基于HOG和熵方法的成像测井典型地质现象自动识别研究

针对成像测井资料上的裂缝、溶蚀孔洞和燧石结核地质现象在成像测井资料上的形态和分布差异,提出一种用梯度方向直方图统计量(HOG)和熵相结合计算成像测井资料上3种地质现象的特征量、并采用非线性的BP神经网络对这3种地质现象自动识别的方法.首先计算成像测井资料上3种地质现象梯度方向统计量的U1～U6和熵U7,并将其作为特征量,然后分析特征量对这些地质现象的区分性和敏感性,最后采用BP神经网络方法对塔河油田11口井的435个样本分为学习样本和测试样本进行学习回判和测试识别.试验结果表明,对裂缝有区分性和敏感的特征量有5个,分别为特征量U1、U3、U4、U5和U6;对溶蚀孔洞有区分性和敏感的特征量是U2;对燧石结核有区分性和敏感的特征量是U7.BP神经网络对221个学习样本中裂缝、溶蚀孔洞及燧石的回判正确率均为100％;对214个测试样本,BP神经网络燧石结核识别正确率为85.5％,裂缝识别正确率为88.5％,溶蚀孔洞识别正确率为84.0％.