(19)國(guó)家知識(shí)產(chǎn)權(quán)局(12)發(fā)明專利(10)授權(quán)公告號(hào)CN116168224B(21)申請(qǐng)?zhí)?02111396092.6(22)申請(qǐng)日2021.11.23(65)同一申請(qǐng)的已公布的文獻(xiàn)號(hào)申請(qǐng)公布號(hào)CN116168224A(43)申請(qǐng)公布日2023.05.26(73)專利權(quán)人中國(guó)石油化工股份有限公司地址257000山東省東營(yíng)市東營(yíng)區(qū)濟(jì)南路油田分公司勘探開發(fā)研究院烏洪翠吳志華呂世超張華鋒張玲司陳陽(yáng)(74)專利代理機(jī)構(gòu)濟(jì)南日新專利代理事務(wù)所(普通合伙)37224專利代理師崔曉艷GO6N3/04(2023.01)(56)對(duì)比文件(54)發(fā)明名稱基于成像礫石含量的機(jī)器學(xué)習(xí)巖相自動(dòng)識(shí)別方法(57)摘要本發(fā)明提供一種基于成像礫石含量的機(jī)器學(xué)習(xí)巖相自動(dòng)識(shí)別方法，該基于成像礫石含量的機(jī)器學(xué)習(xí)巖相自動(dòng)識(shí)別方法包括：步驟1,對(duì)取心井進(jìn)行巖心觀察描述，開展四性關(guān)系分析；步驟2,確定砂礫巖不同巖相的常規(guī)及成像測(cè)井響應(yīng)模式；步驟3,通過(guò)成像圖像處理，精細(xì)刻畫礫石含量及礫徑分布，定量劃分全井段巖相；步驟4,以成像測(cè)井確定的巖相為基礎(chǔ)，篩選測(cè)井特征穩(wěn)定的電性層作為樣本層；步驟5,通過(guò)成像標(biāo)定常規(guī)測(cè)井曲線，確定敏感曲線；步驟6,基于機(jī)器學(xué)習(xí)算法，以樣本層巖相為監(jiān)督對(duì)象，自動(dòng)識(shí)別巖相。該基于成像礫石含量的機(jī)器學(xué)習(xí)巖相自動(dòng)識(shí)層21.基于成像礫石含量的機(jī)器學(xué)習(xí)巖相自動(dòng)識(shí)別方法，其特征在于，該基于成像礫石含量的機(jī)器學(xué)習(xí)巖相自動(dòng)識(shí)別方法包括：步驟1,對(duì)取心井進(jìn)行巖心觀察描述，開展四性關(guān)系分析；步驟2,確定砂礫巖不同巖相的常規(guī)及成像測(cè)井響應(yīng)模式；步驟3,通過(guò)成像圖像處理，精細(xì)刻畫礫石含量及礫徑分布，定量劃分全井段巖相；步驟4,以成像測(cè)井確定的巖相為基礎(chǔ)，篩選測(cè)井特征穩(wěn)定的電性層作為樣本層；步驟5,通過(guò)成像標(biāo)定常規(guī)測(cè)井曲線，確定敏感曲線；步驟6,基于機(jī)器學(xué)習(xí)算法，以樣本層巖相為監(jiān)督對(duì)象，自動(dòng)識(shí)別巖相；在步驟6,以步驟4篩選的樣本層為監(jiān)督對(duì)象，以步驟5確定的敏感曲線測(cè)井值作為訓(xùn)練對(duì)象，在歸一化處理的基礎(chǔ)上，采用自組織特征映射、BP神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)進(jìn)行反復(fù)訓(xùn)練學(xué)習(xí)、分類，選擇出與巖心和成像巖相吻合程度高的模型作為本井機(jī)器學(xué)習(xí)模型，最終推廣應(yīng)用于全區(qū)塊其它井中，實(shí)現(xiàn)砂礫巖巖相自動(dòng)識(shí)別。2.根據(jù)權(quán)利要求1所述的基于成像礫石含量的機(jī)器學(xué)習(xí)巖相自動(dòng)識(shí)別方法，其特征在于，在步驟1,對(duì)有成像測(cè)井的取心井開展巖心觀察，描述各類巖性及礫徑大小、縱向變化、單層厚度，關(guān)注在成像及常規(guī)測(cè)井曲線中變化明顯層段對(duì)應(yīng)的巖性特征。3.根據(jù)權(quán)利要求2所述的基于成像礫石含量的機(jī)器學(xué)習(xí)巖相自動(dòng)識(shí)別方法，其特征在于，在步驟1,由于鉆井取心深度與測(cè)井深度存在系統(tǒng)誤差，利用成像圖像、巖心掃描伽瑪輔助進(jìn)行巖心歸位，使巖電對(duì)應(yīng)關(guān)系更加合理；結(jié)合錄井、分析化驗(yàn)開展四性關(guān)系分析。4.根據(jù)權(quán)利要求1所述的基于成像礫石含量的機(jī)器學(xué)習(xí)巖相自動(dòng)識(shí)別方法，其特征在于，在步驟2,巖心刻度成像測(cè)井，依據(jù)巖性、礫石大小將巖心觀察的巖性根據(jù)測(cè)井曲線響應(yīng)特征劃分為在測(cè)井上識(shí)別的幾類巖相，巖相是指巖性相近，測(cè)井響應(yīng)特征相似的幾種巖性組合，目的是考慮測(cè)井響應(yīng)的可識(shí)別能力及將非均質(zhì)性嚴(yán)重的問(wèn)題轉(zhuǎn)化為相對(duì)均質(zhì)性問(wèn)題，然后確定砂礫巖不同巖相的常規(guī)及成像測(cè)井響應(yīng)模式。5.根據(jù)權(quán)利要求1所述的基于成像礫石含量的機(jī)器學(xué)習(xí)巖相自動(dòng)識(shí)別方法，其特征在于，在步驟3,成像圖像是貼井壁電阻率變化的響應(yīng)，亮色代表高阻，暗色代表低阻，以靜態(tài)份4泥質(zhì)為黑色層狀為主。6.根據(jù)權(quán)利要求5所述的基于成像礫石含量的機(jī)器學(xué)習(xí)巖相自動(dòng)識(shí)別方法，其特征在于，在步驟3,通過(guò)調(diào)整色調(diào)閾值刻畫亮色即礫石邊緣，將成像圖像轉(zhuǎn)化為由不同色調(diào)面積組成的圖像，不同色調(diào)代表不同巖相，通過(guò)巖心標(biāo)定確定不同巖相的色調(diào)范圍，進(jìn)一步在一定在窗長(zhǎng)內(nèi)，利用同色調(diào)面積疊加確定不同巖相類型的含量，不同組分的分布面積作為巖7.根據(jù)權(quán)利要求1所述的基于成像礫石含量的機(jī)器學(xué)習(xí)巖相自動(dòng)識(shí)別方法，其特征在于，在步驟4,以成像測(cè)井確定的巖相為基礎(chǔ)，在相應(yīng)常規(guī)測(cè)井系列分辨能力基礎(chǔ)上，篩選樣本層。8.根據(jù)權(quán)利要求7所述的基于成像礫石含量的機(jī)器學(xué)習(xí)巖相自動(dòng)識(shí)別方法，其特征在于，在步驟4,篩選原則為：巖相相對(duì)均質(zhì)、單層厚度≥2m,對(duì)應(yīng)常規(guī)測(cè)井曲線特征穩(wěn)定。9.根據(jù)權(quán)利要求1所述的基于成像礫石含量的機(jī)器學(xué)習(xí)巖相自動(dòng)識(shí)別方法，其特征在3于，在步驟5,通過(guò)交會(huì)圖技術(shù)和主成分分析，結(jié)合不同測(cè)井系列的垂向分辨率和橫向探測(cè)深度，選擇對(duì)不同巖相分辨能力高的曲線作為敏感曲線。10.根據(jù)權(quán)利要求9所述的基于成像礫石含量的機(jī)器學(xué)習(xí)巖相自動(dòng)識(shí)別方法，其特征在然電位SP和微電位RN。4技術(shù)領(lǐng)域[0001]本發(fā)明涉及石油與天然氣勘探開發(fā)技術(shù)領(lǐng)域，特別是涉及到一種基于成像礫石含量的機(jī)器學(xué)習(xí)巖相自動(dòng)識(shí)別方法。背景技術(shù)[0002]陸相斷陷湖盆陡坡帶發(fā)育各種成因的砂礫巖扇體，具有埋藏深、厚度大、儲(chǔ)量大、潛力大、動(dòng)用程度低等特點(diǎn)，已成為目前勝利油田增儲(chǔ)上產(chǎn)的重要潛力增長(zhǎng)點(diǎn)。砂礫巖扇體上都具有較強(qiáng)的非均質(zhì)性，巖石類型復(fù)雜多樣，巖相變化快；礫巖骨架對(duì)測(cè)井響應(yīng)影響大，巖電關(guān)系復(fù)雜，同時(shí)由于常規(guī)測(cè)井分辨率不高，薄夾層響應(yīng)不明顯，造成利用常規(guī)的測(cè)井評(píng)價(jià)方法識(shí)別砂礫巖巖相精度低，參數(shù)解釋精度低、油水層難準(zhǔn)確識(shí)別，成為制約砂礫巖油藏有效動(dòng)用的瓶頸之一。而巖相識(shí)別是砂礫巖儲(chǔ)層評(píng)價(jià)的基礎(chǔ)，巖相的準(zhǔn)確識(shí)別對(duì)砂礫巖儲(chǔ)層物性參數(shù)的精確求取、有效儲(chǔ)層識(shí)別，甚至對(duì)沉積規(guī)律及優(yōu)勢(shì)儲(chǔ)層展布等規(guī)律的把握都具有重要意義。因此本專利針對(duì)砂礫巖儲(chǔ)層巖相識(shí)別精度低的問(wèn)題發(fā)明了一種基于成像礫石含量計(jì)算的機(jī)器學(xué)習(xí)巖相自動(dòng)識(shí)別方法，可以有效的提高巖相識(shí)別精度，為砂礫巖儲(chǔ)層測(cè)井評(píng)價(jià)研究提供可靠的基礎(chǔ)。[0003]微電阻率掃描成像測(cè)井是一種反映貼井壁電阻率變化的響應(yīng)，縱向分辨率高(0.2in),具有直觀的視覺(jué)效果，能直觀反映砂礫巖體內(nèi)部結(jié)構(gòu)。從成像圖上可對(duì)砂礫巖巖性、沉積粒序的變化、礫石顆粒的相對(duì)大小等做出正確的分析，經(jīng)巖心刻度后可反映井壁巖性信息，解決了常規(guī)測(cè)井曲線信息量小、縱向分辨率低(20-80cm)的問(wèn)題，具有比常規(guī)測(cè)井資料進(jìn)行儲(chǔ)層特征描述更為直觀可靠的優(yōu)勢(shì)。但是目前砂礫巖成像測(cè)井多以定性應(yīng)用為主，本次深度挖掘成像資料信息，以靜態(tài)成像數(shù)據(jù)為基礎(chǔ)，通過(guò)巖心刻度，利用成像圖像顯示色調(diào)范圍代表不同巖相類型，亮色代表高阻，暗色代表低阻，不同組分的分布面積作為巖[0004]隨著人工智能的快速發(fā)展，以大數(shù)據(jù)為基礎(chǔ)，機(jī)器學(xué)習(xí)算法為手段，通過(guò)快速解析數(shù)據(jù)、訓(xùn)練學(xué)習(xí)、實(shí)現(xiàn)巖性快速自動(dòng)識(shí)別的方法成為大區(qū)塊僅有1-2口井進(jìn)行成像測(cè)井，而且取心井也只有部分井段進(jìn)行取心，因此開展全區(qū)巖相識(shí)別工作仍需落腳于常規(guī)測(cè)井曲線的應(yīng)用。[0005]在申請(qǐng)?zhí)枺篊N201910078669.5的中國(guó)專利申請(qǐng)中，涉及到一種基于測(cè)井?dāng)?shù)據(jù)的多井復(fù)雜巖性智能識(shí)別方法及系統(tǒng)，該方法首先確定目標(biāo)測(cè)井?dāng)?shù)據(jù)文件并進(jìn)行格式轉(zhuǎn)換以及歸一化預(yù)處理，然后根據(jù)全區(qū)關(guān)鍵取芯井在取芯井段的已知巖性對(duì)測(cè)井曲線數(shù)據(jù)進(jìn)行特征篩選和/或特征組合擴(kuò)展獲得對(duì)巖性敏感的測(cè)井曲線數(shù)據(jù)，再給對(duì)巖性響應(yīng)敏感的測(cè)井曲線數(shù)據(jù)進(jìn)行打標(biāo)簽標(biāo)定組成樣本數(shù)據(jù)庫(kù)同時(shí)將全區(qū)未打標(biāo)簽的測(cè)井曲線數(shù)據(jù)組成待測(cè)數(shù)據(jù)庫(kù)，進(jìn)而利用樣本數(shù)據(jù)庫(kù)的數(shù)據(jù)并結(jié)合若干機(jī)器學(xué)習(xí)算法進(jìn)行機(jī)器學(xué)習(xí)訓(xùn)練后自動(dòng)建立若干巖性識(shí)別模型。[0006]在申請(qǐng)?zhí)枺篊N201911190561.1的中國(guó)專利申請(qǐng)中，涉及到一種巖心飽和度預(yù)測(cè)模5型構(gòu)建方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)，獲取樣本測(cè)井曲線及其對(duì)應(yīng)的樣本巖心飽和度，其中，樣本測(cè)井曲線是原始測(cè)井曲線校深之后得到的，可以提高得到的樣本數(shù)據(jù)準(zhǔn)確性，在模型訓(xùn)練過(guò)程中，采用訓(xùn)練和測(cè)試相結(jié)合的方式，將樣本數(shù)據(jù)劃分為訓(xùn)練樣本集和測(cè)試樣本集，由訓(xùn)練樣本集對(duì)多種機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，再由測(cè)試樣本集對(duì)已訓(xùn)練的機(jī)器學(xué)習(xí)模型進(jìn)行測(cè)試，選取最優(yōu)的已訓(xùn)練的機(jī)器學(xué)習(xí)模型作為最終巖心飽和度預(yù)測(cè)模型，最終得到的巖心飽和度預(yù)測(cè)模型可以支持后續(xù)巖心飽和度的準(zhǔn)確預(yù)測(cè)。[0007]在申請(qǐng)?zhí)枺篊N201910440723.6的中國(guó)專利申請(qǐng)中，涉及到一種基于地震反演和機(jī)器學(xué)習(xí)的陸相烴源巖定量預(yù)測(cè)方法，用于預(yù)測(cè)某一區(qū)域陸相烴源巖的空間分布和有機(jī)質(zhì)含量，該首先優(yōu)選對(duì)陸相沉積地層砂泥巖巖性區(qū)分和有機(jī)質(zhì)含量敏感的彈性屬性，然后訓(xùn)練訓(xùn)練的機(jī)器學(xué)習(xí)網(wǎng)絡(luò)與疊前地震數(shù)據(jù)的疊前彈性參數(shù)反演結(jié)果結(jié)合，進(jìn)而預(yù)測(cè)烴源巖的空間分布和有機(jī)質(zhì)含量。[0008]以上現(xiàn)有技術(shù)均與本發(fā)明有較大區(qū)別，未能解決我們想要解決的技術(shù)問(wèn)題，為此我們發(fā)明了一種新的基于成像礫石含量的機(jī)器學(xué)習(xí)巖相自動(dòng)識(shí)別方法。發(fā)明內(nèi)容[0009]本發(fā)明的目的是提供一種在成像測(cè)井圖像處理的基礎(chǔ)上，計(jì)算礫石含量，通過(guò)機(jī)器學(xué)習(xí)算法訓(xùn)練學(xué)習(xí)，確定巖相類型的砂礫巖巖相判別的基于成像礫石含量的機(jī)器學(xué)習(xí)巖相自動(dòng)識(shí)別方法。[0010]本發(fā)明的目的可通過(guò)如下技術(shù)措施來(lái)實(shí)現(xiàn)：基于成像礫石含量的機(jī)器學(xué)習(xí)巖相自動(dòng)識(shí)別方法，該基于成像礫石含量的機(jī)器學(xué)習(xí)巖相自動(dòng)識(shí)別方法包括：[0011]步驟1,對(duì)取心井進(jìn)行巖心觀察描述，開展四性關(guān)系分析；[0012]步驟2,確定砂礫巖不同巖相的常規(guī)及成像測(cè)井響應(yīng)模式；[0013]步驟3,通過(guò)成像圖像處理，精細(xì)刻畫礫石含量及礫徑分布，定量劃分全井段巖相；[0014]步驟4,以成像測(cè)井確定的巖相為基礎(chǔ)，篩選測(cè)井特征穩(wěn)定的電性層作為樣本層；[0015]步驟5,通過(guò)成像標(biāo)定常規(guī)測(cè)井曲線，確定敏感[0016]步驟6,基于機(jī)器學(xué)習(xí)算法，以樣本層巖相為監(jiān)督對(duì)象，自動(dòng)識(shí)別巖相。[0017]本發(fā)明的目的還可通過(guò)如下技術(shù)措施來(lái)實(shí)現(xiàn)：[0018]在步驟1,對(duì)有成像測(cè)井的取心井開展巖心觀察，描述各類巖性及礫徑大小、縱向變化、單層厚度這些情況，特別關(guān)注在成像及常規(guī)測(cè)井曲線中變化明顯層段對(duì)應(yīng)的巖性特[0019]在步驟1,由于鉆井取心深度與測(cè)井深度存在系統(tǒng)誤差，利用成像圖像、巖心掃描伽瑪輔助進(jìn)行巖心歸位，使巖電對(duì)應(yīng)關(guān)系更加合理；結(jié)合錄井、分析化驗(yàn)這些資料開展四性關(guān)系分析。[0020]在步驟2,巖心刻度成像測(cè)井，依據(jù)巖性、礫石大小這些特征將巖心觀察的巖性根據(jù)測(cè)井曲線響應(yīng)特征劃分為在測(cè)井上可以識(shí)別的幾類巖相，巖相是指巖性相近，測(cè)井響應(yīng)特征相似的幾種巖性組合，目的是考慮測(cè)井響應(yīng)的可識(shí)別能力及將非均質(zhì)性嚴(yán)重的問(wèn)題轉(zhuǎn)化為相對(duì)均質(zhì)性問(wèn)題，然后確定砂礫巖不同巖相的常規(guī)及成像測(cè)井響應(yīng)模式。[0021]在步驟3,成像測(cè)井是貼井壁電阻率變化的響應(yīng)，亮色代表高阻，暗色代表低阻，以6組份4泥質(zhì)為黑色層狀為主。[0022]在步驟3,通過(guò)調(diào)整色調(diào)閾值刻畫亮色即礫石邊緣，將成像圖像轉(zhuǎn)化為由不同色調(diào)面積組成的圖像，不同色調(diào)代表不同巖相，通過(guò)巖心標(biāo)定確定不同巖相的色調(diào)范圍，進(jìn)一步在一定在窗長(zhǎng)內(nèi)，利用同色調(diào)面積疊加確定不同巖相類型的含量，不同組分的分布面積作為巖相百分含量，計(jì)算礫石含量，實(shí)現(xiàn)全井段巖相定量劃分。[0023]在步驟4,以成像測(cè)井確定的巖相為基礎(chǔ)，在相應(yīng)常規(guī)測(cè)井系列分辨能力基礎(chǔ)上，篩選樣本層。[0024]在步驟4,篩選原則為：巖相相對(duì)均質(zhì)、單層厚度≥2m,對(duì)應(yīng)常規(guī)測(cè)井曲線特征穩(wěn)[0025]在步驟5,通過(guò)交會(huì)圖技術(shù)和主成分分析這些方法，結(jié)合不同測(cè)井系列的垂向分辨率和橫向探測(cè)深度，選擇對(duì)不同巖相分辨能力高的曲線作為敏感曲線。[0026]在步驟5,確定了5條敏感曲線，分別為補(bǔ)償中子測(cè)井(CNL)、密度測(cè)井(DEN)、自然伽瑪(GR)、自然電位(SP)和微電位(RN)。[0027]在步驟6,以步驟4篩選的樣本層為監(jiān)督對(duì)象，以步驟5確定的敏感曲線測(cè)井值作為訓(xùn)練對(duì)象，在歸一化處理的基礎(chǔ)上，采用自組織特征映射、BP神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)這些數(shù)學(xué)算法進(jìn)行反復(fù)訓(xùn)練學(xué)習(xí)、分類，優(yōu)選出與巖心和成像巖相吻合程度高的模型作為本井機(jī)器學(xué)習(xí)模型，最終推廣應(yīng)用于全區(qū)塊其它井中，實(shí)現(xiàn)砂礫巖巖相自動(dòng)識(shí)別。[0028]本發(fā)明中的基于成像礫石含量的機(jī)器學(xué)習(xí)巖相自動(dòng)識(shí)別方法，基于成像測(cè)井圖像處理、礫石含量定量計(jì)算、測(cè)井敏感性分析、機(jī)器學(xué)習(xí)等多尺度、多參數(shù)融合的砂礫巖巖相自動(dòng)識(shí)別方法，以基于成像識(shí)別的巖相樣本層為監(jiān)督對(duì)象進(jìn)行訓(xùn)練學(xué)習(xí)，提取常規(guī)測(cè)井曲線敏感特征值，建立機(jī)器學(xué)習(xí)巖相識(shí)別模型，實(shí)現(xiàn)砂礫巖巖相自動(dòng)識(shí)別。附圖說(shuō)明[0029]圖1為本發(fā)明的基于成像礫石含量的機(jī)器學(xué)習(xí)巖相自動(dòng)識(shí)別方法的一種實(shí)施流程[0030]圖2為本發(fā)明的基于成像礫石含量的機(jī)器學(xué)習(xí)巖相自動(dòng)識(shí)別方法的一種具體實(shí)施例的流程圖；[0031]圖3為本發(fā)明一具體實(shí)施例中機(jī)器學(xué)習(xí)巖相自動(dòng)識(shí)別流程圖；[0032]圖4為本發(fā)明另一具體實(shí)施例中機(jī)器學(xué)習(xí)巖相自動(dòng)識(shí)別流程圖。具體實(shí)施方式[0033]應(yīng)該指出，以下詳細(xì)說(shuō)明都是示例性的，旨在對(duì)本發(fā)明提供進(jìn)一步的說(shuō)明。除非另有指明，本文使用的所有技術(shù)和科學(xué)術(shù)語(yǔ)具有與本發(fā)明所屬技術(shù)領(lǐng)域的普通技術(shù)人員通常理解的相同含義。[0034]需要注意的是，這里所使用的術(shù)語(yǔ)僅是為了描述具體實(shí)施方式，而非意圖限制根據(jù)本發(fā)明的示例性實(shí)施方式。如在這里所使用的，除非上下文另外明確指出，否則單數(shù)形式也意圖包括復(fù)數(shù)形式，此外，還應(yīng)當(dāng)理解的是，當(dāng)在本說(shuō)明7括”時(shí)，其指明存在特征、步驟、操作和/或它們的組合。[0035]如圖1所示，圖1為本發(fā)明的基于成像礫石含量的機(jī)器學(xué)習(xí)巖相自動(dòng)識(shí)別方法的流程圖。該基于成像礫石含量的機(jī)器學(xué)習(xí)巖相自動(dòng)識(shí)別方法包括了以下步驟：[0036]步驟1,對(duì)取心井進(jìn)行巖心觀察描述，開展四性關(guān)系分析；[0037]步驟2,巖心刻度成像測(cè)井，確定砂礫巖不同巖相的常規(guī)及成像測(cè)井響應(yīng)模式；[0038]步驟3,通過(guò)成像圖像處理，精細(xì)刻畫礫石含量及礫徑分布，定量劃分全井段巖相；[0039]步驟4,以成像測(cè)井確定的巖相為基礎(chǔ)，篩選測(cè)井特征穩(wěn)定的電性層作為樣本層；[0040]步驟5,通過(guò)成像標(biāo)定常規(guī)測(cè)井曲線，確定敏感曲線；[0041]步驟6,基于機(jī)器學(xué)習(xí)算法，以樣本層巖相為監(jiān)督對(duì)象，自動(dòng)識(shí)別巖相。[0042]以下為應(yīng)用本發(fā)明的幾個(gè)具體實(shí)施例。[0043]實(shí)施例1:[0044]在應(yīng)用本發(fā)明的具體實(shí)施例1中，如圖2所示，圖2為本發(fā)明的基于成像礫石含量的機(jī)器學(xué)習(xí)巖相自動(dòng)識(shí)別方法的一種具體實(shí)施例的流程圖。[0045]步驟1,對(duì)有成像測(cè)井的取心井開展巖心觀察，盡量詳細(xì)描述各類巖性及礫徑大小、縱向變化、單層厚度等情況，特別關(guān)注在成像及常規(guī)測(cè)井曲線中變化明顯層段對(duì)應(yīng)的巖性特征；由于鉆井取心深度與測(cè)井深度存在系統(tǒng)誤差，利用成像圖像、巖心掃描伽瑪輔助進(jìn)行巖心歸位，使巖電對(duì)應(yīng)關(guān)系更加合理；結(jié)合錄井、分析化驗(yàn)等資料開展四性關(guān)系分析。[0046]步驟2,巖心刻度成像測(cè)井，依據(jù)巖性、礫石大小等特征將巖心觀察的巖性根據(jù)測(cè)井曲線響應(yīng)特征劃分為在測(cè)井上可以識(shí)別的幾類巖相，巖相是指巖性相近，測(cè)井響應(yīng)特征相似的幾種巖性組合，目的是考慮測(cè)井響應(yīng)的可識(shí)別能力及將非均質(zhì)性嚴(yán)重的問(wèn)題轉(zhuǎn)化為相對(duì)均質(zhì)性問(wèn)題，然后確定砂礫巖不同巖相的常規(guī)及成像測(cè)井響應(yīng)模式。[0047]步驟3,成像測(cè)井是貼井壁電阻率變化的響應(yīng)，亮色代表高阻，暗色代表低阻，以靜態(tài)成像數(shù)據(jù)為基礎(chǔ)，利用巖心刻度成像，確定礫石、砂質(zhì)、粉砂質(zhì)、泥質(zhì)等4種組份，其中組份1礫石為白色斑點(diǎn)、團(tuán)塊狀，組份2砂質(zhì)為亮色，分散或?qū)訝?，組份3粉砂質(zhì)為暗色，分散狀，組份4泥質(zhì)為黑色層狀為主。通過(guò)調(diào)整色調(diào)閾值刻畫亮色(礫石)邊緣，將成像圖像轉(zhuǎn)化為由不同色調(diào)面積組成的圖像，不同色調(diào)代表不同巖相，通過(guò)巖心標(biāo)定確定不同巖相的色調(diào)范圍，進(jìn)一步在一定在窗長(zhǎng)內(nèi)，利用同色調(diào)面積疊加確定不同巖相類型的含量，不同組分的分布面積作為巖相百分含量，計(jì)算礫石含量，實(shí)現(xiàn)全井段巖相定量劃分。[0048]步驟4,以成像測(cè)井確定的巖相為基礎(chǔ)，在相應(yīng)常規(guī)測(cè)井系列分辨能力基礎(chǔ)上，篩選樣本層，篩選原則為：巖相相對(duì)均質(zhì)、單層厚度≥2m,對(duì)應(yīng)常規(guī)測(cè)井曲線特征穩(wěn)定。[0049]步驟5,通過(guò)交會(huì)圖技術(shù)和主成分分析等方法，結(jié)合不同測(cè)井系列的垂向分辨率和橫向探測(cè)深度，選擇對(duì)不同巖相分辨能力高的曲線作為敏感曲線，本例中確定5條敏感曲線，分別為補(bǔ)償中子測(cè)井(CNL)、密度測(cè)井(DEN)、自然伽瑪(GR)、自然電位(SP)和微電位[0050]步驟6,以步驟4篩選的樣本層為監(jiān)督對(duì)象，以步驟5確定的敏感曲線測(cè)井值作為訓(xùn)練對(duì)象，在歸一化處理的基礎(chǔ)上，采用自組織特征映射、BP神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等數(shù)學(xué)算法進(jìn)行反復(fù)訓(xùn)練學(xué)習(xí)、分類，優(yōu)選出與巖心和成像巖相吻合程度高的模型作為本井機(jī)器學(xué)習(xí)模型，最終推廣應(yīng)用于全區(qū)塊其它井中，實(shí)現(xiàn)砂礫巖巖相自動(dòng)識(shí)別，本例中識(shí)別5種巖性：8[0052]在應(yīng)用本發(fā)明的具體實(shí)施例2中，如圖2所示，圖2為本發(fā)明的基于成像礫石含量的機(jī)器學(xué)習(xí)巖相自動(dòng)識(shí)別方法的一種具體實(shí)施例的流程圖。[0053]步驟1,對(duì)有成像測(cè)井的取心井開展巖心觀察，盡量詳細(xì)描述各類巖性及礫徑大小、縱向變化、單層厚度等情況，特別關(guān)注在成像及常規(guī)測(cè)井曲線中變化明顯層段對(duì)應(yīng)的巖性特征；由于鉆井取心深度與測(cè)井深度存在系統(tǒng)誤差，利用成像圖像、巖心掃描伽瑪輔助進(jìn)行巖心歸位，使巖電對(duì)應(yīng)關(guān)系更加合理；結(jié)合錄井、分析化驗(yàn)等資料開展四性關(guān)系分析。[0054]步驟2,巖心刻度成像測(cè)井，依據(jù)巖性、礫石大小等特征將巖心觀察的巖性根據(jù)測(cè)井曲線響應(yīng)特征劃分為在測(cè)井上可以識(shí)別的幾類巖相，巖相是指巖性相近，測(cè)井響應(yīng)特征相似的幾種巖性組合，目的是考慮測(cè)井響應(yīng)的可識(shí)別能力及將非均質(zhì)性嚴(yán)重的問(wèn)題轉(zhuǎn)化為相對(duì)均質(zhì)性問(wèn)題，然后確定砂礫巖不同巖相的常規(guī)及成像測(cè)井響應(yīng)模式。[0055]步驟3,成像測(cè)井是貼井壁電阻率變化的響應(yīng)，亮色代表高阻，暗色代表低阻，以靜份4泥質(zhì)為黑色層狀為主。通過(guò)調(diào)整色調(diào)閾值刻畫亮色(礫石)邊緣，將成像圖像轉(zhuǎn)化為由不同色調(diào)面積組成的圖像，不同色調(diào)代表不同巖相，通過(guò)巖心標(biāo)定確定不同巖相的色調(diào)范圍，進(jìn)一步在一定在窗長(zhǎng)內(nèi)，利用同色調(diào)面積疊加確定不同巖相類型的含量，不同組分的分布面積作為巖相百分含量，計(jì)算礫石含量，實(shí)現(xiàn)全井段巖相定量劃分。[0056]步驟4,以成像測(cè)井確定的巖相為基礎(chǔ)，在相應(yīng)常規(guī)測(cè)井系列分辨能力基礎(chǔ)上，篩選樣本層，篩選原則為：巖相相對(duì)均質(zhì)、單層厚度≥2m,對(duì)應(yīng)[0057]步驟5,通過(guò)交會(huì)圖技術(shù)和主成分分析等方法，結(jié)合不同測(cè)井系列的垂向分辨率和橫向探測(cè)深度，選擇對(duì)不同巖相分辨能力高的曲線作為敏感曲線，本例中確定4條敏感曲[0058]步驟6,以步驟4篩選的樣本層為監(jiān)督對(duì)象，以步驟5確定的敏感曲線測(cè)井值作為訓(xùn)練對(duì)象，在歸一化處理的基礎(chǔ)上，采用自組織特征映射、BP神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等數(shù)學(xué)算法進(jìn)行反復(fù)訓(xùn)練學(xué)習(xí)、分類，優(yōu)選出與巖心和成像巖相吻合程度高的模型作為本井機(jī)器學(xué)[0060]在應(yīng)用本發(fā)明的具體實(shí)施例3中，與實(shí)施例1和實(shí)施例2相似，實(shí)施流程為基于成像礫石含量的機(jī)器學(xué)習(xí)巖相自動(dòng)識(shí)別方法的一種具體實(shí)施例的流程圖(圖2)。[0061]步驟1,對(duì)取心井進(jìn)行巖心觀察描述，開展四性關(guān)系分析；[0062]步驟2,巖心刻度成像測(cè)井，確定砂礫巖不同巖相的常規(guī)及成像測(cè)井響應(yīng)模式；[0063]步驟3,通過(guò)成像圖像處理，精細(xì)刻畫礫石含量及礫徑分布，定量劃分全井段[0064]步驟4,以成像測(cè)井確定的巖相為基礎(chǔ)，篩選測(cè)井特征穩(wěn)定的電性層作為樣本層；[0065]步驟5,通過(guò)成像標(biāo)定常規(guī)測(cè)井曲線，確定敏感曲線，本例3中聲波時(shí)差曲線對(duì)巖性識(shí)別較為敏感，因此本例中確定5條敏感曲線，分別為補(bǔ)償中子測(cè)井(CNL)、密度測(cè)井(DEN)、自然伽瑪(GR)、聲波時(shí)差(AC)和微電位(R