详情

原文传递基于神经网络的储层微观孔隙结构评价方法及装置

专利名称：	基于神经网络的储层微观孔隙结构评价方法及装置
摘要：	本发明实施例提供一种基于神经网络的储层微观孔隙结构评价方法及装置，该方法包括：获取基于岩心高压压汞实验得到的岩心孔隙结构数据，并岩心孔隙结构数据对应的岩心孔隙结构的类别；根据根据岩心密度与测井数据中的密度曲线将岩心深度与测井深度对齐，得到岩心对应的测井数据，继续得到预处理之后的测井数据；将预处理之后的测井数据作为输入、岩心孔隙结构的类别作为输出，对初始的神经网络模型进行训练，得到训练好的神经网络模型；当需要评价目标井的储层微观结构时，将目标测井数据输入所述训练好的神经网络模型，得到目标测井数据对应的孔隙类别，能够实现准确且快速的评价储层微观孔隙结构。
专利类型：	发明专利
国家地区组织代码：	北京;11
申请人：	中国石油大学(北京)
发明人：	廖广志;肖立志;李远征;赖强;张恒荣;胡向阳;梁振;刘育博
专利状态：	有效
申请日期：	2019-10-29T00:00:00+0800
发布日期：	2019-12-27T00:00:00+0800
申请号：	CN201911037944.5
公开号：	CN110618082A
代理机构：	北京同立钧成知识产权代理有限公司
代理人：	朱颖;刘芳
分类号：	G01N15/08(2006.01);G;G01;G01N;G01N15
申请人地址：	102249 北京市昌平区府学路18号
主权项：	1.一种基于神经网络的储层微观孔隙结构评价方法，其特征在于，包括：获取基于岩心高压压汞实验得到的岩心孔隙结构数据，并对所述岩心孔隙结构数据依次进行优选、降维和聚类处理，根据聚类处理结果得到岩心孔隙结构数据对应的岩心孔隙结构的类别；根据岩心密度与测井数据中的密度曲线将岩心深度与测井深度对齐，得到岩心对应的测井数据，并对所述测井数据进行优选和归一化预处理，得到预处理之后的测井数据；将预处理之后的测井数据作为输入、岩心孔隙结构的类别作为输出，对初始的神经网络模型进行训练，得到训练好的神经网络模型；将目标测井数据输入所述训练好的神经网络模型，得到目标测井数据对应的孔隙类别。 2.根据权利要求1所述的方法，其特征在于，所述对所述岩心孔隙结构数据进行优选，具体包括：将岩心渗透率作为灰色度关联灰色度关联度分析的参考数列，各个岩心孔隙结构参数作为比较数列，并将岩心渗透率和岩心孔隙结构参数进行无量纲化处理，得到无量纲化的岩心渗透率和岩心孔隙结构参数的参数矩阵；根据所述参数矩阵计算各个比较数列与参考数列之间的灰色关联度，并对灰色关联度进行排序，选取灰色关联度排名靠前的预设个数的岩心孔隙结构参数，完成岩心孔隙结构数据的优选。 3.根据权利要求2所述的方法，其特征在于，所述对所述岩心孔隙结构数据进行降维，具体包括：将优选后的岩心孔隙结构数据形成矩阵形式，如下：其中，N为样本个数，M为样本特征数，即孔隙结构参数的个数，xij代表第i个元素对应的第j个特征数据；对特征数据进行归一化处理，并计算特征数据的协方差矩阵，以及所述协方差矩阵的特征值和特征向量；选取所述协方差矩阵的前K个特征值对应的特征向量构成的矩阵，作为岩心孔隙结构数据的主成分，其中k
所属类别：	发明专利