[发明专利]基于GA-WNN的储层特征参数预测方法及系统在审
申请号: | 201910969494.7 | 申请日: | 2019-10-12 |
公开(公告)号: | CN112649869A | 公开(公告)日: | 2021-04-13 |
发明(设计)人: | 钟晗;周丹;胡华锋;邢廷栋 | 申请(专利权)人: | 中国石油化工股份有限公司;中国石油化工股份有限公司石油物探技术研究院 |
主分类号: | G01V1/30 | 分类号: | G01V1/30 |
代理公司: | 北京思创毕升专利事务所 11218 | 代理人: | 孙向民;廉莉莉 |
地址: | 100027 北*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 ga wnn 特征 参数 预测 方法 系统 | ||
1.一种基于GA-WNN的储层特征参数预测方法,其特征在于,包括:
提取多种地震属性;
通过相关分析,计算每一个地震属性与储层特征参数的相关性;
根据所述相关性进行验证分析,确定敏感地震属性;
通过GA-WNN构建所述储层特征参数与所述敏感地震属性之间的关系,预测储层特征参数。
2.根据权利要求1所述的基于GA-WNN的储层特征参数预测方法,其中,所述GA-WNN包括:
步骤1:通过GA针对WNN的网络参数进行编码,确定初始种群的规模、交叉算子、变异算子与最大迭代次数;
步骤2:计算WNN的均方根误差,进而计算GA算法的适应度值;
步骤3:针对所述初始种群进行选择、交换与变异,获得优化种群;
步骤4:计算优化种群的适应度值;
步骤5:返回步骤3,直到所述均方根误差小于设定阈值或迭代次数达到最大迭代次数,获得最优WNN网络参数;
步骤6:根据最优WNN网络参数,构建所述储层特征参数与所述敏感地震属性之间的关系。
3.根据权利要求1所述的基于GA-WNN的储层特征参数预测方法,其中,通过公式(1)计算每一个地震属性与储层特征参数的相关性:
其中,correlation代表相关度,s(t)代表地震属性,w(t)代表储层特征参数。
4.根据权利要求1所述的基于GA-WNN的储层特征参数预测方法,其中,所述根据所述相关性进行验证分析,确定敏感地震属性包括:
确定计算井的储层特征参数与地震属性的拟合公式;
根据拟合公式与目标井的地震属性,计算目标井的储层特征参数;
将使目标井的储层特征参数与实际储层特征参数误差最小时对应的地震属性,设定为所述敏感地震属性。
5.根据权利要求4所述的基于GA-WNN的储层特征参数预测方法,其中,还包括:
逐一增加拟合公式中的地震属性。
6.一种基于GA-WNN的储层特征参数预测系统,其特征在于,该系统包括:
存储器,存储有计算机可执行指令;
处理器,所述处理器运行所述存储器中的计算机可执行指令,执行以下步骤:
提取多种地震属性;
通过相关分析,计算每一个地震属性与储层特征参数的相关性;
根据所述相关性进行验证分析,确定敏感地震属性;
通过GA-WNN构建所述储层特征参数与所述敏感地震属性之间的关系,预测储层特征参数。
7.根据权利要求6所述的基于GA-WNN的储层特征参数预测系统,其中,所述GA-WNN包括:
步骤1:通过GA针对WNN的网络参数进行编码,确定初始种群的规模、交叉算子、变异算子与最大迭代次数;
步骤2:计算WNN的均方根误差,进而计算GA算法的适应度值;
步骤3:针对所述初始种群进行选择、交换与变异,获得优化种群;
步骤4:计算优化种群的适应度值;
步骤5:返回步骤3,直到所述均方根误差小于设定阈值或迭代次数达到最大迭代次数,获得最优WNN网络参数;
步骤6:根据最优WNN网络参数,构建所述储层特征参数与所述敏感地震属性之间的关系。
8.根据权利要求6所述的基于GA-WNN的储层特征参数预测系统,其中,通过公式(1)计算每一个地震属性与储层特征参数的相关性:
其中,correlation代表相关度,s(t)代表地震属性,w(t)代表储层特征参数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国石油化工股份有限公司;中国石油化工股份有限公司石油物探技术研究院,未经中国石油化工股份有限公司;中国石油化工股份有限公司石油物探技术研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910969494.7/1.html,转载请声明来源钻瓜专利网。