基于集成机器学习的测井曲线大尺度差异超分辨

摘要

精细储层描述一直是非常规油气资源开发和生产的重点,但常规测井曲线的纵向分辨率难以满足对厘米级甚至毫米级储层的有效识别。针对这一问题,本文以集成机器学习技术为核心,从多视多尺度的角度出发,提出了一种两级知识迁移的测井曲线大尺度差异超分辨方法提高测井曲线的纵向分辨率,实现低成本情况下的储层精细描述;选取地层反映较好的微球电阻率、自然伽马、声波时差曲线作为目标曲线,实现高分辨成像电阻率曲线信息到目标测井曲线映射模型的构建,进而实现目标测井曲线的大尺度差异超分辨,并将超分辨结果与不同超分辨方法进行对比。结果表明,本文方法得到的超分辨曲线与真实高分辨曲线相关系数大于0.9,与对比方法相比提高了3.6%～16.0%,均方误差、均方根误差、平均绝对误差、平均绝对百分比误差、对称平均绝对百分比误差分别降低了28.9%～90.8%、15.7%～69.8%、24.4%～74.7%、25.0%～74.2%、25.2%～77.4%。本文方法能够在一定程度上实现现有常规测井曲线的毫米级超分辨处理,得到的超分辨曲线能够大致地捕捉到地层的变化,降低了精细储层有效识别问题的难度。

关键词

精细储层描述 / 测井曲线 / 集成机器学习 / 大尺度 / 超分辨