岩心镜质体反射率的确定方法、装置、设备以及存储介质与流程

本发明涉及油气勘探，尤其涉及一种岩心镜质体反射率的确定方法、装置、设备以及存储介质。

背景技术：

1、石墨化低阻页岩储层有机质成熟度明显高于其他低阻页岩，同时含气性差于其他低阻页岩，其原因可能与高程度有机质石墨化有关，有机质发生大幅度石墨化后，会导致页岩产气能力大幅度下降。岩心镜质体反射率用ro进行表示，ro值用于评价页岩岩石的有机质成熟度，以及描述岩石中有机质的演化程度。如何准确预测ro值，并根据ro值筛选石墨化低阻页岩在单井上的发育位置，对于页岩气勘探和开发至关重要。

2、传统的ro值预测方法包括岩石学方法和地球化学方法。岩石学方法主要依靠岩石学特征(如颜色、质地等)进行判断，缺乏量化分析；而地球化学方法则是通过测定岩石中有机质的物理化学特性(如元素含量、挥发分等)进行判断，但需要取样分析，且精度有限。

技术实现思路

1、本发明提供了一种岩心镜质体反射率的确定方法、装置、设备以及存储介质，以实现准确、快速的确定页岩岩石的岩心镜质体反射率，从而实现石墨化低阻页岩的自动识别，为低阻页岩的风险勘探提供数据支撑。

2、第一方面，本发明实施例提供了一种岩心镜质体反射率的确定方法，该方法包括：

3、确定目标深度段的测井数据，并将所述测井数据输入至对抗神经网络模型，通过所述对抗神经网络模型中的生成器网络，输出与所述测井数据匹配的特征向量；

4、将所述特征向量输入至神经网络预测模型，得到神经网络模型预测值，和/或，将所述特征向量输入至随机森林预测模型，得到随机森林模型预测值；

5、根据神经网络模型预测值和/或随机森林模型预测值，确定目标深度段的岩心镜质体反射率。

6、第二方面，本发明实施例还提供了一种岩心镜质体反射率的确定装置，该装置包括：

7、特征向量确定模块，用于确定目标深度段的测井数据，并将所述测井数据输入至对抗神经网络模型，通过所述对抗神经网络模型中的生成器网络，输出与所述测井数据匹配的特征向量；

8、预测模块，用于将所述特征向量输入至神经网络预测模型，得到神经网络模型预测值，和/或，将所述特征向量输入至随机森林预测模型，得到随机森林模型预测值；

9、岩心镜质体反射率确定模块，用于根据神经网络模型预测值和/或随机森林模型预测值，确定目标深度段的岩心镜质体反射率。

10、第三方面，本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明实施例中任一所述的岩心镜质体反射率的确定方法。

11、第四方面，本发明实施例还提供了一种存储计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本发明实施例中任一所述的岩心镜质体反射率的确定方法。

12、本发明实施例的技术方案，通过将目标深度段的测井数据输入至对抗神经网络中，通过对抗神经网络的生成器网络输出特征向量，将特征向量输入至神经网络预测模型和/或随机森林预测模型，得到神经网络模型预测值和/或随机森林模型预测值，从而确定目标深度段的岩心镜质体反射率。解决了现有技术中岩心镜质体反射率的确定方式准确率较低的问题，能够准确、快速的确定页岩岩石的岩心镜质体反射率，从而实现石墨化低阻页岩的自动识别，为低阻页岩的风险勘探提供数据支撑。

13、应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种岩心镜质体反射率的确定方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述对抗神经网络模型还包括判别器网络，所述生成器网络采用稀疏自编码器的结构；

3.根据权利要求2所述的方法，其特征在于，在确定目标深度段的测井数据之前，还包括：

4.根据权利要求2所述的方法，其特征在于，在确定目标深度段的测井数据之前，还包括：

5.根据权利要求2所述的方法，其特征在于，确定历史测井数据和历史岩心镜质体反射率，包括：

6.根据权利要求5所述的方法，其特征在于，根据相关性满足预设相关性条件的测井数据类型的历史测井曲线，确定历史测井数据，包括：

7.根据权利要求1所述的方法，其特征在于，在确定目标深度段的岩心镜质体反射率之后，还包括：

8.一种岩心镜质体反射率的确定装置，其特征在于，包括：

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一所述的岩心镜质体反射率的确定方法。

10.一种存储计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的岩心镜质体反射率的确定方法。

技术总结
本发明公开了一种岩心镜质体反射率的确定方法、装置、设备以及存储介质。该方法包括：确定目标深度段的测井数据，并将所述测井数据输入至对抗神经网络模型，通过所述对抗神经网络模型中的生成器网络，输出与所述测井数据匹配的特征向量；将所述特征向量输入至神经网络预测模型，得到神经网络模型预测值，和/或，将所述特征向量输入至随机森林预测模型，得到随机森林模型预测值；根据神经网络模型预测值和/或随机森林模型预测值，确定目标深度段的岩心镜质体反射率。使用本发明的技术方案，能够实现准确、快速的确定页岩岩石的岩心镜质体反射率，从而实现石墨化低阻页岩的自动识别，为低阻页岩的风险勘探提供数据支撑。

技术研发人员：周天琪,赵群,施振生,孙莎莎,拜文华,祁灵
受保护的技术使用者：中国石油天然气股份有限公司
技术研发日：
技术公布日：2025/3/3