【技术实现步骤摘要】
本公开的方面涉及声波井眼数据处理。更具体地，本公开的各方面提供了使用基于数据驱动机器学习的技术来解释钻孔声波频散(dispersion)数据。
技术介绍
1、本部分旨在向读者介绍可能与下面描述和/或要求保护的本技术的各个方面相关的本领域的各个方面。相信该讨论有助于向读者提供背景信息以便于更好地理解本公开的各个方面。因此，应当理解，这些陈述应从这个角度来阅读，而不是作为对任何种类的承认。
2、井眼声波测量在地层评估和地下表征的行业中起着不可缺少的作用。已经开发了各种解释方法来从测量的声波波形中导出基本的地层特性，诸如压缩和剪切慢度、各向异性、径向变化等。使用这些方法的解释质量取决于专家经验，涉及基于先验信息和领域知识的参数调整。从数据采集转换到解释交付的持续时间可以从几天到几周，基于数据分析员的可用性和经验而变化。最近的机器学习使能自动偶极解释(mladi)和机器学习使能自动四极解释(mlaqi)解决方案能够实现全自动声波数据处理，但涉及相对高的计算成本并且相对慢。
技术实现思路
1、下面阐述了本文描述的某些实施例的概述。应当理解，呈现这些方面仅仅是为了向读者提供这些特定实施例的简要概述，并且这些方面不旨在限制本公开的范围。
2、本文描述的实施例提供了用于基本上实时地现场处理声波频散数据的技术。例如，本文描述的系统和方法被配置成使用训练声波频散数据来训练神经网络模型，以将训练声波频散数据映射到多个频散模态曲线中的一个或多个频散模态曲线，在声学测井工具部署在延伸
3、可以关于本公开的各个方面进行上述特征的各种改进。另外的特征也可以并入这些各个方面中。这些改进和附加特征可以单独存在或以任何组合存在。例如，下面关于一个或多个所示实施例讨论的各种特征可以单独或以任何组合并入本公开的任何上述方面中。以上呈现的简要概述旨在使读者熟悉本公开的实施例的某些方面和上下文，而不限制所要求保护的主题。
本文档来自技高网...【技术保护点】
1.一种方法，包括：
2.根据权利要求1所述的方法，其中使用训练声波频散数据来训练所述神经网络模型包括将所述训练声波频散数据转换为二维图像，以及使用所述二维图像作为输入阵列来训练所述神经网络模型。
3.根据权利要求1所述的方法，包括在使用训练声波频散数据训练所述神经网络模型之前，预处理所述训练声波频散数据。
4.根据权利要求3所述的方法，其中预处理所述训练声波频散数据包括滤除所述训练声波频散数据的质量控制(QC)得分低于QC阈值的一个或多个样本。
5.根据权利要求3所述的方法，其中预处理所述训练声波频散数据包括使用预定义的下限和上限归一化所述训练声波频散数据的参数。
6.根据权利要求1所述的方法，包括利用训练的神经网络模型来同时解释与多个频散模态曲线相关联的多个模态。
7.根据权利要求1所述的方法，包括利用训练的神经网络模型来同时解释所述地质地层的压缩慢度和剪切慢度。
8.根据权利要求1所述的方法，其中所述地质地层的至少一个参数包括所述地质地层的剪切慢度，以及其中所述方法包括使用所述地质地层的剪切
9.根据权利要求1所述的方法，其中多个频散模式曲线包括斯通利模式。
10.根据权利要求1所述的方法，其中多个频散模式曲线包括钻孔四极模式。
11.根据权利要求1所述的方法，其中多个频散模式曲线包括套环四极模式。
12.根据权利要求1所述的方法，其中多个频散模式曲线包括偶极模式。
13.根据权利要求1所述的方法，其中多个频散模式曲线包括剪切首波或伪瑞利模式。
14.根据权利要求1所述的方法，其中多个频散模态曲线包括压缩首波。
15.一种数据处理系统，该数据处理系统被配置为：
16.根据权利要求15所述的数据处理系统，其中使用训练声波频散数据来训练所述神经网络模型包括将所述训练声波频散数据转换为二维图像，以及使用所述二维图像作为输入阵列来训练所述神经网络模型。
17.根据权利要求15所述的数据处理系统，其中多个频散模式曲线包括斯通利模式、钻孔四极模式、套环四极模式、钻孔偶极模式、剪切首波或伪瑞利模式以及压缩首波。
18.根据权利要求15所述的数据处理系统，其中所述数据处理系统被配置成利用训练的神经网络模型来同时解释与多个频散模式曲线相关联的其他模式，其中所述其他模式包括斯通利模式、偶极模式、伪瑞利模式、泄漏P模式或其某种组合。
19.根据权利要求15所述的数据处理系统，其中所述数据处理系统被配置成利用训练的神经网络模型来同时解释所述地质地层的压缩慢度和剪切慢度。
20.根据权利要求15所述的数据处理系统，其中所述地质地层的至少一个参数包括所述地质地层的剪切慢度，并且其中所述数据处理系统被配置成使用所述地质地层的剪切慢度作为机器学习使能的自动偶极解释(MLADI)分析或机器学习使能的自动四极解释(MLAQI)分析的初始猜测，以进一步细化所述地质地层的剪切慢度。
...【技术特征摘要】
1.一种方法，包括：
2.根据权利要求1所述的方法，其中使用训练声波频散数据来训练所述神经网络模型包括将所述训练声波频散数据转换为二维图像，以及使用所述二维图像作为输入阵列来训练所述神经网络模型。
3.根据权利要求1所述的方法，包括在使用训练声波频散数据训练所述神经网络模型之前，预处理所述训练声波频散数据。
4.根据权利要求3所述的方法，其中预处理所述训练声波频散数据包括滤除所述训练声波频散数据的质量控制(qc)得分低于qc阈值的一个或多个样本。
5.根据权利要求3所述的方法，其中预处理所述训练声波频散数据包括使用预定义的下限和上限归一化所述训练声波频散数据的参数。
6.根据权利要求1所述的方法，包括利用训练的神经网络模型来同时解释与多个频散模态曲线相关联的多个模态。
7.根据权利要求1所述的方法，包括利用训练的神经网络模型来同时解释所述地质地层的压缩慢度和剪切慢度。
8.根据权利要求1所述的方法，其中所述地质地层的至少一个参数包括所述地质地层的剪切慢度，以及其中所述方法包括使用所述地质地层的剪切慢度作为机器学习使能的自动偶极解释(mladi)分析或机器学习使能的自动四极解释(mlaqi)分析的初始猜测，以进一步细化所述地质地层的剪切慢度。
9.根据权利要求1所述的方法，其中多个频散模式曲线包括斯通利模式。
10.根据权利要求1所述的方法，其中多个频散模式曲线包括钻孔四极模式。
11.根据权利要求1所述的方法，其中多个频散模式曲线包括套环四极...
【专利技术属性】
技术研发人员：梁林，雷霆，王奕心，
申请(专利权)人：斯伦贝谢技术有限公司，
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。