[发明专利]基于近邻神经网络的油藏地质建模静态参数分布预测方法

权利要求书

1.一种基于近邻神经网络的油藏地质建模静态参数分布预测方法，其特征在于，包括如下步骤：

S100:选定油藏地质预测范围，调取该油藏地质预测范围内的所有井的已知空间坐标(x,y,z)和对应的静态参数值，设所述油藏地质预测范围内开发中后期的油藏存在井N口；

S200：采用近邻算法找到油藏地质预测范围内每口井的邻近井，设每口井有m个邻近井；

S300：建立神经网络模型；

S310：在现有神经网络的输入层后任一层之前增设随机层∈得到神经网络模型；

S320：训练S310建立的神经网络模型；

设第i口井的已知空间坐标、第i口井对应的m口邻近井的已知空间坐标和第i口井对应的m口邻近井的已知静态参数作为第i个样本，i＝1,2,3…N，所有样本构成数据集；

S321：随机选取数据集中的部分样本构成训练集，另一部样本构成验证集；

S322：将训练集中的所有训练样本作为神经网络模型的输入，采用随机梯度下降法对神经网络模型中的参数进行更新，参数更新Q次后，将验证集中的验证样本输入训练后的神经网络模型，再通过十折交叉验证方法，计算每一折对应的验证集误差；

S323：当S322计算的验证集误差不大于预设的误差阈值时，则认为训练后的神经网络模型为最优神经网络模型，执行下一步，否则返回S321；

S400：利用S323得到的最优神经网络模型预测选定油藏地质预测范围内未知空间点的静态参数分布，设未知空间点的空间点坐标为(x,y,z)，利用S200的方法找到该未知空间点的m口邻近井，然后将该未知空间点的空间坐标，未知空间点的m口邻近井的空间坐标和未知空间点的m口邻近井的静态参数输入最优神经网络模型，即可得到该未知空间点对应的静态参数；

S500：重复S400，通过最优神经网络模型中随机层∈获得多个神经网络输出，对多个输出结果求均值，得到未知空间点一个平均的静态参数；

S600：在选定油藏地质预测范围内取足够多的未知空间点，重复S400和S500，预测所选的所有未知点的静态参数，即完成选定油藏地质预测范围内静态参数的分布的预测。

2.如权利要求1所述基于近邻神经网络的油藏地质建模静态参数分布预测方法，其特征在于，所述静态参数包括孔隙度φ、渗透率k和泥质含量s_h。

3.如权利要求2所述基于近邻神经网络的油藏地质建模静态参数分布预测方法，其特征在于，当所述静态参数为孔隙度φ时，数据集表示为如下样本矩阵：

其中，X₁，X₂，…X_N表示样本，(x_i,y_i,z_i)代表第i口井的空间坐标，i＝1,2,…,N；(x_ij,y_ij,z_ij),代表第i口井的第j个邻近井的空间坐标，表示第i口井的第j个邻近井的孔隙度，j＝1,2,…,m。

4.如权利要求3所述基于近邻神经网络的油藏地质建模静态参数分布预测方法，其特征在于，所述S310建立的神经网络模型的输出为Y＝f(X)+∈，所述Y为神经网络的输出即预测的孔隙度值，f(X)为神经网络逼近的非线性函数。

5.如权利要求4所述基于近邻神经网络的油藏地质建模静态参数分布预测方法，其特征在于，所述Y为神经网络的输出即预测的孔隙度值，f(·)为神经网络逼近的非线性函数，具体的计算过程如下：

h₁＝W₁X^T+b₁,Φ₁＝g₁(h₁)

h₂＝W₂Φ₁+b₂,Φ₂＝g₂(h₂)

…

h_L＝W_LΦ_L-1+b_L,f(X)＝g_L(h_L)

其中，g(·)为神经网络的激活函数；L代表神经网络的层数；W代表神经网络的权值，b代表神经网络的偏置项；下角标L-1代表每一层神经网络的层数序号，共L层；h₁，h₂,…h_L为神经网络每一层对应的线性输出，亦是神经网络激活函数的输入。