[发明专利]用于改进的地下数据处理系统的装置和方法

说明书

一种用于地下数据处理的方法和装置包括至少部分地基于与地下数据中的不同深度或时间相关联的测量向量来确定一组聚类；通过与状态模型相关联的类来定义地下数据中的聚类；至少部分地基于类来减少地下数据量，并将减少的地下数据量和具有状态模型的类存储在用于机器学习过程的训练数据库中。

背景技术

地质系统和服务包括与地下和海底地区的勘探和资源生产活动有关的各个领域。例如，地质服务可能包括石油服务，天然气服务，化石燃料、金属和矿物的采矿服务以及环境保护，清理和勘测服务。

石油服务涉及与石油、天然气和其他燃料产品的识别和生产有关的勘探、钻探、生产、维护和其他活动相关联的各种服务和系统。这样的系统通常非常复杂，并且需要高度专业化、受过教育且知识丰富的专家的协助来设计系统数据采集和分析过程。数据分析通常不是很简单，并且涉及许多不同的步骤和计算。

数据采集系统可以包括获取数据并提供该数据以进行进一步处理的任何类型的系统。数据采集系统的示例是传感器系统，其中一个或多个物理传感器设备被构造为响应于对物理参数的测量或检测到的水平而生成信号。其他数据采集系统包括数字监视设备、测量设备、自动数据收集设备等。复杂的系统可能包括多个数据采集系统或设备，包括不同类型的数据采集系统。

工作流程可以包括要由特定数据采集系统获取的一组数据、要用于分析所获取数据的一组分析工具、一系列分析、要在获取的数据上执行的一组计算或操作以及要由工作流程生成的一组感兴趣的量。在以前的系统中，工作流程是由专家设计和实施的，他们具有独立和专业的知识来完成分析项目。工作流程的专家定义的一个问题是，一个专家用来设计工作流程的知识可能与另一位专家所使用的知识不同。因此，结果不标准，存在不一致之处。此外，当特定的专家换工作或离开特定的职位时，该专家为设计工作流程而获得和使用的知识将被遗忘或丢失给雇用该专家的公司。事先使用专家设计和/或实施数据采集和分析工作流程，存在各种其他争议和问题。

传统的处理和解释工作流程是主观的，视石油技术专家的专业知识而是不一致的，并且交付成果的周转缓慢。尝试使用机器学习需要(1)大量数据(深度样本)以有效地跨越测量空间，以及(2)进行大量测量以正确推断低维特征集。基于机器学习的方法的需求通常不可用，从而限制了其应用范围。

发明内容

描述了用于改进地下数据处理系统的方法和系统。尽管一些实施例可以讨论特定类型的数据，但是应当理解，本公开不限于此，并且除其他数据之外，地下数据可以包括可以表示地下信息的所获取的关于深度或时间的任何数据。地下数据的示例包括地震数据、测井曲线、生产数据、岩心数据、压力数据、温度数据、来自样本的数据等。

在示例中，用于地下数据处理的方法包括至少部分地基于与地下数据中的不同深度或时间相关联的测量向量来确定一组聚类；通过与状态模型相关联的类在地下数据中定义聚类。至少部分地基于类减少地下数据量，并将具有所述状态模型的减少的地下数据和类的数量存储在训练数据库中，以用于机器学习过程。

测量向量的深度或时间可以是连续的。

测量向量的深度或时间可以是不连续的。

该方法可以包括至少部分地基于重构的输入数据来重构输入数据并验证状态模型。

该方法可以包括接收新的输入数据并将状态模型应用于新数据。

该方法可以包括至少部分地基于应用于新输入数据的状态模型的结果来确定新的预测数据。

该方法可以包括生成所识别的类和减少的地下数据量的可视化。

确定聚类集可以包括交叉熵聚类操作。

交叉熵聚类操作的输出可以应用于高斯混合模型过程。

高斯混合模型过程可以从数据中去除球形度。

高斯混合模型过程的输出可以应用于隐马尔可夫模型过程。