基于自动编码和超限学习联合网络的声波速度预测方法技术

本发明专利技术涉及一种基于自动编码和超限学习联合网络的声波速度预测方法，其主要技术特点是：准备待测区参考标准井和目标井的测井曲线资料；对所有曲线数据开展环境校正和标准化处理；构建自动编码器网络模型，通过迭代计算获得最佳关联曲线数据；构建超限学习网络模型，经迭代计算获得权值矩阵参数，确定预测模型的最优参数并得到预测模型；将预测模型应用到缺失AC曲线的井中，预测出AC曲线。本发明专利技术设计合理，能够大大提高了预测提高AC预测精度和稳定性能，并为后续储层反演及地质综合解释提供可靠的声波数据，具有较好的应用价值。

【技术实现步骤摘要】
基于自动编码和超限学习联合网络的声波速度预测方法
本专利技术属于石油勘探
，尤其是一种基于自动编码和超限学习联合网络的声波速度预测方法。
技术介绍
声波速度曲线对于地球物理反演相当重要，它是实施深度域和时间域相互转换的纽带。钻井需要通过声波速度曲线在三维地震时间剖面上定位，而要将三维地震时间域所隐含的地质意义解释为钻井和岩性相关信息，更离不开声波速度曲线的标定。但由于在勘探过程中，有些井年代久远，缺失了声波速度曲线。针对这类缺失声波曲线的井，就需要采用一定方法将其预测出来，为后续地层的解释和含油气预测提供可靠的依据。由于目标地层均深埋藏于地下，无法人为直接测量其地质属性。目前主要采用声、电、磁等技术手段对岩石开展间接测量，然后按照一定的标准解释获取岩石和地层(如含流体)信息。声波曲线(简称为AC)就是利用声波传播反射特性来间接测量岩石地球物理属性。此外，伽玛曲线(简称为GR)、电阻曲线(简称为RD)、自然电位曲线(简称为SP)、中子测井曲线(简称为CNL)和补偿密度曲线(简称为DEN)等均是通过将相关仪器放入井下开展测量后，采集绘图并经过环境校正后获得的单井成果。对于同一套地层本文档来自技高网...

【技术保护点】
一种基于自动编码和超限学习联合网络的声波速度预测方法，其特征在于包括以下步骤：步骤1：准备待测区参考标准井和目标井的测井曲线资料；步骤2：对所有曲线数据开展环境校正和标准化处理；步骤3：构建自动编码器网络模型，通过迭代计算获得最佳关联曲线数据；步骤4：以自动编码网络的输出数据为数据集并该数据集为训练集、验证集和测试集，构建超限学习网络模型，经迭代计算获得权值矩阵参数，确定预测模型的最优参数并得到预测模型；步骤5：将预测模型应用到缺失AC曲线的井中，预测出AC曲线。

【技术特征摘要】
1.一种基于自动编码和超限学习联合网络的声波速度预测方法，其特征在于包括以下步骤：步骤1：准备待测区参考标准井和目标井的测井曲线资料；步骤2：对所有曲线数据开展环境校正和标准化处理；步骤3：构建自动编码器网络模型，通过迭代计算获得最佳关联曲线数据；步骤4：以自动编码网络的输出数据为数据集并该数据集为训练集、验证集和测试集，构建超限学习网络模型，经迭代计算获得权值矩阵参数，确定预测模型的最优参数并得到预测模型；步骤5：将预测模型应用到缺失AC曲线的井中，预测出AC曲线。2.根据权利要求1所述的基于自动编码器和超限学习联合网络的声波速度预测方法，其特征在于：所述步骤1测井曲线资料包括自然伽玛曲线、补偿密度曲线、中子测井曲线、深侧向电阻率曲线、自然电位曲线曲线和目标AC数据。3.根据权利要求1所述的基于自动编码器和超限学习联合网络的声波速度预测方法，其特征在于：所述步骤2采用如下公式对曲线数据进行标准化处理并得到0至1之间的标准数据：式中Lmin为该曲线在研究层段的最小值，Lmax为该曲线在研究层段的最大值。4.根据权利要求1所述的基于自动编码器和超限学习联合网络的声波速度预...

【专利技术属性】
技术研发人员：曹鉴华，史艳翠，王丹，张贤坤，
申请(专利权)人：天津科技大学，
类型：发明
国别省市：天津,12