一种基于生成对抗网络的智能沉积相成图方法和装置与流程

本申请涉及沉积相，特别是涉及一种基于生成对抗网络的智能沉积相成图方法和装置。

背景技术：

1、沉积相是河流三角洲沉积单元中的沉积环境的重要数据，沉积相的研究是剩余油分布情况和地下流体流动规律的研究的前提。沉积相研究成果重要的视觉表现形式是沉积相带图，其从平面上的角度来反映当前区域具有的沉积规律，描述了目标范围中具体地层单元的各种沉积相的空间分布情况，为设计与规划工程建设提供主要依据。

2、早期沉积相带图主要采用手工方式，随着手工绘制图幅效率低等问题越来越突出，国内许多油田和专业公司都开展了该方面的研究。目前，通常采用三角网格法和插值方法，实现了计算机辅助人工解释实现沉积相带图的绘制。

3、然而目前的沉积相带图自动生成过程仍面临诸多难题，首先，图幅的绘制步骤复杂，数据准备繁琐，需要大量的人为干预，造成绘图效率低的问题；其次，图幅的自动绘制并没有将人工经验融入到绘制过程中，无法体现区域沉积特征，形成的沉积相带图存在着河道砂体跨井排不连通问题，无法指导油田开发，给进一步应用带来了困难。

技术实现思路

1、基于此，针对上述技术问题，提供一种基于生成对抗网络的智能沉积相成图方法和装置，以解决现有沉积相带图自动生成方法没有将人工经验融入到绘制过程中的技术问题。

2、为了实现上述目的，本申请提供如下技术方案：

3、第一方面，一种基于生成对抗网络的智能沉积相成图方法，包括：

4、s1，获取专家绘制好的多张沉积相带图，并对所述专家绘制好的多张沉积相带图进行预处理；

5、s2，根据所述专家绘制好的多张沉积相带图，生成相应多张井位图；

6、s3，将所述专家绘制好的多张沉积相带图和多张井位图以预设尺寸进行切割，得到多张沉积相带图切片和多张井位图切片；

7、s4，将所述多张沉积相带图切片与多张井位图切片一一对应，组成训练样本对集合；

8、s5，对所述训练样本对集合进行乱序处理，并根据预设比例关系将所述训练样本对集合划分为训练数据集、验证数据集、测试数据集；

9、s6，构建条件约束生成对抗网络模型，并利用所述训练数据集训练所述条件约束生成对抗网络模型；所述条件约束生成对抗网络模型以所述训练数据集中的井位图切片为输入图像，以所述训练数据集中的沉积相带图切片为标签图像；

10、s7，将所述测试数据集中的井位图切片输入到训练好的条件约束生成对抗网络模型中，生成相应多张沉积相图片。

11、可选地，所述对所述专家绘制好的多张沉积相带图进行预处理，包括将所述专家绘制好的多张沉积相带图根据预设比例尺和图像输出比例进行调整。

12、可选地，步骤s2具体包括：

13、根据所述专家绘制好的多张沉积相带图中包含的沉积相颜色创建点符号；

14、创建点符号模板，所述点符号模板的点符号风格与该点符号模板的相应沉积相类型相对应；

15、利用所述点符号模板将所述多张沉积相带图分别转换为井位图。

16、可选地，所述预设尺寸为512pixel*512pixel。

17、可选地，所述预设比例关系为6:2:2。

18、可选地，步骤s6中所述构建条件约束生成对抗网络模型，包括构建所述条件约束生成对抗网络模型的生成器模型和判别器模型；所述生成器模型采用u-net，所述判别器模型采用patchgan。

19、进一步可选地，步骤s7中所述将所述测试数据集中的井位图切片输入训练好的条件约束生成对抗网络模型中，具体是将所述测试数据集中的井位图切片输入训练好的生成器模型中。

20、第二方面，一种基于生成对抗网络的智能沉积相成图装置，其特征在于，包括：

21、沉积相带图获取模块，用于获取专家绘制好的多张沉积相带图，并对所述专家绘制好的多张沉积相带图进行预处理；

22、井位图生成模块，用于根据所述专家绘制好的多张沉积相带图，生成相应多张井位图；

23、切割模块，用于将所述专家绘制好的多张沉积相带图和多张井位图以预设尺寸进行切割，得到多张沉积相带图切片和多张井位图切片；

24、训练样本对集合组成模块，用于将所述多张沉积相带图切片与多张井位图切片一一对应，组成训练样本对集合；

25、划分模块，用于对所述训练样本对集合进行乱序处理，并根据预设比例关系将所述训练样本对集合划分为训练数据集、验证数据集、测试数据集；

26、生成对抗网络模型训练模块，用于构建条件约束生成对抗网络模型，并利用所述训练数据集训练所述条件约束生成对抗网络模型；所述条件约束生成对抗网络模型以所述训练数据集中的井位图切片为输入图像，以所述训练数据集中的沉积相带图切片为标签图像；

27、沉积相图片生成模块，用于将所述测试数据集中的井位图切片输入到训练好的条件约束生成对抗网络模型中，生成相应多张沉积相图片。

28、第三方面，一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面中任一项所述的方法的步骤。

29、第四方面，一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤。

30、本发明至少具有以下有益效果：

31、本发明实施例提供了一种基于生成对抗网络的沉积相带图的智能成图方法，以pix2pix gan这类图像转化模型为参考，基于现有专家绘制的沉积相带图作为学习样本，构建了条件约束生成对抗网络模型；该模型的输入图像为井位图像，标签图像为专家绘制的沉积相图像，训练得到的模型能够从井位图生成沉积相图；生成的模型中的生成对抗网络能够很好地抽象和再现复杂的空间模式特征，进而生成与专家绘制的相图相似的、具备地质模式知识和条件约束能力的沉积相带图，为沉积相自动成图领域提供了一种高质量的智能成图方法；由于该模型的训练过程利用了已有的专家绘制的沉积相带图作为学习样本，实现将人工经验融入到绘制过程中，能够体现区域沉积特征，能够更好地指导油田开发。

技术特征：

1.一种基于生成对抗网络的智能沉积相成图方法，其特征在于，包括：

2.根据权利要求1所述的基于生成对抗网络的智能沉积相成图方法，其特征在于，所述对所述专家绘制好的多张沉积相带图进行预处理，包括将所述专家绘制好的多张沉积相带图根据预设比例尺和图像输出比例进行调整。

3.根据权利要求1所述的基于生成对抗网络的智能沉积相成图方法，其特征在于，步骤s2具体包括：

4.根据权利要求1所述的基于生成对抗网络的智能沉积相成图方法，其特征在于，所述预设尺寸为512pixel*512pixel。

5.根据权利要求1所述的基于生成对抗网络的智能沉积相成图方法，其特征在于，所述预设比例关系为6:2:2。

6.根据权利要求1所述的基于生成对抗网络的智能沉积相成图方法，其特征在于，步骤s6中所述构建条件约束生成对抗网络模型，包括构建所述条件约束生成对抗网络模型的生成器模型和判别器模型；所述生成器模型采用u-net，所述判别器模型采用patchgan。

7.根据权利要求6所述的基于生成对抗网络的智能沉积相成图方法，其特征在于，步骤s7中所述将所述测试数据集中的井位图切片输入训练好的条件约束生成对抗网络模型中，具体是将所述测试数据集中的井位图切片输入训练好的生成器模型中。

8.一种基于生成对抗网络的智能沉积相成图装置，其特征在于，包括：

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。

技术总结
本发明公开了一种基于生成对抗网络的智能沉积相成图方法和装置。方法包括：获取专家绘制好的多张沉积相带图，生成相应多张井位图；将专家绘制好的多张沉积相带图和多张井位图进行切割，得到多张沉积相带图切片和多张井位图切片，组成训练样本对集合，并划分训练数据集、验证数据集、测试数据集；以训练数据集中的井位图切片和沉积相带图切片分别为输入图像和标签图像，训练条件约束生成对抗网络模型；将测试数据集中的井位图切片输入到训练好的条件约束生成对抗网络模型中，生成相应多张沉积相图片。本发明利用了已有的专家绘制的沉积相带图作为学习样本，实现将人工经验融入到绘制过程中；生成的模型能够很好地抽象和再现复杂的空间模式特征。

技术研发人员：矫树春,袁钢辉,董旭淼,崔文武,唐勇,穆兴,杜仲,杨磊
受保护的技术使用者：北京金阳普泰石油技术股份有限公司
技术研发日：
技术公布日：2024/1/15