一种烃源岩TOC机器学习预测方法和系统与流程

本发明涉及油气勘探开发领域，具体涉及一种地震属性驱动的烃源岩toc(totalorganic carbon content)机器学习预测方法和系统。

背景技术：

1、含油气盆地评价的关键点在于是否有烃源岩，随着油气勘探不断走向低勘探区(深部低层、深水或新勘探区)，烃源岩空间展布预测成为含油气盆地评价的关键指标。烃源岩空间展布预测的一个常见过程是使用地球物理测井、地震数据描绘烃源岩参数的空间分布和变异性。烃源岩常见特征参数包括toc、镜质体反射率、有机质丰度、热解峰值温度等。井上toc数据一般来源于岩心数据地化分析。

2、基于地球物理方法的烃源岩toc预测方法包括测井数据拟合和弹性参数综合预测。当前常用的井数据拟合法，比如δlogr法，四参数法等。三维的烃源岩toc预测依赖于弹性阻抗等弹性参数与toc之间的数值关系。这些方法都依赖于井数据，烃源岩toc的预测效果与研究区域内井数量正相关。然而，低勘探区一般为少井区，该区域缺乏烃源岩的评价参数和测井数据。因此，传统的基于测井数据和地球物理反演方法的烃源岩toc预测方法难以开展。

技术实现思路

1、针对上述问题，本发明的目的是提供一种地震属性驱动的烃源岩toc机器学习预测方法和系统，充分利用地震数据的性质，仅根据极少数的井，实现三维的烃源岩toc预测，有效地克服了低勘探区域的烃源岩toc预测难度大的问题，为勘探开发的进一步工作奠定了基础。

2、为实现上述目的，本发明采取以下技术方案：

3、第一方面，本发明提供一种烃源岩toc机器学习预测方法，包括以下步骤：

4、基于预先获取的训练样本集数据，对预先搭建的各种预测模型进行训练，并根据各预测模型的预测效果，筛选出最优预测模型；

5、基于筛选出的最优预测模型，对当前采集地震数据进行预测，得到三维烃源岩toc预测结果。

6、进一步，所述基于预先获取的训练样本集数据，对预先搭建的各种预测模型进行训练，并根据各预测模型的预测效果，筛选出最优预测模型，包括：

7、获取训练样本集；

8、按照预设比例，将训练样本集分为测试集和训练集；

9、利用训练集对预先搭建的若干种预测模型进行训练，并利用测试集验证各预测模型的预测效果，将预测效果最优的预测模型作为最优预测模型。

10、进一步，所述获取训练样本集，包括：

11、基于地震数据，对地震属性数据进行计算；

12、基于计算得到的地震属性数据，筛选得到烃源岩toc的敏感属性，作为训练样本集。

13、进一步，所述地震属性数据包括信号分析类和地球物理反演类属性，所述信号分析类地震属性至少包括瞬时振幅、瞬时频率、相干、半时能量、弧长中的一种；所述地球物理反演类地震属性至少包括弹性阻抗、密度、拉梅参数、杨氏模量中的一种。

14、进一步，所述基于计算得到的地震属性数据，筛选得到烃源岩toc的敏感属性，作为训练样本集，包括：

15、绘制烃源岩toc与不同地震属性的交会分析图，定性的筛选与烃源岩toc存在相关性的地震属性；

16、分别计算烃源岩toc与筛选出的各地震属性之间的pearson相关系数，并通过相关系数绝对值的大小，筛选与烃源岩toc最相关的几个属性作为训练样本集。

17、进一步，所述预先搭建的若干种预测模型至少包括集成方法中的梯度提升树、极梯度提升树、随机森林、基于直方图的梯度提升树和局部级联集成方法中的一种。

18、第二方面，本发明提供一种烃源岩toc机器学习预测系统，包括：

19、模型筛选模块，用于基于预先获取的训练样本集数据，对预先搭建的各种预测模型进行训练，并根据各预测模型的预测效果，筛选出最优预测模型；

20、预测模块，用于基于筛选出的最优预测模型，对当前采集地震数据进行预测，得到三维烃源岩toc预测结果。

21、进一步，所述模型筛选模块包括：

22、数据获取模块，用于获取训练样本集；

23、数据划分模块，用于按照预设比例，将训练样本集分为测试集和训练集；

24、模型训练模块，用于利用训练集对预先搭建的若干种预测模型进行训练，并利用测试集验证各预测模型的预测效果，将预测效果最优的预测模型作为最优预测模型。

25、第三方面，本发明提供一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行所述方法中的任一方法。

26、第四方面，本发明提供一种计算设备，包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行所述方法中的任一方法的指令。

27、本发明由于采取以上技术方案，其具有以下优点：本发明充分利用地震数据的性质，仅根据极少数的井，实现三维的烃源岩toc预测，有效地克服了低勘探区域的烃源岩toc预测难度大的问题，降低了测井数据依赖性，更充分的利用地震数据，为勘探开发的进一步工作奠定了基础。

28、因此，本发明可以广泛应用于油气勘探开发领域。

技术特征：

1.一种烃源岩toc机器学习预测方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种烃源岩toc机器学习预测方法，其特征在于，所述基于预先获取的训练样本集数据，对预先搭建的各种预测模型进行训练，并根据各预测模型的预测效果，筛选出最优预测模型，包括：

3.如权利要求2所述的一种烃源岩toc机器学习预测方法，其特征在于，所述获取训练样本集，包括：

4.如权利要求3所述的一种烃源岩toc机器学习预测方法，其特征在于，所述地震属性数据包括信号分析类和地球物理反演类属性，所述信号分析类地震属性至少包括瞬时振幅、瞬时频率、相干、半时能量、弧长中的一种；所述地球物理反演类地震属性至少包括弹性阻抗、密度、拉梅参数、杨氏模量中的一种。

5.如权利要求3所述的一种烃源岩toc机器学习预测方法，其特征在于，所述基于计算得到的地震属性数据，筛选得到烃源岩toc的敏感属性，作为训练样本集，包括：

6.如权利要求1所述的一种烃源岩toc机器学习预测方法，其特征在于，所述预先搭建的若干种预测模型至少包括集成方法中的梯度提升树、极梯度提升树、随机森林、基于直方图的梯度提升树和局部级联集成方法中的一种。

7.一种烃源岩toc机器学习预测系统，其特征在于，包括：

8.如权利要求7所述的一种烃源岩toc机器学习预测系统，其特征在于，所述模型筛选模块包括：

9.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行如权利要求1至6所述方法中的任一方法。

10.一种计算设备，其特征在于，包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行如权利要求1至6所述方法中的任一方法的指令。

技术总结
本发明涉及一种烃源岩TOC机器学习预测方法和系统，包括以下步骤：基于预先获取的训练样本集数据，对预先搭建的各种预测模型进行训练，并根据各预测模型的预测效果，筛选出最优预测模型；基于筛选出的最优预测模型，对当前采集地震数据进行预测，得到三维烃源岩TOC预测结果。本发明有效地克服了低勘探区域的烃源岩TOC预测难度大的问题，降低了测井数据依赖性，更充分的利用地震数据，为勘探开发的进一步工作奠定了基础。因此，本发明可以广泛应用于油气勘探开发领域。

技术研发人员：徐建永,李欣,黄胜兵,郭刚,朱振宇,赵凯,李楠,王升兰,崔维,丁继才,贾伟华
受保护的技术使用者：中海石油（中国）有限公司
技术研发日：
技术公布日：2024/1/15