CN119395766A 一种烃源岩toc的预测方法、系统及介质 （西南石油大学）

本发明提供一种烃源岩TOC的预测方法、系究区域内采样井烃源岩岩心样品实验获得的实循环单位注意力机制算法的第一预测模型；输入实验获得的实测总有机碳数据和最终测井相神经网络双向门控循环单位注意力机制算法构建预测模型进行研究区域整体烃源岩TOC含量2获取研究区域内采样井烃源岩岩心样品实验获得的实测总有机碳数据以及多项测井根据数据模糊区域模型对处理后的初步测井曲线值进行判断，得到有效数据预测区根据数据模糊区域模型对非采样井的测井数据进行模糊预测，采样井的烃源岩层段的总有机碳及总有机碳平面分布其中，所述第二预测模型和第三预测模型均以门控循环单元3.根据权利要求1所述的烃源岩TOC的预测从研究区域内采样井的烃源岩发育层段中，按照预设的采样间距和预设的采样数量，对每个烃源岩的岩心样品放入总有机碳分析仪中进行分析，获取各烃4.根据权利要求1所述的烃源岩TOC的预测方法，其特征5.根据权利要求1所述的烃源岩TOC的预测方法3对正样本数量进行平铺设计，验证精确率与召回率相互限制参数，衡根据有效数据预测区间去除与预测结果相关数据的非正常值，得到最终测井相关数6.根据权利要求1所述的烃源岩TOC的预测方法，其特征在采用k_1个子集的并集作为第一预测模型的训练集，其余子集作为测试将得到的所有预测总有机碳数据进行预测结果相关性分析，获得基于研究区域中采样井的岩心数据和测井数据，确定采样井烃其中，所述计算机程序被所述处理器执行时实现如权利要求149.一种计算机可读存储介质，其特征在于，所述理程序，所述数据处理程序被处理器执行时实现如权利要求1至7中任一项所述的烃源岩5[0002]总有机碳(TotalOrganicCarbon，TOC)的大小往往关系到页岩油气是否高产和富集，TOC含量的预测已经成为页岩气和页岩油等非常规油气勘探领域必须预测的重要指标[0003]目前，烃源岩TOC的预测方法常用的主要包括自主机器学习算法、虚拟井搭建预网络的页岩总有机碳预测方法、系统和设备，利用神经网络预测TOC数据，专利号：CN202111411640.8)在数据冗余的情况下难以解决过拟合情况，其内部神经网络搭建基于测烃源岩有机碳质量分数方法及装置，结合二维地震资料和测井数据预测TOC，专利号：神经网络算法和地震信息定量预测算法等直接或间接进行TOC含量的预测，缺少地层信息[0008]获取研究区域内采样井烃源岩岩心样品实验获得的实测总有机碳数据以及多项6他非采样井的烃源岩层段的总有机碳及总有机碳平面7[0034]优选地，所述第一预测模型采用选择交叉验证法划分训[0046]其中，所述计算机程序被所述处理器执行时实现所述的烃源岩TOC的预测方法的述数据处理程序被处理器执行时实现所述的烃源岩TOC的预测方8域内其他非采样井的烃源岩层段的总有机碳及总有机碳平面分9[0067]第一预测模型、第二预测模型和第三预测模型均以门控循环单元网络模型为基σ为Sigmoid函数。嵌套进BiGRU网络学习模型每个部分参与训练，充分考虑到各个特征之间的相关性。3…an表示通过softmax激活函数归一化相关性结果得到的权重概率，将所得权重概率输出结果更新完毕。最终Attention模块从输入向量中选择对目标决定性最大的一个特征[0077]具体的，获取研究区域内采样井烃源岩岩心样品实验获[0094]第一预测模型采用选择交叉验证法划分训练集与测试集进行训练，采用k_1个子包括非易失性和易失性存储器中的至少一种。非易失性存储器可包