[发明专利]电成像测井相自动识别方法及装置

权利要求书

1.一种电成像测井相自动识别方法，其特征在于，包括：

获取电成像测井历史数据；

对所述电成像测井历史数据进行预处理，生成全井眼覆盖的电成像测井图像；

在所述全井眼覆盖的电成像测井图像中对典型成像测井相进行识别，按所属的成像测井相类别将所述全井眼覆盖的电成像测井图像确定为训练样本，其中，训练样本中的电成像测井图像中包括成像测井相的图像颜色和图像结构；

构建深度学习模型，所述深度学习模型包括输入层、多个隐藏层和输出层；

利用所述训练样本对所述深度学习模型进行训练，获得已训练的深度学习模型；

使用所述已训练的深度学习模型，对待识别井段的电成像测井图像进行测井相识别；

按照如下方式构建深度学习模型：

所述深度学习模型包括17层结构，第一层为输入层，第二层至第十六层为隐藏层，第十七层为输出层；

各层结构如下：

第一层：输入层；

第二层：隐藏层，包含一个卷积层，一个激活函数层；

第三层：隐藏层，包含一个卷积层，一个激活函数层，一个池化层；

第四层：隐藏层，包含一个卷积层和一个激活函数层；

第五层：隐藏层，包含一个卷积层和一个激活函数层，一个池化层；

第六层：隐藏层，包含一个卷积层，一个激活函数层；

第七层：隐藏层，包含一个卷积层，一个激活函数层；

第八层：隐藏层，包含一个卷积层，一个激活函数层，一个池化层；

第九层：隐藏层，包含一个卷积层，一个激活函数层；

第十层：隐藏层，包含一个卷积层，一个激活函数层；

第十一层：隐藏层，包含一个卷积层，一个激活函数层，一个池化层；

第十二层：隐藏层，包含一个卷积层，一个激活函数层；

第十三层：隐藏层，包含一个卷积层，一个激活函数层；

第十四层：隐藏层，包含一个卷积层，一个激活函数层，一个池化层；

第十五层：隐藏层，包含一个全连接层，一个激活函数层和一个Dropout层；

第十六层：隐藏层，包含一个全连接层，一个激活函数层和一个Dropout层；

第十七层：输出层，包含一个全连接层。

2.如权利要求1所述的电成像测井相自动识别方法，其特征在于，对所述电成像测井历史数据进行预处理，生成全井眼覆盖的电成像测井图像，包括：

对所述电成像测井历史数据进行加速度校正处理和均衡化处理，获得原始电成像测井图像；

对所述原始电成像测井图像进行电阻率刻度处理，获得反应井壁地层岩石电阻率的刻度图像；

对所述反应井壁地层岩石电阻率的刻度图像进行全井眼图像生成处理，生成全井眼覆盖的电成像测井图像。

3.如权利要求2所述的电成像测井相自动识别方法，其特征在于，使用所述已训练的深度学习模型，对待识别井段的电成像测井图像进行测井相识别，包括：

对待识别井段的电成像测井图像进行加速度校正处理和均衡化处理、电阻率刻度处理、全井眼图像生成处理，生成待识别的全井眼覆盖的电成像测井图像；

对所述待识别的全井眼覆盖的电成像测井图像进行逐深度窗处理，获得多个深度窗图像；

将所述多个深度窗图像输入到所述已训练的深度学习模型中，获得识别结果。