本發(fā)明書實施例涉及地熱地質領域，具體涉及一種基于機器學習的地熱資源評價方法、裝置及設備。

背景技術：

1、現(xiàn)今地溫場反映了地球內部各種動力學過程之間的能量平衡狀態(tài)，是開展區(qū)域地熱資源潛力勘探與評價的基礎。目前可信度最高的獲取現(xiàn)今地溫場的方法是直接測量法，即通過鉆井對地下溫度進行直接測量，從而計算地溫分布，地溫梯度及大地熱流等地熱參數(shù)，構建區(qū)域現(xiàn)今地溫場，進行地熱資源評價。但受限于鉆井分布不均，并非所有地熱勘探區(qū)均有充足的深部鉆井資料以供地熱資源勘探。

2、相關技術中，對于缺少鉆井資料的地熱勘探區(qū)，多數(shù)學者通過各種間接因素和主觀傾向對地熱勘探區(qū)中地層的深部溫度進行直接估算。

3、上述方法往往由于對地熱勘探區(qū)地下特征的不完全了解而與實際出現(xiàn)較大的偏差，精確度往往也差強人意，因而如何在缺少鉆井資料的條件下開展精確度較高的地熱資源勘探是如今地熱資源優(yōu)勢區(qū)圈定與劃分中亟待解決的關鍵問題。

技術實現(xiàn)思路

1、本說明書實施例的目的是提供一種基于機器學習的地熱資源評價方法、裝置及設備，以在缺少鉆井資料的條件下提高地熱資源勘探的精確度。

2、一方面，本說明書實施例提出了一種基于機器學習的地熱資源評價方法，所述方法包括：獲取在第一地熱勘探區(qū)內所選定的多個觀測點的地質數(shù)據(jù)；根據(jù)所述第一地熱勘探區(qū)內多個觀測點的地質數(shù)據(jù)，選定第二地熱勘探區(qū)；獲取第二地熱勘探區(qū)內多個鉆井點的數(shù)據(jù)集，所述多個鉆井點的數(shù)據(jù)集包括鉆井點的地質數(shù)據(jù)、鉆井點的地熱參數(shù)以及鉆井點的地熱資源評價標簽；根據(jù)所述多個鉆井點的數(shù)據(jù)集，訓練地熱參數(shù)預測模型和地熱資源評價模型；根據(jù)所述多個觀測點的地質數(shù)據(jù)，利用訓練得到的地熱參數(shù)預測模型和地熱資源評價模型，獲取第一地熱勘探區(qū)的地熱資源評價結果。

3、又一方面，一種基于機器學習的地熱資源評價裝置，所述裝置包括：第一獲取模塊，用于獲取在第一地熱勘探區(qū)內所選定的多個觀測點的地質數(shù)據(jù)；選定模塊，用于根據(jù)所述第一地熱勘探區(qū)內多個觀測點的地質數(shù)據(jù)，選定第二地熱勘探區(qū)；第二獲取模塊，用于獲取第二地熱勘探區(qū)內多個鉆井點的數(shù)據(jù)集，所述多個鉆井點的數(shù)據(jù)集包括鉆井點的地質數(shù)據(jù)、鉆井點的地熱參數(shù)以及鉆井點的地熱資源評價標簽；訓練模塊，用于根據(jù)所述多個鉆井點的數(shù)據(jù)集，訓練地熱參數(shù)預測模型和地熱資源評價模型；第三獲取模塊，用于根據(jù)所述多個觀測點的地質數(shù)據(jù)，利用訓練得到的地熱參數(shù)預測模型和地熱資源評價模型，獲取第一地熱勘探區(qū)的地熱資源評價結果。

4、再一方面，提供了一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執(zhí)行上述基于機器學習的地熱資源評價方法。

5、最后，本發(fā)明實施例還提供了一種計算機存儲介質，其上存儲有計算機指令，計算機指令被計算機設備的處理器運行時，執(zhí)行上述基于機器學習的地熱資源評價方法。

6、由以上本說明書實施例提供的技術方案可見，本說明書實施例獲取在第一地熱勘探區(qū)內所選定的多個觀測點的地質數(shù)據(jù)；根據(jù)所述第一地熱勘探區(qū)內多個觀測點的地質數(shù)據(jù)，選定第二地熱勘探區(qū)；獲取第二地熱勘探區(qū)內多個鉆井點的數(shù)據(jù)集，所述多個鉆井點的數(shù)據(jù)集包括鉆井點的地質數(shù)據(jù)、鉆井點的地熱參數(shù)以及鉆井點的地熱資源評價標簽；根據(jù)所述多個鉆井點的數(shù)據(jù)集，訓練地熱參數(shù)預測模型和地熱資源評價模型；根據(jù)所述多個觀測點的地質數(shù)據(jù)，利用訓練得到的地熱參數(shù)預測模型和地熱資源評價模型，獲取第一地熱勘探區(qū)的地熱資源評價結果。和現(xiàn)有方法相比，機器學習模型對數(shù)據(jù)的學習和歸納能力可以更好、更客觀地對缺少鉆井資料的地熱勘探區(qū)進行地熱資源評價，從而能夠提高缺少鉆井資料條件下地熱勘探的精確度。本說明書實施例的技術方案對于缺少鉆井資料條件下地熱資源勘探有利區(qū)的圈定與劃分有著重要意義。

技術特征：

1.一種基于機器學習的地熱資源評價方法，其特征在于，包括：

2.根據(jù)權利要求1所述方法，其特征在于，所述地質數(shù)據(jù)至少包括：居里面深度、莫霍面深度、航磁異常數(shù)據(jù)、布格重力異常數(shù)據(jù)、海拔高程數(shù)據(jù)、經緯度和與其他斷層距離；

3.根據(jù)權利要求1所述方法，其特征在于，所述選定第二地熱勘探區(qū)，包括：

4.根據(jù)權利要求1所述方法，其特征在于，所述訓練地熱參數(shù)預測模型和地熱資源評價模型，包括：

5.根據(jù)權利要求4所述方法，其特征在于，所述訓練地熱參數(shù)預測模型和地熱資源評價模型，包括：

6.根據(jù)權利要求1所述方法，其特征在于，所述獲取第一地熱勘探區(qū)的地熱資源評價結果，包括：

7.根據(jù)權利要求6所述方法，其特征在于，所述獲取第一地熱勘探區(qū)的地熱資源評價結果，包括：

8.一種基于機器學習的地熱資源評價裝置，其特征在于，包括：

9.一種基于機器學習的地熱資源評價設備，其特征在于，包括處理器以及用于存儲處理器可執(zhí)行指令的存儲器，所述處理器執(zhí)行所述指令時實現(xiàn)權利要求1至7中任一項所述方法的步驟。

10.一種計算機可讀存儲介質，其特征在于，其上存儲有計算機指令，所述指令被處理器執(zhí)行時實現(xiàn)權利要求1至7中任一項所述方法的步驟。

技術總結
本說明書涉及地熱地質學領域，尤其涉及一種基于機器學習的地熱資源評價方法、裝置及設備。包括：獲取在第一地熱勘探區(qū)內所選定的多個觀測點的地質數(shù)據(jù)；根據(jù)第一地熱勘探區(qū)內多個觀測點的地質數(shù)據(jù)，選定第二地熱勘探區(qū)；獲取第二地熱勘探區(qū)內多個鉆井點的數(shù)據(jù)集；根據(jù)多個鉆井點的數(shù)據(jù)集，訓練地熱參數(shù)預測模型和地熱資源評價模型；根據(jù)多個觀測點的地質數(shù)據(jù)，利用訓練得到的地熱參數(shù)預測模型和地熱資源評價模型，獲取第一地熱勘探區(qū)的地熱資源評價結果。本說明書實施例利用機器學習模型學習根據(jù)地質數(shù)據(jù)預測地熱參數(shù)及評價地熱資源的能力，提高了在缺少鉆井資料條件下地熱資源勘探的精確度，對于地熱資源勘探有利區(qū)的圈定與劃分有著重要意義。

技術研發(fā)人員：宋佳霖,馮乾乾,邱楠生,朱傳慶,廖珂琰,龍康杰
受保護的技術使用者：中國石油大學（北京）
技術研發(fā)日：
技術公布日：2025/1/2