套后电磁测井曲线的降维方法、装置及存储介质与流程

本技术涉及油气勘探开发，尤其涉及一种套后电磁测井曲线的降维方法、装置、存储介质及计算机设备。

背景技术：

1、在现代石油工业中，套后电磁测井技术被广泛应用在地层参数识别和油藏评价等领域之中。其中，套后电磁测井技术是指在已加装套管的钻井(即套管井)中激发电磁场，并接收套管井针对于电磁场的电磁响应，以得到套后电磁测井曲线的技术。套后电磁测井曲线作为一种重要的地球物理数据，能够提供有关地下储层的电性信息，例如地下储层的电阻率参数、电导率参数等。

2、然而，现场数据采集的复杂性和套后电磁测井曲线的高维特性，导致数据处理和数据解释面临着巨大的挑战。因此，套后电磁测井曲线的降维研究不仅在理论上具有重要意义，而且在实际应用中也具有巨大的价值。通过对套后电磁测井曲线进行降维处理，可以减少数据的冗余程度，减小随机噪音影响，提高数据的可解释性和可视化效果，有效暴露数据特征结构，使得地层工程师和石油工程师可基于降维后的数据更好地理解地层结构和储层特征。再者，套后电磁测井曲线降维可提高数据处理的效率和速度，加快油田勘探和开发的进程，对于提高油气资源勘探开发效率具有重要意义。此外，套后电磁测井曲线降维还可帮助研究人员发现隐藏在数据背后的规律和特征，为油田勘探和生产提供更加精准和可靠的数据支持。

3、由此可见，套后电磁测井曲线降维研究具有重要的理论意义和实际应用价值，可以为推动石油工业的发展和提高勘探开发效率提供数据基础，对推动地球物理勘探技术的创新和发展具有重要意义

4、近年来，现有技术已提出各种降维方法，包括主成分分析算法(pca)、独立成分分析算法(ica)等，旨在从复杂的数据中提取出最关键和最有效的信息。然而，经发明人研究发现，若采用现有的降维方法对套后电磁测井曲线进行降维，则降维后的数据会丢失用于反映地层变化和油藏特征的关键信息，使得工程师或研究人员难以基于降维后的数据准确理解地层结构和储层特征，降低了后续分析的准确性和全面性。

技术实现思路

1、本技术的目的旨在至少能解决上述的技术缺陷之一，特别是现有技术中降维准确性低和全面性低的技术缺陷。

2、第一方面，本技术实施例提供了一种套后电磁测井曲线的降维方法，包括：

3、获取n维套后电磁测井曲线；其中，所述n维套后电磁测井曲线为对同一套管井进行电磁测井得到的电磁响应曲线；

4、采用动态时间规整算法，分别计算所述n维套后电磁测井曲线中，每两维套后电磁测井曲线之间的第一相似度距离；

5、在满足预设聚类规则的情况下，根据各个所述第一相似度距离，采用层次聚类算法对所述n维套后电磁测井曲线进行聚类，并基于聚类结果得到m维降维曲线；其中，m小于n，m和n均为正整数。

6、在其中一个实施例中，所述采用动态时间规整算法，分别计算所述n维套后电磁测井曲线中，每两维套后电磁测井曲线之间的第一相似度距离，包括：

7、分别计算每维所述套后电磁测井曲线的一阶导数据和二阶导数据；

8、根据所述动态时间规整算法和所述n维套后电磁测井曲线，分别计算每两维所述套后电磁测井曲线之间的第一常规相似度距离；

9、根据所述动态时间规整算法和各维所述套后电磁测井曲线的一阶导数据，分别计算每两维所述套后电磁测井曲线之间的第一一阶导相似度距离；

10、根据所述动态时间规整算法和各维所述套后电磁测井曲线的二阶导数据，分别计算每两维所述套后电磁测井曲线之间的第一二阶导相似度距离；

11、基于各个所述第一常规相似度距离、各个所述第一一阶导相似度距离和各个所述第一二阶导相似度距离，得到每两维所述套后电磁测井曲线之间的所述第一相似度距离。

12、在其中一个实施例中，所述根据各个所述第一相似度距离，采用层次聚类算法对所述n维套后电磁测井曲线进行聚类，并基于聚类结果得到m维降维曲线，包括：

13、确定当前聚类轮次的各个初始簇和当前聚类轮次的各个初始簇间距离；其中，若当前聚类轮次为首个聚类轮次，则当前聚类轮次的各个初始簇为所述n维套后电磁测井曲线，当前聚类轮次的各个初始簇间距离为各个所述第一相似度距离；

14、根据预先确定的密度统计阈值和当前聚类轮次的各个初始簇间距离，分别统计当前聚类轮次中每个初始簇的局部密度；其中，每个初始簇的局部密度为与该初始簇的初始簇间距离小于所述密度统计阈值的初始簇的数量；

15、基于预设筛选阈值，在当前聚类轮次的各个初始簇中确定当前聚类轮次的核心簇；

16、分别以当前聚类轮次的每个核心簇为聚类中心，采用所述层次聚类算法对当前聚类轮次的各个初始簇进行聚类，直至满足预设的聚类结束条件并得到当前聚类轮次的聚类结果；

17、根据当前聚类轮次的聚类结果判断是否需要执行下一聚类轮次；

18、若需要，则根据当前聚类轮次的聚类结果分别更新下一聚类轮次的各个初始簇和下一聚类轮次的各个初始簇间距离，并进入下一聚类轮次；

19、若不需要，则得到所述m维降维曲线。

20、在其中一个实施例中，所述聚类结束条件为将当前聚类轮次的k个初始簇合并为k/i个聚类簇，其中，i为预设的正整数；

21、所述根据当前聚类轮次的聚类结果判断是否需要执行下一聚类轮次，包括：

22、针对当前聚类轮次得到的每个聚类簇，若该聚类簇包括至少两维所述套后电磁测井曲线，则将该聚类簇包括的各维所述套后电磁测井曲线合并为一维套后电磁测井曲线；

23、采用所述动态时间规整算法，分别计算k/i维套后电磁测井曲线中，每两维套后电磁测井曲线之间的第二相似度距离；

24、若至少一个所述第二相似度距离小于预设相似度阈值，则确定需要执行下一聚类轮次，否则，确定不需要执行下一聚类轮次。

25、在其中一个实施例中，所述根据当前聚类轮次的聚类结果分别更新下一聚类轮次的各个初始簇和下一聚类轮次的各个初始簇间距离，包括：

26、将所述k/i维套后电磁测井曲线作为下一聚类轮次的各个初始簇，以及将各个所述第二相似度距离作为下一聚类轮次的各个初始簇间距离。

27、在其中一个实施例中，所述将该聚类簇包括的各维所述套后电磁测井曲线合并为一维套后电磁测井曲线，包括：

28、对该聚类簇包括的各维所述套后电磁测井曲线进行均值计算，以得到一维套后电磁测井曲线。

29、在其中一个实施例中，所述预设聚类规则为至少一个所述第一相似度距离小于预设相似度阈值。

30、第二方面，本技术实施例提供了一种套后电磁测井曲线的降维装置，包括：

31、曲线获取模块，用于获取n维套后电磁测井曲线；其中，所述n维套后电磁测井曲线为对同一套管井进行电磁测井得到的电磁响应曲线；

32、第一相似度距离计算模块，用于采用动态时间规整算法，分别计算所述n维套后电磁测井曲线中，每两维套后电磁测井曲线之间的第一相似度距离；

33、层次聚类模块，用于在满足预设聚类规则的情况下，根据各个所述第一相似度距离，采用层次聚类算法对所述n维套后电磁测井曲线进行聚类，并基于聚类结果得到m维降维曲线；其中，m小于n，m和n均为正整数。

34、第三方面，本技术实施例提供了一种存储介质，该存储介质中存储有计算机可读指令，该计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述任一实施例所述套后电磁测井曲线的降维方法的步骤。

35、第四方面，本技术实施例提供了一种计算机设备，该计算机设备包括：一个或多个处理器，以及存储器；

36、所述存储器中存储有计算机可读指令，所述计算机可读指令被所述一个或多个处理器执行时，执行上述任一实施例所述套后电磁测井曲线的降维方法的步骤。

37、在本技术一些实施例提供的套后电磁测井曲线的降维方法、装置、存储介质及计算机设备中，通过采用适用于时间序列的动态规整算法，从而可在降维过程中充分利用并保留时空信息，进而可更好地捕捉套后电磁测井曲线中蕴含的地质信息，使得降维曲线能够更好地反映地层结构的变化情况和油藏特征。通过利用适用于非线性聚类的层次聚类算法，本技术可将具有相似特征的套后电磁测井曲线准确聚合到同一类别中并据此进行降维，如此，可减少冗余信息的存在并能有效过滤噪音数据，从而可实现去冗余和降噪，提高数据的质量和可信度。

38、由此可见，通过结合的动态规整算法和层次聚类算法实现套后电磁测井曲线的降维，降维曲线可保留有用于反映地层变化和油藏特征的关键信息，从而可提高后续数据分析的准确性、全面性和灵敏度。此外，由于动态时间规整算法与层次聚类算法不依赖于线性假设或高斯分布，因此其对于非线性和非高斯分布的地质数据具有更好的适应性，从而可更灵活地处理复杂的地质数据结构，进而可提高降维效果的泛化能力。