基于人工智能图像识别的储层沉积微相刻画方法

    公开(公告)号:CN119832284A

    公开(公告)日:2025-04-15

    申请号:CN202411908986.2

    申请日:2024-12-24

    Abstract: 本发明提供了一种基于人工智能图像识别的储层沉积微相刻画方法,属于油气储层评价技术领域,包括以下步骤:收集和整理不同类型的沉积微相模式图,构建沉积微相模式图库;进行图像预处理操作;预处理后,从图像中提取关键特征参数;利用深度学习算法对这些特征进行训练,获得识别规则及决策规则,构建沉积微相图识别模型;将训练好的模型进行评估和和验证,并根据反馈调整和优化模型;将有限的约束数据输入沉积微相图识别模型,通过相关匹配算法和修正规则,优化匹配微相模式,从而计算绘制出符合沉积模式的微相平面图和剖面图。本发明所述方法能够自动、高效、准确实现储层沉积微相的识别和刻画,极大提高工作效率、提升准确性、降低人工成本。

    一种人工智能三维属性建模方法
    12.
    发明公开

    公开(公告)号:CN119131279A

    公开(公告)日:2024-12-13

    申请号:CN202411337159.2

    申请日:2024-09-25

    Abstract: 本发明提供了一种人工智能三维属性建模方法,包括以下步骤:步骤1,构建目标沉积相模式地质知识库;步骤2,构建符合沉积模式的三维模型样本集;步骤3,建立训练井点条件数据集;步骤4,建立训练概率体数据集;步骤5,基于生成对抗网络对训练概率体数据集进行地质模型训练,若训练模型评估不合格,则继续执行模型训练,若训练模型评估合格,则执行步骤6;步骤6,将模型评估合格的训练地质模型数据导入地质模型模拟器,实现三维属性模型的展现与更新。本发明完全基于数据驱动,采用人工智能建模技术方法,多维度信息数据智能融合,实现数据非线性,建模质量完全受数据控制,建模效率高,实现模型实时更新。

    海上稀井网条件下辫状河三角洲砂体构型预测方法及系统

    公开(公告)号:CN115267937A

    公开(公告)日:2022-11-01

    申请号:CN202210904590.5

    申请日:2022-07-29

    Abstract: 本发明提供了海上稀井网条件下辫状河三角洲砂体构型预测方法及系统,属于油气田开采地质研究技术领域,方法包括以下步骤:建立辫状河三角洲原型模型;建立研究辫状河三角洲构型模式和辫状河三角洲构型单元参数库;基于井数据计算目的层砂体厚度;提取目的层的地震属性,优选出能够反映砂体厚度的地震属性;建立测井解释的砂体厚度与井点附近优选出的地震属性数据两者间的学习模型;对不同叠置关系的各类型砂体进行智能化井震结合砂体预测;完成砂体构型预测。系统包括砂体构型参数库模块、数据准备模块、地震属性选取模块、机器学习回归模型模块、有色反演模块及砂体构型预测模块。本发明提高了解释精度和可靠度,克服了有色反演多解性的问题。

Patent Agency Ranking