首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于相似性度量地质结构标签的SSL-CNN储层油气检测方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:中国地质大学(武汉)

摘要:本发明涉及一种基于相似性度量地质结构标签的SSL‑CNN储层油气检测方法,传统储层油气检测方法只考虑单个地震道的特性,忽略了地震体的空间结构信息。本发明结合储层地质构造的主控因素及生产动态资料,采用主成分分析挖掘地震属性数据的低维结构特征,针对标注样本不足问题,依据相邻地震道间地质结构的空间相关性,首次使用邻域相似性度量算法对样本邻近的地震道进行同质性判定,使得训练样本融合数据的地质空间结构特征。为充分利用大量无标签样本提高算法检测性能,进一步基于融合地质空间结构特征的伪标签结合半监督卷积神经网络技术构建缝洞型油藏储层油气检测模型,实现储层油气检测。

主权项:1.基于相似性度量地质结构标签的SSL-CNN储层油气检测方法,其特征在于,包括以下步骤:步骤1、采集地震属性数据,选择与生产井的井底坐标匹配的地震属性数据进行人工样本标记,得到含有人工标记样本的地震属性数据;步骤2、采用灰色关联度分析技术对上一步得到的地震属性数据中的人工标记样本进行扩充标记,得到含有人工标记样本和扩充标记样本的地震属性数据;将人工标记样本和扩充标记样本均作为标记样本,得到含有标记样本的地震属性数据;步骤3、对含有人工标记样本的扩充标记样本的地震属性数据进行主成分分析降维,得到降维后的含有标记样本的地震属性数据;步骤4、随机选取一定比例的降维后的含有标记样本的地震属性数据作为训练样本,训练样本中的未标记样本组成未标记样本集Su,标记样本组成标记样本集Sl;步骤5、利用标记样本集Sl训练分类器,得到分类器hi,i为迭代次数,i初始值为1;步骤6、采用随机采样策略从未标记样本集Su中选择m个训练样本依次送入分类器hi中,分类器hi计算训练样本属于各类别的概率选择最大值,如果对应某类别的概率选择最大值大于阈值则将训练样本赋予相应类别的类标签,将获得类标签放入伪标签样本集Up;步骤7、迭代次数加1,利用标记样本集Sl和伪标签样本集Up训练分类器hj,j=i+1,从伪标签样本集Up中随机选取n个训练样本,利用分类器hi和分类器hj对这n个训练样本进行分类;将两个分类器分类结果相同的训练样本从伪标签样本集Up中剔除并加入到标记样本集Sl中,并将分类器hi更新为hj;步骤8、重复步骤6-7,直到迭代次数达到最高迭代次数或标记样本集Sl中样本数量达到最大阈值时,利用最新的标记样本集Sl对最后一次迭代时的分类器hj进行训练,得到最终分类器,转到下一步;步骤9、利用最终分类器对研究工区进行油气检测,输出研究工区油气检测矩阵。

全文数据:

权利要求:

百度查询: 中国地质大学(武汉) 基于相似性度量地质结构标签的SSL-CNN储层油气检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。