[發明專利]一種基于深度學習的利用地震數據預測巖性序列模型的方法有效
| 申請號： | 201910174555.0 | 申請日： | 2019-03-08 |
| 公開（公告）號： | CN109828304B | 公開（公告）日： | 2021-04-27 |
| 發明（設計）人： | 張雨晴;王宗俊;王暉;范廷恩;劉振坤;高云峰;田楠;郭曉;王盤根;于斌;董洪超 | 申請（專利權）人： | 中國海洋石油集團有限公司;中海油研究總院有限責任公司 |
| 主分類號： | G01V1/30 | 分類號： | G01V1/30;G01V1/36;G06N3/04 |
| 代理公司： | 北京紀凱知識產權代理有限公司 11245 | 代理人： | 關暢 |
| 地址： | 100010 北*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 深度 學習 利用 地震 數據 預測 序列 模型 方法 | ||
1.一種基于深度學習的利用地震數據預測巖性序列模型的方法，包括如下步驟：
1)測定工區內井上的目的層段的巖性數據以及井旁道地震數據作為訓練數據；
2)對所述井旁道地震數據進行歸一化處理，將其換算到-1到1的范圍；
3)將步驟2)處理之后的所述井旁道地震數據和井上的巖性數據，采取堆棧式循環神經網絡模型和序列對序列循環神經網絡模型分別進行訓練，井旁道地震數據為觀察數據，井上的巖性數據為目標數據的學習模型，迭代計算使其達到收斂；
所述堆棧式循環神經網絡模型由全連接層和LSTM層堆疊組成的混合學習模型；所述LSTM層對每個時間步的所述地震數據進行處理，轉換成內部隱含層信息，然后通過所述全連接層將所述內部隱含層信息轉換到巖性數據域；
所述序列對序列循環神經網絡模型是以兩個不同的包含RNN的計算單元按照不同的訓練方式構成的網絡；
4)應用步驟3)計算之后的所述學習模型，輸入實際地震數據，即得到預測巖性序列模型。
2.根據權利要求1所述的方法，其特征在于：所述工區內井的數量為10口以上。
3.根據權利要求1或2所述的方法，其特征在于：步驟3)中，所述堆棧式循環神經網絡模型采用RMSprop優化算法進行迭代計算；其學習率設置為0.001～0.003。
4.根據權利要求1或2所述的方法，其特征在于：步驟3)中，所述序列對序列循環神經網絡模型采用RMSprop優化算法進行迭代計算；其學習率設置為0.001。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于中國海洋石油集團有限公司;中海油研究總院有限責任公司，未經中國海洋石油集團有限公司;中海油研究總院有限責任公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910174555.0/1.html，轉載請聲明來源鉆瓜專利網。
