质、测井、地震和生产动态等多类型数据，表征地下储层、物性及流体的空间分布，刻画油气藏非均质性的关键。传统地质建模技术主要包含三大类地质建模方法，分别是基于地震属性截断的地质建模方法、基于变差函数的两点地质统计学的地质建模方法和基于训练图像的多点地质统计学的地质建模方法。
2、地震属性截断方法是一种确定性方法，主要基于地震属性与储层(沉积相、岩相)/储集体(孔、洞、缝)发育之间的强相关关系，确定地震属性阙值，对地震属性进行截断，然后将其转化为确定性的储层/储集体地质模型，该方法所得的储层/储集体模型与地震属性吻合，但是无法实现从地震异常体向真实地质体的转化，不能控制所构建的储层/储集体形状，且当地震属性与储层/储集体之间的相关关系不强时，所建立的储层/储集体模型误差较大。在两点地质统计学模拟中，通过储层空间两点之间的距离协方差，也称为变差函数，来描述储层空间特征，可在一定程度上使预测结果与井点观测数据在地质体的空间分布规律上达到一致性，但变差函数无法很好地描述复杂的储层/储集体非均质性特征和空间结构。多点地质统计学建模通过地质模式的识别，能较好地刻画储层的几何特征、空间组合样式，实现条件数据和地质认识的融合，但是该方法存在训练图像获取难度大、模式重现能力不足等问题，而且预测过程中仍然无法受到多类先验地质知识的约束。
3、随着油气勘探开发数据获取增多，如何在海量数据中
4、由此可见，现有技术在应用时存在下述问题：基于两点地质统计学的建模方法无法表征复杂地质体的几何形态和展布规律；基于目标和基于正演模拟的建模方法无法完全融合井点等条件数据；基于多点地质统计学的建模方法，由于过多依赖于训练图像，但训练图像获取难度大，针对复杂结构油气藏，仅在一定程度上表征了地质模式特征，无法满足精度需求；基于人工智能的地质建模方法，能够较好模拟空间复杂模式特征，但存在真实训练样本获取难及深度学习建模模拟器构建困难等问题。
5、公开于本专利技术
技术介绍
部分的信息仅仅旨在加深对本专利技术的一般
技术介绍
的理解，而不应当被视为承认或以任何形式暗示该信息构成己为本领域技术人员所公知的现有技术。
技术实现思路
1、为解决上述问题，本专利技术提供了一种基于深度学习的油气藏地质建模方法，在一个实施例中，所述方法包括：
2、研究数据获取步骤：基于设定研究区的储层，根据储层的油藏类型确定匹配的地质知识体系，基于其确定待研究储层的典型地质区块，获取不同储层的多源典型地质数据作为研究数据；
3、入库格式设置步骤：根据数据来源针对采集的多种研究数据分别制定匹配的入库数据格式；
4、知识管理系统设计步骤：针对数据的不同类型、不同维度和不同尺度特性分别开展平台功能设计，建立地质知识管理系统；
5、地质知识库构建步骤：将多种研究数据分别采用匹配的入库数据格式录入所述地质知识管理系统中，形成研究区储层对应的地质数据知识库；
6、数字化露头构建步骤：利用统一坐标系技术将地质知识库中的数据与无人机拍摄结果和三维激光扫描结果进行有机结合，形成地质体内外一体化的数字化露头模型；
7、模式及规律挖掘步骤：基于所述地质数据知识库中的数据利用人工智能深度学习方法进行各类地质知识信息的挖掘，包括地质体信息，地质模式信息和地质体间的规律；
8、样本库构建步骤：基于所述地质数据知识库中的数据智能构建训练图像库，进而构建训练样本库和原型模型数据集；
9、神经网络模型构建步骤：基于三维卷积神经网络结构搭建神经网络结构，输出三维地质模型，基于所述原型模型数据集和三维地质模型设计训练卷积神经网络时的损失函数，基于所述损失函数利用并行计算思路训练模型参数得到目标神经网络模型；
10、储层地质模型确定步骤：将需求区块储层的地震数据和井筒数据输入到所述目标神经网络模型中，得到对应的储层三维地质模型。
11、可选地，一个实施例中，在研究数据获取步骤中，基于地质知识体系确定待研究储层的典型地质区块的过程包括：
12、根据所述地质知识体系的储层要素和结构间关联性进一步构建相应的地质知识分类体系，根据所述知识分类体系确定储层具备数据获取需求的典型地质区块，包括各野外露头地质区块和典型密井网区。
13、进一步地，一个实施例中，研究数据获取步骤中，获取不同储层的多源典型地质数据的过程包括：
14、获取储层不同典型野外露头的地质数据时，包含不同地质体的发育信息、地质体内部扫描信息、地质体周围扫描信息、地质体特定细节扫描信息、空中立体扫描信息和卫星遥测数据；
15、获取储层不同典型密井网储层开发区的地质数据时，包含单井钻井数据、录井数据、测井数据、动态数据、地震数据以及地质研究剖面数据。
16、一个可选的实施例中，按照下述逻辑确定不同研究数据匹配的入库数据格式：
17、对于采集的露头数据，将多尺度、多源化的露头地质信息，根据露头储层的分类、分级定量描述体系，制定相关入库数据格式标准；
18、对于油藏数据，根据地层特征、构造特征、储层发育特征进行分类，并分别制定规范化入库数据格式标准。
19、优选地，一个实施例中，在知识管理系统设计步骤中，建立地质知识管理系统的过程中，开展下述平台功能设计：包括数据内容管理功能设计、平台模块设计、知识内容管理设计、平台框架设计、交互接口设计及可视化界面设计。
20、进一步地，一个实施例中，所述模式及规律挖掘步骤中，包括：
21、地质体智能识别步骤：基于地质数据知识库中的数据利用预建的地质体识别模型实现不同类型地质体的识别；
22、地质模式分类提取步骤：基于多源知识的地质体组合模式样本实现地质模式提取与构建，多源知识的地质体组合模式包括露头提取的地质信息模式、密井网解剖的地质模式和经典手绘模式；
23、地质体间规律获取步骤：通过分析不同地质体间的相关性，获取不同地质体之间的统计规律，以支撑以断层为中心的井间裂缝特征分析。
24、一个可选的实施例中，样本库构建步骤中，智能构建训练图像库的方式包括：
25、利用所述本文档来自技高网...
【技术保护点】
1.一种基于深度学习的油气藏地质建模方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，研究数据获取步骤中，基于地质知识体系确定待研究储层的典型地质区块的过程包括：
3.根据权利要求1所述的方法，其特征在于，研究数据获取步骤中，获取不同储层的多源典型地质数据的过程包括：
4.根据权利要求1所述的方法，其特征在于，按照下述逻辑确定不同研究数据匹配的入库数据格式：
5.根据权利要求1所述的方法，其特征在于，在知识管理系统设计步骤中，建立地质知识管理系统的过程中，开展下述平台功能设计：包括数据内容管理功能设计、平台模块设计、知识内容管理设计、平台框架设计、交互接口设计及可视化界面设计。
6.根据权利要求1所述的方法，其特征在于，所述模式及规律挖掘步骤中，包括：
7.根据权利要求1所述的方法，其特征在于，样本库构建步骤中，智能构建训练图像库的方式包括：
8.根据权利要求1所述的方法，其特征在于，样本库构建步骤中，智能构建训练样本库的方式包括：
9.根据权利要求1所述的方
10.一种基于深度学习的油气藏地质建模系统，其特征在于，所述系统执行如权利要求1～9中任意一项所述的方法。
...【技术特征摘要】
1.一种基于深度学习的油气藏地质建模方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，研究数据获取步骤中，基于地质知识体系确定待研究储层的典型地质区块的过程包括：
3.根据权利要求1所述的方法，其特征在于，研究数据获取步骤中，获取不同储层的多源典型地质数据的过程包括：
4.根据权利要求1所述的方法，其特征在于，按照下述逻辑确定不同研究数据匹配的入库数据格式：
5.根据权利要求1所述的方法，其特征在于，在知识管理系统设计步骤中，建立地质知识管理系统的过程中，开展下述平台功能设计：包括数据内容管理功能设计、平台模块设计、知识...
【专利技术属性】
技术研发人员：吕心瑞，夏东领，李红凯，韩科龙，孙建芳，宋随宏，
申请(专利权)人：中国石油化工股份有限公司，
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。