CN119537933A 非均衡样本的测井岩相智能识别方法、相关方法及装置 (中国石油天然气集团有限公司)_第1页
CN119537933A 非均衡样本的测井岩相智能识别方法、相关方法及装置 (中国石油天然气集团有限公司)_第2页
CN119537933A 非均衡样本的测井岩相智能识别方法、相关方法及装置 (中国石油天然气集团有限公司)_第3页
CN119537933A 非均衡样本的测井岩相智能识别方法、相关方法及装置 (中国石油天然气集团有限公司)_第4页
CN119537933A 非均衡样本的测井岩相智能识别方法、相关方法及装置 (中国石油天然气集团有限公司)_第5页
已阅读5页,还剩37页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

号本申请公开了一种非均衡样本的测井岩相据预先获得的研究区域内实际井的各类岩相对计算每一类岩相的所有样本数据对应的各测井二样本子集输入一个基于重采样后岩相样本数每一基分类器的组合权重和对应测井岩相识别2根据预先获得的研究区域内实际井的各类岩相对应的测井属性,建立岩相样本数据对于每一所述第一样本子集,计算每一类岩相的所有样本数据将每一所述第二样本子集输入一个基于重采样后岩相样本数据集训练好的基分类器根据预先确定的每一所述基分类器的组合权重和对应测根据预设非均衡指数,对所述历史岩相样本数据集进行重采对于每一所述第一历史样本子集,计算每一类岩相的所根据所述各属性特征的权重,计算每一类岩相的加权特将每一所述第二历史样本子集输入一个基分类器中将所述各基分类器中历史测井岩相识别概率结果与预先获得的测井岩相的真实结果根据所述历史岩相样本数据集中不同岩相类型的样本数3ij为所述第一样本子集中第i类岩相第l个训练样本的第j个测井属性的均值;将每一类岩相的所有样本数据对应的各测井属性的均值作为每一类岩相的各属性特对于所述第一样本子集,基于所述每一类岩相的各属性i为所述第二样本子集中第i类岩相的加权特征参数;rij为所述第一样本子集中第i类岩相的第j个加权特征参数;c;为所述所有特征的总离差取得最大值时对应的第j对于每一所述第一样本子集,根据所述每一类岩相的加权根据所述各训练好的基分类器中历史测井岩相识别概率结果与预先获得的测井岩相t为第t个基分类器的组合权重;Ft为第t个基分类器的测井岩相识别性能指数;4的组合权重和对应测井岩相识别概率结果,确定研究区域内实际井不同深度的岩相类型,对于研究区域内实际井的每一测井采样深度,根据预先对于研究区域内实际井的每一测井采样深度,根据对应根据预设非均衡指数,对所述历史岩相样本数据集进行重采对于每一所述第一历史样本子集,计算每一类岩相的所根据所述各属性特征的权重,计算每一类岩相的加权特将每一所述第二历史样本子集输入一个基分类器中将所述各基分类器中历史测井岩相识别概率结果与预先获得的测井岩相的真实结果第一样本建立模块,用于根据预先获得的研究区域内实际第一确定模块,用于对于每一所述第一样本子集第二样本建立模块,用于根据所述各属性特征的第三确定模块,用于将每一所述第二样本子集输5第四确定模块,用于根据预先确定的每一所述基分第三样本建立模块,用于根据预先获得的各类岩相对第五确定模块,用于对于每一所述第一历史样判断模块,用于将所述各基分类器中历史测井岩行时,使得终端执行如权利要求1_9任一项所述的非均衡样本的测井岩相智能识别方法,器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1_9任一项所计算机设备执行如权利要求1_9任一项所述的非均衡样本的测井岩相智能识别方法,和/计算机程序或指令,以实现如权利要求1_9任一项所述的非均衡样本的测井岩相智能识别6[0009]将每一所述第二样本子集输入一个基于重采样后岩相样本数据集训练好的基分7[0018]将所述各基分类器中历史测井岩相识别概率结果与预先获得的测井岩相的真实[0023]本申请实施例的一个或一些可选的实施方式中,所述对于每一所述第一样本子[0026]式中,rij为所述第一样本子集中第i类岩相第l个训练样本的第j个ijl为所述第一样本子集中第i类岩相中第l个样本的第j个测井属性值;nc为所述第一[0027]将每一类岩相的所有样本数据对应的各测井属性的均值作为每一类岩相的各属[0032]本申请实施例的一个或一些可选的实施方式中,所述根据所述各属性特征的权8[0037]本申请实施例的一个或一些可选的实施方式中,所述得到训练好的各基分类器[0038]根据所述各训练好的基分类器中历史测井岩相识别概率结果与预先获得的测井min为所有基分类器测井岩相识别性能指数的最小值;Fmax为所有基分类器测井岩相识器的组合权重和对应测井岩相识别概率结果,确定研究区域内实际井不同深度的岩相类[0052]第二方面,本申请实施例提供一种非均衡样本的测井岩相智能识别模型训练方9[0059]将所述各基分类器中历史测井岩相识别概率结果与预先获得的测井岩相的真实[0068]第四方面,本申请实施例提供一种非均衡样本的测井岩相智能识别模型训练装[0074]第八确定模块,用于将每一所述第二历史样本子集输入一个基分类器中进行识[0076]第九确定模块,用于若所述判断模块判断各基分类器的预测准确率达到预设阈内实际井的测井属性构建的多个第一样本子集的岩相特征进行加权,得到加权特征参数,[0086]图1为本申请实施例提供的一种非均衡样本的测井岩相智能识别方法的步骤示意[0087]图2为本申请实施例提供的研究区域内某实际井使用非均衡样本的测井岩相智能[0088]图3为本申请实施例提供的一种非均衡样本的测井岩相智能识别模型训练方法的[0089]图4为本申请实施例提供的一种非均衡样本的测井岩相智能识别装置的结构示意[0090]图5为本申请实施例提供的一种非均衡样本的测井岩相智能识别模型训练装置的的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限[0109]对归一化后的岩相样本数据[0114]式中,rij为所述第一样本子集Nt中第i类岩相第l个训练样本的[0115]将每一类岩相的所有样本数据对应的各测井属性的均值作为每一类岩相的各属的各属性特征。将第一样本子集中所有属性特征构建为属性特征矩阵即岩相特征参数矩子集Nt中第i类岩相的第j个属性特征;rkj为第一样本子集Nt中第k类岩相的第j个属性特子集中每一类岩相的各属性特征替换成每一类岩相的加权特征参数,得到第二样本子集。[0147]将所述各基分类器中历史测井岩相识别概率结果与预先获得的测井岩相的真实深度的岩相数据及其对应的测井曲线值整体[0157]将标记为噪声数据的样本从多数类岩相P的样本数据集中剔除,完成多数类岩相[0161]重复上述对少数类岩相N的边界数据与它的近邻生成新数据的步骤,直至历史岩[0164]将各基分类器中训练得到的对应的历史测井岩相识别概率结果与预先获得的测[0166]根据所述各训练好的基分类器中历史测井岩相识别概率结果与预先获得的测井min为所有基分类器测井岩相识别性能指数的最小值;Fmax为所有基分类器测井岩相识pp述公式4,确定确定每一基分类器在结果组合(即各基分类器中得到的预测结果的组合)中不同测井采样深度处重复上述根据每一基分类器的组合权重和对应测井岩相识别概率结内实际井的测井属性构建的多个第一样本子集的岩相特征进行加权,得到加权特征参数,[0199]第一样本建立模块101,用于根据预先获得的研究区域内实际井的各类岩相对应[0203]第三确定模块105,用于将每一所述第二样本子集输入一个基于重采样后岩相样[0204]第四确定模块106,用于根据预先确定的每一所述基分类器的组合权重和对应测[0208]抽样模块202,用于根据预设非均衡指数,对所述历史岩相样本数据集进行重采[0212]第八确定模块206,用于将每一所述第二历史样本子集输入一个基分类器中进行[0213]判断模块207,用于将所述各基分类器中历史测井岩相识别概率结果与预先获得[0214]第九确定模块208,用于若所述判断模块判断各基分类器的预测准确率达到预设可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。[0225]这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特令装

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论