申请/专利权人:中国石油大学(华东)
申请日:2024-03-26
公开(公告)日:2024-04-30
公开(公告)号:CN117951509A
主分类号:G06F18/2135
分类号:G06F18/2135;G06F18/214;G06F18/27;G06N3/0499;G06N3/084
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.17#实质审查的生效;2024.04.30#公开
摘要:本发明提供一种矿物组成含量预测方法及预测系统,属于油气田勘探与开发领域,方法包括收集已测岩石矿物组成含量数据及对应深度预设范围内的测井数据和录井数据,并进行预处理;利用相关系数法和主成分分析法对特征进行选取和降维;而后构建多源融合数据集,并训练得到混合神经网络模型,自定义约束条件建立针对矿物含量预测的损失函数,最后利用混合神经网络模型预测矿物组成含量,本发明充分考虑了测井数据和录井数据与岩石矿物组成的相关性,根据矿物组成含量特征构建自定义损失函数,提高了预测的准确性,解决了地层岩心取样难、室内实验开展不便、岩石矿物含量数据不连续的缺陷。
主权项:1.一种矿物组成含量预测方法,其特征在于,预测方法包括以下步骤:S1:获取并预处理已测岩石矿物组成含量数据,及其对应深度在预测范围内的测井数据和录井数据,其中,所述测井数据包括至少一个测井响应特征,所述录井数据包括至少一个元素特征;S2:利用相关系数法获取所述测井数据的测井响应特征和所述录井数据的元素特征与矿物含量之间的相关性,并选择出高于预设的相关性阈值的测井响应特征和或元素特征;S3:利用主成分分析法对选择出的测井响应特征和或元素特征进行降维处理,并基于累计贡献率筛选测井响应特征和或元素特征;S4:基于筛选后的测井响应特征和或元素特征,以及已测岩石矿物组成含量数据构建多源融合数据集;S5:基于BP神经网络和循环神经网络构建混合神经网络模型,并通过所述多源融合数据集训练所述混合神经网络模型,其中,所述多源融合数据集包括的元素特征作为BP神经网络的输入,多源融合数据集包括的测井响应特征作为循环神经网络的输入,已测岩石矿物组成含量数据同时作为BP神经网络和循环神经网络的输出;S6:基于均方根误差、平均绝对误差和决定系数的评估指标衡量所述混合神经网络模型的预测结果,并根据预测结果优化所述混合神经网络模型;S7:利用优化后的所述混合神经网络模型对未测的岩石矿物组成含量进行预测。
全文数据:
权利要求:
百度查询: 中国石油大学(华东) 一种矿物组成含量预测方法及预测系统
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。