[发明专利]测井曲线异常值标注方法、装置、计算机设备和存储介质

权利要求书

1.一种测井曲线异常值标注方法，所述方法包括：

获取待标注测井曲线以及调优标准；

读取预设的已训练机器学习模型集合，所述已训练机器学习模型集合中包括有多个已训练机器学习模型，所述已训练机器学习模型由携带异常值标注的样本测井曲线训练得到；

在所述已训练机器学习模型集合中选取所述调优标准下最优的已训练机器学习模型；

将所述待标注测井曲线输入至选取的已训练机器学习模型，得到测井曲线异常值标注结果。

2.根据权利要求1所述的方法，其特征在于，所述读取预设的已训练机器学习模型集合之前，还包括：

获取携带异常值标注的样本测井曲线；

将所述样本数据随机划分为训练样本数据和测试样本数据；

根据所述训练样本数据分别对多个初始机器学习模型进行训练，得到多个已训练机器学习模型；

根据所述测试样本数据对所述多个已训练机器学习模型分别进行测试，得到模型测试结果；

根据所述模型测试结果，获取在不同调优标准下的最优已训练机器学习模型，构建预设的已训练机器学习模型集合。

3.根据权利要求2所述的方法，其特征在于，所述获取携带异常值标注的样本测井曲线包括：

获取原始测井曲线；

对所述原始测井曲线进行深度校正，得到深度校正后的原始测井曲线；

获取由第三方对所述深度校正后的原始测井曲线进行异常值标注，得到携带异常值标注的样本测井曲线。

4.根据权利要求3所述的方法，其特征在于，所述对所述原始测井曲线进行深度校正，得到深度校正后的原始测井曲线包括：

随机选取所述原始测井曲线中任意一根曲线作为基准曲线；

将所述原始测井曲线中其他曲线与所述基准曲线进行对比，获取所述原始测井曲线中其他曲线与所述基准曲线的深度误差；

根据所述深度误差对所述原始测井曲线中其他曲线进行校深，得到深度校正后的原始测井曲线。

5.根据权利要求2所述的方法，其特征在于，所述根据所述模型测试结果，获取在不同调优标准下的最优已训练机器学习模型，构建预设的已训练机器学习模型集合包括：

根据所述模型测试结果，分别在不同调优标准下对已训练机器学习模型进行模型优劣排序，分别得到多个排序序列并记录对应的调优标准；

选择所述多个排序序列中最优的已训练机器学习模型与对应的调优标准匹配，构建预设的已训练机器学习模型集合。

6.根据权利要求1所述的方法，其特征在于，所述将所述待标注测井曲线输入至选取的已训练机器学习模型，得到测井曲线异常值标注结果包括：

将所述待标注测井曲线输入至选取的已训练机器学习模型；

获取选取的已训练机器学习模型输出数据，得到异常值及异常值对应的深度；

根据所述异常值对应的深度，将所述异常值标注至所述待标注测井曲线中，得到测井曲线异常值标注结果。

7.根据权利要求1所述的方法，其特征在于，所述将所述待标注测井曲线输入至选取的已训练机器学习模型包括：

对所述待标注测井曲线进行深度校正；

将深度校正后的所述待标注测井曲线输入至选取的已训练机器学习模型。

8.一种测井曲线异常值标注装置，其特征在于，所述装置包括：

数据获取模块，用于获取待标注测井曲线以及调优标准；

读取模块，用于读取预设的已训练机器学习模型集合，所述已训练机器学习模型集合中包括有多个已训练机器学习模型，所述已训练机器学习模型由携带异常值标注的样本测井曲线训练得到；

模型选择模块，用于在所述已训练机器学习模型集合中选取所述调优标准下最优的已训练机器学习模型；

异常值标注模块，用于将所述待标注测井曲线输入至选取的已训练机器学习模型，得到测井曲线异常值标注结果。