一种基于对抗神经网络的含水饱和度预测方法和系统技术方案

本发明专利技术公开了一种基于对抗神经网络的含水饱和度预测方法，所述方法包括：S1：通过AVO三参数反演方法得到地下介质参数；S2：使用Aki‑Richards对地下介质参数进行近似；得到弹性参数；S3：根据弹性参数构建Xu‑White模型，预测纵波速度、横波速度和密度；输入含水饱和度，利用对抗神经网络对所述目标函数进行迭代优化，得到满足精度的含水饱和度SW计算结果。本发明专利技术的优点是：有效提升含水饱和度的预测精度，提高预测效率，适用于小样本测井数据。

【技术实现步骤摘要】

本专利技术涉及人工智能油气勘探，特别涉及一种基于对抗神经网络的含水饱和度预测方法和系统。

技术介绍

1、含水饱和度(sw)是油藏描述和评价的重要参数之一，怎样通过测井数据来可靠的估计这个重要参数是人们当前想要解决的问题，常用的估计含水饱和度的方法是利用经验公式或者是使用回归算法等技术来估计含水饱和度，但是含水饱和度的估计精度和可靠性难以满足实际需要，目前对含水饱和度预测使用最多的是阿奇定理，含水饱和度具有非均质性和各向异性的特点，但是阿奇定理，没有将地下复杂的各向异性情况考虑进去，估计的含水饱和度存在误差，与实际的含水饱和度相差较大。

2、现有技术一

3、随着人工智能算法的飞速发展，越来越多的学者将神经网络应用到地球物理勘探领域，现有技术[曾宪华,耿新宇,黄小燕.基于模糊神经网络的储集层含水饱和度预测[j].系统仿真学报,2003,(5):735-736,741]提出了使用模糊神经网络来对含水饱和度进行预测，可以通过动态调整步长的方法，避免较大震荡现象的出现，同时也可以减少迭代的时间。

4、现有技术一的缺点

本文档来自技高网...

【技术保护点】

1.一种基于对抗神经网络的含水饱和度预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种基于对抗神经网络的含水饱和度预测方法，其特征在于：S1的子步骤如下：

3.根据权利要求1所述的一种基于对抗神经网络的含水饱和度预测方法，其特征在于：S2的子步骤如下：

4.根据权利要求1所述的一种基于对抗神经网络的含水饱和度预测方法，其特征在于：所述对抗神经网络的激活函数为Leaky ReLu函数和Sigmoid函数。

5.根据权利要求1所述的一种基于对抗神经网络的含水饱和度预测方法，其特征在于：所述对抗神经网络的的损失函数是二分类交叉熵损...

【技术特征摘要】

1.一种基于对抗神经网络的含水饱和度预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种基于对抗神经网络的含水饱和度预测方法，其特征在于：s1的子步骤如下：

3.根据权利要求1所述的一种基于对抗神经网络的含水饱和度预测方法，其特征在于：s2的子步骤如下：

4.根据权利要求1所述的一种基于对抗神经网络的含水饱和度预测方法，其特征在于：所述对抗神经网络的激活函数为leaky relu函数和sigmoid函数。

5.根据权利要求1所述的一种基于对抗神经网络的含水饱和度预测方法，...

【专利技术属性】
技术研发人员：吴艺婷，黄旭日，陈康，李鹏，唐静，杜立兵，姜泽磊，杨圣，杨剑，张蓉，杨冉冉，张宏宇，王明强，
申请(专利权)人：西南石油大学，
类型：发明
国别省市：