[發明專利]一種數據驅動巖石物理建模方法及系統

在審

• 申請號: 202011480969.5
• 申請日: 2020-12-15
• 公開（公告）號: CN112651171A
• 公開（公告）日: 2021-04-13
• 發明（設計）人: 孫衛濤
• 申請（專利權）人: 清華大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/28;G06F113/08;G06F119/14
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 郭亮

1.一種數據驅動巖石物理建模方法，其特征在于，包括：

基于有理式神經網絡，構建巖石物理模型一般表達式，所述巖石物理模型一般表達式為具有有理式函數形式的巖石物理一般化表達式；

獲取測井數據集，并根據所述測井數據集訓練得到巖石物理模型表達式，所述巖石物理模型表達式用于反映對應地區的地質特征和巖性要求；

基于所述巖石物理一般化表達式和所述巖石物理模型表達式，對剖面數據的直接孔隙度、孔隙流體體積模量識別預測。

2.根據權利要求1所述的數據驅動巖石物理建模方法，其特征在于，所述基于有理式神經網絡，構建巖石物理模型一般表達式，包括：

計算固體骨架體積模量、孔隙流體體積模和孔隙度滿足的通用表達式；

基于有理式函數神經網絡，構造關于所述有理式函數神經網絡的訓練和學習算法，并按照所述有理式函數神經網絡的訓練和學習算法構建巖石物理模型一般表達式。

3.根據權利要求2所述的數據驅動巖石物理建模方法，其特征在于，所述通用表達式為：

其中，是自變量，含流體孔隙介質體積模量是的函數，c和d是多項式和的系數，是誤差函數，p和q表示分子和分母多項式的階數。

4.根據權利要求2所述的數據驅動巖石物理建模方法，其特征在于，所述基于有理式函數神經網絡，構造關于所述有理式函數神經網絡的訓練和學習算法，并按照所述有理式函數神經網絡的訓練和學習算法構建巖石物理模型一般表達式，包括：

生成有理式函數神經網絡輸入層數據，并初始化所述有理式神經網絡的權系數；

對所述有理式函數神經網絡的參數進行訓練，構建巖石物理模型一般表達式。

5.根據權利要求1所述的數據驅動巖石物理建模方法，其特征在于，所述獲取測井數據集，并根據所述測井數據集訓練得到巖石物理模型表達式，包括：

獲取測井數據集，并根據所述測井數據集確定待擬合的函數項；

根據所述待擬合的函數項進行參數估計，以得到巖石物理模型對應測井數據集的最優化表達形式。

6.根據權利要求1所述的數據驅動巖石物理建模方法，其特征在于，所述基于所述巖石物理一般化表達式和所述巖石物理模型表達式，對剖面數據的直接孔隙度、孔隙流體體積模量識別預測，包括：

基于建立的神經網絡巖石物理模型，建立彈性參數與儲層參數之間的非線性關系；

加載剖面數據，利用迭代算法得到剖面數據對應儲層孔隙度和流體體積模量。

7.根據權利要求6所述的數據驅動巖石物理建模方法，其特征在于，所述剖面數據包括：縱波阻抗數據、縱橫波速度比數據、密度數據以及橫波阻抗數據。

8.一種數據驅動巖石物理建模系統，其特征在于，包括：

一般表達式模型建立模塊，用于基于有理式神經網絡，構建巖石物理模型一般表達式，所述巖石物理模型一般表達式為具有有理式函數形式的巖石物理一般化表達式；

巖石物理模型表達式建立模塊，用于獲取測井數據集，并根據所述測井數據集訓練得到巖石物理模型表達式，所述巖石物理模型表達式用于反映對應地區的地質特征和巖性要求；

識別預測模塊，用于基于所述巖石物理一般化表達式和所述巖石物理模型表達式，對剖面數據的直接孔隙度、孔隙流體體積模量識別預測。

9.一種電子設備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1至7任一項所述數據驅動巖石物理建模方法的步驟。

10.一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至7任一項所述數據驅動巖石物理建模方法的步驟。