申请/专利权人:东北石油大学三亚海洋油气研究院
申请日:2023-12-15
公开(公告)日:2024-03-22
公开(公告)号:CN117407841B
主分类号:G06F18/27
分类号:G06F18/27;G06F17/18;G06F18/10;G06F18/213;G06F18/214;G06F18/232;E21B49/00
优先权:
专利状态码:有效-授权
法律状态:2024.03.22#授权;2024.02.02#实质审查的生效;2024.01.16#公开
摘要:本发明一种基于优化集成算法的页岩层理缝预测方法,涉及地球物理勘探及综合研究领域,包括:基于已有成像测井数据井,导出目的层段范围内的测井曲线数据以及层理缝统计数据;对所述测井曲线数据进行优化并预处理,生成预处理后的测井曲线数据;以所述预处理后的测井曲线数据为输入,以所述层理缝统计数据为输出,建立回归模型;所述预处理后的测井曲线数据为特征数据;所述层理缝统计数据为标签数据;对所述回归模型进行优化,生成优化后的回归模型;根据所述优化后的回归模型预测未知的页岩层理缝。本发明能够提高识别效率及识别精准度。
主权项:1.一种基于优化集成算法的页岩层理缝预测方法,其特征在于,包括:基于已有成像测井数据井,导出目的层段范围内的测井曲线数据以及层理缝统计数据;对所述测井曲线数据进行优化并预处理,生成预处理后的测井曲线数据,具体包括:利用DBSCAN聚类算法对所述测井曲线数据进行聚类,划分为多个邻近簇,剔除所述测井曲线数据中的噪声点,生成聚类后的测井曲线数据;对所述聚类后的测井曲线数据进行归一化处理,生成预处理后的测井曲线数据;以所述预处理后的测井曲线数据为输入,以所述层理缝统计数据为输出,建立回归模型;所述预处理后的测井曲线数据为特征数据;所述层理缝统计数据为标签数据;所述回归模型的构建过程为:对模型样本训练集中的每个数据样本赋予均等的权重,训练并构建弱学习器;所述模型样本训练集包括预处理后的测井曲线数据以及层理缝统计数据;对多个弱学习器进行串行式迭代训练,确定最小化加权残差平方和,计算每个弱学习器的预测误差;根据所述预测误差确定弱学习器的权重误差;根据所述权重误差调整所述数据样本的权重;根据数据样本调整后的权重计算每个弱学习器的权重;将每个弱学习器的权重与对应的弱学习器相乘,再进行加权组合,确定最终的强学习器;所述最终的强学习器为所述回归模型;对所述回归模型进行优化,生成优化后的回归模型;根据所述优化后的回归模型预测未知的页岩层理缝。
全文数据:
权利要求:
百度查询: 东北石油大学三亚海洋油气研究院 一种基于优化集成算法的页岩层理缝预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。