[发明专利]基于神经网络的油气藏参数解释方法、装置及电子设备

权利要求书

1.一种基于神经网络的油气藏参数解释方法，其特征在于，包括：

接收输入的待解释参数和对应的数值范围，其中，所述待解释参数包括地层参数和井筒参数；

在所述数值范围内对所述待解释参数进行抽样，得到一个试算算例，所述试算算例包括所述待解释参数的一组参数值；

将所述试算算例分别输入预先完成训练的第一高斯径向基神经网络和第二高斯径向基神经网络，得到所述第一高斯径向基神经网络输出的所述试算算例对应的计算压力变化数据，得到所述第二高斯径向基神经网络输出的所述试算算例对应的计算压力导数数据；

计算目标函数值，所述目标函数值表征所述计算压力变化数据和实测压力变化数据的偏差、以及所述计算压力导数数据和实测压力导数数据之间的偏差；

比较所述目标函数值和预设的判决阈值；

如果所述目标函数值小于或等于所述判决阈值，则将当前试算算例包含的参数值确定为所述待解释参数的解释结果；

如果所述目标函数值大于所述判决阈值，则再次执行在所述数值范围内对所述待解释参数进行抽样，得到一个试算算例的步骤及后续步骤，直至得到所述待解释参数的解释结果。

2.根据权利要求1所述的方法，其特征在于，所述第一高斯径向基神经网络的训练过程，包括：

获得第一训练样本集，所述第一训练样本集包括多个第一样本算例，每个所述第一样本算例为待解释参数的一组参数值，每个所述第一样本算例标注有对应的计算压力变化数据；

利用预先构建的第一高斯径向基神经网络对所述第一样本算例进行预测，得到所述第一样本算例对应的预测压力变化数据；

依据所述第一样本算例对应的计算压力变化数据和预测压力变化数据，调整所述第一高斯径向基神经网络的模型参数，直至调整后的第一高斯径向基神经网络满足预设收敛条件。

3.根据权利要求1所述的方法，其特征在于，所述第二高斯径向基神经网络的训练过程，包括：

获得第二训练样本集，所述第二训练样本集包括多个第二样本算例，每个所述第二样本算例为待解释参数的一组参数值，每个所述第二样本算例标注有对应的计算压力导数数据；

利用预先构建的第二高斯径向基神经网络对所述第二样本算例进行预测，得到所述第二样本算例对应的预测压力导数数据；

依据所述第二样本算例对应的计算压力导数数据和预测压力导数数据，调整所述第二高斯径向基神经网络的模型参数，直至调整后的第二高斯径向基神经网络满足预设收敛条件。

4.根据权利要求1、2或3所述的方法，其特征在于，所述在所述数值范围内对所述待解释参数进行抽样，包括：

利用拉丁超立方抽样算法在所述数值范围内对所述待解释参数进行抽样。

5.一种基于神经网络的油气藏参数解释装置，其特征在于，包括：

数据接收单元，用于接收输入的待解释参数和对应的数值范围，其中，所述待解释参数包括地层参数和井筒参数；

抽样单元，用于在所述数值范围内对所述待解释参数进行抽样，得到一个试算算例，所述试算算例包括所述待解释参数的一组参数值；

预测单元，用于将所述试算算例分别输入预先完成训练的第一高斯径向基神经网络和第二高斯径向基神经网络，得到所述第一高斯径向基神经网络输出的所述试算算例对应的计算压力变化数据，得到所述第二高斯径向基神经网络输出的所述试算算例对应的计算压力导数数据；

目标函数值计算单元，用于计算目标函数值，所述目标函数值表征所述计算压力变化数据和实测压力变化数据的偏差、以及所述计算压力导数数据和实测压力导数数据之间的偏差；

处理单元，用于比较所述目标函数值和预设的判决阈值，如果所述目标函数值小于或等于所述判决阈值，则将当前试算算例包含的参数值确定为所述待解释参数的解释结果，如果所述目标函数值大于所述判决阈值，则触发所述抽样单元、所述预测单元和所述目标函数值计算单元，直至得到所述待解释参数的解释结果。