(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210925841.8 (22)申请日 2022.08.03 (71)申请人 中国石油大 学(北京) 地址 102249 北京市昌平区府学路18号 (72)发明人 杨磊磊　姜福杰　周子杰　徐柯　 操应林　许数　宋子扬　李小伟　 刘祎　王大伟　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 专利代理师 许曼　贾磊 (51)Int.Cl. G06F 30/20(2020.01) G06K 9/62(2022.01) G06F 119/02(2020.01) (54)发明名称 基于人工智能算法的成岩参数预测模型训 练方法和预测方法 (57)摘要 本文提供一种基于人工智能算法的成岩参 数预测模型训练方法和预测方法， 包括获取多个 成岩作用样 本， 多个成岩作用样 本均包括成岩条 件参数和根据成岩条件参数演化得到的实际成 岩参数； 根据成岩作用样本和成岩条件参数的总 维度， 构建成岩参数预测初始模型； 利用成岩作 用样本训练成岩参数预测初始模 型， 直至成岩参 数预测初始模型得到的成岩参数预测值与实际 成岩参数的误差在预设误差范围内或成岩参数 预测值达到预设准确率时， 得到训练好的成岩参 数预测模型。 本方法能够根据已有的成岩作用样 本训练得到成岩参数预测模型， 从而解决成岩参 数预测计算量大、 不确定性强、 误差大， 进而 导致 储层评价精度低， 限制了油气勘探的问题。 权利要求书2页 说明书11页 附图4页 CN 115203970 A 2022.10.18 CN 115203970 A 1.一种基于人工智能算法的成岩参数 预测模型训练方法， 其特 征在于， 包括： 获取多个成岩作用样本， 多个所述成岩作用样本均包括成岩条件参数和根据成岩条件 参数演化得到的实际成岩参数； 根据所述成岩作用样本和所述成岩条件参数的总维度， 构建成岩参数 预测初始模型； 利用所述成岩作用样本训练所述成岩参数预测初始模型， 直至所述成岩参数预测初始 模型得到的成岩参数预测 值与所述实际成岩参数的误差在预设误差范围内或所述成岩参 数预测值达 到预设准确率时， 得到训练好的成岩参数 预测模型。 2.根据权利要求1所述的方法， 其特征在于， 所述成岩条件参数包括成岩作用预测周 期， 所述成岩条件参数还至少包括离子浓度、 矿物含量、 温压条件、 酸碱性、 孔隙度中的一种 或几种的组合； 所述 实际成岩参数至少包括演化时间达到所述成岩作用预测周期后的离子 浓度、 矿物含量、 温压条件、 酸碱性、 孔隙度中的一种或几种。 3.根据权利要求2所述的方法， 其特征在于， 所述成岩条件参数中至少包括的离子浓 度、 矿物含量、 温压条件、 酸碱性、 孔隙度为在某一观测时刻获得的测量值， 或为在多个观测 时刻获得的测量 值。 4.根据权利要求3所述的方法， 其特征在于， 在利用所述成岩作用样本训练所述成岩参 数预测初始模型之前， 所述方法还 包括： 对所述成岩条件参数进行特征选择， 去除所述成岩条件参数中对所述实际成岩参数影 响系数小于预设值的参数。 5.根据权利要求3所述的方法， 其特征在于， 根据 所述成岩作用样本和所述成岩条件参 数的总维度， 构建成岩参数 预测初始模型， 进一 步包括： 当所述成岩条件参数的总维度小于预设的维度阈值 时， 根据所述成岩作用样本构建机 器学习模型， 将所述机器学习模型作为成岩参数 预测初始模型； 当所述成岩条件参数的总维度 大于或等于预设的维度阈值 时， 根据所述成岩作用样本 构建深度学习网络模型， 将所述深度学习网络模型作为成岩参数 预测初始模型。 6.根据权利要求1所述的方法， 其特征在于， 在利用所述成岩作用样本训练所述成岩参 数预测初始模型之前， 所述方法还 包括： 采用随机采样方法或分层采样方法， 将 成岩作用样本按预设比例划分为训练集和测试 集； 采用如下公式对训练集中成岩条件参数进行归一 化处理： 其中， xi为训练集 中第i个维度的成岩条件参数， xi′为xi经归一化处理后的值， i的取值 范围为1至n， n为成岩条件参 数的维度； μi为第i个维度成岩条件参 数的均值， δi为第i个维度 成岩条件参数的标准差 。 7.一种成岩参数预测方法， 其特征在于， 所述预测方法应用 如权利要求1至6任意一项 所述的基于人工智能算法的成岩参数预测模型训练方法得到的成岩参数预测模型， 所述预 测方法包括： 采集成岩作用条件参数； 将所述成岩作用条件参数输入至所述成岩参数预测模型中， 得到根据 所述成岩作用条权　利　要　求　书 1/2 页 2 CN 115203970 A 2件参数预测得到的成岩参数。 8.一种基于人工智能算法的成岩参数 预测模型训练装置， 其特 征在于， 包括： 获取模块， 用于获取多个成岩作用样本， 多个所述成岩作用样本均包括成岩条件参数 和根据成岩条件参数演化得到的实际成岩参数； 构建模块， 用于根据所述成岩条件参数的总维度， 构建成岩参数 预测初始模型； 训练模块， 用于利用所述成岩作用样本训练所述成岩参数预测初始模型， 直至所述成 岩参数预测初始模型得到的成岩参数预测 值与所述实际成岩参数的误差在预设的误差范 围内或所述成岩参数 预测值达 到预设准确率时， 得到训练好的成岩参数 预测模型。 9.一种成岩参数 预测装置， 其特 征在于， 包括： 采集模块， 用于采集成岩作用条件参数； 预测模块， 用于将所述成岩作用条件参数输入至所述成岩参数预测模型中， 得到根据 所述成岩作用条件参数 预测得到的成岩参数。 10.一种计算机设备， 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计算机程序时实现如权利要求1至6任意一项 所述的方法。权　利　要　求　书 2/2 页 3 CN 115203970 A 3