System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及油气井勘探领域,尤其涉及一种油气井横波速度最佳参数选择方法、设备及存储介质。
技术介绍
1、横波速度是油气井开发中的一个重要测井参数。在测井过程中,获取横波速度的方法包括使用偶极声波测井和室内岩石物理实验测量。与其他测井参数相比,横波速度的测量成本较高,因此在一些实际测井数据中可能缺乏横波速度信息。由于不同测井参数之间存在复杂的非线性关系,因此通常需要使用预测方法来获取横波速度。
2、近年来,深度学习作为一种强大的机器学习方法,已经成熟并被广泛应用。通过建立深层映射模型,深度学习可以有效地捕捉测井参数之间的复杂关系,为横波速度的准确预测提供了有效的工具。在这个过程中,选取适当的特征集至关重要,但是训练神经网络模型不能将全部测井参数都作为特征参数输入,过多的特征参数会导致计算量大幅增加、模型过于冗余、维度灾难等问题。
3、筛选特征参数有助于提高模型的性能、泛化能力和解释性,同时降低计算复杂度。针对训练模型的特征参数选择的常规方法一般是直接计算每个参数与横波速度的pearson相关系数或者是spearman秩相关系数但是pearson相关系数对异常值敏感,不适合非线性关系的数据,而spearman秩相关系数对于小样本数据可能不够稳定,对非线性关系也不敏感。
4、深度学习网络本身就适合挖掘数据之间的强非线性关系,因而直接利用常规方法去筛选用来训练模型的特征参数不一定准确,计算相关系数可能无法捕捉到参数之间的复杂交互效应,某些参数可能在多元回归中不具有强相关性,但在模型的非线性部分中可能
技术实现思路
1、为了解决现有技术在预测油气井横波速度时的输入参数选择不准确的技术问题,本专利技术提供了一种油气井横波速度最佳参数选择方法、设备及存储介质。
2、其中方法包括以下步骤:
3、s1:获取已测量横波速度的油气井的各种测井数据;
4、s2:对测井数据进行预处理,并将预处理后的数据划分为训练集与验证集;
5、s3:在训练集中逐个排除特征参数,利用剩余的特征参数,构建不同的特征子集;利用不同的特征子集训练横波速度预测神经网络,得到不同特征子集对应的训练完成的网络;
6、s4、利用验证集测试不同特征子集对应的训练完成的网络,得到不同网络性能的拟合决定系数;
7、s5、根据不同网络性能的拟合决定系数进行从高到低的排序,对应得到不同特征子集对横波速度预测的影响程度;
8、s6:将拟合决定系数低于第一预设值对应特征子集排除的特征参数进行集合,得到初步测井参数组合;在初步测井参数组合中,进行参数两两相关性分析,当相关性高于第二预设值时,在两相关性参数之间选择一种重要性更高的参数;所述重要性更高的参数,指去掉该参数后,对应其特征子集的拟合决定系数更低;
9、s7:将进行参数选择后,筛选得到的测井参数组合作为最终优选的测井参数组合。
10、一种存储介质,所述存储介质存储指令及数据用于实现一种油气井横波速度最佳参数选择方法。
11、一种油气井横波速度最佳参数选择设备,包括:处理器及所述存储介质;所述处理器加载并执行所述存储介质中的指令及数据用于实现一种油气井横波速度最佳参数选择方法。
12、本专利技术提供的有益效果是:
13、1、针对有限种类的测井参数,训练模型时工作量不大。
14、2、考虑了特征之间的共线性问题,能够捕捉特征之间的相互影响。
15、3、提供了明确的特征参数对模型性能的影响量化,以及详细的特征参数重要性排名,相较于相关性分析,这种方法更适合作为模型训练的优化测井参数选择依据。
本文档来自技高网...【技术保护点】
1.一种油气井横波速度最佳参数选择方法,其特征在于:方法包括以下步骤:
2.如权利要求1所述的一种油气井横波速度最佳参数选择方法,其特征在于:步骤S1中,所述各种测井参数包括用于测量横波速度的全部测井参数。
3.如权利要求1所述的一种油气井横波速度最佳参数选择方法,其特征在于:所述预处理包括:缺项填充、异常值替换和归一化处理。
4.如权利要求1所述的一种油气井横波速度最佳参数选择方法,其特征在于:所述训练集与验证集均包括:特征部分和标签部分;所述特征部分为不同的测井参数,所述标签部分为横波速度。
5.如权利要求4所述的一种油气井横波速度最佳参数选择方法,其特征在于:步骤S3构建特征子集的过程如下:
6.如权利要求1所述的一种油气井横波速度最佳参数选择方法,其特征在于:所述横波速度预测神经网络采用1D-CNN与LSTM的组合模型。
7.如权利要求1所述的一种油气井横波速度最佳参数选择方法,其特征在于:步骤S3中进行网络训练时,利用同一特征子集进行多次重复训练,得到多个拟合决定系数,将多个拟合决定系数取平均值后,
8.一种存储介质,其特征在于:所述存储介质存储指令及数据用于实现权利要求1~7任一项所述的一种油气井横波速度最佳参数选择方法。
9.一种油气井横波速度最佳参数选择设备,其特征在于:包括:处理器及存储介质;所述处理器加载并执行存储介质中的指令及数据用于实现权利要求1~7任一项所述的一种油气井横波速度最佳参数选择方法。
...【技术特征摘要】
1.一种油气井横波速度最佳参数选择方法,其特征在于:方法包括以下步骤:
2.如权利要求1所述的一种油气井横波速度最佳参数选择方法,其特征在于:步骤s1中,所述各种测井参数包括用于测量横波速度的全部测井参数。
3.如权利要求1所述的一种油气井横波速度最佳参数选择方法,其特征在于:所述预处理包括:缺项填充、异常值替换和归一化处理。
4.如权利要求1所述的一种油气井横波速度最佳参数选择方法,其特征在于:所述训练集与验证集均包括:特征部分和标签部分;所述特征部分为不同的测井参数,所述标签部分为横波速度。
5.如权利要求4所述的一种油气井横波速度最佳参数选择方法,其特征在于:步骤s3构建特征子集的过程如下:
6.如权利要求1所...
【专利技术属性】
技术研发人员:习付晨,林勇,刘致水,刘少勇,
申请(专利权)人:中国地质大学武汉,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。