[發明專利]基于自動編碼和超限學習聯合網絡的聲波速度預測方法

有效

• 申請號: 201710544430.3
• 申請日: 2017-07-06
• 公開（公告）號: CN107526117B
• 公開（公告）日: 2019-08-13
• 發明（設計）人: 曹鑒華;史艷翠;王丹;張賢坤
• 申請（專利權）人: 天津科技大學
• 主分類號: G01V11/00
• 分類號: G01V11/00;G01V1/50
• 代理公司: 北京慕達星云知識產權代理事務所(特殊普通合伙) 11465
• 代理人: 崔自京

1.一種基于自動編碼和超限學習聯合網絡的聲波速度預測方法，其特征在于包括以下步驟：

步驟1：準備待測區參考標準井和目標井的測井曲線資料；

步驟2：對所有曲線數據開展環境校正和標準化處理；

步驟3：構建自動編碼器網絡模型，通過迭代計算獲得最佳關聯曲線數據，具體實現方法為：將標準化處理后的曲線數據作為自動編碼器網絡模型的輸入和輸出，在在輸入端隨機生成權值和閾值，采用sigmoid激活函數，同時采用BP誤差反向傳播算法最終確定模型的最佳參數，同時獲得最佳關聯曲線數據輸出；

步驟4：以自動編碼網絡的輸出數據為數據集并該數據集為訓練集、驗證集和測試集，構建超限學習網絡模型，經迭代計算獲得權值矩陣參數，確定預測模型的最優參數并得到預測模型，具體實現方法為：將最佳關聯曲線數據作為超限學習網絡模型的輸入，給定一個訓練樣本集X＝{(x_i,t_i)|x_i∈R_n,t_i∈R_m,i＝1,2,...N}，激活函數為g(x)，隱層節點數為k個；

步驟5：將預測模型應用到缺失AC曲線的井中，預測出AC曲線。

2.根據權利要求1所述的基于自動編碼和超限學習聯合網絡的聲波速度預測方法，其特征在于：所述步驟1測井曲線資料包括自然伽瑪曲線、補償密度曲線、中子測井曲線、深側向電阻率曲線、自然電位曲線曲線和目標AC數據。

3.根據權利要求1所述的基于自動編碼和超限學習聯合網絡的聲波速度預測方法，其特征在于：所述步驟2采用如下公式對曲線數據進行標準化處理并得到0至1之間的標準數據：

式中L_min為該曲線在研究層段的最小值，L_max為該曲線在研究層段的最大值。

4.根據權利要求1所述的基于自動編碼和超限學習聯合網絡的聲波速度預測方法，其特征在于：所述步驟4的具體訓練過程如下：

步驟⑴、隨機生成輸入權值w_i和閾值b_i，i＝1,2,...,N；

步驟⑵、計算隱層輸出矩陣H，H＝g(w·X+b)；

步驟⑶、計算目標輸出誤差函數Min||O-O_j||＝Min||O-H·β||；

步驟⑷、求解權值矩陣：β＝H₊T，其中H₊為隱層輸出H的Moore-Penrose廣義逆矩陣，該矩陣直接采用正交法計算獲得。

5.根據權利要求1所述的基于自動編碼和超限學習聯合網絡的聲波速度預測方法，其特征在于：所述步驟4在獲得的權值矩陣參數后，還通過驗證集和測試集進行進一步的優化，得到最佳預測模型。