[发明专利]一种基于地质信息库的砂体构型CMM神经网络预测方法

权利要求书

1.一种基于地质信息库的砂体构型CMM神经网络预测方法，其特征在于，用于预测三角洲相砂体构型在空间上的分布特征，包括以下步骤：

步骤S1，根据砂体单井构型结果和属性集合，分析得到敏感属性集合，建立存储砂体构型的测井特征与地震特征的地质信息资料库；

步骤S1包括如下子步骤：

步骤S11：通过测井曲线来识别地下目的层砂体构型，将地下目的层砂体构型做为测井特征加入到地质信息资料库；

步骤S12：通过对三角洲相砂体构型进行属性敏感性分析，得到敏感属性集合，将敏感属性集合作为地震特征加入到地质信息资料库；

步骤S2，通过对步骤S1所建立的地质信息资料库中的测井特征与地震特征进行相关性分析，建立单井构型标签，以单井构型标签作为监督条件，将敏感属性向量化，得到敏感属性序列X；步骤S2包括如下子步骤：

步骤S21：对测井特征与地震特征进行相关性分析，建立单井构型标签：标签1代表纯泥相，标签2代表单薄砂体相，标签3代表单厚砂体相，标签4代表砂泥多互层相，标签5代表带厚砂互层相，标签6代表薄砂互层相；

步骤S22：把数值化的敏感属性通过分箱得到每个属性的多维离散one-hot向量，将所有属性向量组合得到输入序列X：

其中，

m代表敏感属性总个数；

n代表每个敏感属性的离散维度；

步骤S3，将步骤S2得到的敏感属性序列X作为输入数据，在单井构型标签的监督下，利用CMM神经网络训练得到模型参数，再对无井区进行参数预测，并输出预测标签，完成对三角洲相砂体构型的CMM神经网络预测方法，步骤S3包括如下子步骤：

步骤S31：所选用的CMM神经网络利用卷积操作得到属性特征，数据输入：

V＝conv2(W，X，″valid″)+b

其中，V代表抽取的局部特征，W代表权重矩阵，X代表输入向量，valid代表卷积运算的类型，b代表偏置向量，

令数据滤波器为F，滑动步长为S，由于F的边长大于S，每次移动滑窗后导致数据特征的多次提取，现为序列X外围加一圈0，即Pad+1，重构后一次卷积的输出特征向量尺寸：

步骤S32：利用max-pooling技术对S31步骤提取的特征向量进行压缩，将得到的小邻域内的特征点整合获取新的特征向量：

P＝max(V)

步骤S33：通过多层感知机(MLP)，将提取到的新的特征向量输入到隐含层；加权求和，得到每一个隐含层的输出：

其中，i代表输入层节点，j代表当前神经元的下标，w_ij表示上一层各神经元到当前神经元的权重，x_j代表当前层的输入，M代表输入节点总数，M＝m；

之后选用softmax分类器得到每种构型的条件概率：

P(y|L，θ)＝Softmax(W+b)

其中，θ代表所提出模型的全部参数；

步骤S34：预测构型

步骤S35：选用交叉熵损失函数计算损失值：

其中，y代表样本真实值；代表样本预测值。

2.如权利要求1所述的基于地质信息库的砂体构型CMM神经网络预测方法，其特征在于，在步骤S1中，所述砂体单井构型结果通过井数据分析得到，所述属性集合根据地震数据提取，在砂体构型地质认识的指导下进行分析得到敏感属性集合。