[发明专利]基于GA-WNN的储层特征参数预测方法及系统

说明书

公开了一种基于GA‑WNN的储层特征参数预测方法及系统。该方法可以包括：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；根据相关性进行验证分析，确定敏感地震属性；通过GA‑WNN构建储层特征参数与敏感地震属性之间的关系，预测储层特征参数。本发明通过GA‑WNN构建储层特征参数与敏感地震属性的关系获得储层特征的三维展布，提升运算效率，节约计算成本，减小预测误差，在提高算法效率与精度同时获得全局最优解，能够更加有效、准确的预测储层特征参数。

技术领域

本发明涉及油气地球物理勘探领域，更具体地，涉及一种基于GA-WNN的储层特征参数预测方法及系统。

背景技术

地震属性由地震数据经数学变换得到，能有效挖掘隐藏于地下的有用信息。通过构建地震属性与储层特征参数复杂的非线性映射关系可以获得储层特征参数的三维展布。误差反向传播神经网络(BPNN)由于其自学习性、自适应性、容错性、并行性、扩充性、非线性映照等优点，近年来在储层预测中取得了瞩目的成就，然而，在实际应用中仍存在局限性，如收敛速度慢，容易陷入局部极小值。小波分析工具具有良好的变焦特性和时频局部特性，将其与BPNN结合，使得小波神经网络(WNN)在收敛速度、容错能力方面有了较大的改进。WNN的结构和BPNN的结构相似，不同之处在于其在隐含层的激励函数为小波函数，但WNN的权值与阈值以及小波函数参数的选择却是一个难点。

储层特征参数只能通过测井数据获得，在复杂地质情况下，通过井点数据外推插值获取整个工区储层特征参数的三维展布则显的不足。因此，有必要开发一种基于GA-WNN的储层特征参数预测方法及系统。

公开于本发明背景技术部分的信息仅仅旨在加深对本发明的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。

发明内容

本发明提出了一种基于GA-WNN的储层特征参数预测方法及系统，其能够通过GA-WNN构建储层特征参数与敏感地震属性的关系获得储层特征的三维展布，提升运算效率，节约计算成本，减小预测误差，在提高算法效率与精度同时获得全局最优解，能够更加有效、准确的预测储层特征参数。

根据本发明的一方面，提出了一种基于GA-WNN的储层特征参数预测方法。所述方法可以包括：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。

优选地，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。

优选地，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。

优选地，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。

优选地，还包括：逐一增加拟合公式中的地震属性。