[发明专利]一种基于电成像测井图像的页岩气储层岩性智能识别方法

说明书

本发明涉及图像处理技术领域，具体涉及一种基于电成像测井图像的页岩气储层岩性智能识别方法，包括对电成像图像进行预处理，得到样本数据集；构建卷积神经网络和聚类算法模型；使用样本数据集制作样本形状集；使用卷积神经网络对样本形状集进行训练，得到形状识别结果；将样本数据集进行灰度处理，得到灰度图像集；使用聚类算法模型根据灰度图像集对样本数据集进行聚类后制作色标，得到灰度识别结果；将形状识别结果和灰度识别结果进行联合，得到岩性识别结果，解决了现有的识别方法无法精准实现计算机岩性自动识别的问题。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于电成像测井图像的页岩气储层岩性智能识别方法。

背景技术

岩性快速识别具有重要的基础地质研究意义与工程应用价值，传统的岩性识别方法包括直接观察、薄片鉴定、实验分析和人机交互识别等，但此类传统识别方法对人工识别经验要求高，效率低。

目前，现有技术公开了一种基于电成像图像的图像-岩性识别方法，基于电成像测井资料分辨率高和测量信息丰富，可得到页岩地层中页岩颗粒形状、大小、空间位置及页岩和泥质条带的直观描述，但需要解释人员根据模式人工做出岩性的判断、划分，没有完全实现计算机岩性自动识别。

发明内容

本发明的目的在于提供一种基于电成像测井图像的页岩气储层岩性智能识别方法，旨在解决现有的识别方法无法精准实现计算机岩性自动识别的问题。

为实现上述目的，本发明提供了一种基于电成像测井图像的页岩气储层岩性智能识别方法，包括以下步骤：

S1对电成像图像进行预处理，得到样本数据集；

S2构建卷积神经网络和聚类算法模型；

S3使用所述样本数据集制作样本形状集；

S4使用所述卷积神经网络对所述样本形状集进行训练，得到形状识别结果；

S5将所述样本数据集进行灰度处理，得到灰度图像集；

S6使用所述聚类算法模型根据所述灰度图像集对所述样本数据集进行聚类后制作色标，得到灰度识别结果；

S7将所述形状识别结果和所述灰度识别结果进行联合，得到岩性识别结果。

其中，所述对电成像图像进行预处理，得到样本数据集的具体方式为：

S11使用Filtersim算法填补电成像图像的空白带，得到填补图像；

S12人工去除所述填补图像中的噪音样本，得到样本数据集。

其中，所述样本形状集包括训练形状集和测试形状集。

其中，所述使用所述样本数据集制作样本形状集的具体方式为：

S31将所述样本数据集按照8：2的比例划分为训练集和测试集；

S32将所述训练集划分为块状、纹层状和层状，得到训练形状集；

S33将所述测试集划分为块状、纹层状和层状，得到测试形状集。

其中，所述使用所述卷积神经网络对所述样本形状集进行训练，得到形状识别结果的具体方式为：

S41将使用所述卷积神经网络对所述训练形状集进行训练，得到最优权重；

S42基于所述最优权重采用交叉熵损失函数对所述训练形状集的标签进行更新处理，得到损失函数值；

S43循环步骤S41至S42，直至所述损失函数值达到收敛，得到最优模型参数；

S44基于所述最优模型参数对所述卷积神经网络进行参数调整；