本發(fā)明涉及油氣藏開發(fā)地質(zhì)，尤其涉及一種基于深度學(xué)習(xí)的油氣藏地質(zhì)建模方法及系統(tǒng)。

背景技術(shù)：

1、油氣藏地質(zhì)建模是油氣藏描述的重要內(nèi)容，是綜合地質(zhì)、測井、地震和生產(chǎn)動態(tài)等多類型數(shù)據(jù)，表征地下儲層、物性及流體的空間分布，刻畫油氣藏非均質(zhì)性的關(guān)鍵。傳統(tǒng)地質(zhì)建模技術(shù)主要包含三大類地質(zhì)建模方法，分別是基于地震屬性截?cái)嗟牡刭|(zhì)建模方法、基于變差函數(shù)的兩點(diǎn)地質(zhì)統(tǒng)計(jì)學(xué)的地質(zhì)建模方法和基于訓(xùn)練圖像的多點(diǎn)地質(zhì)統(tǒng)計(jì)學(xué)的地質(zhì)建模方法。

2、地震屬性截?cái)喾椒ㄊ且环N確定性方法，主要基于地震屬性與儲層(沉積相、巖相)/儲集體(孔、洞、縫)發(fā)育之間的強(qiáng)相關(guān)關(guān)系，確定地震屬性闕值，對地震屬性進(jìn)行截?cái)?，然后將其轉(zhuǎn)化為確定性的儲層/儲集體地質(zhì)模型，該方法所得的儲層/儲集體模型與地震屬性吻合，但是無法實(shí)現(xiàn)從地震異常體向真實(shí)地質(zhì)體的轉(zhuǎn)化，不能控制所構(gòu)建的儲層/儲集體形狀，且當(dāng)?shù)卣饘傩耘c儲層/儲集體之間的相關(guān)關(guān)系不強(qiáng)時(shí)，所建立的儲層/儲集體模型誤差較大。在兩點(diǎn)地質(zhì)統(tǒng)計(jì)學(xué)模擬中，通過儲層空間兩點(diǎn)之間的距離協(xié)方差，也稱為變差函數(shù)，來描述儲層空間特征，可在一定程度上使預(yù)測結(jié)果與井點(diǎn)觀測數(shù)據(jù)在地質(zhì)體的空間分布規(guī)律上達(dá)到一致性，但變差函數(shù)無法很好地描述復(fù)雜的儲層/儲集體非均質(zhì)性特征和空間結(jié)構(gòu)。多點(diǎn)地質(zhì)統(tǒng)計(jì)學(xué)建模通過地質(zhì)模式的識別，能較好地刻畫儲層的幾何特征、空間組合樣式，實(shí)現(xiàn)條件數(shù)據(jù)和地質(zhì)認(rèn)識的融合，但是該方法存在訓(xùn)練圖像獲取難度大、模式重現(xiàn)能力不足等問題，而且預(yù)測過程中仍然無法受到多類先驗(yàn)地質(zhì)知識的約束。

3、隨著油氣勘探開發(fā)數(shù)據(jù)獲取增多，如何在海量數(shù)據(jù)中提取盡可能多的地質(zhì)認(rèn)識和知識，并用于地質(zhì)建模是當(dāng)前研究難點(diǎn)。當(dāng)前基于大數(shù)據(jù)與人工智能算法的深度學(xué)習(xí)方法為地質(zhì)建模技術(shù)的發(fā)展和完善提供了新的途徑，部分現(xiàn)有技術(shù)中提出基于深度學(xué)習(xí)的地質(zhì)建模主要包括大規(guī)模的訓(xùn)練樣本準(zhǔn)備、非條件對抗生成網(wǎng)絡(luò)搭建及訓(xùn)練，指出可以利用基于目標(biāo)模擬、基于地質(zhì)過程模擬及衛(wèi)星圖像等來獲取訓(xùn)練樣本；其中，基于目標(biāo)的方法用于模擬簡單幾何形態(tài)的地質(zhì)體；基于地質(zhì)過程的方法可以體現(xiàn)地質(zhì)規(guī)律的約束(如沉積模擬、溶蝕模擬等)，需要大量專家經(jīng)驗(yàn)及研究認(rèn)識作為基礎(chǔ)；雖然利用衛(wèi)星圖片能夠提供一些實(shí)際樣本數(shù)據(jù)，但采集困難且費(fèi)用昂貴。

4、由此可見，現(xiàn)有技術(shù)在應(yīng)用時(shí)存在下述問題：基于兩點(diǎn)地質(zhì)統(tǒng)計(jì)學(xué)的建模方法無法表征復(fù)雜地質(zhì)體的幾何形態(tài)和展布規(guī)律；基于目標(biāo)和基于正演模擬的建模方法無法完全融合井點(diǎn)等條件數(shù)據(jù)；基于多點(diǎn)地質(zhì)統(tǒng)計(jì)學(xué)的建模方法，由于過多依賴于訓(xùn)練圖像，但訓(xùn)練圖像獲取難度大，針對復(fù)雜結(jié)構(gòu)油氣藏，僅在一定程度上表征了地質(zhì)模式特征，無法滿足精度需求；基于人工智能的地質(zhì)建模方法，能夠較好模擬空間復(fù)雜模式特征，但存在真實(shí)訓(xùn)練樣本獲取難及深度學(xué)習(xí)建模模擬器構(gòu)建困難等問題。

5、公開于本發(fā)明背景技術(shù)部分的信息僅僅旨在加深對本發(fā)明的一般背景技術(shù)的理解，而不應(yīng)當(dāng)被視為承認(rèn)或以任何形式暗示該信息構(gòu)成己為本領(lǐng)域技術(shù)人員所公知的現(xiàn)有技術(shù)。

技術(shù)實(shí)現(xiàn)思路

1、為解決上述問題，本發(fā)明提供了一種基于深度學(xué)習(xí)的油氣藏地質(zhì)建模方法，在一個(gè)實(shí)施例中，所述方法包括：

2、研究數(shù)據(jù)獲取步驟：基于設(shè)定研究區(qū)的儲層，根據(jù)儲層的油藏類型確定匹配的地質(zhì)知識體系，基于其確定待研究儲層的典型地質(zhì)區(qū)塊，獲取不同儲層的多源典型地質(zhì)數(shù)據(jù)作為研究數(shù)據(jù)；

3、入庫格式設(shè)置步驟：根據(jù)數(shù)據(jù)來源針對采集的多種研究數(shù)據(jù)分別制定匹配的入庫數(shù)據(jù)格式；

4、知識管理系統(tǒng)設(shè)計(jì)步驟：針對數(shù)據(jù)的不同類型、不同維度和不同尺度特性分別開展平臺功能設(shè)計(jì)，建立地質(zhì)知識管理系統(tǒng)；

5、地質(zhì)知識庫構(gòu)建步驟：將多種研究數(shù)據(jù)分別采用匹配的入庫數(shù)據(jù)格式錄入所述地質(zhì)知識管理系統(tǒng)中，形成研究區(qū)儲層對應(yīng)的地質(zhì)數(shù)據(jù)知識庫；

6、數(shù)字化露頭構(gòu)建步驟：利用統(tǒng)一坐標(biāo)系技術(shù)將地質(zhì)知識庫中的數(shù)據(jù)與無人機(jī)拍攝結(jié)果和三維激光掃描結(jié)果進(jìn)行有機(jī)結(jié)合，形成地質(zhì)體內(nèi)外一體化的數(shù)字化露頭模型；

7、模式及規(guī)律挖掘步驟：基于所述地質(zhì)數(shù)據(jù)知識庫中的數(shù)據(jù)利用人工智能深度學(xué)習(xí)方法進(jìn)行各類地質(zhì)知識信息的挖掘，包括地質(zhì)體信息，地質(zhì)模式信息和地質(zhì)體間的規(guī)律；

8、樣本庫構(gòu)建步驟：基于所述地質(zhì)數(shù)據(jù)知識庫中的數(shù)據(jù)智能構(gòu)建訓(xùn)練圖像庫，進(jìn)而構(gòu)建訓(xùn)練樣本庫和原型模型數(shù)據(jù)集；

9、神經(jīng)網(wǎng)絡(luò)模型構(gòu)建步驟：基于三維卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)搭建神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，輸出三維地質(zhì)模型，基于所述原型模型數(shù)據(jù)集和三維地質(zhì)模型設(shè)計(jì)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)時(shí)的損失函數(shù)，基于所述損失函數(shù)利用并行計(jì)算思路訓(xùn)練模型參數(shù)得到目標(biāo)神經(jīng)網(wǎng)絡(luò)模型；

10、儲層地質(zhì)模型確定步驟：將需求區(qū)塊儲層的地震數(shù)據(jù)和井筒數(shù)據(jù)輸入到所述目標(biāo)神經(jīng)網(wǎng)絡(luò)模型中，得到對應(yīng)的儲層三維地質(zhì)模型。

11、可選地，一個(gè)實(shí)施例中，在研究數(shù)據(jù)獲取步驟中，基于地質(zhì)知識體系確定待研究儲層的典型地質(zhì)區(qū)塊的過程包括：

12、根據(jù)所述地質(zhì)知識體系的儲層要素和結(jié)構(gòu)間關(guān)聯(lián)性進(jìn)一步構(gòu)建相應(yīng)的地質(zhì)知識分類體系，根據(jù)所述知識分類體系確定儲層具備數(shù)據(jù)獲取需求的典型地質(zhì)區(qū)塊，包括各野外露頭地質(zhì)區(qū)塊和典型密井網(wǎng)區(qū)。

13、進(jìn)一步地，一個(gè)實(shí)施例中，研究數(shù)據(jù)獲取步驟中，獲取不同儲層的多源典型地質(zhì)數(shù)據(jù)的過程包括：

14、獲取儲層不同典型野外露頭的地質(zhì)數(shù)據(jù)時(shí)，包含不同地質(zhì)體的發(fā)育信息、地質(zhì)體內(nèi)部掃描信息、地質(zhì)體周圍掃描信息、地質(zhì)體特定細(xì)節(jié)掃描信息、空中立體掃描信息和衛(wèi)星遙測數(shù)據(jù)；

15、獲取儲層不同典型密井網(wǎng)儲層開發(fā)區(qū)的地質(zhì)數(shù)據(jù)時(shí)，包含單井鉆井?dāng)?shù)據(jù)、錄井?dāng)?shù)據(jù)、測井?dāng)?shù)據(jù)、動態(tài)數(shù)據(jù)、地震數(shù)據(jù)以及地質(zhì)研究剖面數(shù)據(jù)。

16、一個(gè)可選的實(shí)施例中，按照下述邏輯確定不同研究數(shù)據(jù)匹配的入庫數(shù)據(jù)格式：

17、對于采集的露頭數(shù)據(jù)，將多尺度、多源化的露頭地質(zhì)信息，根據(jù)露頭儲層的分類、分級定量描述體系，制定相關(guān)入庫數(shù)據(jù)格式標(biāo)準(zhǔn)；

18、對于油藏?cái)?shù)據(jù)，根據(jù)地層特征、構(gòu)造特征、儲層發(fā)育特征進(jìn)行分類，并分別制定規(guī)范化入庫數(shù)據(jù)格式標(biāo)準(zhǔn)。

19、優(yōu)選地，一個(gè)實(shí)施例中，在知識管理系統(tǒng)設(shè)計(jì)步驟中，建立地質(zhì)知識管理系統(tǒng)的過程中，開展下述平臺功能設(shè)計(jì)：包括數(shù)據(jù)內(nèi)容管理功能設(shè)計(jì)、平臺模塊設(shè)計(jì)、知識內(nèi)容管理設(shè)計(jì)、平臺框架設(shè)計(jì)、交互接口設(shè)計(jì)及可視化界面設(shè)計(jì)。

20、進(jìn)一步地，一個(gè)實(shí)施例中，所述模式及規(guī)律挖掘步驟中，包括：

21、地質(zhì)體智能識別步驟：基于地質(zhì)數(shù)據(jù)知識庫中的數(shù)據(jù)利用預(yù)建的地質(zhì)體識別模型實(shí)現(xiàn)不同類型地質(zhì)體的識別；

22、地質(zhì)模式分類提取步驟：基于多源知識的地質(zhì)體組合模式樣本實(shí)現(xiàn)地質(zhì)模式提取與構(gòu)建，多源知識的地質(zhì)體組合模式包括露頭提取的地質(zhì)信息模式、密井網(wǎng)解剖的地質(zhì)模式和經(jīng)典手繪模式；

23、地質(zhì)體間規(guī)律獲取步驟：通過分析不同地質(zhì)體間的相關(guān)性，獲取不同地質(zhì)體之間的統(tǒng)計(jì)規(guī)律，以支撐以斷層為中心的井間裂縫特征分析。

24、一個(gè)可選的實(shí)施例中，樣本庫構(gòu)建步驟中，智能構(gòu)建訓(xùn)練圖像庫的方式包括：

25、利用所述地質(zhì)數(shù)據(jù)知識庫中的數(shù)據(jù)基于露頭提取、密井網(wǎng)解剖、地震鏤空和手繪方式構(gòu)建訓(xùn)練圖像；以及

26、利用預(yù)建的多源數(shù)據(jù)源訓(xùn)練圖像庫實(shí)現(xiàn)手繪地質(zhì)體模式圖像的自動矢量化，構(gòu)建訓(xùn)練圖像。

27、進(jìn)一步地，一個(gè)實(shí)施例中，樣本庫構(gòu)建步驟中，智能構(gòu)建訓(xùn)練樣本庫的方式包括：

28、基于全面構(gòu)建的地質(zhì)體訓(xùn)練數(shù)據(jù)，利用神經(jīng)網(wǎng)絡(luò)技術(shù)訓(xùn)練構(gòu)建地質(zhì)體知識模擬器，根據(jù)需求向所述地質(zhì)體知識模擬器輸入隨機(jī)噪聲、條件井?dāng)?shù)據(jù)和概率體參數(shù)，生成不同的地質(zhì)體模型。

29、優(yōu)選地，一個(gè)實(shí)施例中，所述神經(jīng)網(wǎng)絡(luò)模型構(gòu)建步驟中，設(shè)計(jì)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)的損失函數(shù)的過程包括：

30、以原型模型數(shù)據(jù)集及對應(yīng)的井筒數(shù)據(jù)、地震數(shù)據(jù)共同作為訓(xùn)練數(shù)據(jù)集，將其中每個(gè)原型模型對應(yīng)的三維地震數(shù)據(jù)和三維井筒數(shù)據(jù)作為卷積神經(jīng)網(wǎng)絡(luò)的輸入，生成三維地質(zhì)模型，將所有原型模型與其對應(yīng)的卷積神經(jīng)網(wǎng)絡(luò)生成的三維地質(zhì)模型之間的差異作為訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)時(shí)的損失函數(shù)。

31、基于上述任意一個(gè)或多個(gè)實(shí)施例中所述方法的應(yīng)用方面，本發(fā)明還提供一種基于深度學(xué)習(xí)的油氣藏地質(zhì)建模系統(tǒng)，該系統(tǒng)執(zhí)行上述任意一個(gè)或多個(gè)實(shí)施例中所述的方法。

32、與最接近的現(xiàn)有技術(shù)相比，本發(fā)明還具有如下有益效果：

33、本發(fā)明提供的一種基于深度學(xué)習(xí)的油氣藏地質(zhì)建模方法及系統(tǒng)，該方法通過根據(jù)儲層油藏類型確定匹配的地質(zhì)知識體系，分類獲取不同儲層的多源典型地質(zhì)數(shù)據(jù)，并制定匹配的入庫數(shù)據(jù)格式，錄入針對數(shù)據(jù)的不同類型、不同維度和不同尺度特性分別開展平臺功能設(shè)計(jì)建立形成的地質(zhì)知識管理系統(tǒng)，構(gòu)建儲層對應(yīng)的地質(zhì)數(shù)據(jù)知識庫；通過儲層地質(zhì)知識庫的構(gòu)建，為后續(xù)基于神經(jīng)網(wǎng)絡(luò)方法智能識別獲取地質(zhì)體參數(shù)、地質(zhì)模式及統(tǒng)計(jì)規(guī)律，多種方法相結(jié)合構(gòu)建訓(xùn)練樣本庫提供規(guī)范且全面的數(shù)據(jù)庫基礎(chǔ)，從而便于基于知識庫結(jié)合深度學(xué)習(xí)算法構(gòu)建海量的儲層發(fā)育及結(jié)構(gòu)模式，重建的儲層模式與實(shí)際地質(zhì)特征保持一致；

34、進(jìn)而構(gòu)建訓(xùn)練圖像庫、樣本庫和原型模型數(shù)據(jù)集，創(chuàng)建神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，設(shè)計(jì)損失函數(shù)訓(xùn)練目標(biāo)神經(jīng)網(wǎng)絡(luò)模型，用以基于需求儲層的地震數(shù)據(jù)和井筒數(shù)據(jù)生成匹配的儲層三維地質(zhì)模型。基于全面的海量樣本數(shù)據(jù)和設(shè)計(jì)的損失函數(shù)訓(xùn)練得到高質(zhì)量的神經(jīng)網(wǎng)絡(luò)模型，據(jù)此應(yīng)用于需求儲層可以重建真實(shí)性和精確性更高的三維地質(zhì)模型，對技術(shù)人員的專業(yè)性要求高，操作誤差概率低，且適用于各種類型的儲層，實(shí)用性好。

35、本發(fā)明的其它特征和優(yōu)點(diǎn)將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實(shí)施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點(diǎn)可通過在說明書、權(quán)利要求書以及附圖中所特別指出的結(jié)構(gòu)來實(shí)現(xiàn)和獲得。