[发明专利]一种基于数据事件差异度选择训练图像的方法

说明书

本发明提供了一种基于数据事件差异度选择训练图像的方法，包括：步骤1，设定N个搜索框；步骤2，利用N个搜索框，分别在仅包括条件数据的实际地质模型的网格内及M个候选训练图像内捕获条件数据事件及训练数据事件；步骤3，根据条件数据事件及训练数据事件，计算两类数据事件之间的最小差异度，并建立N×M最小差异度模型；步骤4，根据最小差异度模型，计算获得候选训练图像评价指标，根据该候选训练图像评价指标从候选训练图像中选出最符合实际地质特征的训练图像。

技术领域

本发明涉及地质研究领域，尤指一种优选油气储层、固体矿产矿床多点地质建模所必须的训练图像的方法，具体涉及一种基于数据事件差异度选择训练图像的方法。

背景技术

训练图像是一类存储定量和定性的地质体空间分布模式和结构特征的数值图像，主要应用于多点地质统计建模领域，其作为重要的先验地质知识库，为建模过程提供地质信息。随着油气与固体矿储层随机建模方法的大规模应用和建模精度要求的逐步提高，多点地质统计建模方法受到了广泛的重视并逐步取代了传统的两点地质统计方法。与此同时，训练图像的创建和优选作为影响建模效果的关键因素，成为学者和建模人员关注的重点之一。

训练图像为多点地质统计建模提供了定量的地质模式，并在很大程度上决定了模拟实现的效果。因此，近年来出现了多种训练图像创建方法，包括沉积过程数值模拟(Comunian et al.，2013)、沉积过程物理模拟(Michael et al.，2010)、基于目标的随机模拟(Haldorsen and Chang，1986)、现代沉积遥感资料转化(石书缘等，2014)等。目前，训练图像的创建方法较为多样，建模人员往往通过不同的方法获取到多种训练图像，包括不同方法创建的不同类型的训练图像和同一方法创建的一系列训练图像。

尽管训练图像较为多样，但是不同的训练图像与地下实际地质体之间都存在不同程度的差异性。因此，训练图像的优选成为一个决定模拟实现的关键因素，但截至目前，训练图像的优选尚未得到足够的重视。当前，训练图像的创建与选用主要靠建模人员的经验与地质认识，可靠性较低。

发明内容

从地质建模的本质出发，优选训练图像的目的是为了选用与实际地质特征的差异程度最小的先验地质知识库，提高建模效果，而在实际建模的过程中，建模人员对地质体的掌握程度仅限于少量的钻井数据(即，条件数据)。为了全面对比条件数据包含的地质体空间模式与训练图像的差异度，需要对有限的条件数据加以高效利用。

根据地质学原理，训练图像作为先验地质模式数据库，应当包含条件数据内出现的所有数据事件，如果采用不同的数据事件搜索框，从条件数据中获取不同大小的三维数据事件，并与训练图像进行差异性计算，即可得到不同尺度下训练图像与条件数据的最小差异度，从而有效地评价训练图像的适用性，并加以优选。

为达到上述目的，本发明公开了一种基于数据事件差异度选择训练图像的方法，包括：步骤1，设定N个搜索框；步骤2，利用所述N个搜索框，分别在仅包括条件数据的实际地质模型的网格内及M个候选训练图像内捕获条件数据事件及训练数据事件；步骤3，根据所述条件数据事件及训练数据事件，计算两类数据事件之间的最小差异度，并建立N×M个最小差异度模型；步骤4，根据所述最小差异度模型，计算获得候选训练图像评价指标，根据该候选训练图像评价指标从所述候选训练图像中选出最符合实际地质特征的训练图像。

本发明提出了一种基于数据事件差异度选择训练图像的方法，该方法通过捕获条件数据与候选训练图像的数据事件(包括条件数据事件与训练数据事件)，计算数据事件之间的最小差异度并获得差异度评价指标，优选出最符合实际地质情况的候选训练图像，有效提高了地质建模的合理性和可靠性，该方法可以广泛应用于地质勘探等领域。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，并不构成对本发明的限定。在附图中：