基于目标检测的缝洞型油藏串珠状反射特征识别方法论文和设计-张冬梅

全文摘要

本发明涉及一种基于目标检测的缝洞型油藏串珠状反射特征识别方法，本发明采用最新的深度学习目标检测技术来自动识别串珠状反射特征，针对岩缝洞型储集层高产不稳产、预测准确率低的难题，在地震多源数据管理基础上，使用“米”字剖切方法生成剖面，本发明从相似的地震串珠状反射特征入手，采用FasterR‑CNN目标检测和深度学习技术训练得到串珠状反射特征自动识别模型，得到缝洞型油藏油气储层空间分布场，明确储集单元的含油气规模，相较于原有的人工识别方法，减少人工参与，提高识别精度。

主设计要求

1.一种基于目标检测的缝洞型油藏串珠状反射特征识别方法，其特征在于，包含如下步骤：S1、数据预处理：读取地震数据文件，将相应的数据和对应的地震道按xline、inline、时域和属性数据组织成三维地震数据，然后进行分块多表存储，建立多级索引以对三维地震数据进行快速存取；其中，xline表示联络线地震解释剖面，inline表示主测线地震解释剖面；S2、在数据预处理得到的地震数据库基础上，进行三维地震数据可视化；S3、在可视化的基础上，针对三维地质体，设置切割面参数决定剖面方向，计算剖面经过的块体表，获取块体表的值并生成地震剖面，以二维图像的形式显示；具体包括：对勘探区三维原始地震数据体采用滑动“米”字剖切技术，通过设置切割面参数确定剖切的方式，读取含有符合切割表达式的点的区块表，将这些点按照空间位置组织为二维矩阵进行可视化，从W-E、NW-SE、NE-SW、N-S四个方向剖切生成地震剖面，以二维图像的形式输出屏幕中，并以图像文件形式进行保存；S4、在二维图像上，获取人工框选地震剖面上的串珠状反射区域；S5、基于人工标定的串珠状反射区域，采用FasterR-CNN深度学习技术训练得到含有串珠状反射特征的网络识别模型；S6、使用步骤S5生成的模型对待检测区域的地震剖面进行检测，输出串珠状特征的类别信息和空间信息，从而得到缝洞型油藏地质特征的分布场。

设计方案

1.一种基于目标检测的缝洞型油藏串珠状反射特征识别方法，其特征在于，包含如下步骤：

S1、数据预处理：读取地震数据文件，将相应的数据和对应的地震道按xline、inline、时域和属性数据组织成三维地震数据，然后进行分块多表存储，建立多级索引以对三维地震数据进行快速存取；其中，xline表示联络线地震解释剖面，inline表示主测线地震解释剖面；

S2、在数据预处理得到的地震数据库基础上，进行三维地震数据可视化；

S3、在可视化的基础上，针对三维地质体，设置切割面参数决定剖面方向，计算剖面经过的块体表，获取块体表的值并生成地震剖面，以二维图像的形式显示；具体包括：对勘探区三维原始地震数据体采用滑动“米”字剖切技术，通过设置切割面参数确定剖切的方式，读取含有符合切割表达式的点的区块表，将这些点按照空间位置组织为二维矩阵进行可视化，从W-E、NW-SE、NE-SW、N-S四个方向剖切生成地震剖面，以二维图像的形式输出屏幕中，并以图像文件形式进行保存；

S4、在二维图像上，获取人工框选地震剖面上的串珠状反射区域；

S5、基于人工标定的串珠状反射区域，采用Faster R-CNN深度学习技术训练得到含有串珠状反射特征的网络识别模型；

S6、使用步骤S5生成的模型对待检测区域的地震剖面进行检测，输出串珠状特征的类别信息和空间信息，从而得到缝洞型油藏地质特征的分布场。

2.根据权利要求1所述的基于目标检测的缝洞型油藏串珠状反射特征识别方法，其特征在于，步骤S1具体包括：

S11、读取地震数据：地震属性数据使用SEG-Y格式进行存储，以地震道为单位进行组织，读取地震数据，组织相应的数据和对应的地震道信息按照xline、inline、时域和属性数据形式存储到内存中；

S12、属性数据体存入数据库：对内存中的三维地震体数据，获取三维地震数据的空间范围值，获取人工设定的分块的块体大小，按照地震数据体拆分的块体数量，从上到下，从左至右，从后至前的规律进行分块编号多表存储，建立数据表并导入数据库；基于SQLServer数据库管理地震场数据，建立多表对三维地震数据进行管理、建立多级索引优化查询速度，便于进行可视化和切片操作；其中人工设定分块时，设置的分块参数包括：块体长度、宽度、高度和阈值属性；

S13、从数据库中读取地震数据：对勘探区中特定的点通过对应点的坐标(xline，inline，时域)获取对应点的地震数据。

3.根据权利要求1所述的基于目标检测的缝洞型油藏串珠状反射特征识别方法，其特征在于，步骤S2具体为：

地震数据在SQL Server数据库中按照三维空间坐标和对应的属性值进行存储，读取数据库中对应的地震数据体，采用VTK技术对三维地震数据进行可视化。

4.根据权利要求3所述的基于目标检测的缝洞型油藏串珠状反射特征识别方法，其特征在于，步骤S4具体包括：在二维图像上，人工对部分串珠状反射特征进行标定，以图像左上角为原点，横向为X轴，纵向为Y轴建立二维坐标系，获取标定区域左上角顶点坐标信息、高度和宽度信息，保存到数据库中，将数据库中存在的标记信息输出到xml文件中，并进行保存，形成标记文件。

5.根据权利要求2所述的基于目标检测的缝洞型油藏串珠状反射特征识别方法，其特征在于，步骤S5包含如下步骤：

S51、读取样本地震剖面图像和对应的标记文件；

S52、将地震剖面上人工标定的串珠状反射特征区域设定为目标样本，同一剖面上的其他区域默认为背景样本；

S53、初始化RPN、Fast R-CNN训练网络结构和参数；

S54、设置网络训练最大迭代次数、识别目标类别数量和学习率；

S55、将样本图片输入网络计算，比对网络输出和标签值，计算误差值loss；

S56、根据误差反向传播调整网络参数，直至网络收敛或者达到设定的最大迭代次数，完成模型的训练。

6.根据权利要求1所述的基于目标检测的缝洞型油藏串珠状反射特征识别方法，其特征在于，步骤S5具体为：

Step1、将人工标定的串珠状特征区域设定训练样本，同一剖面上的其他区域默认为背景样本；

Step2、初始化RPN、Fast R-CNN的网络结构，包括l层网络第i节点对下一层第j节点的权值设计说明书

技术领域

本发明属于地球物理学中物探开发领域，涉及针对碳酸盐岩缝洞型油藏串珠状反射特征的识别方法，更具体地说，涉及一种基于Faster R-CNN目标检测的碳酸盐岩缝洞型油藏串珠状反射特征自动识别技术，提高串珠状反射特征的识别效率和精度。

背景技术

碳酸盐岩缝洞型油藏复杂多重的构造和溶蚀作用导致油藏埋藏较深、储层非均质性强，常规地震、测井方法难以准确识别。目前缝洞型油藏大型储集体识别方法主要是通过人工识别地震剖面上的串珠状反射特征。该方法对海量地震数据来说，时间开销较大且不确定性强，导致识别结果具有多样性。因此快速高效的串珠状反射特征自动识别方法研究是该类型油藏开发的迫切需求。在地震剖面上寻找储层反射特征并确定特征位置，实际上就是图像处理中的目标检测问题。研究采用目标检测方法自动识别地震剖面上的串珠状反射特征。

随着深度学习理论的发展和进步，卷积神经网络算法被广泛应用图像识别中。该算法第一层输入原始图像，每一层从上一层提取抽象特征，通过多层抽象特征组合识别分类，比传统方法具有更好的鲁棒性。但该方法无法实现图像中目标的定位。传统的目标检测方法采用类似暴力枚举的滑窗局域选择，对每个滑窗进行识别分类，但时间复杂度高，难以应用于海量数据的地震勘探目标检测。2014年R.Girshick提出基于区域的卷积神经网络算法，通过区域候选代替传统滑动窗口，有效减少目标检测时间。常用的候选区域选择方法有Selective Search，Edge-Boxes等。2016年R.Girshick结合空间金字塔池化方法减少特征提取计算量并使用区域建议网络共享特征层获取候选框，提出Faster R-CNN(FasterRegion-based Convolutional Neural Networks,Faster R-CNN)提高训练精度，以适应地震特征的多样性，有效降低检测时间。

发明内容

本发明要解决的技术问题在于，提供一种基于目标检测的缝洞型油藏串珠状反射特征识别方法和装置，实现对勘探区的反射特征的准确快速识别，从纵向多角度多剖面分析缝洞串珠状反射特征空间配置关系，并直观得到勘探区的串珠状反射特征分布情况。

本发明为解决其技术问题，所采用的技术方案是：提供了一种基于目标检测的缝洞型油藏串珠状反射特征识别方法，包含如下步骤：

S2、在数据预处理得到的地震数据库基础上，进行三维地震数据可视化；

S3、在可视化的基础上，针对三维地质体，设置切割面参数决定剖面方向，计算剖面经过的块体表，获取块体表的值并生成地震剖面，以二维图像的形式显示；

S4、在二维图像上，获取人工框选地震剖面上的串珠状反射区域；

S5、基于人工标定的串珠状反射区域，采用Faster R-CNN深度学习技术训练得到串珠状反射特征的网络识别模型；

S6、使用步骤S5生成的模型对检测区域的地震剖面进行检测，输出串珠状特征的类别信息和空间信息，从而得到缝洞型油藏地质特征的分布场。

进一步地，在本发明的基于目标检测的缝洞型油藏串珠状反射特征识别方法中，步骤S1具体包括：

S12、属性数据体存入数据库：对内存中的三维地震体数据，获取三维地震数据的空间范围值，获取人工设定的分块块体大小，按照地震数据体拆分的块体数量，从上到下，从左至右，从后至前的规律进行分块编号多表存储，建立数据表并导入数据库；基于SQLServer数据库管理地震场数据，建立多表对三维地震数据进行管理、建立多级索引优化查询速度，便于进行可视化和切片操作；其中人工设定分块时，设置的分块参数包括：块体长度、宽度、高度和阈值属性；

S13、从数据库中读取地震数据：对勘探区中特定的点通过对应点的坐标(xline，inline，时域)获取对应的地震数据。

进一步地，在本发明基于目标检测的缝洞型油藏串珠状反射特征识别方法中，步骤S2具体为：

地震数据在SQL Server数据库中按照三维空间坐标和对应的属性值进行存储，读取数据库中对应的地震数据体，采用VTK技术对三维地震数据进行可视化。

进一步地，在本发明的基于目标检测的缝洞型油藏串珠状反射特征识别方法中，步骤S3具体包括：对勘探区三维原始地震数据体采用滑动“米”字剖切技术，设置切割面参数p1、p2确定剖切的方式，读取含有符合切割表达式的点的区块表，将这些点按照空间位置组织为二维矩阵进行可视化，从W-E、NW-SE、NE-SW、N-S四个方向剖切生成地震剖面，以二维图像的形式输出屏幕中，并以图像文件形式进行保存。

进一步地，在本发明的基于目标检测的缝洞型油藏串珠状反射特征识别方法中，步骤S4具体包括：在二维图像上，人工对部分串珠状反射特征进行标定，以图像左上角为原点，横向为X轴，纵向为Y轴建立二维坐标系，获取标定区域左上角顶点坐标信息、高度和宽度信息，保存到数据库中，将数据库中存在的标记信息输出到xml文件中，并进行保存，形成标记文件。

进一步地，在本发明的基于目标检测的缝洞型油藏串珠状反射特征识别方法中，步骤S5包含如下步骤：

S51、读取样本地震剖面图像和对应的标记文件；

S52、将地震剖面上人工标定的串珠状反射特征区域设定为目标样本，同一剖面上的其他区域默认为背景样本；

S53、初始化RPN、Fast R-CNN训练网络结构和参数；

S54、设置网络训练最大迭代次数、识别目标类别数量和学习率；

S55、将样本图片输入网络计算，比对网络输出和标签值，计算误差值loss；

S56、根据误差反向传播调整网络参数，直至网络收敛或者最大迭代次数，从而完成模型的训练。

进一步地，在本发明的基于目标检测的缝洞型油藏串珠状反射特征识别方法中，步骤S5具体为：

Step1、将人工标定的串珠状特征区域设定训练样本，同一剖面上的其他区域默认为背景样本；

Step2、初始化RPN、Fast R-CNN的网络结构，包括l层网络第i节点对下一层第j节点的权值设计图

基于目标检测的缝洞型油藏串珠状反射特征识别方法论文和设计

基于目标检测的缝洞型油藏串珠状反射特征识别方法论文和设计-张冬梅

全文摘要

主设计要求

设计方案

相关信息详情

猜你喜欢