基于Faust方程约束的深度学习声波时差曲线预测方法和系统与流程
本发明属于油气勘探，尤其涉及一种基于faust方程约束的深度学习声波时差曲线预测方法和系统。
背景技术：
1、在不同时代与不同录取环境条件下，导致声波时差曲线缺失，而深度学习等方法由于缺乏敏感样本而难于直接用于声波时差曲线预测，进而导致测井地层评价、岩石物理分析、井震标定等研究工作缺失基础数据。结合声波时差曲线的深度岩石物理趋势，实现高质量声波时差曲线井的识别，进一步利用参数扫描方法建立长井段变深度faust模型，将岩性、电性和深度等曲线转换为具有物理意义的重构声波时差曲线而提升深度学习输入曲线的目标敏感性，进而实现深度学习模型的训练，并用于无实测声波时差曲线井的声波时差曲线预测，对于复杂测井资料录取环境下的勘探开发具有重要意义。
技术实现思路
1、本发明的目的就在于为了解决上述问题而提供一种基于faust方程约束的深度学习声波时差曲线预测方法和系统。
2、本发明通过以下技术方案来实现上述目的：
3、一种基于faust方程约束的深度学习声波时差曲线预测方法，包括以下步骤：
4、获取声波时差曲线样本；
5、基于所述声波时差曲线样本，针对不同深度段，构建深变参数的faust模型，并得到所述声波时差井样本的faust重构声波时差曲线；
6、构建深度学习模型，将所述声波时差样本和所述声波时差曲线样本的faust重构声波时差曲线输入所述深度学习模型进行训练，得到最终模型；
7、获取待预测的声波时差曲线缺失井的声波时差曲线并通过所述faust模型进行处理，得到待预测的声波时差曲线缺失井的faust重构声波时差曲线；
8、将所述待预测的声波时差曲线缺失井的faust重构声波时差曲线和所述待预测的声波时差曲线缺失井的声波时差曲线输入所述最终模型，得到预测的声波时差曲线。
9、作为本发明的进一步优化方案，获取声波时差曲线样本的具体过程如下：
10、基于有实测声波时差曲线井，结合声波速度、深度岩石物理趋势对声波时差曲线的质量进行评估，选出评估为优的声波时差曲线，获得声波时差样本。
11、作为本发明的进一步优化方案，声波时差曲线的质量评估的具体过程如下：
12、将声波时差曲线同自然伽马曲线和电性曲线进行比较，判断声波时差曲线的垂向变化趋势和数值动态范围是否超出预设的阈值，若否，则评估为优；若是，则评估为差。
13、作为本发明的进一步优化方案，基于所述声波时差曲线样本，针对不同深度段，构建深变参数的faust模型，并得到所述声波时差曲线样本的faust重构声波时差曲线的具体过程如下：
14、针对不同深度段，对所述声波时差曲线样本进行参数扫描，确定不同深度的最佳faust方程参数，构建深变参数的faust模型；
15、将所述声波时差曲线样本输入所述深变参数的faust模型中，得到所述声波时差曲线样本的faust重构声波时差曲线。
16、作为本发明的进一步优化方案，所述深变参数的faust模型用公式表示如下：
17、vp＝a*(rt*z)b；
18、其中，rt表示地层电阻率，z表示深度，a和b表示模型参数。
19、作为本发明的进一步优化方案，所述深度学习模型包括依次连接的输入层、lstm层、全连接层、池化层和输出层。
20、作为本发明的进一步优化方案，所述深度学习模型的参数使用adam方法进行求解。
21、一种基于faust方程约束的深度学习声波时差曲线预测系统，包括：
22、获取单元，用于获取声波时差曲线样本和待预测的声波时差曲线缺失井的声波时差曲线；
23、模型构建单元，用于基于所述声波时差曲线样本，针对不同深度段，构建深变参数的faust模型；还用于构建深度学习模型；
24、处理单元，用于基于所述深变参数的faust模型得到所述声波时差井样本的faust重构声波时差曲线和待预测的声波时差曲线缺失井的faust重构声波时差曲线；
25、训练单元，用于将所述声波时差样本和所述声波时差曲线样本的faust重构声波时差曲线输入所述深度学习模型进行训练，得到最终模型；
26、输出单元，用于将所述待预测的声波时差曲线缺失井的faust重构声波时差曲线和所述待预测的声波时差曲线缺失井的声波时差曲线输入所述最终模型，得到预测的声波时差曲线。
27、一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器、通信接口和存储器通过通信总线完成相互间的通信；
28、存储器，用于存放计算机程序；
29、处理器，用于执行存储器上所存放的程序时，实现所述的基于faust方程约束的深度学习声波时差曲线预测方法。
30、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的基于faust方程约束的深度学习声波时差曲线预测方法。
31、本发明的有益效果在于：
32、本发明解决了老井、水平井等特殊时代与测量方式导致声波时差曲线缺失问题，实现了基于物理约束与深度学习模型的声波时差曲线预测，为复杂岩性储层的勘探评价和油气藏精细描述提供技术支撑。
技术特征：
1.一种基于faust方程约束的深度学习声波时差曲线预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于faust方程约束的深度学习声波时差曲线预测方法，其特征在于，获取声波时差曲线样本的具体过程如下：
3.根据权利要求2所述的一种基于faust方程约束的深度学习声波时差曲线预测方法，其特征在于，声波时差曲线的质量评估的具体过程如下：
4.根据权利要求1所述的一种基于faust方程约束的深度学习声波时差曲线预测方法，其特征在于，基于所述声波时差曲线样本，针对不同深度段，构建深变参数的faust模型，并得到所述声波时差曲线样本的faust重构声波时差曲线的具体过程如下：
5.根据权利要求4所述的一种基于faust方程约束的深度学习声波时差曲线预测方法，其特征在于，所述深变参数的faust模型用公式表示如下：
6.根据权利要求1所述的一种基于faust方程约束的深度学习声波时差曲线预测方法，其特征在于，所述深度学习模型包括依次连接的输入层、lstm层、全连接层、池化层和输出层。
7.根据权利要求6所述的一种基于faust方程约束的深度学习声波时差曲线预测方法，其特征在于，所述深度学习模型的参数使用adam方法进行求解。
8.一种基于faust方程约束的深度学习声波时差曲线预测系统，其特征在于，包括：
9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器、通信接口和存储器通过通信总线完成相互间的通信；
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7中任一项所述的基于faust方程约束的深度学习声波时差曲线预测方法。
技术总结
本发明涉及一种基于Faust方程约束的深度学习声波时差曲线预测方法和系统，方法包括以下步骤：获取声波时差曲线样本；基于所述声波时差曲线样本，针对不同深度段，构建深变参数的Faust模型；构建深度学习模型并进行训练，得到最终模型；获取待预测的声波时差曲线缺失井的Faust重构声波时差曲线；将所述待预测的声波时差曲线缺失井的Faust重构声波时差曲线和所述待预测的声波时差曲线缺失井的声波时差曲线输入所述最终模型，得到预测的声波时差曲线。本发明解决了老井、水平井等特殊时代与测量方式导致声波时差曲线缺失问题，实现了基于物理约束与深度学习模型的声波时差曲线预测，为复杂岩性储层的勘探评价和油气藏精细描述提供技术支撑。
技术研发人员：杨敏,曹颖辉,闫磊,王珊,马德波,杜德道,朱光有,陈秀艳
受保护的技术使用者：中国石油天然气股份有限公司
技术研发日：
技术公布日：2024/12/5