[发明专利]一种页岩岩相发育主控因素判断方法、设备及存储设备

说明书

本发明提供了一种页岩岩相发育主控因素判断方法、设备及存储设备，所述方法包括步骤：提取页岩样品并进行处理得到地化指标；设定岩相发育类型；以地化指标作为输入层，岩相发育类型作为输出层建立母神经网络模型；剔除母神经网络模型中权值最小的地化指标，建立子神经网络模型；母神经网络模型的识别正确率减去子神经网络模型的识别正确率得到正确率差值；若差值小于零，则以子神经网络模型作为母神经网络，返回步骤四继续执行；若正确率差值大于等于零，则选取母神经网络模型中权值最大的地化指标作为主控因素。所述设备用来实现所述方法。本发明可以确定岩相发育的主控因素。

技术领域

本发明涉及页岩岩相发育主控因素研究领域，具体涉及一种页岩岩相发育主控因素判断方法、设备及存储设备。

背景技术

当前对于页岩岩相发育的主要控制因素尚有争议，争议的最主要的原因在于当前对于岩相发育的控制因素仍以定性的方式，通过页岩岩相与沉积环境垂向上的耦合关系来讨论页岩岩相发育的主控因素，以讨论耦合关系的方式来定性的确定岩相的主控因素容易受主观意识的干扰，很难客观讨论某一研究区目的层段的页岩岩相主控因素。

发明内容

本发明提供了一种页岩岩相发育主控因素判断方法、设备及存储设备，通过使用地化指标作为神经网络的输入项，利用神经网络的识别率，可以有效解决上述问题。

本发明提供的技术方案是：一种页岩岩相发育主控因素判断方法，所述方法包括步骤：提取页岩样品并进行处理得到指示沉积环境的地化指标；设定岩相发育类型；以所述地化指标作为输入层，所述岩相发育类型作为输出层建立母神经网络模型；剔除所述母神经网络模型中输入层权值最小的地化指标，保留岩相发育类型，建立子神经网络模型；母神经网络模型的识别正确率减去子神经网络模型的识别正确率得到正确率差值；若正确率差值小于零，则以所述子神经网络模型作为母神经网络，返回步骤剔除所述母神经网络模型中输入层权值最小的地化指标，保留岩相发育类型，建立子神经网络模型继续执行；若正确率差值大于等于零，则选取母神经网络模型中权值最大的地化指标作为主控因素。存储设备，所述存储设备存储指令及数据用于实现所述一种页岩岩相发育主控因素判断方法。一种页岩岩相发育主控因素判断设备，所述设备包括处理器及所述存储设备；所述处理器加载并执行所述存储设备中的指令及数据用于实现所述的一种页岩岩相发育主控因素判断方法。

本发明的有益效果是：本发明提供了一种页岩岩相发育主控因素判断方法、设备及存储设备，通过使用地化指标作为神经网络的输入项，利用神经网络的识别率，可以有效对影响岩相发育类型的控制因素进行排序，区分控制因素的影响程度大小，并确定最主要控制因素。

附图说明

图1是本发明实施例中页岩岩相发育主控因素判断方法的整体流程图；

图2是本发明实施例中BP神经网络示意图；

图3是本发明实施例中岩相发育类型示意图；

图4是本发明实施例中神经网络识别正确率矩阵示意图；

图5是本发明实施例的硬件设备工作示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地描述，下文中提到的具体技术细节，如：方法，设备等，仅为使读者更好的理解技术方案，并不代表本发明仅局限于以下技术细节。

本发明的实施例提供了一种页岩岩相发育主控因素判断方法、设备及存储设备。请参阅图1，图1是本发明实施例中页岩岩相发育主控因素判断方法的整体流程图，所述方法由硬件设备实现，具体步骤包括：

S101：提取页岩样品并进行处理得到指示沉积环境的地化指标，具体包括：对页岩样品进行主量及微量元素测试；对页岩样品进行岩矿分析。所述地化指标包括：古盐度Sr/Ba、古水动力条件Zr/Rb、古气候Sr/V、古氧化还原条件V/V+Ni及古生产力垂向变化Ba/Ca。