一种针对页岩油勘探的地质评价方法及系统

本发明属于油藏区域地质勘探，具体涉及一种针对页岩油勘探的地质评价方法及系统。

背景技术：

1、随着全球能源需求的持续增长和传统石油资源的逐渐减少，非常规油气资源的开发利用成为能源领域的热点。页岩油作为非常规油气资源的一种，因其巨大的资源潜力和分布广泛而备受关注。

2、传统页岩油勘探方法主要依赖地质学家的经验和定性分析，这些方法往往耗时耗力，且受限于个人经验和主观判断，难以实现大规模、快速、准确的地质评价。此外，传统方法在处理大量复杂地质数据时也显得力不从心，难以从海量数据中提取有价值的信息，导致勘探效率和成功率受限。随着计算机科学和信息技术的快速发展，特别是机器学习技术的兴起，为页岩油勘探提供了新的技术手段。机器学习技术能够处理和分析大量地质数据，通过算法自动识别数据中的模式和趋势，从而辅助地质学家进行更加客观和准确的评价。

技术实现思路

1、本发明旨在解决现有技术的不足，提供了如下方案：

2、一种针对页岩油勘探的地质评价方法，包括以下步骤：

3、收集目标区域的历史地质数据，并对所述历史数据进行预处理，得到预处理后数据；

4、对所述预处理数据进行特征提取，得到影响页岩油勘探的地质特征；

5、基于所述预处理后数据构建三维地质模型，并基于所述地质特征和所述三维地质模型进行模拟开采工作，生成开采评估结果；

6、构建深度神经网络，并基于所述预处理后数据和所述开采评估结果对所述深度神经网络进行训练，得到地质评价模型；

7、获取待勘探区域的地质数据，利用所述地质评价模型对所述待勘探区域进行地质评价。

8、优选的，所述历史地质数据包括：地质构造、岩石类型、有机碳含量、孔隙度、渗透率、地层压力和地温梯度。

9、优选的，所述预处理的方法包括：

10、对所述历史地质数据进行数据清洗，识别并处理缺失值和异常值，得到清洗后数据；

11、对所述清洗后数据中的非数值型数据进行标签编码，转换为数值型数据，得到包含有转换后数据的第一数据集；

12、将所述第一数据集进行标准化和归一化处理，得到所述预处理后数据。

13、优选的，所述特征提取的方法包括：

14、根据地质学原理和先验知识，从所述预处理后数据中初步选取与页岩油勘探相关的数据，得到初选后数据集；

15、采用主成分分析法对所述初选后数据集进行降维，并利用随机森林从降维后数据中进行特征提取，得到所述地质特征。

16、优选的，所述训练的方法包括：

17、对所述深度神经网络进行初始化，重置网络权重和偏置；

18、将所述预处理后数据和所述开采评估结果进行整合划分，按照预设比例划分为训练集和测试集；

19、将所述训练集输入至初始化后的深度神经网络中进行向前传播，得到与训练集相对应的预测值；

20、利用损失函数计算所述预测值与所述开采评估结果的差异值，并根据所述差异值更新所述网络权重和所述偏置；

21、基于所述测试集对参数更新后深度神经网络进行测试，得到所述地质评价模型。

22、本发明还提供了一种针对页岩油勘探的地质评价系统，所述评价系统应用上述任一项所述的评价方法，包括：历史数据处理模块、特征提取模块、模拟开采模块、评价模型构建模块和评价模块；

23、所述历史数据处理模块用于收集目标区域的历史地质数据，并对所述历史数据进行预处理，得到预处理后数据；

24、所述特征提取模块用于对所述预处理数据进行特征提取，得到影响页岩油勘探的地质特征；

25、所述模拟开采模块基于所述预处理后数据构建三维地质模型，并基于所述地质特征和所述三维地质模型进行模拟开采工作，生成开采评估结果；

26、所述评价模型构建模块用于构建深度神经网络，并基于所述预处理后数据和所述开采评估结果对所述深度神经网络进行训练，得到地质评价模型；

27、所述评价模块用于获取待勘探区域的地质数据，利用所述地质评价模型对所述待勘探区域进行地质评价。

28、优选的，所述历史地质数据包括：地质构造、岩石类型、有机碳含量、孔隙度、渗透率、地层压力和地温梯度。

29、优选的，所述历史数据处理模块的包括：数据收集单元、数据清洗单元、编码单元和归一化单元；

30、所述数据收集单元用于收集所述目标区域的所述历史地质数据；

31、所述数据清洗单元用于对所述历史地质数据进行数据清洗，识别并处理缺失值和异常值，得到清洗后数据；

32、所述编码单元用于对所述清洗后数据中的非数值型数据进行标签编码，转换为数值型数据，得到包含有转换后数据的第一数据集；

33、所述归一化单元用于将所述第一数据集进行标准化和归一化处理，得到所述预处理后数据。

34、优选的，所述特征提取模块包括：初筛选单元和提取单元；

35、所述初筛选单元根据地质学原理和先验知识，从所述预处理后数据中初步选取与页岩油勘探相关的数据，得到初选后数据集；

36、所述提取单元采用主成分分析法对所述初选后数据集进行降维，并利用随机森林从降维后数据中进行特征提取，得到所述地质特征。

37、优选的，所述评价模型构建模块包括：模型构建单元、初始化单元、数据划分单元、训练单元、更新单元和测试单元；

38、所述模型构建单元用于构建深度神经网络；

39、所述初始化单元用于对所述深度神经网络进行初始化，重置网络权重和偏置；

40、所述数据划分单元用于将所述预处理后数据和所述开采评估结果进行整合划分，按照预设比例划分为训练集和测试集；

41、所述训练单元用于将所述训练集输入至初始化后的深度神经网络中进行向前传播，得到与训练集相对应的预测值；

42、所述更新单元利用损失函数计算所述预测值与所述开采评估结果的差异值，并根据所述差异值更新所述网络权重和所述偏置；

43、所述测试单元基于所述测试集对参数更新后深度神经网络进行测试，得到所述地质评价模型。

44、与现有技术相比，本发明的有益效果为：

45、本发明采用的机器学习模型通过精细的特征选择和优化的模型训练过程，显著提高了页岩油勘探的预测准确性，模型提供的定量分析和预测结果为勘探决策提供了科学依据，降低了决策风险，为未来非常规油气资源的勘探提供了新的技术手段。

技术特征：

1.一种针对页岩油勘探的地质评价方法，其特征在于，包括以下步骤：

2.根据权利要求1所述一种针对页岩油勘探的地质评价方法，其特征在于，所述历史地质数据包括：地质构造、岩石类型、有机碳含量、孔隙度、渗透率、地层压力和地温梯度。

3.根据权利要求1所述一种针对页岩油勘探的地质评价方法，其特征在于，所述预处理的方法包括：

4.根据权利要求1所述一种针对页岩油勘探的地质评价方法，其特征在于，所述特征提取的方法包括：

5.根据权利要求1所述一种针对页岩油勘探的地质评价方法，其特征在于，所述训练的方法包括：

6.一种针对页岩油勘探的地质评价系统，所述评价系统应用权利要求1-5任一项所述的评价方法，其特征在于，包括：历史数据处理模块、特征提取模块、模拟开采模块、评价模型构建模块和评价模块；

7.根据权利要求6所述一种针对页岩油勘探的地质评价系统，其特征在于，所述历史地质数据包括：地质构造、岩石类型、有机碳含量、孔隙度、渗透率、地层压力和地温梯度。

8.根据权利要求6所述一种针对页岩油勘探的地质评价系统，其特征在于，所述历史数据处理模块的包括：数据收集单元、数据清洗单元、编码单元和归一化单元；

9.根据权利要求6所述一种针对页岩油勘探的地质评价系统，其特征在于，所述特征提取模块包括：初筛选单元和提取单元；

10.根据权利要求6所述一种针对页岩油勘探的地质评价系统，其特征在于，所述评价模型构建模块包括：模型构建单元、初始化单元、数据划分单元、训练单元、更新单元和测试单元；

技术总结本发明公开了一种针对页岩油勘探的地质评价方法及系统，包括以下步骤：收集目标区域的历史地质数据，并对历史数据进行预处理，得到预处理后数据；对预处理数据进行特征提取，得到影响页岩油勘探的地质特征；基于预处理后数据构建三维地质模型，并基于地质特征和三维地质模型进行模拟开采工作，生成开采评估结果；构建深度神经网络，并基于预处理后数据和开采评估结果对深度神经网络进行训练，得到地质评价模型；获取待勘探区域的地质数据，利用地质评价模型对待勘探区域进行地质评价。本发明采用的机器学习模型提供的定量分析和预测结果为勘探决策提供了科学依据，降低了决策风险，为未来非常规油气资源的勘探提供了新的技术手段。技术研发人员：杨欣怡,郭峰受保护的技术使用者：西安石油大学技术研发日：技术公布日：2024/11/18