技术摘要：
本发明公开了一种用人工智能解释测井曲线、地震图数据的方法，并且数据的录入和结果的输出均用网络页面的形式显示，方便进行远程部署与数据共享。本发明包括将己知岩相分类的部分采集样本数据集，用作训练数据，使用机器学习、深度学习的方法，进行岩相的自动识别，然 全部
背景技术：
近几年来，石油勘探开发领域有效地利用了现代科学技术，从而促进了石油工业 的飞速发展，同时也给国民经济带来了巨大的效益。然而，随着石油勘探水平的不断提高， 寻找新的油气田也愈加困难，这就要求我们不断提高认识水平，用科学的方法来了解和掌 握油气存在的未知状况，从现有的地球物理、地质、油藏开发等资料中发掘出更多新的信息 来进行油气储层的预测。 特别是最近两年，国内外的石油工业正在经历较大的调整，许多新兴学科被引入 石油勘探开发领域，在人工智能领域，目前我国也正在布局。因此，本发明的应用，可以说是 加快了我国石油工业信息化的步伐。预计在不久的将来，石油的勘探开发技术，在人工智能 方面还会有突破性进展，本发明正是其应用之一。本发明包括一套软件包，可以部署在云端 服务器上，供全球客户使用，它是石油数据和计算机模块结合在一起的一个完整的应用系 统。 在勘探开发石油这一过程中，岩相的识别与定义具有极为重要的意义，它不仅可 以分析岩相中微相及其时空演化，建立沉积模式，还可以分析生、储、盖等成藏要素及组合， 建立成藏模式，从而进一步探讨油气聚集与沉积微相间的关系，解释已知砂体的展布形态， 指导未控制区的砂体预测，为确定地质储量、预测含油气区和井位部署提供依据。 岩相分析是解释油藏描述地震数据的重要步骤。岩相解释在最初的勘探前景评 3 CN 111596978 A 说 明 书 2/13 页 价、油藏描述以及最终的油田开发阶段发挥着重要作用。岩相是一个地层单元或区域，具有 可与其他区域区别的特征反射模式。不同岩相的区域通常使用反映大规模地震模式的描述 性术语来描绘。例如反射振幅，连续性和由地层视界界定的反射器的内部配置。从流域范围 的应用到详细的油藏描述，岩相分析的应用和规模差异很大。在盆地范围内，以广泛识别 源、储层和密封易发区域勘探，岩相分析已应用于碳氢化合物系统研究。这些地区是通常基 于它们的反射几何形状以及振幅强度和连续性来识别。区域高振幅，半连续反射器通常用 于识别潜在的含烃储层，如深水渠道，而低振幅连续到半连续区域可用于识别密封倾向单 元。 岩相分析也可以应用于单一储层中，以帮助约束详细的物理特性描述。在这些局 部尺度应用中，连续性和振幅的定义通常没有严格的定义，并且基于岩石属性校准或沉积 解释环境。可以证明地震特征和物理性质之间的关系，然后可以使用岩相体积来预测岩石 属性分布和条件地质模型。 用于岩相分析和绘图的标准技术是一个手动过程，其中地震解释器在感兴趣的区 间内对地震反射数据的特征做出视觉决策，并在地图上绘制这些数据。然后将岩相用于各 种目的，但主要用于解释岩相和岩石性质的分布。直觉和经验对岩相研究的成功做出了重 要贡献，然而，这种方法也可能导致岩相分析成为主观的，耗时的，并且通常是费力的一项 低效劳动。在石油工业中已经使用了几种相关技术来提高自动化和加强对来自地震数据的 岩相的解释。 R. J. Matlock和G. T. Asimakopoulos的“可以使用自动模式分析和识别来解决 地震地层问题吗”（The Leading Edge , Geophys Explor, Vol . 5 , no . 9, pp.51-55 , 1986），奠定了一个概念框架，用于训练地震解释过程的算法，从而实现自动化。但是，这些 作者没有演示任何工作原型或描述可能的属性或分类算法的任何细节。 R . Vintner，K. Mosegaard等人的“地震纹理分类：计算机辅助地层分析方法”（SEG国际博览会和第65届年 会，论文SL14，1995年10月8日至13日）和R . Vintner，K . Mosegaard，Abatzis，C . Anderson，VO Vebaek和PHNielson (3D地震纹理分类，石油工程师协会35482,1996)，讨论 了地震数据的纹理分析以及使用纹理属性的分类主成分分析和概率分布的一个版本。这些 出版物在使用地震数据的纹理分析方法时，没有利用概率神经网络或动态使用概率值来优 化分类。这些方法也没有使用互动式培训计划，而且质地分析也没有被引导。通过地震反射 器倾角定义的地层分层引导计算的过程称为倾角转向。 D. Gao的“一阶和二阶地震纹理： 定量地震解释和油气勘探的意义”（1999年），描述了使用标准纹理分析来产生量化反射强 度，连续性和几何的地震纹理属性。然而，该摘要不描述纹理属性的分类方法。具体而言， Gao（1999），不使用概率神经网络，也不使用神经网络的交互式解释器训练。
技术实现要素：
本发明正是针对现有技术的缺陷，提供了一种基于测井信息、地质信息的智能岩 相识别方法，能有效地解决现有技术存在的问题。本发明分三大技术体系构成： 体系1. 石油专业体系； 体系2. 网站网页创建体系； 体系3.两者之间的数据交换体系； 4 CN 111596978 A 说 明 书 3/13 页 本发明所要解决的问题是石油业、页岩气业、地质矿山业中岩相识别的问题。本发明是 用人工智能的方法进行自动识别岩相。 本发明是一种用人工智能的方法识别测井数据集和地震数据集。首先，计算表示 地震数据量的多个初始纹理属性。接下来，根据计算的初始纹理属性构造概率神经网络。然 后，在整个地震数据量中计算最终的纹理属性。最后，使用构建的概率神经网络对计算的纹 理属性进行分类。
本发明公开了一种用人工智能解释测井曲线、地震图数据的方法，并且数据的录入和结果的输出均用网络页面的形式显示，方便进行远程部署与数据共享。本发明包括将己知岩相分类的部分采集样本数据集，用作训练数据，使用机器学习、深度学习的方法，进行岩相的自动识别，然 全部
背景技术：
近几年来，石油勘探开发领域有效地利用了现代科学技术，从而促进了石油工业 的飞速发展，同时也给国民经济带来了巨大的效益。然而，随着石油勘探水平的不断提高， 寻找新的油气田也愈加困难，这就要求我们不断提高认识水平，用科学的方法来了解和掌 握油气存在的未知状况，从现有的地球物理、地质、油藏开发等资料中发掘出更多新的信息 来进行油气储层的预测。 特别是最近两年，国内外的石油工业正在经历较大的调整，许多新兴学科被引入 石油勘探开发领域，在人工智能领域，目前我国也正在布局。因此，本发明的应用，可以说是 加快了我国石油工业信息化的步伐。预计在不久的将来，石油的勘探开发技术，在人工智能 方面还会有突破性进展，本发明正是其应用之一。本发明包括一套软件包，可以部署在云端 服务器上，供全球客户使用，它是石油数据和计算机模块结合在一起的一个完整的应用系 统。 在勘探开发石油这一过程中，岩相的识别与定义具有极为重要的意义，它不仅可 以分析岩相中微相及其时空演化，建立沉积模式，还可以分析生、储、盖等成藏要素及组合， 建立成藏模式，从而进一步探讨油气聚集与沉积微相间的关系，解释已知砂体的展布形态， 指导未控制区的砂体预测，为确定地质储量、预测含油气区和井位部署提供依据。 岩相分析是解释油藏描述地震数据的重要步骤。岩相解释在最初的勘探前景评 3 CN 111596978 A 说 明 书 2/13 页 价、油藏描述以及最终的油田开发阶段发挥着重要作用。岩相是一个地层单元或区域，具有 可与其他区域区别的特征反射模式。不同岩相的区域通常使用反映大规模地震模式的描述 性术语来描绘。例如反射振幅，连续性和由地层视界界定的反射器的内部配置。从流域范围 的应用到详细的油藏描述，岩相分析的应用和规模差异很大。在盆地范围内，以广泛识别 源、储层和密封易发区域勘探，岩相分析已应用于碳氢化合物系统研究。这些地区是通常基 于它们的反射几何形状以及振幅强度和连续性来识别。区域高振幅，半连续反射器通常用 于识别潜在的含烃储层，如深水渠道，而低振幅连续到半连续区域可用于识别密封倾向单 元。 岩相分析也可以应用于单一储层中，以帮助约束详细的物理特性描述。在这些局 部尺度应用中，连续性和振幅的定义通常没有严格的定义，并且基于岩石属性校准或沉积 解释环境。可以证明地震特征和物理性质之间的关系，然后可以使用岩相体积来预测岩石 属性分布和条件地质模型。 用于岩相分析和绘图的标准技术是一个手动过程，其中地震解释器在感兴趣的区 间内对地震反射数据的特征做出视觉决策，并在地图上绘制这些数据。然后将岩相用于各 种目的，但主要用于解释岩相和岩石性质的分布。直觉和经验对岩相研究的成功做出了重 要贡献，然而，这种方法也可能导致岩相分析成为主观的，耗时的，并且通常是费力的一项 低效劳动。在石油工业中已经使用了几种相关技术来提高自动化和加强对来自地震数据的 岩相的解释。 R. J. Matlock和G. T. Asimakopoulos的“可以使用自动模式分析和识别来解决 地震地层问题吗”（The Leading Edge , Geophys Explor, Vol . 5 , no . 9, pp.51-55 , 1986），奠定了一个概念框架，用于训练地震解释过程的算法，从而实现自动化。但是，这些 作者没有演示任何工作原型或描述可能的属性或分类算法的任何细节。 R . Vintner，K. Mosegaard等人的“地震纹理分类：计算机辅助地层分析方法”（SEG国际博览会和第65届年 会，论文SL14，1995年10月8日至13日）和R . Vintner，K . Mosegaard，Abatzis，C . Anderson，VO Vebaek和PHNielson (3D地震纹理分类，石油工程师协会35482,1996)，讨论 了地震数据的纹理分析以及使用纹理属性的分类主成分分析和概率分布的一个版本。这些 出版物在使用地震数据的纹理分析方法时，没有利用概率神经网络或动态使用概率值来优 化分类。这些方法也没有使用互动式培训计划，而且质地分析也没有被引导。通过地震反射 器倾角定义的地层分层引导计算的过程称为倾角转向。 D. Gao的“一阶和二阶地震纹理： 定量地震解释和油气勘探的意义”（1999年），描述了使用标准纹理分析来产生量化反射强 度，连续性和几何的地震纹理属性。然而，该摘要不描述纹理属性的分类方法。具体而言， Gao（1999），不使用概率神经网络，也不使用神经网络的交互式解释器训练。
技术实现要素：
本发明正是针对现有技术的缺陷，提供了一种基于测井信息、地质信息的智能岩 相识别方法，能有效地解决现有技术存在的问题。本发明分三大技术体系构成： 体系1. 石油专业体系； 体系2. 网站网页创建体系； 体系3.两者之间的数据交换体系； 4 CN 111596978 A 说 明 书 3/13 页 本发明所要解决的问题是石油业、页岩气业、地质矿山业中岩相识别的问题。本发明是 用人工智能的方法进行自动识别岩相。 本发明是一种用人工智能的方法识别测井数据集和地震数据集。首先，计算表示 地震数据量的多个初始纹理属性。接下来，根据计算的初始纹理属性构造概率神经网络。然 后，在整个地震数据量中计算最终的纹理属性。最后，使用构建的概率神经网络对计算的纹 理属性进行分类。
