CN117166996B - 地质参数门槛值的确定方法、装置、设备及存储介质 - Google Patents
地质参数门槛值的确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117166996B CN117166996B CN202310935548.4A CN202310935548A CN117166996B CN 117166996 B CN117166996 B CN 117166996B CN 202310935548 A CN202310935548 A CN 202310935548A CN 117166996 B CN117166996 B CN 117166996B
- Authority
- CN
- China
- Prior art keywords
- data
- value
- matrix
- group
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Geology (AREA)
- Software Systems (AREA)
- Mining & Mineral Resources (AREA)
- Algebra (AREA)
- Environmental & Geological Engineering (AREA)
- Probability & Statistics with Applications (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Fluid Mechanics (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Computing Systems (AREA)
- Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)
- Geophysics And Detection Of Objects (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供地质参数门槛值的确定方法、装置、设备及存储介质,该方法包括:首先,获取目标参数的M组数据集,然后,将每组数据集均匀分为N个分组且每个分组对应一个分组数据,并将M组数据集组合成M行N列的矩阵或N行M列的矩阵;接着,基于不同的N值对应的矩阵以及预设的门槛值确定模型,确定每个N值对应的矩阵的模型数值。最后,基于每个N值对应的矩阵的模型数值与该矩阵的行列数相对应的F分布表中的F值,确定目标参数的门槛值。通过采用本发明提供的地质参数门槛值的确定方法,将门槛值的确定实现了定量化和科学化,减少由于地质参数的数据量达不到门槛值而出现的资源量评估误差。
Description
技术领域
本发明涉及非常规油气资源技术领域,尤其涉及一种地质参数门槛值的确定方法、装置、设备及存储介质。
背景技术
非常规油气是指用传统技术无法获得自然工业产量,需用新技术改善储层渗透率或流体黏度等,才能经济开采的、连续或准连续型聚集的油气资源。非常规油气主要包括致密和超致密砂岩油气、页岩油气、超重(稠)油、沥青砂岩、煤层气、水溶气、天然气水合物等。
在对非常规油气进行资源量评价的重点与难点始终在于如何给出科学合理的资源量或储量,而相关地质参数的选取数量是直接影响资源量计算精度的最主要因素。针对某一个地质参数而言,采样数据越多,相应的在资源量计算时的准确度也会越高。但是,在地质勘测中,每获取一个采样数据则需要耗费大量的采样时间和成本。如何在降低采样成本的同时,提高资源量评价的准确度,是目前最为关心的问题。
然而,在非常规油气领域,缺乏地质参数门槛值的确定方法,导致勘测人员在对未知区块进行勘测时,无法确定最少需要多少个采样数据,从而影响后续资源量评价的准确度。
发明内容
本发明实施例提供了一种地质参数门槛值的确定方法、装置、设备及存储介质,以解决目前无法确定待研究的地质参数采样数据数量的最小值的问题。
第一方面,本发明实施例提供了一种地质参数门槛值的确定方法,包括:
获取目标参数的M组数据集,其中,目标参数是待勘测地区内的待确定门槛值的任意一个地质参数,待勘测地区内包括多个已知区块,每组数据集为任意一个已知区块内的目标参数的多个采样数据,且任意两组数据集均为不同已知区块的数据,每组数据集中的数据数量相同,M≥3;
将每组数据集均匀分为N个分组且每个分组对应一个分组数据,并将M组数据集组合成M行N列的矩阵或N行M列的矩阵,N为正整数,N小于等于每组数据集中数据的总数;
基于不同的N值对应的矩阵以及预设的门槛值确定模型,确定每个N值对应的矩阵的模型数值;
基于每个N值对应的矩阵的模型数值与该矩阵的行列数相对应的F分布表中的F值,确定目标参数的门槛值。
在一种可能的实现方式中,将每组数据集均匀分为N个分组且每个分组对应一个分组数据,包括:
基于每组数据集中数据的总数,将每组数据集均匀分为N个分组;
对每组数据集中的每个分组内的所有数据进行整合处理,以得到每个分组对应的分组数据。
在一种可能的实现方式中,对每组数据集中的每个分组内的所有数据进行整合处理,以得到每个分组对应的分组数据,包括:
将每组数据集中的每个分组内的所有数据的平均数、众数或中位数确定为每个分组对应的分组数据。
在一种可能的实现方式中,当M组数据集组合成N行M列的矩阵时,预设的门槛值确定模型D为:
其中,
在一种可能的实现方式中,基于每个N值对应的矩阵的模型数值与该矩阵的行列数相对应的F分布表中的F值,确定目标参数的门槛值,包括:
基于每个N值对应的矩阵的行列数,确定与该N值对应的矩阵的F分布表中的F值;
将F值大于模型数值的矩阵,确定为符合门槛条件的矩阵;
并从所有符合门槛条件的矩阵中筛选出模型数值最小的矩阵;
将模型数值最小的矩阵对应的每个分组内的数据的数量值作为目标参数的门槛值。
在一种可能的实现方式中,确定方法还包括:
根据目标参数的门槛值,确定待勘测地区内未知区块的最小采样点的数量;其中,未知区块是指正在开采的区块或还未开采的区块。
在一种可能的实现方式中,待勘测区块储藏有非常规油气资源,非常规油气资源包括以下任一项:页岩气、页岩油、煤气层、致密砂岩气、超致密砂岩气、致密砂岩油。
第二方面,本发明实施例提供了一种地质参数门槛值的确定装置,包括:
数据获取模块,用于获取目标参数的M组数据集,其中,目标参数是待勘测地区内的待确定门槛值的任意一个地质参数,待勘测地区内包括多个已知区块,每组数据集为任意一个已知区块内的目标参数的多个采样数据,且任意两组数据集均为不同已知区块的数据,每组数据集中的数据数量相同,M≥3;
分组模块,用于将每组数据集均匀分为N个分组且每个分组对应一个分组数据,并将M组数据集组合成M行N列的矩阵或N行M列的矩阵,N为正整数,N小于等于每组数据集中数据的总数;
第一确定模块,用于基于不同的N值对应的矩阵以及预设的门槛值确定模型,确定每个N值对应的矩阵的模型数值;
第二确定模块,用于基于每个N值对应的矩阵的模型数值与该矩阵的行列数相对应的F分布表中的F值,确定目标参数的门槛值。
在一种可能的实现方式中,分组模块,用于基于每组数据集中数据的总数,将每组数据集均匀分为N个分组;
对每组数据集中的每个分组内的所有数据进行整合处理,以得到每个分组对应的分组数据。
在一种可能的实现方式中,分组模块,用于将每组数据集中的每个分组内的所有数据的平均数、众数或中位数确定为每个分组对应的分组数据。
在一种可能的实现方式中,当M组数据集组合成N行M列的矩阵时,预设的门槛值确定模型D为:
其中,
在一种可能的实现方式中,第二确定模块,用于基于每个N值对应的矩阵的行列数,确定与该N值对应的矩阵的F分布表中的F值;
将F值大于模型数值的矩阵,确定为符合门槛条件的矩阵;
并从所有符合门槛条件的矩阵中筛选出模型数值最小的矩阵;
将模型数值最小的矩阵对应的每个分组内的数据的数量值作为目标参数的门槛值。
在一种可能的实现方式中,第二确定模块,用于根据目标参数的门槛值,确定待勘测地区内未知区块的最小采样点的数量;其中,未知区块是指正在开采的区块或还未开采的区块。
在一种可能的实现方式中,待勘测区块储藏有非常规油气资源,非常规油气资源包括以下任一项:页岩气、页岩油、煤气层、致密砂岩气、超致密砂岩气、致密砂岩油。
第三方面,本发明实施例提供了一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
本发明实施例提供一种地质参数门槛值的确定方法、装置、设备及存储介质,首先,获取目标参数的M组数据集,然后,将每组数据集均匀分为N个分组且每个分组对应一个分组数据,并将M组数据集组合成M行N列的矩阵或N行M列的矩阵;接着,基于不同的N值对应的矩阵以及预设的门槛值确定模型,确定每个N值对应的矩阵的模型数值。最后,基于每个N值对应的矩阵的模型数值与该矩阵的行列数相对应的F分布表中的F值,确定目标参数的门槛值。通过采用本发明提供的地质参数门槛值的确定方法,将门槛值的确定实现了定量化和科学化,减少由于地质参数的数据量达不到门槛值而出现的资源量评估误差。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的地质参数门槛值的确定方法的实现流程图;
图2是本发明实施例提供的地质参数门槛值的确定装置的结构示意图;
图3是本发明实施例提供的电子设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图通过具体实施例来进行说明。
在对某一未知区块进行地质条件分析时,通常存在对采样数据处理时,没有设定最低数据量门槛值的情况,即通过实验或野外勘测测定出目标参数的几个采样数据后,就会使用这几个采样数据代表该地质参数进行后续的资源量运算。但是可能会存在由于采样数据量过少,其不能完整反映该区块该参数的整体情况,降低了数据的可信度。由于对采样数据的处理是资源评价的第一步,若采样数据的可信度偏低,势必影响后续计算等步骤的可信度,从而降低资源评价的可信度。
为了解决现有技术问题,本发明实施例提供了一种地质参数门槛值的确定方法、装置、设备及存储介质。下面首先对本发明实施例所提供的地质参数门槛值的确定方法进行介绍。
参见图1,其示出了本发明实施例提供的地质参数门槛值的确定方法的实现流程图,详述如下:
步骤S110、获取目标参数的M组数据集。
目标参数是待勘测地区内的待确定门槛值的任意一个地质参数。在资源量计算的过程中,不同的计算方式对应不同的地质参数,可以根据资源量的确定方式,确定需要使用的地质参数。
地质参数可以为页岩面积、厚度或标准区含气量等,此处就不一一列举。
待勘测地区内包括多个已知区块和未知区块。未知区块是指正在开采的区块或未开采的区块。
待勘测区块储藏有非常规油气资源,非常规油气资源包括以下任一项:页岩气、页岩油、煤气层、致密砂岩气、超致密砂岩气、致密砂岩油。
每组数据集为任意一个已知区块内的目标参数的多个采样数据,且任意两组数据集均为不同已知区块的数据,每组数据集中的数据数量相同,M≥3。
步骤S120、将每组数据集均匀分为N个分组且每个分组对应一个分组数据,并将M组数据集组合成M行N列的矩阵或N行M列的矩阵。
N为正整数,N小于等于每组数据集中数据的总数
在一些实施例中,为了便于确定目标参数的门槛值,可以首先,每组数据集中数据的总数,将每组数据集均匀分为N个分组。然后,每组数据集中数据的总数,将每组数据集均匀分为N个分组。
门槛值是指在进行资源量评价时,目标参数需要的数据量的下限值,即为门槛值。
在此实施例中,可以将每组数据集中的每个分组内的所有数据的平均数、众数或中位数确定为每个分组对应的分组数据。
众数是指是指一组数据中出现次数最多的那个数据,一组数据可以有多个众数,也可以没有众数。当有多个众数时,可以将多个众数的均值作为该组数据的分组数据。当没有众数时,则可以将该组数据的平均值作为该组数据的分组数据。
中位数是指按顺序排列的一组数据中居于中间位置的数,代表一个样本、种群或概率分布中的一个数值,其可将数值集合划分为相等的上下两部分。
例如,一组数据为A、B、C、A、D、A、E、G、F、B共10个采样数据,将该组数据均分为2组时,其中一个分组为A、B、C、A、D,另一个分组为A、E、G、F、B,每个分组可以采用每个分组内的所有数据的平均数、众数或中位数确定为每个分组对应的分组数据。
该组数据还可以均分为5组,其中一个分组为A、B,第二个分组为C、A,第三个分组为D、A,第四个分组为E、G,第五个分组为F、B,每个分组可以采用每个分组内的所有数据的平均数、众数或中位数确定为每个分组对应的分组数据。
步骤S130、基于不同的N值对应的矩阵以及预设的门槛值确定模型,确定每个N值对应的矩阵的模型数值。
根据分组数量N的不同,可以将数据集分为多种矩阵。
在一些实施例中,以M组数据集组合成N行M列的矩阵为例进行说明,预设的门槛值确定模型D为:
其中,是行因素的平均值,/> 是列因素的平均值,/> 是总平均值,/>
根据N值不同时的不同矩阵,然后将矩阵中的数据输入至预设的门槛值确定模型中,即可得到每个N值对应的矩阵的模型数值。
示例性的,需要确定待勘测地区内的TOC的门槛值,那么可以获取待勘测地区内的4个已知区块内的4组TOC的数据集,每组数据集包括12个TOC的采样数据。第一组数据集为A1、A2、A3、A4、A5、A6、A7、A8、A9、A10、A11、A12。第二组数据集为B1、B2、B3、B4、B5、B6、B7、B8、B9、B10、B11、B12。第三组数据集为C1、C2、C3、C4、C5、C6、C7、C8、C9、C10、C11、C12。第四组数据集为D1、D2、D3、D4、D5、D6、D7、D8、D9、D10、D11、D12。
首先,将每组数据集均分为2个分组,那么每个分组对应一个分组数据,每组数据集就变为2个分组数据。第一组数据集变为A21、A22,第二组数据集变为B21、B22,第三组数据集变为C21、C22,第四组数据集变为D21、D22。将4组数据集组合成为2行4列的矩阵。每个分组数据可以根据实际应该场景确定使用平均数、众数或中位数确定为每个分组对应的分组数据,此处不做限定。
该矩阵M2为:
根据该矩阵M2即可确定该矩阵的对应的模型数值D2。
然后,将每组数据均分为3个分组,那么每个分组对应一个分组数据,每组数据集就变为3个分组数据。第一组数据集变为A31、A32、A33,第二组数据集变为B31、B32、B33,第三组数据集变为C31、C32、C33,第四组数据集变为D31、D32、D33。将4组数据集组合成为3行4列的矩阵。该矩阵M3为:
根据该矩阵M3即可确定该矩阵的对应的模型数值D3。
接着,将每组数据均分为4个分组,那么每个分组对应一个分组数据,每组数据集就变为4个分组数据。第一组数据集变为A41、A42、A43、A44,第二组数据集变为B41、B42、B43、B44,第三组数据集变为C41、C42、C43、C44,第四组数据集变为D41、D42、D43、D44。将4组数据集组合成为4行4列的矩阵。该矩阵M4为:
根据该矩阵M4即可确定该矩阵的对应的模型数值D4。
次之,将每组数据均分为6个分组,那么每个分组对应一个分组数据,每组数据集就变为6个分组数据。第一组数据集变为A61、A62、A63、A64、A65、A66,第二组数据集变为B61、B62、B63、B64、B65、B66,第三组数据集变为C61、C62、C63、C64、C65、C66,第四组数据集变为D61、D62、D63、D64、D65、D66。将4组数据集组合成为6行4列的矩阵。该矩阵M6为:
根据该矩阵M6即可确定该矩阵的对应的模型数值D6。
最后,将每组数据均分为12个分组,那么每个分组对应一个分组数据,每组数据集就变为12个分组数据。第一组数据集为A1、A2、A3、A4、A5、A6、A7、A8、A9、A10、A11、A12。第二组数据集为B1、B2、B3、B4、B5、B6、B7、B8、B9、B10、B11、B12。第三组数据集为C1、C2、C3、C4、C5、C6、C7、C8、C9、C10、C11、C12。第四组数据集为D1、D2、D3、D4、D5、D6、D7、D8、D9、D10、D11、D12。将4组数据集组合成为12行4列的矩阵。该矩阵M12为:
根据该矩阵M12即可确定该矩阵的对应的模型数值D12。
步骤S140、基于每个N值对应的矩阵的模型数值与该矩阵的行列数相对应的F分布表中的F值,确定目标参数的门槛值。
在一些实施例中,可以根据以下步骤确定目标参数的门槛值,具体为:
步骤S1401、基于每个N值对应的矩阵的行列数,确定与该N值对应的矩阵的F分布表中的F值。
F分布表是一种连续概率分布,被广泛应用于似然比率检验。
因为每个N值都会对应一个行列数不同的矩阵,因此可以根据其行列数确定该矩阵对应的F值。
仍然以步骤S130中的示例进行说明,矩阵M2为2行4列的矩阵,对应的模型数值D2,在F分布表中对应的F值为F2。矩阵M3为3行4列的矩阵,对应的模型数值D3,在F分布表中对应的F值为F3。矩阵M4为4行4列的矩阵,对应的模型数值D4,在F分布表中对应的F值为F4。矩阵M6为6行4列的矩阵,对应的模型数值D6,在F分布表中对应的F值为F6。矩阵M12为12行4列的矩阵,对应的模型数值D12,在F分布表中对应的F值为F12。
步骤S1402、将F值大于模型数值的矩阵,确定为符合门槛条件的矩阵。
将上面的数据进行比较,并将F值大于D值的矩阵确定为符合门槛条件的矩阵。若没有符合条件的矩阵,那么说明12个数据太少,就需要更多的采样数据,重新进行分析。
如D值大于对应的F值,那么说明该分组方法对总体结果存在影响,该分组存在组间差异,该分组的数据量不能达到门槛值的要求。
如D值小于对应的F值,那么说明该分组方法对总体结果不存在影响,该分组不存在组间差异,该分组的数据量能达到门槛值的要求。
步骤S1403、并从所有符合门槛条件的矩阵中筛选出模型数值最小的矩阵。
如果有多个符合的矩阵,那么就从符合要求的所有矩阵中挑选出模型数值D最小的矩阵。
步骤S1404、将模型数值最小的矩阵对应的每个分组内的数据的数量值作为目标参数的门槛值。
在得到门槛值后,为了进一步验证门槛值的准确度,还可以通过地质相关强度系数R2验证数据的相关性。
地质相关强度系数R2公式如下:
求出R2即可得出该参数与不同地区条件关联程度大小。
本发明提供地质参数门槛值的确定方法,首先,获取目标参数的M组数据集,然后,将每组数据集均匀分为N个分组且每个分组对应一个分组数据,并将M组数据集组合成M行N列的矩阵或N行M列的矩阵;接着,基于不同的N值对应的矩阵以及预设的门槛值确定模型,确定每个N值对应的矩阵的模型数值。最后,基于每个N值对应的矩阵的模型数值与该矩阵的行列数相对应的F分布表中的F值,确定目标参数的门槛值。通过采用本发明提供的地质参数门槛值的确定方法,将门槛值的确定实现了定量化和科学化,减少由于地质参数的数据量达不到门槛值而出现的资源量评估误差。
此外,本发明将目标参数的门槛值与对应地质参数相结合,从而提出将统计学与地质条件结合的研究思路,便于更准确地提高后续资源量评价的准确度。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
基于上述实施例提供的地质参数门槛值的确定方法,相应地,本发明还提供了应用于该地质参数门槛值的确定方法的地质参数门槛值的确定装置的具体实现方式。请参见以下实施例。
如图2所示,提供了一种地质参数门槛值的确定装置200,该装置包括:
数据获取模块210,用于获取目标参数的M组数据集,其中,目标参数是待勘测地区内的待确定门槛值的任意一个地质参数,待勘测地区内包括多个已知区块,每组数据集为任意一个已知区块内的目标参数的多个采样数据,且任意两组数据集均为不同已知区块的数据,每组数据集中的数据数量相同,M≥3;
分组模块220,用于将每组数据集均匀分为N个分组且每个分组对应一个分组数据,并将M组数据集组合成M行N列的矩阵或N行M列的矩阵,N为正整数,N小于等于每组数据集中数据的总数;
第一确定模块230,用于基于不同的N值对应的矩阵以及预设的门槛值确定模型,确定每个N值对应的矩阵的模型数值;
第二确定模块240,用于基于每个N值对应的矩阵的模型数值与该矩阵的行列数相对应的F分布表中的F值,确定目标参数的门槛值。
在一种可能的实现方式中,分组模块220,用于基于每组数据集中数据的总数,将每组数据集均匀分为N个分组;
对每组数据集中的每个分组内的所有数据进行整合处理,以得到每个分组对应的分组数据。
在一种可能的实现方式中,分组模块220,用于将每组数据集中的每个分组内的所有数据的平均数、众数或中位数确定为每个分组对应的分组数据。
在一种可能的实现方式中,当M组数据集组合成N行M列的矩阵时,预设的门槛值确定模型D为:
其中,
在一种可能的实现方式中,第二确定模块240,用于基于每个N值对应的矩阵的行列数,确定与该N值对应的矩阵的F分布表中的F值;
将F值大于模型数值的矩阵,确定为符合门槛条件的矩阵;
并从所有符合门槛条件的矩阵中筛选出模型数值最小的矩阵;
将模型数值最小的矩阵对应的每个分组内的数据的数量值作为目标参数的门槛值。
在一种可能的实现方式中,第二确定模块240,用于根据目标参数的门槛值,确定待勘测地区内未知区块的最小采样点的数量;其中,未知区块是指正在开采的区块或还未开采的区块。
在一种可能的实现方式中,待勘测区块储藏有非常规油气资源,非常规油气资源包括以下任一项:页岩气、页岩油、煤气层、致密砂岩气、超致密砂岩气、致密砂岩油。
图3是本发明实施例提供的电子设备的示意图。如图3所示,该实施例的电子设备3包括:处理器30、存储器31以及存储在所述存储器31中并可在所述处理器30上运行的计算机程序32。所述处理器30执行所述计算机程序32时实现上述各个地质参数门槛值的确定方法实施例中的步骤,例如图1所示的步骤110至步骤140。或者,所述处理器30执行所述计算机程序32时实现上述各装置实施例中各模块的功能,例如图2所示模块210至240的功能。
示例性的,所述计算机程序32可以被分割成一个或多个模块,所述一个或者多个模块被存储在所述存储器31中,并由所述处理器30执行,以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序32在所述电子设备3中的执行过程。例如,所述计算机程序32可以被分割成图3所示的模块210至240。
所述电子设备3可包括,但不仅限于,处理器30、存储器31。本领域技术人员可以理解,图3仅仅是电子设备3的示例,并不构成对电子设备3的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述电子设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器30可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器31可以是所述电子设备3的内部存储单元,例如电子设备3的硬盘或内存。所述存储器31也可以是所述电子设备3的外部存储设备,例如所述电子设备3上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器31还可以既包括所述电子设备3的内部存储单元也包括外部存储设备。所述存储器31用于存储所述计算机程序以及所述电子设备所需的其他程序和数据。所述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/电子设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/电子设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个地质参数门槛值的确定方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质等。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (6)
1.一种地质参数门槛值的确定方法,其特征在于,包括:
获取目标参数的M组数据集,其中,所述目标参数是待勘测地区内的待确定门槛值的任意一个地质参数,所述待勘测地区内包括多个已知区块,每组数据集为任意一个已知区块内的所述目标参数的多个采样数据,且任意两组数据集均为不同已知区块的数据,每组数据集中的数据数量相同,M≥3;
基于每组数据集中数据的总数,将每组数据集均匀分为N个分组,将所述每组数据集中的每个分组内的所有数据的平均数、众数或中位数确定为每个分组对应的分组数据,并将所述M组数据集组合成M行N列的矩阵或N行M列的矩阵,N为正整数,N小于等于每组数据集中数据的总数;
基于不同的N值对应的矩阵以及预设的门槛值确定模型,确定每个N值对应的矩阵的模型数值;
基于每个N值对应的矩阵的行列数,确定与该N值对应的矩阵的F分布表中的F值,将F值大于模型数值的矩阵,确定为符合门槛条件的矩阵;并从所有符合门槛条件的矩阵中筛选出模型数值最小的矩阵;将模型数值最小的矩阵对应的每个分组内的数据的数量值作为所述目标参数的门槛值;
其中,当所述M组数据集组合成N行M列的矩阵时,所述预设的门槛值确定模型D为:
其中,
2.如权利要求1所述的确定方法,其特征在于,所述确定方法还包括:
根据所述目标参数的门槛值,确定所述待勘测地区内未知区块的最小采样点的数量;其中,所述未知区块是指正在开采的区块或还未开采的区块。
3.如权利要求1或2所述的确定方法,其特征在于,所述待勘测地区储藏有非常规油气资源,所述非常规油气资源包括以下任一项:页岩气、页岩油、煤气层、致密砂岩气、超致密砂岩气、致密砂岩油。
4.一种地质参数门槛值的确定装置,其特征在于,包括:
数据获取模块,用于获取目标参数的M组数据集,其中,所述目标参数是待勘测地区内的待确定门槛值的任意一个地质参数,所述待勘测地区内包括多个已知区块,每组数据集为任意一个已知区块内的所述目标参数的多个采样数据,且任意两组数据集均为不同已知区块的数据,每组数据集中的数据数量相同,M≥3;
分组模块,用于基于每组数据集中数据的总数,将每组数据集均匀分为N个分组,将所述每组数据集中的每个分组内的所有数据的平均数、众数或中位数确定为每个分组对应的分组数据,并将所述M组数据集组合成M行N列的矩阵或N行M列的矩阵,N为正整数,N小于等于每组数据集中数据的总数;
第一确定模块,用于基于不同的N值对应的矩阵以及预设的门槛值确定模型,确定每个N值对应的矩阵的模型数值;
第二确定模块,用于基于每个N值对应的矩阵的行列数,确定与该N值对应的矩阵的F分布表中的F值,将F值大于模型数值的矩阵,确定为符合门槛条件的矩阵;并从所有符合门槛条件的矩阵中筛选出模型数值最小的矩阵;将模型数值最小的矩阵对应的每个分组内的数据的数量值作为所述目标参数的门槛值;
其中,当所述M组数据集组合成N行M列的矩阵时,所述预设的门槛值确定模型D为:
其中,
5.一种电子设备,其特征在于,包括存储器和处理器,所述存储器用于存储计算机程序,所述处理器用于调用并运行所述存储器中存储的计算机程序,执行如权利要求1至3任一项所述的方法。
6.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至3任一项所述方法的步骤。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310935548.4A CN117166996B (zh) | 2023-07-27 | 2023-07-27 | 地质参数门槛值的确定方法、装置、设备及存储介质 |
PCT/CN2023/116604 WO2024103921A1 (zh) | 2023-07-27 | 2023-09-01 | 地质参数门槛值的确定方法、装置、设备及存储介质 |
ZA2024/02367A ZA202402367B (en) | 2023-07-27 | 2024-03-20 | Method, device, equipment and storage medium for determining threshold value of geological |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310935548.4A CN117166996B (zh) | 2023-07-27 | 2023-07-27 | 地质参数门槛值的确定方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117166996A CN117166996A (zh) | 2023-12-05 |
CN117166996B true CN117166996B (zh) | 2024-03-22 |
Family
ID=88938284
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310935548.4A Active CN117166996B (zh) | 2023-07-27 | 2023-07-27 | 地质参数门槛值的确定方法、装置、设备及存储介质 |
Country Status (3)
Country | Link |
---|---|
CN (1) | CN117166996B (zh) |
WO (1) | WO2024103921A1 (zh) |
ZA (1) | ZA202402367B (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5999902A (en) * | 1995-03-07 | 1999-12-07 | British Telecommunications Public Limited Company | Speech recognition incorporating a priori probability weighting factors |
KR20090068856A (ko) * | 2007-12-24 | 2009-06-29 | 한국정보통신대학교 산학협력단 | 음소레벨 로그우도 비율 분포와 음소 지속시간 분포에 의한단어음색 모델 기반 발화검증 시스템 및 방법 |
CN103902751A (zh) * | 2012-12-27 | 2014-07-02 | 中国地质大学(北京) | 油藏数值模拟的边界处理方法及装置 |
CN106199702A (zh) * | 2016-07-19 | 2016-12-07 | 中国地质大学(北京) | 地震数据存储磁带掉磁粉产生的异常振幅压制方法 |
WO2017003840A1 (en) * | 2015-07-02 | 2017-01-05 | Schlumberger Technology Corporation | Method of performing additional oilfield operations on existing wells |
WO2018097765A1 (ru) * | 2016-11-24 | 2018-05-31 | Виктор Николаевич ЛИТУЕВ | Способ диагностики неинфекционных заболеваний на основе статистических методов обработки данных |
CN108305298A (zh) * | 2018-01-17 | 2018-07-20 | 湖北工业大学 | 一种基于数独矩阵索引的图像可恢复信息隐藏方法 |
CN108846555A (zh) * | 2018-05-24 | 2018-11-20 | 四川大学 | 一种电力负荷大数据缺失值的高效精确填补法 |
CN109490963A (zh) * | 2017-09-13 | 2019-03-19 | 中国石油化工股份有限公司 | 裂缝储层岩石物理建模方法及系统 |
CN111177644A (zh) * | 2019-12-20 | 2020-05-19 | 中国移动通信集团江苏有限公司 | 模型参数的优化方法、装置、设备及存储介质 |
WO2021026545A1 (en) * | 2019-08-06 | 2021-02-11 | Exxonmobil Upstream Research Company | Petrophysical inversion with machine learning-based geologic priors |
CN113723706A (zh) * | 2021-09-07 | 2021-11-30 | 中国地质大学(北京) | 页岩气井重复压裂产能预测方法、装置、终端及存储介质 |
CN114755740A (zh) * | 2021-01-08 | 2022-07-15 | 中国石油天然气股份有限公司 | 岩石分布确定方法、装置、设备及介质 |
CN114862285A (zh) * | 2022-07-06 | 2022-08-05 | 中国长江三峡集团有限公司 | 生态流量的评价方法和装置、电子设备和存储介质 |
CN115101135A (zh) * | 2022-07-13 | 2022-09-23 | 中海油田服务股份有限公司 | 岩石物理参数敏感度分析方法及装置 |
CN115204277A (zh) * | 2022-06-27 | 2022-10-18 | 中国科学院数学与系统科学研究院 | 一种基于多阈值量化输出观测的渐近最优岩性预测方法 |
CN115859008A (zh) * | 2021-09-24 | 2023-03-28 | 北京猿力未来科技有限公司 | 解题模型的训练方法及装置 |
CN116137061A (zh) * | 2023-04-20 | 2023-05-19 | 北京睿芯通量科技发展有限公司 | 数量统计模型的训练方法、装置、电子设备及存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10198535B2 (en) * | 2010-07-29 | 2019-02-05 | Exxonmobil Upstream Research Company | Methods and systems for machine-learning based simulation of flow |
WO2020086238A1 (en) * | 2018-10-26 | 2020-04-30 | Exxonmobil Upstream Research Company | Elastic full wavefield inversion with refined anisotropy and vp/vs models |
CN111441758B (zh) * | 2018-12-29 | 2021-03-30 | 中国石油天然气股份有限公司 | 页岩油气甜点区的预测方法及装置 |
CN110210121A (zh) * | 2019-05-31 | 2019-09-06 | 成都理工大学 | 一种隧道大变形灾害的动态风险获取方法 |
CA3156233A1 (en) * | 2019-10-28 | 2021-05-06 | Conocophillips Company | Integrated machine learning framework for optimizing unconventional resource development |
CN114240212B (zh) * | 2021-12-22 | 2024-09-24 | 中国地质大学(北京) | 地质参数对资源量影响权重的确定方法及设备 |
CN115358285B (zh) * | 2022-07-11 | 2023-06-20 | 中国地质大学(北京) | 待勘测区块关键地质参数的选取方法、装置、及设备 |
-
2023
- 2023-07-27 CN CN202310935548.4A patent/CN117166996B/zh active Active
- 2023-09-01 WO PCT/CN2023/116604 patent/WO2024103921A1/zh unknown
-
2024
- 2024-03-20 ZA ZA2024/02367A patent/ZA202402367B/en unknown
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5999902A (en) * | 1995-03-07 | 1999-12-07 | British Telecommunications Public Limited Company | Speech recognition incorporating a priori probability weighting factors |
KR20090068856A (ko) * | 2007-12-24 | 2009-06-29 | 한국정보통신대학교 산학협력단 | 음소레벨 로그우도 비율 분포와 음소 지속시간 분포에 의한단어음색 모델 기반 발화검증 시스템 및 방법 |
CN103902751A (zh) * | 2012-12-27 | 2014-07-02 | 中国地质大学(北京) | 油藏数值模拟的边界处理方法及装置 |
WO2017003840A1 (en) * | 2015-07-02 | 2017-01-05 | Schlumberger Technology Corporation | Method of performing additional oilfield operations on existing wells |
CN106199702A (zh) * | 2016-07-19 | 2016-12-07 | 中国地质大学(北京) | 地震数据存储磁带掉磁粉产生的异常振幅压制方法 |
WO2018097765A1 (ru) * | 2016-11-24 | 2018-05-31 | Виктор Николаевич ЛИТУЕВ | Способ диагностики неинфекционных заболеваний на основе статистических методов обработки данных |
CN109490963A (zh) * | 2017-09-13 | 2019-03-19 | 中国石油化工股份有限公司 | 裂缝储层岩石物理建模方法及系统 |
CN108305298A (zh) * | 2018-01-17 | 2018-07-20 | 湖北工业大学 | 一种基于数独矩阵索引的图像可恢复信息隐藏方法 |
CN108846555A (zh) * | 2018-05-24 | 2018-11-20 | 四川大学 | 一种电力负荷大数据缺失值的高效精确填补法 |
WO2021026545A1 (en) * | 2019-08-06 | 2021-02-11 | Exxonmobil Upstream Research Company | Petrophysical inversion with machine learning-based geologic priors |
CN111177644A (zh) * | 2019-12-20 | 2020-05-19 | 中国移动通信集团江苏有限公司 | 模型参数的优化方法、装置、设备及存储介质 |
CN114755740A (zh) * | 2021-01-08 | 2022-07-15 | 中国石油天然气股份有限公司 | 岩石分布确定方法、装置、设备及介质 |
CN113723706A (zh) * | 2021-09-07 | 2021-11-30 | 中国地质大学(北京) | 页岩气井重复压裂产能预测方法、装置、终端及存储介质 |
CN115859008A (zh) * | 2021-09-24 | 2023-03-28 | 北京猿力未来科技有限公司 | 解题模型的训练方法及装置 |
CN115204277A (zh) * | 2022-06-27 | 2022-10-18 | 中国科学院数学与系统科学研究院 | 一种基于多阈值量化输出观测的渐近最优岩性预测方法 |
CN114862285A (zh) * | 2022-07-06 | 2022-08-05 | 中国长江三峡集团有限公司 | 生态流量的评价方法和装置、电子设备和存储介质 |
CN115101135A (zh) * | 2022-07-13 | 2022-09-23 | 中海油田服务股份有限公司 | 岩石物理参数敏感度分析方法及装置 |
CN116137061A (zh) * | 2023-04-20 | 2023-05-19 | 北京睿芯通量科技发展有限公司 | 数量统计模型的训练方法、装置、电子设备及存储介质 |
Non-Patent Citations (4)
Title |
---|
High-speed quantum cascade laser at room temperature;Y. H. Zhou;S. Q. Zhai;J. Liu;F. Liu;ELECTRONICS LETTERS;20160401(7);548-549 * |
Taste Recognition Threshold Concentrations of Styrene in Oil-in-Water Emulsions and Yoghurts;Jozef P H Linssen;J P H Linssen et a1;19931231;457-462 * |
多元规一法在页岩油气勘查评价中的应用-以辽河西部凹陷沙三中亚段为例;于京都;张金川;毛俊丽;孙睿;国土资源科技管理;20150215;32(001);86-92 * |
装载机传动系载荷谱的测取与应用研究;张英爽;工程科技Ⅱ辑;20140915;15-76 * |
Also Published As
Publication number | Publication date |
---|---|
ZA202402367B (en) | 2024-04-24 |
WO2024103921A1 (zh) | 2024-05-23 |
CN117166996A (zh) | 2023-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111753041B (zh) | 数据聚合渲染方法、装置、系统、电子设备及存储介质 | |
CN106844781B (zh) | 数据处理的方法及装置 | |
CN110827924B (zh) | 基因表达数据的聚类方法、装置、计算机设备及存储介质 | |
CN108805174A (zh) | 聚类方法及装置 | |
CN114693875A (zh) | 点云可视化优化方法、系统、电子设备及存储介质 | |
CN113392010B (zh) | 公共组件测试方法、装置、电子设备及存储介质 | |
CN117166996B (zh) | 地质参数门槛值的确定方法、装置、设备及存储介质 | |
CN113032071B (zh) | 页面元素定位方法、页面测试方法、装置、设备和介质 | |
CA3131106A1 (en) | Method, device and system for processing service data by merging sorting algorithm | |
CN117671044A (zh) | 一种图像处理方法、装置、电子设备及介质 | |
CN113869455B (zh) | 无监督聚类方法、装置、电子设备及介质 | |
US20110099215A1 (en) | System and method to identify a median value | |
CN116883793A (zh) | 面向遥感分类结果精度评价的多粒度空间抽样方法 | |
CN113406429B (zh) | 一种电子计量装置检测方法、装置、存储介质及电子设备 | |
CN110781973B (zh) | 物品识别模型训练方法、物品识别方法、装置及电子设备 | |
CN115862653A (zh) | 音频去噪方法、装置、计算机设备和存储介质 | |
CN113962365A (zh) | 神经网络的量化方法、装置、计算机设备及存储介质 | |
CN112698877B (zh) | 数据处理方法及系统 | |
US11177018B2 (en) | Stable genes in comparative transcriptomics | |
CN113065071A (zh) | 一种产品信息推荐方法及计算机设备 | |
CN112989193A (zh) | 数据处理方法、装置、电子设备及计算机存储介质 | |
US20160246920A1 (en) | Systems and methods of improved molecule screening | |
US20240302963A1 (en) | Method, electronic device, and computer program product for data detection | |
CN107743094B (zh) | 路由接入方法及路由接入装置 | |
CN116842327B (zh) | 资源量评价中异常数据的处理方法、装置及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |