[发明专利]一种基于卷积神经网络的三维地质异常体的分割提取方法

说明书

本发明提供了一种基于卷积神经网络的三维地质异常体的分割提取方法，属于河道地质提领域。本发明通过卷积神经网络的训练与预测将三维地质异常体精细的提取出来，这对将来的石油开采起到极大作用；本发明通过从不同的轴对三维地质异常体数据进行切片，通过二维数据对三维数据进行识别分割，不仅仅通过单一的维度来训练数据，充分利用了三维数据的空间属性，能够更好的识别出河道数据点的关系。

技术领域

本发明属于河道地质体领域，特别涉及一种基于卷积神经网络的三维地质异常体的分割提取方法。

背景技术

砂岩储集体是油气储集最主要的场所，而河流相储层则是其中最重要的一种储层类型之一。因为河道的叠置、变迁错综复杂，储层岩性在纵向、横向上变化大且连续性差，加之地震资料信噪比、分辨率的约束，河流相储层的识别与描述仍然存在不少困难。

地质异常体河道砂体具有一定的孔隙度、渗透率等较好的物性特征，是构成油气储集的良好场所。如果古河流砂体接近油源，可成为油气的储层。由于河流砂体岩性变化快，其内部储油物性的非均质性较为明显。

在以往的油气勘探中，人们应用多种地震解释技术，力求在河道砂体识别的方面有所突破。如用分频技术对河道砂体进行了描述、地震相和沉积相解释技术、地层切片技术、地震多参数、人工神经网络储层预测等，它们在河流相储层描述方面均起到了较之前好的效果。

河道垂向上以河流沉积旋回下部河床亚相中的边滩或心滩砂岩储油物性最好，向上逐渐变差；横向上透镜体中部储油物性较好，向两侧变差。河流相储层是一种重要的储集层类型。寻找河道砂体是油气勘探中的一项重要工作。然而，由于河道的频繁变化、严重叠加、信噪比的限制和地震资料本身的分辨率的限制，对河流相储层的进行精细描述存在一定的困难。随着油气勘探工作的不断深入，在我国的许多盆地中都找到了一些以河道砂岩体岩性圈闭为主的复式油气聚集带，并获得了工业性油流，因此，对于河道砂体的研究，将会对油气田的勘探和开发具有重要的指导意义。

发明内容

为了解决上述问题，本发明提供了一种基于卷积神经网络的三维地质异常体的分割提取方法，通过从三维地质异常体数据选择大量中心点，将中心点扩展一定大小作为训练集，训练集从X、Y、Z三个维度进行切片，将所有切片进行训练，获得训练后网络参数权重，把三维河道数据所有点作为中心点，扩展为一定大小的区域作为测试集，依据结果对卷积神经网络参数进行调节，再次训练与测试，直到达到理想效果。

一种基于卷积神经网络的三维地质异常体的分割提取方法，包括以下步骤：

步骤1，将输入的三维数据立方体分割为数个大小相同的三维河道数据，并对所述三维河道数据进行标注得到标签向量；

步骤2，对所述三维河道数据进行切片，得到二维河道训练数据；

步骤3，构造卷积神经网络，输入所述标签向量和二维河道训练数据对卷积神经网络进行训练，得到所述卷积神经网络的训练权重；

步骤4，选取所述三维数据立方体中所有像素点，将每一个像素点设为中心点，扩展为大小与所述三维河道数据相同的立方体，对每一个立方体进行切片，得到测试集；

步骤5，输入所述测试集至所述卷积神经网络，得到结果标签向量，根据所述结果标签向量对所述卷积神经网络进行参数调整，得到最优参数和结果。

进一步地，所述步骤1中对所述三维河道数据进行标注的过程为：

检测所述三维河道数据是否有河道，对所述三维河道数据中心点属于河道的标注为1，对所述三维河道数据中心点不属于河道的标注为0。

进一步地，所述步骤2包括以下流程：

对所述三维河道数据分别从xy、yz、xz三个平面进行切片，切片的间隔为1个像素距离，切片后得到的二维河道数据的标签和所述三维河道数据的标注一致，得到二维河道训练数据。