岩相分类系统和方法专利检索-地质学地球科学专利检索查询-专利查询网

岩相分类系统和方法

阅读：808发布：2020-09-11

专利汇可以提供岩相分类系统和方法专利检索，专利查询，专利分析的服务。并且一种分析地层的特性的方法，包括：对测量数据或者对从测量数据获得的导出数据应用小波变换，所述测量数据是通过在穿透地层的井眼中的多个位置中的每个位置测量物理性质获得的；选择一个或多个标度，用于分析小波系数；执行所述数据的分段；对于所述数据的小波变换和对于属于已对其计算了小波变换的那部分的每个分段，计算小波变换应用的一个或多个空间方向的每个标度的小波系数分布；和对于每个分段，分析所述数据的分布和每个标度的小波系数分布与训练样本的对应分布的重叠，从而产生地层的地质判读。，下面是岩相分类系统和方法专利的具体信息内容。

权利要求

1.一种分析地下地层的特性的方法，包括：
对测量数据或者对从所述测量数据获得的导出数据，或者对它们的一部分应用小波变换，所述测量数据是通过在穿透地下地层的一个区域的井眼中的多个位置中的每个位置测量至少一个物理性质而获得的；
选择一个或多个标度，用于在每个标度下分析小波系数；
执行测量数据或导出数据的分段；
对于测量数据或导出数据的小波变换和对于属于已对其计算了小波变换的那部分的每个分段，计算对于小波变换应用的一个或多个空间方向，每个标度的小波系数分布；和对于每个分段，分析测量数据或导出数据的分布和每个标度的小波系数分布与训练样本的对应分布的重叠，以产生地下地层的地质判读。
2.按照权利要求1所述的方法，其中，所述训练样本代表可由地质学者识别的岩相。
3.按照权利要求1所述的方法，其中，所述一个或多个标度与测量数据的特征变化的长度标度相当。
4.按照权利要求1所述的方法，进一步包括：重复进行分段，计算数据的分布和小波系数的分布，并以迭代方式分析所述分布，直到满足预定条件。
5.按照权利要求1所述的方法，其中，对来自多迹线测量工具的每个测量迹线应用小波变换，并通过收集所有迹线的小波系数来计算小波系数的分布。
6.按照权利要求1所述的方法，其中，在应用小波变换之后，对测量数据或导出数据进行深度重新调整。
7.按照权利要求1所述的方法，其中，通过把测井曲线分成可重叠预定固定长度的基本等长的间隔，来进行数据的分段。
8.按照权利要求1所述的方法，其中，所述分析包括：对于每个分段和每个标度，把由所述分段和标度的小波系数分布指示的岩相确定为由其对应小波系数分布最紧密对应于计算的所述分段中的小波系数分布的训练样本代表的岩相。
9.按照权利要求1所述的方法，其中，对多迹线数据的每个迹线应用小波变换，并且所述分析包括：把多迹线数据分成在井眼周围彼此空间接近地测量的多个迹线组，并且对于每个标度、每个分段和每个迹线组，将由所述标度、分段和迹线组的小波系数分布指示的岩相确定为由该标度下的其对应小波系数分布最紧密对应于给定标度、给定分段和给定迹线组的测量或导出数据的小波系数分布的训练样本代表的岩相，和
其中，比较对于给定分段由每个迹线组的数据分布和每个标度下的小波系数分布指示的岩相，以推断它们在井眼周围的变化性是否暗示不连续类型的岩相，并且如果它们的变化性暗示不连续类型的岩相，那么由该分段中的所有迹线的小波系数分布指示的岩相被确定为不连续岩相。
10.按照权利要求1所述的方法，其中，所述分析包括：基于由小波系数的分布指示的岩相，基于由测量数据和/或导出数据的分布指示的岩相，利用指定分段的最终岩相的规则，进行每个分段的岩相的最终识别，其中，对于分段整体，或者对于该分段中的多个迹线组，计算小波系数的分布和测量或导出数据的分布。
11.按照权利要求10所述的方法，其中，所述规则包括：辨别多个类，每个类包括至少一个岩相，其中，基于由分段的各个标度下的小波系数分布和测量数据和/或导出数据的分布指示的岩相，每个岩相被分配给所述多个类中的一个或多个。
12.按照权利要求1所述的方法，其中，所述小波变换是正交小波变换。
13.按照权利要求1所述的方法，其中，所述测量的物理量是电信号，并且所述特性是地下地层的电阻率或阻抗。
14.按照权利要求1所述的方法，其中，所述测量的物理量是γ射线信号，并且所述特性是地下地层的天然γ 辐射。
15.一种具有机器可执行指令的计算机产品，所述指令可由机器执行，以实现分析地下地层的特性的方法，所述方法包括：
对于测量分段数据或导出分段数据的小波变换和对于每个分段，计算对于小波变换应用的一个或多个空间方向，每个标度的小波系数分布，所述测量数据是通过在穿透地下地层的一个区域的井眼中的多个位置中的每个位置测量至少一个物理性质而获得的，所述导出数据是从所述测量数据获得的；和
对于每个分段，分析测量数据或导出数据的分布和每个标度的小波系数分布与对应的训练样本分布的重叠。

说明书全文

岩相分类系统和方法

技术领域

[0001] 本发明一般涉及地质数据的表征，尤其涉及井眼测井曲线数据的自动判读。

背景技术

[0002] 借助多种技术来收集井眼数据，所述多种技术包括例如电阻率/电导率测量、超声波、NMR和辐射散射。按照惯例，井眼数据由人类判读员来分析，以便表征地下地质地层，从而关于井的潜能进行判断，或者确定有关周围地质区域的性质的信息。这种类型的井眼数据可用于代替或补充用于直接检查的岩心的收集。

发明内容

[0003] 在本发明的一个方面，提供一种分析地下地层的特性的方法，该方法包括：对测量数据或者对从测量数据获得的导出数据或者对它们的一部分应用小波变换，所述测量数据是通过在穿透地下地层的一个区域的井眼中的多个位置中的每一个位置测量至少一个物理性质而获得的；选择一个或多个标度，以便在每个标度分析小波系数；执行测量数据或导出数据的分段；对于测量数据或导出数据的小波变换和对于属于已对其计算了小波变换的那部分的每个分段，计算对于小波变换应用的一个或多个空间方向，每个标度的小波系数的分布；以及对于每个分段，分析测量数据或导出数据的分布和每个标度的小波系数的分布与对应的训练样本分布的重叠，以产生地下地层的地质判读。

[0004] 在本发明的另一个方面，提供一种具有机器可执行指令的计算机产品，所述指令可由机器执行，以实现用于分析地下地层的特性的方法，所述方法包括：对于测量分段数据或导出分段数据的小波变换和对于每个分段，计算对于小波变换应用的一个或多个空间方向，每个标度的小波系数的分布，所述测量数据是通过在穿透地层的一个区域的井眼中的多个位置中的每个位置测量至少一个物理性质而获得的，所述导出数据是从所述测量数据获得的；以及对于每个分段，分析测量数据或导出数据的分布和每个标度的小波系数的分布与对应的训练样本分布的重叠。

[0005] 参考构成本说明书的一部分的附图，根据下面的说明和附加权利要求，本发明的这些和其它目的、特征及特性，以及相关结构元件及部件组合的操作方法和功能，和制造的经济性将变得更明显。在附图中，相同的附图标记表示各个图中对应的部件。然而，应理解，附图只是用于举例说明，而不是对本发明的限制的定义。说明书和权利要求中使用的单数形式“一个”包括复数的所指事物，除非上下文明确地另有说明。

附图说明

[0006] 图1整体示出了按照本发明的一个实施例的分析地下地层的特性的方法；

[0007] 图2示例了常规井眼探针的例子；

[0008] 图3a和3b分别是图2中所示的探针的传感器部分的侧视图和正视图；

[0009] 图4是按照本发明的一个实施例，与计算机通信的探针的示意图；

[0010] 图5a示出了按照本发明的一个实施例的γ射线测井曲线(第1列)、人工判读的地质岩相(第2列)、标称化的电阻率迹线(第4列)、来自用于分类方法的测试的分段例程segwave的边界(第5列)、电阻率分布(第6列)、1/16英尺标度的小波系数分布(第7-9列)、1/8英尺标度的小波系数分布(第10-12列)、以及按照井眼中的深度(第3列)的中间分类结果(第13-23列)；

[0011] 图5b示出了按照本发明的一个实施例的γ射线测井曲线(第1列)、人工判读的地质岩相(第2列)、标称化的电阻率迹线(第4列)、来自用于分类方法的测试的分段例程segwave的边界(第5列)、电阻率分布(第6列)、1/16英尺标度的小波系数分布(第7列)、1/8英尺标度的小波系数分布(第8列)、以及按照井眼中的深度(第3列)的中间分类结果(第9-19列)；

[0012] 图6示出了按照本发明的一个实施例的用于对每个分段进行特征提取和中间分类的方法；

[0013] 图7a-b示出了按照本发明的一个实施例，在具有7种岩相的深水环境中用于特征融合的类和最终分类；

[0014] 图8示出了按照本发明的一个实施例的进行特征融合和最终分类的方法；

[0015] 图9示出了按照本发明的一个实施例的特征融合和最终分类的方法；以及[0016] 图10示出了按照本发明的一个实施例的规则形成方法。

具体实施方式

[0017] 分析井眼数据，以确定地下地层的地质剖面。通过沿井眼向下测量和记录测井曲线物理量，来提供井眼数据。这些物理量提供有关构成地下地层的地质剖面的材料(岩相)的不同结构的信息。井眼数据的分析一般需要大量的人类活动，并且可能非常费时。因此，理想的是使这种分析至少半自动化。已借助基于多分辨率图的聚类法进行了井眼图像分析(参见Ye和Rabiller的美国专利No.6,295,504)。除了聚类引入的自动判读与人类判读的充分匹配的困难之外，在结构分析方面通常还存在主要挑战，即找出有限数量的参数来模拟允许充分判别和合成视觉上相似的样本的结构。目前的结构判别理论并入了当两种结构在一组(方位和空间频率选择性的)线性滤波器中产生类似的响应分布时，所述两种结构通常难以区分(即，相似)的观念(Heeger和Bergen，“Pyramid Based Texture Analysis/Synthesis”，Proc.ACMSIGGRAPH，1995 年 8 月；Liu 和 Wang，“Texture Classification UsingSpectral Histograms”，Image Processing，IEEE Transactions，第12卷，第6期，2003年6月)。在下面给出的本发明的一个方面，来自测井的岩相分类利用测井信号的小波变换，并且基于分段数据的小波变换系数的分布和岩相训练样本的对应分布的相似性，由此训练样本可由专家提供，并且在应用期间不变。这样，严格地按照专家识别的岩相进行分类，并且显著降低了匹配自动判读的结果和人类判读员的判读结果的困难。

[0018] 小波变换是一种利用满足已知容许条件的零均值的函数族或小波族来卷积初始信号的线性变换(参见Stephane Mallat，“A waveletTour of Signal Processing”，第82页，Academic Press，第二版，1999)。属于小波族的函数具有相互类似的形状，但是在时间(或深度)变量方面被平移和/或扩张。小波变换的结果被称为小波系数，小波系数用位置(小波集中的位置)和标度(表征小波的宽度)来索引。通过把母小波Ψ(t)偏移x，并用a定标母小波Ψ(t)，从母小波Ψ(t)获得小波族，如公式(1)中所示：

[0019]

[0020] 一旦选择了小波族，那么函数f(t)的连续小波变换被定义为(参见公式(2))：

[0021]

[0022] 其中，Wf(a，x)是小波系数。

[0023] 小波族的大多数应用利用它们的借助在通常对应于信号的平滑部分的最精细标度的小量值系数来有效近似几乎没有非零小波系数的特定类函数的能力(参见“A wavelet Tour of Signal Processing”，第241页)。在其它应用中，小波变换用于(通过这种变化的位置周围的大的局部最大量值的系数)表征突发信号变化。在本发明的一个实施例中，应用于初始信号的小波变换是离散的。然而，应认识到，连续小波变换也可应用于测量的信号。离散小波变换和连续小波变换的不同之处在于：卷积不是以积分的方式进行的，而是以对被分隔给定标度a的多个离散点x求和的方式进行的。

[0024] 在这里说明的本发明的一个实施例中，按照定义的与专家提供的岩相训练样本的严格相似性，对数据段进行分类。这样，显著降低了匹配自动判读的结果和人类判读员的判读结果的困难。研究的岩相可以是小至一英尺(只要它们具有在专家看来可把它们相互分开的相对明确定义的可测量岩性)或者更大的岩相分段、岩相集合体的沉积岩相分段。

[0025] 图1整体表示按照本发明的一个实施例的分析地下地层的特性的方法。所述方法起始于过程10，在过程10，在穿透地下地层的一个区域的井眼中的多个位置中的每个位置测量一个或多个物理量。可利用诸如图2中所示的探针来测量所述物理量。

[0026] 探针可以是多迹线或多垫测量探针。例如，图2示例了用于井眼表征的探针100，探针100包括大体细长的杆状物120，杆状物120在一端具有多个向外延伸的部件140。每一个向外延伸的部件140可包括用于探询井眼的区域180的传感器160(更详细地示于图3a和3b中)。示例的传感器160包括多对传感器200，传感器200用于监测当通过电流注入电极240注入电流时，在区域180的一部分220的两端生成的电压的变化。

[0027] 尽管图3a和3b中所示的传感器160被构造和排列成测量井眼材料的电特性，但这只是出于举例说明的目的，在本发明的各个实施例中可以采用各种各样的传感器。具体地讲，可以想到采用电阻率测量、超声波或其它声波测量、复电阻抗测量、中子反射率或透射率测量、核磁共振测量、视频成像和/或光谱测量。此外，可以测量天然γ射线放射。与之一致，可以为要进行的测量适合地选择传感器160，作为一个非限制性例子，传感器160可包括电源和检测器、辐射源和检测器、以及声换能器。将认识到，有益的是在单个探针100中包括多个类型的传感器，并且可按照这种方式有益地采用各种组合。

[0028] 在使用中，探针100通常被放入要表征的井眼中。当到达适当的深度(可以是井眼的底部，或者选择的中间深度)时，取回探针，并在探针上升穿过材料时进行测量。在许多情况下，探针100具有四个传感器160，从而可在四个方向中的每一个方向上表征井眼，所述四个方向可被命名为例如0、90、180和270。

[0029] 下面利用图3a和3b中示例的电传感器的例子来说明探针100的操作。尽管这里详细说明的是电阻率测量，但细节将按照在给定实现中采用的特定传感器而变化。探针100通过从电极240把电信号(所述电信号可以是DC或AC或者以其它方式变化的电流I)至少部分传送到井眼的材料区域180中来进行测量。将认识到，信号的穿透将部分取决于测量的性质。反射率测量几乎不涉及进入被探询材料的穿透深度，而电阻率测量要求信号穿过材料传播一定距离。然而，上述每个穿透程度应被理解为都在本发明的范围之内。

[0030] 在油基泥浆中的电阻率测量的特殊情况下，信号传播通过材料，并被传感器200接收。传感器200测量在区域180的部分220两端的电压变化δV，所述电压变化δV表示存在于被表征的地下地层中的材料的特性(在该情况下是电阻率)。在一个实施例中，可根据公式：R＝k(δV/I)来计算部分220中的材料的电阻率R，其中，I是电极240产生的电流，k是根据电极240和传感器200的几何形状预先确定的几何因子。将认识到，该公式取决于在电极240之间的距离内相对均匀的材料。为此，可以将标度因子k实现为动态标度，这可提供额外的细节。

[0031] 如图4中所示，由探针收集的井眼数据通常保存在本地存储设备中，如存储在随钻存储测井仪中，或者经由布线(尽管可实现无线连接)中继给例如可位于钻井装备处的计算机250，其中，可经由计算机250的总线260接收数据，并把数据保存在例如计算机可读存储设备270上，以便用计算机250的处理器280进行处理。所述计算机250可以是任何适当类型的计算机，所述计算机可读存储设备270是诸如硬盘、光盘、闪速存储器、临时RAM存储器或者其它介质。

[0032] 如图5a-5b中所示，标题为“所有迹线”的第4列，井眼数据可被转换成图形形式，如供显示和/或进一步处理之用的图像数据520。图形数据可被保存为全色数据(例如，24比特JPEG数据)，或者可以是单色或灰度级数据。图5a-b的图像数据520代表利TM用Schlumberger的OBMI 工具在井眼中的多个位置中的每个位置处获得的电阻率迹线。
图5a-b的标题为“深度英尺”的第3列示出了获得其图像数据520的井眼的对应深度部分
515(从x450到x520英尺)。这些电阻率迹线已被标称化。向由传感器测量的电阻率值分配颜色以获得电阻率图片。图像数据520包括沿图5a-b中的第4列向下延伸的四个条带
521a-d。这四个条带代表利用探针100获得的来自四个传感器垫的数据，其中，每个传感器垫提供5个数据迹线。图像数据520的较暗区域代表相对导电的区域，较亮区域代表电阻较大的区域。在碎屑岩中，较暗的、较导电的区域可被判读为页岩，而较亮的、电阻较大的区域可能是砂质区。在碳酸盐岩和在混合岩性中，电阻率图像的结构和除平均电阻率之外的物理量对区分岩相以及沉积岩相来说变得更重要。

[0033] 可以将由探针100测量的物理性质的分布提供为深度的函数。例如，根据电阻率测量结果(例如，图5a-b的第4列中的图像数据520)，可以按照井眼深度的函数的形式来获得电阻率分布或直方图。在图5a-b的第6列中示出了关于1英尺深度间隔计算的电阻率分布530。该电阻率直方图或分布530捕捉四个条带521a-d的图像的亮度。对于适当长度的深度间隔，可以获得其它测量或计算量的类似分布。

[0034] 返回图1，一旦在穿透地层的一个区域的井眼中的多个位置中的每个位置测量了一个或多个物理性质(并且可选地，从测量的数据中计算其它导出的量值)，方法就前进至过程20。在过程20，对测量或导出的数据或者对其一部分应用小波变换。就电阻率图像来说，可在沿井眼轴的方向上应用小波变换，即，独立地对每个垫的每个迹线521a-d，或者对由曲线上的插值数据形成的数据序列(或者如果工具有垫，则对所述数据序列的与工具垫图像相对应的一部分)应用小波变换，所述曲线是在图像的井眼视图(即，每条迹线按照围绕井眼的空间外观的顺序排列)上作为井眼壁与层平面或者另一个感兴趣的平面的截面构成的曲线。当井眼段是完美的圆柱体时，所述曲线通常是正弦曲线。沿两个方向的小波变换的计算与二维小波变换局部类似，但不沿井眼轴的应用方向可以缓慢改变，以保持与层面平行。

[0035] 在本发明的一个实施例中，小波变换是离散小波变换，但预期在本发明的另一个实施例中，也可应用连续变换。小波变换可以是正交的。例如，可以使用作为生成小波函数的2阶Daubechies小波。应认识到，在本发明的其它实施例中，可以使用其它小波函数。

[0036] 在图1的过程30中，确定用于小波系数的分析的一系列标度，以便以各个标度捕捉信号的急剧变化。例如，可关于三个不同的标度：第一标度、为第一标度的两倍的第二标度、和为第二标度的两倍的第三标度，来获得小波系数。

[0037] 希望过程30的所选标度与测量数据的特征亚相变化的长度标度相当，因为在这样的标度下的小波系数与在该标度下发生的初始信号变化最密切相关，从而在目前的情况下与岩相特征最密切相关，只要在测量数据中存在该特征。在一个实施例中，可以通过查看能够被地质判读的图像数据520的精细标度变化(即，不考虑与噪声相关的变化)，来可视地选择标度的长度。也就是说，目前，少许标度可被选为表示岩相的固有变化，这也是以分析的测井曲线的分辨率为条件的。例如，参见图5a，在x480和x482英尺之间的第一垫数据上，可看到大致10个薄层。为此，在一个实施例中，可以使用1/16英尺和1/8英尺标度的小波系数来分析电阻率图像测井数据520。对于不同的地下环境，可以选择另外的和/或不同的标度(例如，1/2英尺、1/4英尺和1/32英尺)。也可用自动定义最相关标度长度的软件或程序来自动化标度的选择。这样的软件或程序可在沿井眼向下的各个位置周围的固定深度间隔，以先前选择的一组标度中的每个标度，分析小波能量的均值和离差。从而要选择的更有代表性的标度是那些沿井眼向下的每段的小波能量的离差与每段的平均能量相比不小的标度，其中，如下文所述，段长度适合于要通过分类识别的岩相单元的数据分辨率和最小长度。

[0038] 在选择了分析小波系数的分布的各个标度之后，图1的方法前进至过程40。在过程40，进行测量的井眼数据或导出的井眼数据的分段。根据例如局部区域的同质性对井眼数据(例如，图像数据520)进行分段。测井曲线，诸如电阻率数据520是按照目前被认为对数据足够敏感的任意可用分段方法分段的，或者是通过简单的均匀分割分段的。分段可包括在深度方面重新调整测井曲线(包括来自多垫工具的测井曲线的迹线)的步骤，使得来自不同测井曲线的地质层边界全部出现在相同深度。可在预处理中以粗标度进行该步骤，或者可以与分段同时进行该步骤，从而所述重新调整可局部变化。后一处理适合于局部分段方法，但也可用在全局分段方法的重复中。借助井眼的足够灵敏的取样(例如，对深水浊流岩来说，1/4英尺)，把分段边界在何处沿井眼向下的信息以0(无变化)或者1(分段边界)的形式保存在一维阵列中。在一个实施例中，可以选择分段标度参数，使得分段的大小适合于要进行的分析，即，与测量分辨率成比例，最好不大于期望被识别的岩相单元的最小尺寸。这意味着，分段大小应大到足以包含大量数据点以形成平滑分布，但是不要太大而TM包含多个岩相单元。例如，1和3英尺之间的分段大小适合于具有40个区间的OBMI 电阻率图像直方图的分析，和从这样的直方图中识别岩相单元。对于单迹线和较粗分辨率的测量，诸如天然γ射线检测(图5a-b的第1列)来说，分段大小应至少是测量分辨率的10倍大，从而仅从γ射线中排除薄层岩相的检测和识别。在一个实施例中，大于3英尺的块可被进一步分解为3英尺长的分段(剩余物不大于3英尺)。在另一个实施例中，每个分段的长度至少是沿井眼向下的测量点的预期常规间距的约30倍大。

[0039] 在另一个实施例中，通过指定重叠预定固定长度(与乘以10的测量分辨率和最小岩相单元长度之间的差值有关)的等长间隔的中心位置，来进行分段。该实施例可能对于粗分辨率测量是优选的，因为与具有测量数据的平滑分布所需的间隔长度相比，间隔位置可以明显更接近。在所述方法的分类部分中考虑这些间隔，就好像它们是非重叠的分段。对于井眼的重叠间隔被认为属于不同岩相的那些区域来说，迭代分段和分类过程，以使边界位置精确。对于给定的一对间隔，每个新的三次迭代由下述组成：1)在其当前中心位置对这些间隔进行分类，然后2)在把重叠间隔的中心位置一起移动，从而首先进行朝向一个井眼端的轻微移动之后，进行分类，和3)在朝向另一个井眼端移动较小的固定迭代步长d之后，进行分类。如果沿一个方向的移动导致一个间隔的分类发生变化，而另一个间隔的分类保持不变，并且沿着相反方向的移动不会导致与在间隔的中心位置的分类不同的结果，那么下一个三次迭代将沿改变其岩相成员的间隔的方向，从自先前的三次迭代中心位置移动了迭代步长d(或者其分数，如果期望细微精度的话)的间隔的中心位置开始。如果两个移动(即，沿两个方向的移动)导致相同数量的改变了成员的间隔，并且如果所述数量为2或0(两个间隔都改变了岩相成员，或者没有一个间隔改变岩相成员)，则停止迭代处理，并且这对分段的边界位置被选为最后的三次迭代的中心位置中的间隔的中心位置之间的中点。
在除这里关于三次迭代的结果所述的情况之外的情况下，推断间隔过大，从而不止一个边界影响分类(从而选择几个边界而不是仅一个边界，分类结果对应于以这些边界之间的中途为中心的间隔)，或者迭代步长过大，并且可以较小的步长重新开始迭代过程。在该过程的意义上找到稳定的边界之后，具有相同分类结果的重叠分段被合并。

[0040] 在对测井曲线进行分段之后，在过程50对于在过程30选择的每个小波标度，对于小波变换应用的一个或多个方向，和对于属于已对其计算了小波变换的那部分的每个分段，确定小波系数的分布。再参见图5a，第7、8和9列示出了对于1/16英尺标度和对于不同分段大小的小波系数分布：对数标度的3英尺数据(第7列)和1英尺数据(第8和9列)。在第8列中，以对数标度绘制小波系数分布，而在第9列中，以线性标度绘制小波系数分布。第10、11和12列分别与第7、8和9列类似，除了它们涉及1/8英尺标度之外。在用于分类的测量的量的变化性方面极其不同的岩相(例如，电阻率图像的结构非常不同的岩相)具有形状基本不同的小波系数分布。例如，如图5a中所示，第7列中的1/16英尺小波系数分布的形状在x454.5英尺和x493.5英尺左右相当不同。同样地，第10列中的1/8英尺小波系数分布的形状在x454.5英尺和x493.5英尺左右相当不同。

[0041] 随后，在计算了每个小波标度和分段的小波系数分布之后，方法前进至过程55。在过程55，对于各种选择的已知岩相的训练样本，计算每个标度的小波系数分布。随后，方法前进至过程60。在过程60，分析每个分段的小波系数分布和井眼数据分布(例如，图5a的第6列中的电阻率分布530)与(在过程55计算的)对应的训练样本分布的重叠，以便产生地下地层的地质判读。这种分析按照在测井曲线特征和地质上都不同的单位，产生地下地层的地质判读。

[0042] 在本发明的一个实施例中，过程60涉及两个主要方面。第一方面由特征提取步骤(根据把测量数据及其小波系数的每个分段分布与训练样本数据的对应分布相匹配)和井眼的每个分段的中间分类组成。第二方面由特征融合步骤和最终分类组成。

[0043] 在一个实施例中，在过程55考虑的训练样本在相同的测量数据集合中，并由人类判读员通过参考它们的开始深度和结束深度来提供。也可通过先前保存的库来提供训练样本。在后一情况下，训练样本的小波系数分布可能已经可用。每个岩相需要至少一个训练样本。在本发明的另一个实施例中，通过以下步骤来确定训练样本：(1)识别测量数据中存在局部1或2英尺标度(或者相当标度)小波系数最大值或最小值(其绝对值在关于该数据计算的若干最大值之中)的位置；(2)对于每个这种位置周围的两个2英尺(或者相当标度)分段(一个在上面，一个在下面)，计算测量数据或者小标度(例如1/8英尺或相当标度)小波系数的分布；(3)成对地计算关于这些分段的分布的重叠；以及(4)在这些分段中，选择具有最小的分布相互重叠的一对或几个分段作为训练样本。

[0044] 为了进行分类的特征提取步骤，首先计算关于训练样本的测量数据和小波系数的分布(例如，直方图)(过程55)。对于在过程30选择的几个被选小波标度(例如，1/16和1/8英尺标度)中的每一个，和对于多个选择的已知岩相中的每一个(以及对于每个方向，如果使用更精确的方法的话)，计算位于描绘训练样本的窗口内的小波系数的分布(例如，直方图)。在一个实施例中，考虑代表已知地质岩相的7个训练样本。对于图像数据来说，数据的单独迹线的小波变换系数也被包括在相同的分布或直方图中，只要它们的位置在相同-或者恰当地调整了深度的-窗口中。对每个岩相来说，电阻率图像数据的长度约3英尺的一个训练样本可能是足够的。应认识到，如果提供每个岩相的更多训练样本，那么通过相加在所述岩相的所有训练样本中的一定量值间隔中的系数的具体值，为每个岩相每个标度形成一个分布。

[0045] 在一个实施例中，利用代表已知地质岩相的训练样本获得的这些计算值提供了三个单独的分布库或者集合：(1)包括在1/16英尺标度下，训练样本(例如，7个训练样本)中的每个训练样本的小波系数分布的第一库，(2)包括在1/8英尺标度下，训练样本(例如，7个训练样本)中的每个训练样本的小波系数分布的第二库，和(3)包括训练样本(例如，
7个训练样本)中的每个训练样本的井眼数据分布(例如，信号的振幅直方图或者图像的像素直方图)的第三库。这些库随后可用于提供井眼的每个分段的中间分类。

[0046] 现在参见图6，图6示出了按照本发明的一个实施例，对于井眼的每个分段，进行特征提取和中间分类的方法。该方法开始于过程610。在过程610，对于沿井眼向下的每个分段，形成在每个先前选择的代表标度(例如1/16/和1/8英尺标度)下所考虑性质的小波系数分布。该过程与图1的过程50相对应。随后，方法前进至过程620，在过程620，计算在给定标度下给定样本的小波系数分布和在相同标度下每个岩相训练样本小波系数的分布之间的相似性度量。为每个标度和每个分段重复该过程。在一个实施例中，将测量数据或导出数据的小波系数分布与第一和第二库(例如1/16和1/8英尺标度)相比较，以便识别第一和第二库中小波系数分布最紧密对应于利用分段数据获得的小波系数分布的岩相(参见过程625)。

[0047] 卡方统计量可用作识别匹配的训练样本或岩相的相似性度量。两个区间分布的卡方统计量被定义为(4)：

[0048]

[0049] 其中 Ri和Si是第i个区间中的第一和第二分布事件的相应数量(即，属于第i区间的值的数据点)，其中，i取从1到v的整数，以便索引并且只索引其中所述两个分布的至少之一具有非零事件数量的那些区间对，以及v被称为自由度数。选择区间大小，使得v远大于1或者每个区间中的事件数量较大。在这些条件下，对于虚无假设(即，从相同的总体得到(标称化的)Ri和Si的假设)的情况来说，卡方概率函
2 2
数Q(x，v)是公式4中的x 的分布的良好近似，并且其使用是标准的(参见W.H.Press等，“Numerical Recipes in C”，第621页，Cambridge University Press，1999)，卡方概率函
2 2
数Q(x，v)是表示单位方差和零均值的v个随机常态变量的平方和大于x 的概率的不完全
2
γ函数。较小的Q(x，v)值指示所述虚无假设相当不可能(即，给定样本数据和训练样本数据具有不同的分布)。在图5a中，第15和16列分别关于1/16英尺和1/8英尺标度，把
2
Q(x，v)显示为针对第5列中所示的分段的棒(每个分段不同颜色的7个棒-每个岩相一个棒)。图5a的第19和20列分别类似于第15和16列，唯一的差别在于：存在于x500英
2
尺左右的区域中的岩相8的训练样本不同。在图5b中，第11、12、15、16和19列显示Q(x，v)。

[0050] 在给定标度下所考虑性质的小波系数分布与给定分段的相同标度小波系数分布2
最紧密地匹配(由给定自由度数v下的最大卡方概率Q(x，v)定义)的已知地质岩相被选为基于在该标度下所考虑性质的小波系数分布的分段的中间分类的结果(参见过程625)，并且该岩相被称为由在该标度下所考虑性质的小波系数分布指示的该分段的岩相，或者被称为该分段与在所述标度下所考虑性质的小波系数分布的比较结果。图5a的第14列显示了对于1/8英尺、1/16英尺和1/32英尺标度，这样的中间分类的结果，其中，岩相代码(索引为0-12)与来自人工判读的第2列中的岩相代码相同，除了用非必要的因数10重新调整之外。图5a的第18列与第14列类似，唯一的差异是用于岩相8的训练样本。图5a的第
21-23列与第17-19列类似，除了大于3英尺的分段未被分成3英尺的块(和剩余物)之外。

[0051] 然后，在(例如，利用第一和第二分布库)识别了各个标度下的小波系数分布的最接近匹配之后，方法前进至过程630，在过程630，对于沿井眼向下的每个分段，计算给定样本和训练样本的测量井眼性质或导出量的数据分布(例如，γ射线振幅直方图或电阻率图像像素直方图)之间的相似性度量。例如，在一个实施例中，比较在图5a的第6列中所示的每个分段的电阻率分布530和第三库中的已知岩相的电阻率分布。第三库中的像素训练分布或振幅与给定分段的像素分布或振幅分布最紧密匹配的已知地质岩相被确定为基于该数据性质的分布的该分段的中间分类的结果(参见过程635)，或者由该性质的数据分布指示的该分段的岩相。

[0052] 尽管已经利用卡方统计量进行了相似性度量，但预期在本发明的其它实施例中，可以使用其它统计量。

[0053] 就具有非重叠间隔的均匀分段来说，可以进行另外的检查，以使分段边界精确。这些检查可包括：在均匀长度的更大分段内，找到单英尺分段的最佳匹配；以及如果邻近边界的单英尺分段和相邻的更大分段与相同的岩相相匹配，则移动边界。

[0054] 在一个实施例中，以类似的方式与井眼轴成一定角度地进行从小波系数分布的特征提取。

[0055] 一旦对于每个分段确定了由所有考虑的分布指示的岩相，就可利用该信息来最终确定每个分段的岩相。对沿井眼向下的每个分段应用这种处理，该处理在下文中可被称为特征融合步骤。

[0056] 特征融合处理包括规定哪种岩相应被识别为分段的最终结果的规则。分段的特征在于某些特征标记以及由特征(测量的性质或计算/导出的量)d1，d2，...，dn的分布分别指示的岩相k1，k2，...，kn，其中，d1，d2，...，dn是例如测量或导出的井眼数据(例如，在第三库中)，或者是来自沿井眼轴或者沿不同方向进行的小波变换的各个标度下的各个测量的性质或导出量的小波变换系数(即，构成第一和第二库的那些)。所述规则基于辨别满足某个类性质的所有岩相的类，所述某个类性质是关于分别通过特征d1，d2，...，dn的分布指示的岩相的代表性样本的岩相k1’，k2’，...，kn’以及关于它们的特征标记定义的。

[0057] 分段的特征标记是关于特定的性质(特征)p1定义的，并且表示所述性质当在相同分段中在井眼轴周围被测量时是否显著变化。当p1是来自多垫探针的电阻率数据或者是这种数据的小波变换时，p1特征标记表示p1的分布是否因感应垫的不同而明显变化，如按照某一规则，基于特征p1在中间分类中与分段的不同垫样本相匹配的岩相是否相当不同所证明的。可为特定的沉积环境建立用于该目的的规定实质不同的岩相的规则。这种不同的垫图像出现在相同分段中相反指示另一种不连续的岩相。

[0058] 例如，在浅海沉积环境中，按照本发明的一个实施例，根据关于单独的垫计算的1/8英尺电阻率小波系数分布的垫与垫的变化性，按照下述方式计算特征标记之一。首先，比较每个垫的1/8英尺小波系数分布和岩相训练样本的1/8英尺小波系数分布。由1/8英尺电阻率小波系数分布(或者与1/8英尺电阻率小波系数分布的比较结果)为给定垫指示的岩相是具有最佳相似性度量的岩相。此外，如果对应的卡方概率高于一定阈值，例如50％，那么认为比较结果是强比较结果。其次，如果按照实质不同的岩相的规则，存在两个具有强比较结果的垫，并且所述强比较结果是不能相容共存于井眼中的单个连续岩相中的岩相，那么岩相标记指示不连续的岩相。浅海环境的实质不同的岩相是出现在一个垫上的同质岩相和出现在另一个垫上的厚层岩相中的任意之一。该过程可被扩展，以要求除了与层状岩相相匹配的垫上的层状或混杂岩相之外，不存在次最高相似性度量的强比较结果(强的次最佳匹配)。

[0059] 关于具有代表训练样本(所述代表训练样本具有分别与特征d1，d2，...，dn的分布的比较结果k1，k2，...，kn)的岩相以及关于特征p1标记定义的类性质是如下性质：该类包含可具有属于子集S1，...，Sn，Sp1的直积(S1xS2x...xSnxSp1)的有序(n+1)元组(k1，k2，...，kn，p1标记)的所有岩相，使得k1可属于所有岩相的子集S1，而k2属于岩相子集S2，等等，直到kn属于岩相子集Sn，特征p1标记指示岩相子集，即，属于岩相子集Sp1，并且至少一个子集中的所有岩相确实出现在该类中的每个岩相的代表性样本的对应比较结果中。后一规定意图避免类定义中的冗余，使得1)只有其代表性样本在由某个特征的分布为它们指示的岩相方面具有相似外观的那些岩相才能在相同类中，和2)属于一个类的岩相集合不是两个以上的岩相子集的合并，所述两个以上的岩相子集并不仅仅满足所述类性质，还满足由用于定义初始类的该相同特征分布指示的岩相的更限制性性质。岩相的代表性样本表示岩相的能够由专家合理描述以代表该岩相的那些样本。这确保了离群值(以及“非一致性判决”样本)被丢弃，并且关于岩相的代表性样本能够获得的比较结果的离散较小。其岩相只随着在其类性质中描述的比较结果出现的类支持排除推理法，下面在特征融合步骤(c)中描述并且在深水沉积环境类C_layered的例子中示出所述排除推理法。这样的类可被称为封闭类。如果对于给定分段指示的岩相与一个类性质一致，则该类性质和属于该类的所有岩相的认识可用于识别给定分段的岩相所属的岩相子集。对于单个岩相类来说，可通过对应的类性质来识别其成员岩相m。如果对应的类性质基于仅由一个特征d分布指示的岩相，那么可通过该特征d分布来识别该岩相m。

[0060] 在具有例如7个岩相的深水沉积环境中，按照本发明的一个实施例的规则基于辨别图7a-b中所示的各个类。

[0061] 所述规则基于辨别下述类：

[0062] (i)单元素类Cm，单元素类Cm由满足以下性质的所有岩相组成：其代表性样本与电阻率数据分布的比较结果k1可指示该具体岩相m，即，k1＝m；这些类按对应成员岩相的数量被标记为C1、C5、C6、C8和C11，并且类C1和C5是如上所述的封闭类；

[0063] (ii)双元素类Cwc，双元素类Cwc由满足以下性质的所有岩相组成：其代表性样本分别与电阻率数据分布、和电阻率数据的1/8英尺标度和1/16英尺标度电阻率小波变换系数分布的比较结果k1、k2和k3可指示岩相7或10；这是由岩相7和10组成的类，并且是如上所述的封闭类(即，这两个岩相的代表性样本仅具有这些比较结果)；

[0064] (iii)单元素类Cm_2，单元素类Cm_2由其代表性样本可具有分别与电阻率数据分布和1/8英尺标度小波变换系数分布的比较结果k1＝7和k2＝m(对Cm_2来说，m＝6、7、8或10)的所有岩相组成；这些类是按对应成员岩相的数量命名的C6_2、C7_2、C8_2和C10_2，并且类C7_2是封闭类；

[0065] (iv)单元素类C11prime，单元素类C11prime由其代表性样本可具有分别与电阻率数据分布和1/8英尺标度电阻率小波变换系数分布的比较结果k1＝7，且k2属于子集{1，5，11}的所有岩相组成；该类由岩相11组成；

[0066] (v)三元素类C_3，三元素类C_3由其代表性样本可具有由电阻率数据分布指示的岩相k1＝10的所有岩相组成；该类由岩相10、8和6组成；

[0067] (vi)单元素类Clast，单元素类Clast由其代表性样本可具有比较结果k1＝10，k2属于岩相1、5、6或7，且k3属于岩相1、5或6的所有岩相组成，其中，k1、k2和k3分别由电阻率数据分布及其1/8英尺标度和1/16英尺标度小波变换系数指示；该类由岩相6组成；

[0068] 在一个实施例中，所述规则根据匹配关于给定分段指示的岩相与定义不同类的性质，并减少其代表性样本可具有与给定分段相同的指示岩相的岩相的数量，来确定最终岩相识别。首先，如果在所有或者几乎所有类的性质中指定了其比较结果，并且这种分布可识别大量的岩相，则选择第一性质或特征d1分布，诸如电阻率数据分布。这种性质的下一个最佳候选性质可被称为第二性质。对于每个给定分段，所述规则按照下述方式来指定最终的岩相识别：

[0069] (a)确定在出现在由用于定义类的(代表性样本的)d1分布指示的岩相的性质中的所有子集中，由d1分布对于给定分段指示的岩相k1属于哪个子集S1；对于每个这样的子集S1，识别类C1，使得其岩相的代表性样本可具有属于S1的与特征d1分布的比较结果，并且S1中的所有岩相由C1中的每个岩相的代表性样本指示；

[0070] (b)如果在a)中找到的所有类C1中存在单元素类，那么：(i)如果存在由岩相代表性样本与d1分布的比较结果可属于包含k1的子集的唯一性质定义的单元素类，那么该类的元素是被确定为该分段的最终分类结果的岩相；(ii)如果定义类性质所需的分布的数量最少的单元素类还用其它特征d2，...，dn(可能还有特征标记)定义，那么：1)如果有关该分段的分别与d2，...，dn(和特征标记)的其它比较结果k2，...kn与该类的性质一致，那么该类的元素是对应于该分段的岩相；2)如果给定分段的其它比较结果与该类不一致，那么按照相同的方式考虑性质定义分布的数量次少的单元素类；3)如果存在不止一个性质定义特征数量相同的单元素类，那么按照某个选择的重要性顺序来考虑这些类；

[0071] (c)如果在满足其代表性样本的与特征d1分布的比较结果与给定分段的比较结果一致的岩相的类C1中，没有单元素类，那么按照与在(b)中给定的顺序类似的顺序，考虑次小类，并且使用排除该类中的属于其它类(首先考虑的是封闭类)的那些岩相的方法，使得这些其它类中的岩相的代表性样本具有与给定分段的比较结果不一致的比较结果；

[0072] (d)当所有指示的岩相和特征标记与不止一个岩相的代表性样本的性质一致时，使用回退规则。在一个实施例中，标准中的回退规则包括选择由第一特征分布的比较结果给定的岩相，如果该特征区分这些岩相的话，或者是按照步骤(b)(ii)(3)中选择的重要性的顺序的下一个特征。

[0073] (e)如果(a)中的询问未找到任何类C1，那么按照和关于第一分布的k1相同的方式考虑由第二特征d2指示的岩相k2，并执行步骤(a)-(d)；可进行(e)的迭代，直到找到比较结果与给定分段的比较结果一致的岩相为止，或者直到在关于所选特征对类C1的搜索中用尽了用于分类的所有特征为止，在这种情况下：(f)使用向该分段指派由第一特征分布指示的岩相的回退规则。

[0074] 如果由所有考虑的分布(例如，利用训练样本的第一、第二和第三库获得的在各种标度下的电阻率和小波系数分布)指示的岩相始终是相同的岩相，那么从小波系数分布推断不出任何新的内容，并且基于测量数据的中间分类将是最终分类(除非使用不止一个测量性质和计算量(除小波变换以外))。然而，在具有在电阻率图像或其它数据中示出的不同结构的异质岩相的情况下，这些数据的小波系数提供了通常不存在于测量数据分布中的信息。

[0075] 现在参见图8，图8示出了按照本发明的一个实施例的特征融合和最终分类(a-f)的方法的应用。在这种应用中，第一性质分布(步骤(a)中)是电阻率图像数据分布。如图8中所示，用于进行特征融合和最终分类的方法开始于过程815，在过程815，首先确定最紧密(已知地质岩相)匹配的井眼数据(例如，图像像素或信号振幅)的分布是否指示可通过电阻率分布唯一区分的岩相之一(或者按照步骤(b)(i)，是单岩相类的成员的岩相，该单岩相类具有仅基于电阻率分布的类性质)。如果该询问815的结果为真(是)，那么只按照井眼数据的分布(例如，像素分布)对分段进行分类(过程820)。如果该询问的结果为假(否)，那么井眼数据的分布(例如，像素分布)指示岩相7或10(需要过程835或850)，并且后续询问还使用小波系数分布来确定正确的类。从而在这种情况下，需要步骤(b)(ii)和(c)-(f)。

[0076] 该方法前进至过程835，在过程835，询问最紧密匹配的井眼数据的分布(例如，像素分布)是否指示岩相7。如果询问835的结果为真(是)，那么询问1/8英尺小波分布系数是否指示岩相7(过程840)。如果询问840的结果为真(是)，那么方法前进至过程830，其中，为给定分段选择岩相7。该选择示例了步骤(b)(ii)(1)的应用，和图7中类C7_2的类性质的利用。如果询问840的结果为假(否)，那么再询问1/8英尺标度小波系数分布是否指示同质岩相1、5或11(过程841)。如果该询问(过程841)的结果为真(是)，那么该分段被分类为岩相11(过程842)。这种选择示例了步骤(b)(ii)(1)的应用，和图7中的类C11prime的类性质的利用。如果该询问的结果为假(否)，那么按照由1/8英尺小波系数分布识别的岩相对该分段进行分类(过程845)。这种情况下的最终分类由应用于类Cm_2的步骤(b)(ii)(1)产生，其中，m等于由1/8英尺标度小波系数指示的岩相k2＝m。

[0077] 如果在过程835的询问结果为假(否)，那么方法前进至过程850，在过程850，询问井眼数据的分布(例如，像素分布)是否指示岩相10。如果只需要识别不能用电阻率单独区分的那些岩相中的两个岩相，则不需要该询问，因为到此时，在该过程中，只有岩相10被剩下作为从电阻率数据分布得到的可能中间分类结果。如果询问850的结果为假(否)，那么过程可从如在过程(a)-(e)中概述的不同的第一分布开始(例如，从1/8英尺标度小波系数分布开始)，继续询问基于由小波系数分布指示的岩相的所有岩相类，以找出是否任意类具有与关于该分段的比较结果一致的性质。然而，如果唯一的给定类是图7a和7b中的那些类，那么将找不到任何这样的类，并使用步骤(f)的回退规则(过程851-回退规则)。从而，如果询问850的结果为假(否)，那么选择由测量数据分布指示的岩相(过程820)(利用回退规则851)对给定分段进行分类。如果询问850的结果为真(是)，那么方法前进至过程855，在过程855，询问1/8和1/16英尺小波分布系数是否都指示岩相7或10。如果询问855的结果为真(是)，那么岩相10被选为最终结果(过程860)。这是将步骤(c)中的排除法应用于类Cwc，以排除类C7_2的岩相7的结果。如果询问855的结果为假(否)，那么进行另一个询问(过程856)，以确定是否1/8英尺和1/16英尺标度小波系数分布都指示岩相1、5、6或7之一，且1/16英尺标度小波系数分布不指示岩相7。如果该询问(过程856)的结果为真(是)，那么选择岩相6(过程857)。这是步骤(b)(ii)(1)应用于类Clast的结果。如果结果为假(否)，那么选择岩相8(过程858)。后者是步骤(c)中的排除法应用于类C_3，以排除类Clast的岩相6和类Cwc的岩相10的结果。

[0078] 当期望更详细地区别具有复杂结构的岩相时，希望包括来自与井眼轴成一定角度执行的小波变换的系数分布。在这种情况下，特征融合可以更复杂，但概念上是明晰的；对于在具有中间均值的像素直方图的情况下的最终分类，可以依赖于小波系数直方图，并根据在若干角度的变换来考虑确定程度(用相似性度量表示)。如果仅在一个角度(例如±5°)获得良好的匹配，那么这可能是具有方向顺序的岩相。如果若干角度给出良好的匹配，那么该结果将与有序性差的岩相相关联。

[0079] 现在参见图9和10，图9和10更概括地示例了特征融合和最终分类(a)-(f)及规则形成的方法。

[0080] 在图9中，形成规则中的第一个过程905包括找出其分布单独识别用于训练的较大岩相集合或子集的每个岩相的一个测量或计算的性质，该性质可被称为第一特征。如果存在若干这样的分布，那么按照特征融合的步骤(a)，选择出现在最多的类性质中的一个分布(过程910)。形成规则中的下两个过程是图9中的过程915和920。在过程915中，确定不可用d1的分布单独识别的那些岩相的训练样本的数据的空间变化性的特征长度标度c1，c2，...，cn(这里，n是这样的岩相的数量)。在过程920，确定标度之中的在小波变换计算中使用的标度wj，即，最接近在过程915中找到的长度标度的特征长度标度cj(j＝1，2，...，n)的标度(过程920)。

[0081] 在与图9中的过程905类似的、检查分别由d1分布和标度wj下的对应小波系数分布对于代表性样本指示的有序岩相对k1和k2j之后(过程925)，方法前进至过程930，在过程930中，查找可识别的岩相。对于两个或三个岩相具有这些指示岩相的代表性样本的任何(k1，k2j)来说，在过程935中特别注意这种查找，使得可利用这样的性质形成双岩相和三岩相类，所述性质是：它们包含具有可具有对应的指示岩相(k1，k2j)的代表性样本的所有岩相。这些类可用于在对于具有各个特征分布的给定分段，不存在可由指示岩相的有序二元组，三元组...，n元组识别的任何岩相的情况下的排除法。

[0082] 如果不存在可由任意两个分布为给定分段指示的有序岩相对(k1，k2)识别的岩相，那么方法前进至图9中的过程940，在过程940，依赖于与过程930类似的图9中的过程940形成的规则，从指示岩相的三元组、四元组...、n元组中识别岩相。这是特征融合的步骤(b)(ii)(2)。

[0083] 根据其出现率高于人工分类的结果内的其它岩相的出现率(所述人工分类是对具有由给定测量或计算的量的分布或由特征标记指示的岩相的给定有序n元组的代表性样本的某测试集合的分类)，找出最通常与具有由给定测量的或计算的(包括小波变换)量的分布指示，或者由特征标记指示的岩相的给定有序n元组相关联的岩相。此外，可在图9的过程945中推断，并在图10的1055中应用从在图9的过程935中找出的类进行的排除法，最后在过程950中定义回退规则，并在图10的过程1065中应用该回退规则。

[0084] 在图10的方法中，过程1005包括如果指示的岩相属于可由给定分段的第一性质分布单独识别的较大岩相集合或子集，那么根据用所述分布指示的岩相，对于所述分段指定岩相。这对应于当识别的岩相和指示的岩相相同时的特征融合的步骤(b)(i)。如果询问结果为真(是)，那么由分布d1识别的岩相被选为最终结果(过程1010)。如果询问结果为假(否)，那么方法前进至过程1020。

[0085] 图10的过程1020对应于图9的查找930的应用：规则根据由该分段的第一特征分布指示的岩相k1，和由标度wj下的对应小波系数分布指示的岩相k2j(j＝1，...，n)，对于给定分段指定岩相k2，如果岩相k2可由这些分布指示的有序岩相对(k1，k2j)识别，并且由第一特征分布指示的岩相不属于可用该分布单独识别的较大岩相集合或子集的话。图10的过程1020是关于两个分布的特征融合的步骤(b)(ii)(1)的实现。如果询问结果为真(是)，那么识别的岩相k2被选择为最终结果(过程1025)。如果询问结果为假(否)，那么方法进入过程1040。

[0086] 在过程1040，确定是否存在可由用d1的分布和一些其它特征分布对于给定分段指示的有序岩相m元组(k1，k2，...，km)识别的单个岩相k，其中，k1不能由d1单独识别，并且不存在可由用d1和任何其它分布指示的有序岩相对识别的任何岩相。如果询问结果为真(是)，那么岩相k被选为最终结果(过程1045)。如果询问结果为假(否)，那么方法前进至过程1055，在过程1055，确定是否存在与某些双岩相或三岩相封闭类的类性质一致的给定分段的比较结果。如果询问结果为真(是)，那么使用排除法来识别最终结果(过程1060)。如果询问结果是否定的，那么使用回退规则(过程1065)。

[0087] 对部分的实际钻井OBMI电阻率数据(在图5a-b的第4列所示的520)测试了按照图1、6和7中所示的本发明实施例的特征提取和特征融合。这种情况下获得了很好的结果。初步测试的结果指出对于粗略均匀分布在7个岩相内的50个样本，成功率约为80％，除了仅存在若干泥浆和沙质块状流的样本。由于正确和不正确识别的岩相跨越所有这7个岩相，因此这种成功率极其不可能归因于随机挑选，或者严重倾向于一个或两个岩相的挑选。

[0088] 如上所述，图5a的第1列显示γ射线测井曲线505；第3列示出了沿井眼向下的测量深度，第4列示出了标称化的电阻率迹线；第5列标记从分段算法得到的分段边界；图5a的第6列显示每个1英尺数据的电阻率(即，像素直方图)，第7-9列显示对数标度的每个3英尺数据(第7列)、对数标度的1英尺数据(第8列)和线性标度的1英尺数据(第
9列)在1/16英尺标度下的小波系数分布。

[0089] 图5a的第2列示出了由人工判读识别的地质岩相索引。在第2列中，用于标记岩相的数字与关于在图7a-b中所示的类的例子的描述中使用的数字相同。

[0090] 现在参见图5a的第13-16列，第13-16列示例了按照图6中所示的方法获得的中间分类结果。这些结果被表示为除以10的岩相代码和对应的相似性度量-关于电阻率的第13列中的岩相代码(除以10)，在1/32、1/16和1/8英尺标度下的小波系数的第14列。第15和16列显示用于分别匹配1/16英尺标度和1/8英尺标度小波系数分布与岩相训练
2
样本的分布的概率(Q(x，v))。

[0091] 如上所述，图5a的第17-20列与第13-16列类似，不同之处在于岩相8的训练样本不同。如图5a中所示，在第19和20列中显示的概率分别与第15和16列中相同，除了与岩相8训练样本的匹配概率之外(例如，在被示出为在该图中x500英尺以下的区域中)。

[0092] 图5a的第21-23列分别类似于第17-19列(具有相同的训练样本)，除了较大的分段未被分成3英尺的块之外。与第13和17列相反，在第21列中，在x519英尺以下没有任何变化。

[0093] 表1中示出了代表性测试分段，和根据图5的第13-14列中的中间分类结果，对该部分图像测井曲线分配的最终岩相。在通过常规分段获得的所有分段中，代表性测试分段只是完全在地质岩相分段(图5的第2列)内，并且不越过第4列的OBMI图像上的正弦曲线形状的厚层边界的那些分段。按照这种方式，评估分类的准确性。表1还示出了用按照本发明实施例的方法获得的分类结果和用人工图像分类获得并且示于图5a-b的第2列的分类之间的比较。

[0094]深度(英尺) 最终岩相识别人工判读的岩相一致？
x451.5-x454.5 7 7 是
x469-x469.5 1 1 是
x487-x489.5 1 1 是
x501-x504 8 8 是
x505.75-x508 11 8 否
x511.75-x513.75 8 6 否
x513.75-x516.75 10 11 否
x541.25-x543 1 1 是
x543.75-x546.75 10 10 是
x583-x586 8 8 是
x605-x608 11 11 是
x615-x617 11 11 是
x626-x629 10 10 是

[0095] 表1

[0096] 表1很好地示例了对于关心的样本分段，用自动方法得到的岩相和人工判读的岩相之间约80％的一致性。在对50个样本测试该方法时也得到这种一致性。在图5a的第14列中显示的在1/16和1/8英尺标度下的小波系数分布都指示用于分段[x505.75-x508]的正确的类。另外，注意关于更大分段的分类，诸如在图5a的第21列中示出的分类识别用于分段[x513.75-x516.75]的正确的类。

[0097] 尽管基于目前被认为最实际并且优选的实施例详细举例说明了本发明，但应理解这样的细节只是用于举例说明，并且本发明并不局限于公开的实施例，相反，本发明意图覆盖在附加权利要求的精神和范围内的修改和等同安排。例如，尽管这里提及计算机，但这可包括通用计算机，专用计算机，包括机器可执行指令并被编程为执行所述方法的ASIC，计算机阵列或网络，或者其它适当的计算设备。另外，例如，本发明尽可能地预期任意实施例的一个或多个特征可与任何其它实施例的一个或多个实施例组合。

标题	发布/更新时间	阅读量
一种油气资源评价中外部氢指数的确立方法及其应用	2020-05-19	878
一种富Hf矿物或岩石进行Hf同位素分析方法及系统	2020-05-15	195
一种应用地质、地球物理和地球化学方法示踪油气运移路径的方法	2020-05-20	790
一种Ti掺杂α-Al2O3透明陶瓷热释光材料的制备方法	2020-05-21	652
一种石油钻井岩芯库岩芯架	2020-05-21	258
石榴石化合物和其制造方法、使用了该石榴石化合物的发光装置和装饰物及该石榴石化合物的使用方法	2020-05-24	958
砂岩油气输导层地球物理-地质-地球化学检测方法及装置	2020-05-18	390
一种地质剖面图同岩性地层间界线接触在线检测与消去方法	2020-05-18	836
彩色可定型魔画	2020-05-13	72
精确测量固体体积玻璃仪	2020-05-13	384

岩相分类系统和方法

岩相分类系统和方法

技术领域

背景技术

发明内容

附图说明

具体实施方式

该功能需要专业版企业版VIP权限，您可以：