[发明专利]一种基于随机森林回归的声波曲线生成方法

说明书

本发明公开了一种基于随机森林回归的声波曲线生成方法，包括如下具体步骤：收集研究区及研究区周围全部测井资料；选取资料齐全的测井，对其数据进行归一化处理，得到样本数据；将样本数据运用主成分分析法，筛选特征值对应的特征向量组建成数据集；将筛选后的样本数据按照固定比例，运用bootstrap方法从样本数据中有放回的抽取数据，分为训练数据集和测试样本集；构建基于随机森林回归算法的曲线生成模型；将待生成处测井的数据集输入构建好的模型得到缺失的测井曲线。本发明提供了一种基于随机森林回归的声波曲线生成方法能够解决现在曲线生成技术中存在的问题，在保证模型精度质量的情况下，拥有更强的泛化能力及更快的计算速度。

技术领域

本发明涉及测井技术领域，更具体的说是涉及一种基于随机森林回归的声波曲线生成方法。

背景技术

测井数据在岩性预测中具有十分重要的作用，但在实际施工时，由于仪器问题、井径变化等因素，经常出现局部井段测井资料缺失情况，甚至由于技术及成本考虑从而不能获取完整测井数据，同时重新测井需要的成本很高，对于完成测井操作的井孔，重新操作很难实现。出于节约成本的目的，可以采用多样的方法人工利用已获得测井数据生成测井曲线，然后补全缺失井段位置的信息。Krygowski D.等和Bateman R.M.直接依据地质信息利用物理模型从而反演测井曲线，但是常用的物理模型有许多假设前提，很大程度上简化了现实中的地层情况，研究者主观经验对模型选择影响较大。Wendt W.A. 等和Eskandari H.等采用交会图和多元回归等传统分析手段和方法，根据各种测井曲线数据间的内在联系生成测井曲线，但是因为地层非均质性较强以及地下情况复杂，测井数据间常常表现成很强的非线性关系，同时数据间存在的映射关系也很复杂，测井数据生成结果效果较差。随着在工程领域中机器学习算法的广泛应用，大量学者，如Rolon L.等、Alizadeh B.等、Xiuwen,Mo等、Wennan,Long等和Salehi M.M.等尝试利用人工神经网络生成测井曲线。

传统的测井生成技术通常采用人工神经网络算法，这种算法对于数据有较好的拟合作用，但是在测井数据较少时，会发生过拟合问题，其模型泛化能力较差，并且模型输入数据采用多种地震属性，计算量大，计算速度慢。

因此，如何提供一种保证精度的前提下，泛化能力强，计算快的声波曲线生成方法是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种基于随机森林回归的声波曲线生成方法能够解决现在曲线生成技术中存在的问题，在保证模型精度质量的情况下，拥有更强的泛化能力及更快的计算速度。

为了实现上述目的，本发明提供如下技术方案：

一种基于随机森林回归的声波曲线生成方法，包括如下具体步骤：

步骤一：收集研究区及研究区周围全部测井资料；

步骤二：选取资料齐全的测井，对其数据进行归一化处理，得到样本数据；

步骤三：将预处理后的数据运用主成分分析法，筛选出对模型构建有用的特征并组建成数据集；

步骤四：将筛选完的样本数据按照一定比例，运用bootstrap方法从样本数据中有放回的抽取数据，分为训练样本集和测试样本集；

步骤五：构建基于随机森林回归算法的曲线生成模型；

步骤六：将待生成处测井的数据集输入构建好的模型得到缺失的测井曲线。

优选的，在上述的一种基于随机森林回归的声波曲线生成方法中，所述步骤一中，所述测井资料包括但不限于：声波曲线，自然伽马曲线、密度曲线、自然电位曲线和视电阻率曲线。

优选的，在上述的一种基于随机森林回归的声波曲线生成方法中，所述步骤二中，所述归一化公式：