[发明专利]一种河流相致密砂岩储层复杂岩相智能化识别方法及系统

权利要求书

1.一种河流相致密砂岩储层复杂岩相智能化识别方法，其特征在于，包括：

建立岩相识别标签库；

基于所述岩相识别标签库对岩相特征及其测井响应特征进行分析，确定岩相特征初始界限值；

构建智能化识别模型；所述智能化识别模型包括界限值模块、径向基神经网络和多层感知器神经网络；所述界限值模块用于接收所述岩相特征初始界限值，并根据所述岩相特征初始界限值将所述岩相识别标签库划分为第一样本数据集和第二样本数据集；

训练所述智能化识别模型，将所述第一样本数据集输入至所述径向基神经网络进行训练，同时将所述第二样本数据集输入至所述多层感知器神经网络进行训练；

将待识别岩相测井数据和岩相特征输入至训练好的所述智能化识别模型中，得到复杂岩相识别成果图。

2.根据权利要求1所述的河流相致密砂岩储层复杂岩相智能化识别方法，其特征在于，建立岩相识别标签库，包括：

观察描述取心井目的层段岩心，识别岩相类型，并赋予每种岩相类型特定的符号；

提取目的层段中每种测井曲线的最大值和最小值，按照min-max标准化的方式对各测井曲线进行归一化处理，以将各测井曲线包含的响应数值均映射到0和1之间；

针对识别出的每种岩相类型，读取所有测井曲线归一化后的测井响应数值，并绘制蛛网图；

根据所述蛛网图，分析不同测井曲线对不同岩相类型的敏感性，仅建立岩相识别标签库。

3.根据权利要求2所述的河流相致密砂岩储层复杂岩相智能化识别方法，其特征在于，绘制蛛网图，包括：

以一个点为起点向外划出多条直线，每条直线表示一种测井曲线；

对于任意一个岩相类型，在每条直线上标出该岩相类型相对应测井曲线归一化后的测井响应数值点；

将该岩相类型在每条直线上的点用直线进行连接，绘制出蛛网图。

4.根据权利要求3所述的河流相致密砂岩储层复杂岩相智能化识别方法，其特征在于，根据所述蛛网图，分析不同测井曲线对不同岩相类型的敏感性，包括：

在所述蛛网图的任意一个直线上，若不同岩相类型在该直线上对应的数值点越接近，则该直线表示的测井曲线对不同岩相类型区分越不敏感；若不同岩相类型在该直线上对应的数值点越远离，则该直线表示的测井曲线对不同岩相类型区分越敏感。

5.根据权利要求4所述的河流相致密砂岩储层复杂岩相智能化识别方法，其特征在于，基于所述岩相识别标签库对岩相特征及其测井响应特征进行分析，确定岩相特征初始界限值，包括：

计算所述岩相识别标签库中岩相单元的岩相密度和岩相频率；

计算同类岩相密度均值和同类岩相频率均值；

绘制不同河流相的各类岩相平均岩相密度分布图和平均岩相频率分布图；

分析不同河流相的各类岩相的不同测井响应特征并绘制不同测井数据频率分布直方图；

根据各类岩相平均岩相密度分布图、平均岩相频率分布图和不同测井数据频率分布直方图，分析岩相特征分布情况、测井响应受围岩的影响和测井数据分布情况，综合分析结果得到岩相密度界限值和岩相频率界限值来作为岩相特征初始界限值。

6.根据权利要求5所述的河流相致密砂岩储层复杂岩相智能化识别方法，其特征在于，所述第一样本数据集包括岩相密度大于所述岩相密度界限值，岩相频率小于所述岩相频率界限值的样本数据；

所述第二样本数据集包括岩相密度小于所述岩相密度界限值，岩相频率大于所述岩相频率界限值的样本数据。

7.根据权利要求1所述的河流相致密砂岩储层复杂岩相智能化识别方法，其特征在于，所述径向基神经网络的隐藏层激活函数为Softmax型函数，输出层激活函数为恒等式，误差函数为平方和；

所述多层感知器神经网络的隐藏层激活函数为S型函数，输出层激活函数为Softmax型函数，误差函数为交叉熵。