技术摘要：
本发明提供一种夹层识别方法和装置，根据取心井资料获取测井曲线作为输入特征，然后将所述输入特征作为预测样本，输入预设的支持向量机，该支持向量机的输出表征该取心井资料的夹层识别结果，即通过支持向量机实现夹层识别，在定量研究已知井夹层规模大小、厚度、产状  全部
背景技术：
夹层是指分散在单砂体之间和内部、横向上不稳定、厚度较小的非渗透或低渗透 层。在石油开发中，夹层因其渗透性差而对流体的运移起到封隔、阻挡作用，因此夹层改变 了流体的分布规律，增加了储量合理动用的难度，尤其是油田进入开发后期，储层内部夹层 对油水运动具有重要影响，一定程度上控制了剩余油的分布，此时，需要对储层进行精细剖 析，以便识别夹层并确定夹层类型、成因以及分布，以便指导油田开发后期剩余油。 目前，国内外学者对夹层的识别多为定性识别，利用岩心标定测井，建立取心井的 夹层测井识别标准，进而识别非取心井的夹层。因为不同类型的夹层在各种测井曲线上有 不同的表现特征，所以若想综合各类夹层在多种测井曲线的特征、做出不同类型夹层的测 井响应交会图版或蛛网模式、有效识别夹层，难度非常大，不能适应油田开发的需要。 定量表征夹层的常用方法为厚油层细分对比法，通过对小层层内夹层统计夹层厚 度、夹层频率、夹层密度和不同微相夹层频率等，以此对夹层进行井间预测，但是现有方法 采用统计学方法，受限于统计数据的数量和质量，容易导致预测精度低甚至预测错误等情 况发生，不利于指导油田开发生产。
技术实现要素：
有鉴于此，本发明提供一种夹层识别方法、装置、电子设备以及计算机可读存储介 质，在定量研究已知井夹层规模大小、厚度、产状及发育分布规律的基础上，运用数学算法 对整个研究区的夹层开展识别，能够快速定量识别夹层，为油藏高效开发提供技术指导与 借鉴。 为了实现上述目的，本发明采用如下技术方案： 第一方面，提供一种夹层识别方法，包括： 根据取心井资料获取测井曲线作为输入特征； 将该输入特征作为预测样本，输入预设的支持向量机，该支持向量机的输出表征 该取心井资料的夹层识别结果。 进一步地，该测井曲线包括：微电极曲线；该根据取心井资料获取测井曲线作为输 入特征，包括： 获取取心井的测井曲线数据； 从该测井曲线数据中筛选出微电极曲线作为该输入特征。 进一步地，该根据取心井资料获取输入特征，包括： 获取取心井的测井曲线数据； 将该测井曲线数据中的自然伽马测井曲线、声波测井曲线以及微电极曲线组合成 该输入特征。 4 CN 111582292 A 说　明　书 2/29 页 进一步地，该输入特征还包括：Δ(Rmn-Rmg)测井曲线和/或Δ(Rmn-Rmg)夹层/Δ (Rmn-Rmg)砂岩。 进一步地，在将该输入特征作为预测样本，输入预设的支持向量机，并将该支持向 量机的输出作为该取心井资料的夹层识别结果之前，还包括： 对该输入特征进行归一化处理。 进一步地，夹层识别方法还包括： 根据历史取心井资料得到该支持向量机的训练样本集； 应用该训练样本集对该支持向量机进行训练。 进一步地，在该应用该训练样本集对该支持向量机进行训练之前，还包括： 采用交叉验证法选取该支持向量机的核函数。 进一步地，该应用该训练样本集该支持向量机进行训练，包括：结合网格搜索法和 交叉验证法，应用该训练样本集该支持向量机进行训练。 进一步地，夹层识别方法还包括： 根据至少一个测试用历史取心井资料得到测试样本； 应用该测试样本对该支持向量机进行测试，并将该支持向量机的输出作为测试结 果； 基于该测试结果及已知识别结果，判断该支持向量机是否符合预设要求； 若是，则将当前支持向量机作为用于夹层识别的目标支持向量机。 进一步地，夹层识别方法还包括： 若当前支持向量机不符合预设要求，则对当前支持向量机进行优化和/或应用更 新后的训练样本集重新对该支持向量机进行训练。 第二方面，提供一种夹层识别装置，包括： 输入特征获取模块，根据取心井资料获取测井曲线作为输入特征； 识别模块，将该输入特征作为预测样本，输入预设的支持向量机，该支持向量机的 输出表征该取心井资料的夹层识别结果。 进一步地，所述测井曲线包括：微电极曲线；该输入特征获取模块包括： 第一数据获取单元，获取取心井的测井曲线数据； 第一输入特征提取单元，从该测井曲线数据中筛选出微电极曲线作为该输入特 征。 进一步地，该输入特征获取模块包括： 第二数据获取单元，获取取心井的测井曲线数据； 第二输入特征提取单元，将该测井曲线数据中的自然伽马测井曲线、声波测井曲 线以及微电极曲线组合成该输入特征。 进一步地，该输入特征还包括：Δ(Rmn-Rmg)测井曲线和/或Δ(Rmn-Rmg)夹层/Δ (Rmn-Rmg)砂岩。 进一步地，夹层识别装置还包括： 归一化模块，对该输入特征进行归一化处理。 进一步地，夹层识别装置还包括： 训练样本获取模块，根据历史取心井资料得到该支持向量机的训练样本集； 5 CN 111582292 A 说　明　书 3/29 页 训练模块，应用该训练样本集对该支持向量机进行训练。 进一步地，夹层识别装置还包括： 核函数选取模块，采用交叉验证法选取该支持向量机的核函数。 进一步地，该训练模块包括： 训练单元，结合网格搜索法和交叉验证法，应用该训练样本集该支持向量机进行 训练。 进一步地，夹层识别装置还包括： 测试样本获取模块，根据至少一个测试用历史取心井资料得到测试样本； 测试模块，应用该测试样本对该支持向量机进行测试，并将该支持向量机的输出 作为测试结果； 判断模块，基于该测试结果及已知识别结果，判断该支持向量机是否符合预设要 求； 输出模块，在支持向量机符合预设要求时，将当前支持向量机作为用于夹层识别 的目标支持向量机。 进一步地，夹层识别装置还包括： 优化模块，在该支持向量机不符合预设要求时，对当前支持向量机进行优化和/或 应用更新后的训练样本集重新对该支持向量机进行训练。 第三方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理 器上运行的计算机程序，该处理器执行该程序时实现上述的夹层识别方法的步骤。 第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序 被处理器执行时实现上述夹层识别方法的步骤。 本发明提供的夹层识别方法、装置、电子设备以及计算机可读存储介质，根据取心 井资料获取测井曲线作为输入特征，然后将所述输入特征作为预测样本，输入预设的支持 向量机，该支持向量机的输出表征该取心井资料的夹层识别结果，即通过支持向量机实现 夹层识别，在定量研究已知井夹层规模大小、厚度、产状及发育分布规律的基础上，实现运 用数学算法对整个研究区的夹层开展识别，快速识别层内夹层，正确认识夹层对精细描述 油藏地质特征，砂岩油藏开发中后期剩余油分布预测提供基础，同时为提高油田采收率进 而采取有效的工程措施具有重要意义。 为让本发明的上述和其他目的、特征和优点能更明显易懂，下文特举较佳实施例， 并配合所附图式，作详细说明如下。 附图说明 为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请 的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据 这些附图获得其他的附图。在附图中： 图1为本发明实施例中的服务器S1与客户端设备B1之间的架构示意图； 图2为本发明实施例中的服务器S1、客户端设备B1及数据库服务器S2之间的架构 示意图； 6 CN 111582292 A 说　明　书 4/29 页 图3是本发明实施例中的夹层识别方法的流程示意图一； 图4示出了本发明实施例中采用的支持向量机的非线性映射示意图； 图5是本发明实施例中的夹层识别方法的流程示意图二； 图6是本发明实施例中的夹层识别方法的流程示意图三； 图7是本发明实施例中的夹层识别方法的流程示意图四； 图8是本发明实施例中的夹层识别方法的流程示意图五； 图9是本发明实施例中的夹层识别方法的流程示意图六； 图10示出了本发明实施例中的基于4个输入特征的夹层识别方法的夹层检验样本 SVM识别结果图； 图11示出了本发明实施例中的基于5个输入特征的夹层识别方法的夹层检验样本 SVM识别结果图； 图12示出了本发明实施例中的基于6个输入特征的夹层识别方法的夹层检验样本 SVM识别结果图； 图13示出了本发明实施例中的SVM对钙质夹层进行识别时的训练结果图； 图14示出了本发明实施例中的SVM对钙质夹层进行识别时的预测结果图； 图15是本发明实施例中的夹层识别装置的结构框图一； 图16是本发明实施例中的夹层识别装置的结构框图二； 图17是本发明实施例中的夹层识别装置的结构框图三； 图18是本发明实施例中的夹层识别装置的结构框图四； 图19是本发明实施例中的夹层识别装置的结构框图五； 图20是本发明实施例中的夹层识别装置的结构框图六； 图21是本发明实施例中的夹层识别装置中测试机构的结构框图； 图22为本发明实施例电子设备的结构图。