您所在的位置:首页 - 科学研究 - 科研动态

科研动态

基于特征融合的微电阻率成像测井空白带无监督填充方法

中文题目:基于特征融合的微电阻率成像测井空白带无监督填充方法

论文题目:Unsupervised filling method of micro-resistivity imaging logging blank zone based on feature fusion

录用期刊/会议:电子测量技术 (北大核心)

录用时间:2024.04.18

作者列表

1) 曾祥安 中国石油大学(北京)信息科学与工程学院/人工智能学院 计算机技术专业 硕22

2) 朱丹丹 中国石油大学(北京)信息科学与工程学院/人工智能学院 计算机系教师

3) 周 昊 中国石油大学(北京)信息科学与工程学院/人工智能学院 计算机科学与技术专业 硕21

4) 徐朝晖 中国石油大学(北京)地球科学学院 地质资源与地质工程系教师

摘要:

针对微电阻率电成像测井仪器的特点导致测井成像呈现规律性空白带的问题,本文提出一种融合多尺度多层级特征的无监督填充模型及全井段填充框架用于填充空白带。填充模型采用UNet架构,利用非空白带区域电阻率数据自身的统计先验基于MAE损失进行无监督训练填充,主要通过以下2个措施对传统UNet进行改进:(1)在编码器中引入MSR-Conv,提升单层网络的多尺度表征能力;(2)在编解码特征连接环节引入多层级编码特征融合模块与信息引导模块,丰富上采样的特征尺度,减少解码过程中的信息丢失。实验结果表明:相较UNet,本文所提模型在自然场景数据集上的视觉效果与客观指标均有明显提升,其中PE降低了19.03%,SSIM提升了2.9%,PSNR提升了4.66%。全井段填充框架应用填充模型分段训练填充空白带电阻率数据后再合并,实现端到端填充单口井的微电阻率成像测井空白带,填充结果具有一定的鲁棒性,贴合实际生产场景。

背景与动机:

微电阻率成像测井测得的电阻率数据经过色标刻度标定后得到能够反映地层井壁岩石结构、裂缝等地质特征的二维图像,可为储层评价、岩性识别、油藏裂缝识别等提供重要研究依据。由于完全覆盖井眼的成本很高,导致电阻率数据存在空白区域,这增加了数据解释的难度。因此,开展空白带区域的填充工作对于精确解释储层信息至关重要。目前,基于深度学习的空白带填充算法面临两个主要问题:1)大部分算法通常采用二维井壁图像作为填充修复的主体,但当色标或比例尺发生变化时,填充结果可能不再适用,存在鲁棒性不足的问题;2)其次,基于图像的填充结果无法导入现有的测井数据分析软件中对地层进行深入分析,在实际应用中存在局限性。为了克服这些问题,本文提出一种基于特征融合的微电阻率成像测井空白带无监督填充方法,本文以测井所得电阻率数据作为填充修复主体,填充后的结果能够导入测井数据分析软件,贴合实际生产场景。此外,本文通过融合不同尺度特征,能够有效改善空白带填充的纹理细节与边缘层理连续性,从而提高测井数据的整体质量和解释的准确性。

设计与实现:

本文采用微电阻率数据作为填充修复主体,根据电阻率的相对大小可以采用不同色标刻度标定进行二维成像如图1所示,成像模式类比灰度图像。因此电阻率数据蕴含丰富的语义特征,采用基于深度图像修复模型来生成空白区域缺失的电阻率数据是可行的。θ



图1 色标刻度对比


本文利用深度学习模型自身对数据的统计先验,通过无监督训练反复迭代优化模型来填充空白带区域缺失的电阻率数据,原理如图2所示。在训练过程中,训练目标为最小化平均绝对误差(Mean Absolute Error,MAE)损失函数image002.png,即最小化输入的非空白带区域的电阻率数据与网络生成输出的非空白带区域的电阻率数据之间的差异,旨在让模型学习到从噪声到电阻率分布的映射,噪声经模型学习到的映射在空白带区域的电阻率数据可以看做对空白带区域真实值的近似拟合。



图2 算法原理


本文基于上述无监督填充方法提出一种端到端的填充全井段的电成像测井空白带的填充框架,填充模型采用UNet结构,融合了多尺度多层级特征,并且基于电成像测井的电阻率进行填充,无需复杂的转换图像的流程。填充框架如图3所示,填充模型如图4所示。



图3全井段填充框架



图4 融合多尺度多层级特征的空白带填充模型


本文填充模型采用UNet架构,通过在编码器中引入多尺度残差卷积(MSR-Conv)融合从粗到细多尺度的特征,在更细粒度级别提升单层网络的多尺度的表征能力,具体细节如图5所示。



图5 多尺度残差卷积(MSR-Conv)


同时,在编解码特征连接环节引入多层级编码特征融合模块与信息引导模块,丰富上采样的特征尺度,减少解码过程中的信息丢失,具体细节如图6和图7所示。



图6 多层级编码特征融合模块(以image011.png为例)




图7 信息引导模块

实验结果及分析:

由于电成像测井无法获取完整全井眼数据,无法对空白带填充后的电成像的整体填充效果进行量化评价,因此本文首先对人为添加条形掩膜的自然场景灰度图像进行缺失值填充实验确保填充模型有效。本文将所提模型与编码器解码器模型(Encoder-Decoder,ED)与UNet进行对比分析,客观指标的量化结果如表1所示。相比UNet模型,本文所提模型的PE减少了19.03%,SSIM提升了2.9%, PSNR提升了4.66%,说明特征融合大幅度提升了相应的客观指标,验证了本文所提空白带填充模型的有效性。

表1 自然场景对比实验结果


本文分别去除多尺度特征模块与多层级特征模块进行消融实验。通过表2中的客观指标可以看出,去除单个特征模块后各类评价指标均会存在不同程度的降低,验证了本文所提多尺度与多层级特征模块的有效性。

表2 自然场景消融实验结果


本文将设计好的电阻率空白带填充模型直接应用于真实电阻率数据,填充效果不佳。首先对电阻率数据进行分析,发现电阻率数据分布集中,同时存在极少数离群值,分析结果如图8所示。



图8 某口井电阻率数据分布频率直方图


为避免离群值影响,本文调整了输入模型的电阻率数据的归一化方式,调整后空白带填充效果得到极大改善。调整前后填充结果如图9所示。



图9 归一化调整前后模型填充空白带结果对比


本文将所提空白带填充模型与两种经典模型进行对比分析,空白带区域填充后的成像结果如图10所示。



图10电阻率填充对比实验结果


本文分别去除多尺度特征模块与多层级特征模块进行消融实验,主观视觉结果如图11所示。



图11电阻率填充消融实验结果


可以看出,使用Encoder-Decoder模型与UNet模型进行填充时,填充痕迹较明显,填充边缘层理连续性较差,空白带的填充内容的不够清晰自然,总体视觉效果较差;使用本文所提填充模型进行空白带填充后的成像结果填充痕迹基本消失,填充的空白带区域更清晰自然,总体视觉效果最佳。去除单个特征模块后,空白带填充区域会存在不同程度的模糊区域,同时增加多尺度与多层级特征模块时空白带填充区域更自然连续。

图12所示为本文使用全井段填充框架对某口实际油井的电阻率进行空白带填充后经软件成像的结果,可以看出当随意调整软件成像的比例尺后,填充模型在空白带区域生成的电阻率依旧有效,填充结果具有一定的鲁棒性,实现了端到端的微电阻率成像测井空白带填充。



图12空白带填充前后软件成像比例尺调整结果

结论:

本文提出一种基于特征融合的微电阻率成像测井空白带无监督填充模型,通过挖掘利用单口井非空白带区域的电阻率数据自身的统计先验迭代优化模型,通过捕获输入空白带填充模型微电阻率成像测井非空白带区域中的多尺度多层级特征增强模型对复杂纹理结构信息的感知,提升空白带区域的填充效果。在自然场景图像缺失值填充实验中的结果表明,通过融合多尺度多层级特征,本文所提模型在自然图像数据集上缺失值填充的视觉效果和客观指标均优于几种主流模型。同时将本文所提模型结合全井段填充框架实现端到端填充单口井空白带区域,在微电阻率成像测井电空白带填充实验中的结果表明,本文所提模型填充空白带的视觉效果最佳,可以填充不同产状岩性的空白带区域,应用全井段填充框架的子段划分尺度对空白带填充的视觉效果基本无影响,填充结果具有一定的鲁棒性。

作者简介:

朱丹丹,博士,中国石油大学(北京)信息科学与工程学院/人工智能学院智能中心副教授,硕士生导师。目前主要研究方向是强化学习和数据挖掘。

联系方式:zhu.dd@cup.edu.cn