智能地质建模方法、装置、设备、存储介质及计算机程序与流程

本发明涉及三维地质建模，尤其涉及一种智能地质建模方法、装置、设备、存储介质及计算机程序。

背景技术：

1、本部分旨在为权利要求书中陈述的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

2、三维地质模型是油气、矿产的勘探开发以及地下工程等决策的重要依据。地质建模的宗旨是综合钻井、测井、地震和生产动态等各类数据和相关的地质知识建立符合地下实际情况的三维地质模型。地下地质体的三维建模往往面对资料相对较系数，分辨率低的特点，建模难度大、不确定性高。地质建模大致经历了两点地质统计、多点地质统计建模阶段，目前进入了以深度学习为代表的人工智能地质建模发展阶段。智能地质建模以大规模训练样本为基础，相比于多点地质统计学，可以从训练样本中挖掘更丰富的地质知识，建立更符合地质规律的地质模型，提高其应用价值。

3、生成对抗网络是目前深度学习地质建模中主要采用的神经网络，目前条件化生成对抗网络地质建模主要有两种途径：一是先训练非条件化生成对抗网络再二次条件化，比如预训练的生成器通过启发式迭代优化进行条件化，或者训练过程中通过正则化方法进行条件化；另一种是通过条件化生成对抗网络，直接在网络的输入参数中加入条件化数据，比如井数据、地震数据以及砂地比等参数。但油气藏地质建模的应用场景是地下的地质体，受限于昂贵的数据获取费用和数据保密管理机制，往往很难缺少实际的、大规模的样本，导致现有技术仍然以传统地质统计学为主，深度学习方法只是对地质统计学算法局部细节的补充和完善。基于地质规则的方法依赖人工方法对地质规则的定义，无法大规模应用，工业化落地难，地质知识在地质建模中发挥的作用较少，地质知识库在建模中的作用仍然需要专家的定性判断，并且只是为地质统计学建模提供了参数，导致建立的地质模型的准确度较低。

技术实现思路

1、针对上述问题，本发明的实施例提供了一种智能地质建模方法、装置、设备、存储介质及计算机程序。

2、第一方面，本发明实施例提供了一种智能地质建模方法，包括：

3、获取实际地质观测数据以及地质知识数据，对所述实际地质观测数据进行数据解释，得到所述实际地质观测数据的数据条件；

4、根据所述数据条件以及所述地质知识数据进行地质过程正演模拟，得到地质过程正演模拟的参数区间，根据所述参数区间生成地质建模样本库；

5、根据所述地质建模样本库以及所述实际地质观测数据对预构建的地质模型生成网络进行训练，得到预训练完成的地质生成模型；

6、利用预设的地质资料对所述预训练完成的地质生成模型进行评价，根据所述评价的结果对所述预训练完成的地质生成模型进行参数调整，得到优化地质生成模型。

7、根据本发明的实施例，所述对所述实际地质观测数据进行数据解释，得到所述实际地质观测数据的数据条件，包括：

8、根据所述实际地质观测数据的数据类型对所述实际地质观测数据进行划分，得到地质数据集；

9、根据每个地质数据集的数据类型从预设的数据解释模型中选取目标数据解释模型；

10、根据所述目标数据解释模型对所述地质数据集进行数据解释，得到所述实际地质观测数据的数据条件。

11、根据本发明的实施例，所述根据所述数据条件以及所述地质知识数据进行地质过程正演模拟，得到地质过程正演模拟的参数区间，包括：

12、对所述地质知识数据进行地质参数分析，得到所述地质知识数据中的地质参数数据；

13、根据所述数据条件设置所述地质参数数据的目标函数；

14、根据所述目标函数对所述地质参数数据进行优化，得到所述地质参数数据的参数区间。

15、根据本发明的实施例，所述根据所述目标函数对所述地质参数数据进行优化，得到所述地质参数数据的参数区间，包括：

16、初始化初始温度以及初始化初始参数解，根据所述初始参数解生成优化解；

17、根据所述目标函数计算所述优化解与所述初始参数解之间的增量；

18、在所述增量小于零时，将所述优化解作为当前参数解进行迭代，直至所述增量满足预设的终止条件，得到最优参数，根据所述最优参数生成所述地质参数数据的参数区间；

19、在所述增量不小于零时，计算所述增量与所述初始温度之间的退火概率，将所述退火概率作为所述当前参数解进行迭代，直至所述增量满足预设的终止条件，得到最优参数，根据所述最优参数生成所述地质参数数据的参数区间。

20、根据本发明的实施例，所述根据所述地质建模样本库以及所述实际地质观测数据对预构建的地质模型生成网络进行训练，得到预训练完成的地质生成模型，包括：

21、利用所述预构建的地质模型生成网络对所述实际地质观测模型进行地质建模，得到实际观测地质模型；

22、根据所述地质建模样本库构建样本地质模型，利用所述预构建的地质模型生成网络中的判别网络计算所述实际观测地质模型与所述实际观测地质模型之间的误差值；

23、根据所述误差调整所述地质模型生成网络中的模型参数，直至所述误差值小于预设阈值，得到地质生成模型。

24、根据本发明的实施例，所述利用预设的地质资料对所述预训练完成的地质生成模型进行评价，包括：

25、利用所述预训练完成的地质生成模型对所述地质资料进行地质建模，得到资料地质模型；

26、提取所述资料地质模型中的地质数据，计算所述地质数据与所述地质资料之间的数据差异；

27、根据所述数据差异对所述预训练完成的地质生成模型进行评价。

28、第二方面，本发明实施例提供了一种智能地质建模装置，其特征在于，包括：

29、数据解释模块，用于获取实际地质观测数据以及地质知识数据，对所述实际地质观测数据进行数据解释，得到所述实际地质观测数据的数据条件；

30、地质建模样本库生成模块，用于根据所述数据条件以及所述地质知识数据进行地质过程正演模拟，得到地质过程正演模拟的参数区间，根据所述参数区间生成地质建模样本库；

31、地质生成模型训练模块，用于根据所述地质建模样本库以及所述实际地质观测数据对预构建的地质模型生成网络进行训练，得到预训练完成的地质生成模型；

32、地质生成模型评价模块，用于利用预设的地质资料对所述预训练完成的地质生成模型进行评价，根据所述评价的结果对所述预训练完成的地质生成模型进行参数调整，得到优化地质生成模型。

33、第三方面，本发明实施例提供了一种电子设备，其包括：

34、处理器；

35、用于存储所述处理器可执行指令的存储器；

36、其中，所述处理器被配置为执行所述指令，以实现如前第一方面所述的一种智能地质建模方法。

37、第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时，实现如前第一方面所述的一种智能地质建模方法。

38、第五方面，本发明实施例提供了一种计算机程序，其特征在于，该程序被处理器执行时，实现如前第一方面所述的一种智能地质建模方法。

39、与现有技术相比，本发明的上述技术方案具有如下有益效果：

40、本发明的实施例通过对实际地质观测数据进行数据解释，能够明确不同的地质观测数据的数据标准从而增加对实际地质数据的数据理解，有利于获取不同地质数据的数据条件；通过数据条件对地质知识数据进行正演模拟，能够对地质知识进行定量表达，生成的地质建模样本库更符合地质规律，更适合用于深度学习地质建模，从而能够提高地质生成模型的准确度；根据地质建模样本库以及实际地质观测数据对预构建的地质模型生成网络进行训练，得到预训练完成的地质生成模型，再通过预设的地质资料对预训练完成的地质生成模型进行评价，对地质生成模型进行参数调整，以得到优化地质生成模型，提高地质建模的精确度。

技术特征：

1.一种智能地质建模方法，其特征在于，所述方法包括：

2.如权利要求1所述的智能地质建模方法，其特征在于，所述对所述实际地质观测数据进行数据解释，得到所述实际地质观测数据的数据条件，包括：

3.如权利要求1所述的智能地质建模方法，其特征在于，所述根据所述数据条件以及所述地质知识数据进行地质过程正演模拟，得到地质过程正演模拟的参数区间，包括：

4.如权利要求3所述的智能地质建模方法，其特征在于，所述根据所述目标函数对所述地质参数数据进行优化，得到所述地质参数数据的参数区间，包括：

5.如权利要求1所述的智能地质建模方法，其特征在于，所述根据所述地质建模样本库以及所述实际地质观测数据对预构建的地质模型生成网络进行训练，得到预训练完成的地质生成模型，包括：

6.如权利要求1所述的智能地质建模方法，其特征在于，所述利用预设的地质资料对所述预训练完成的地质生成模型进行评价，包括：

7.一种智能地质建模装置，其特征在于，所述装置包括：

8.一种电子设备，其包括：

9.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，该程序被处理器执行时，实现如权利要求1至6中任一项所述的智能地质建模方法。

10.一种计算机程序，其特征在于，该程序被处理器执行时，实现如权利要求1至6中任一项所述的智能地质建模方法。

技术总结
本发明涉及三维地质建模技术，揭露了一种智能地质建模方法、装置、设备、存储介质及计算机程序，所述方法包括：获取实际地质观测数据以及地质知识数据，对实际地质观测数据进行数据解释，得到实际地质观测数据的数据条件；根据数据条件以及地质知识模型进行正演模拟，生成地质建模样本库；根据地质建模样本库以及实际地质观测数据对预构建的地质模型生成网络进行训练，得到预训练完成的地质生成模型；利用预设的地质资料对预训练完成的地质生成模型进行评价，根据评价的结果对地质生成模型进行参数调整，得到优化地质生成模型。本发明可以提高三维地质建模的精确度。

技术研发人员：段太忠,刘彦锋,李蒙,赵华伟,马琦琦,张文彪
受保护的技术使用者：中国石油化工股份有限公司
技术研发日：
技术公布日：2024/9/23