[發明專利]動態回歸委員會機器測井儲層參數預測方法及系統

在審

• 申請號: 202010584524.5
• 申請日: 2020-06-24
• 公開（公告）號: CN111723526A
• 公開（公告）日: 2020-09-29
• 發明（設計）人: 白洋;譚茂金;高世臣
• 申請（專利權）人: 中國地質大學（北京）
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08;G01V11/00
• 代理公司: 北京興智翔達知識產權代理有限公司 11768
• 代理人: 蔣常雪

本發明提供一種動態回歸委員會機器測井儲層參數預測方法及系統，該方法包括：構建動態回歸委員會機器DRCM；通過門網絡對用于模型訓練的第一輸入數據進行預學習，將數據集劃分為多個子數據集，并將對應隸屬度矩陣傳遞至組合器；專家層包括多個專家，將子數據集分別輸入至每個專家以進行訓練，獲得多個子模型及每個子模型對應的測試誤差；將子模型及其對應的測試誤差輸入至組合器，獲得組合器輸出的由最佳子模型組成的目標測井儲層參數預測模型；將待預測的第二輸入數據輸入至目標測井儲層參數預測模型，獲得輸出的測井儲層參數預測結果。本發明在實際油氣勘探開發智能測井解釋過程中能夠提升儲層參數預測模型的精度、穩定性和泛化能力。

技術領域

本發明涉及地球物理測井領域，更具體地，涉及一種動態回歸委員會機器測井儲層參數預測方法及系統。

背景技術

在油氣地球物理測井解釋工作中，孔隙度、滲透率、飽和度等儲層參數對地下儲層定量評價具有重要作用。現有方法一般根據實際工區建立簡化的物理模型來計算上述參數，或者通過常規測井數據與巖心巖石物理實驗數據間的線性關系擬合經驗公式；另外，一些成像測井方法在儲層參數計算中具有很好的優勢，比如，一般情況下核磁共振測井能夠提供與巖性無關的較為準確的孔隙度。近年來，人工智能算法發展迅速，強大的非線性逼近能力使其在復雜油氣儲層參數評價中具有較好的應用效果。采用神經網絡、支持向量機等智能算法能夠較好的實現孔隙度、滲透率、飽和度等儲層參數的預測。

然而，實際油氣儲層勘探開發過程中，復雜儲層常常具有巖性致密、非均質性強、物性關系差等特征，上述方法中簡化的體積模型不適用。而且，測井數據與巖心實驗數據間常為非線性關系，建立的線性經驗公式精度較差，推廣能力不佳。核磁共振等成像測井技術雖然能夠提供準確的孔隙度等儲層參數信息，但這些方法相對昂貴，應用范圍較小。智能算法在非線性擬合方面具有顯著的優勢，但其對數據集質量要求較高，容易過擬合或陷入局部極小值，訓練的儲層參數模型精度低、穩定性差、泛化能力不佳。聯合多專家的委員會機器在一定程度上克服了這一問題，但受限于專家自身性能，集成模型的精度提升能力有限，而且，加權平均等組合策略的權值計算困難，最終模型的可靠性較差。

發明內容

為了解決上述問題，本發明實施例提供一種克服上述問題或者至少部分地解決上述問題的動態回歸委員會機器測井儲層參數預測方法及系統。

根據本發明實施例的第一方面，提供一種動態回歸委員會機器測井儲層參數預測方法，該方法包括：通過輸入層對用于模型訓練的第一輸入數據進行歸一化，通過門網絡對所述歸一化數據進行預學習，將數據集劃分為多個子數據集，并將對應隸屬度矩陣傳遞至組合器；專家層包括多個專家，將子數據集分別輸入至每個專家以進行訓練，獲得多個子模型及每個子模型對應的測試誤差；將子模型及其對應的測試誤差輸入至組合器，獲得組合器輸出的由最佳子模型組成的目標測井儲層參數預測模型；通過輸出層輸出并保存所述訓練得到的目標測井儲層參數預測模型；將待預測的第二輸入數據輸入至目標測井儲層參數預測模型，獲得輸出的測井儲層參數預測結果。

根據本發明實施例第二方面，提供了一種動態回歸委員會機器測井儲層參數預測系統，該系統包括：構建模塊，用于構建動態回歸委員會機器DRCM，其中，DRCM包括輸入層、門網絡、專家層、組合器和輸出層；輸入層，用于接收第一輸入數據及對數據進行歸一化；門網絡模塊，用于通過門網絡對所述歸一化數據進行預學習，將數據集劃分為多個子數據集，并將對應隸屬度矩陣傳遞至組合器；專家層模塊，專家層包括多個專家，用于將子數據集分別輸入至每個專家以進行訓練，獲得多個子模型及每個子模型對應的測試誤差；組合器模塊，接收子模型及其對應的測試誤差，獲得組合器輸出的由最佳子模型組成的目標測井儲層參數預測模型；輸出層，輸出并保存所述訓練得到的目標測井儲層參數預測模型；預測模塊，用于將待預測的第二輸入數據輸入至目標測井儲層參數預測模型，獲得輸出的測井儲層參數預測結果。