基于多尺度传感器知识传递的跨油田储层分类

摘要

储层分类是油气工业勘探和生产过程中的一个重要步骤。适当的储层自动分类不仅可以减少专家的人工工作量，还可以帮助石油公司有效地做出优化决策，从而大大降低成本。现有方法主要侧重于在单个地质区块内进行储层分类，但在新油田区块上效果不佳。事实上，如何在地质油田之间转换地下特征并进行准确的储层分类是一个非常重要但具有挑战性的问题。为此，本文对跨油田油藏分类任务进行了重点研究。具体地说，我们首先提出了一种多尺度传感器提取（MSE）方法，从多元测井曲线中提取地质特征的多尺度特征表示。此外，我们还设计了一个编解码模块，即特定特征学习（SFL），以利用这两个油田的特定信息。然后，我们开发了一个知识注意转移（KAT）模块，学习特征的非变异表示，并将地质知识从源油田转移到目标油田。最后，我们通过使用真实工业数据集进行广泛的实验来评估我们的方法。实验结果清楚地证明了我们提出的方法在传递地质知识和生成跨油田油藏分类方面的有效性。