[发明专利]一种基于遗传神经网络算法的测井曲线重构方法

说明书

本发明涉及地球物理数据处理领域，具体涉及一种基于遗传神经网络算法的测井曲线重构方法，该方法主要包括以下步骤：第一步：测井曲线标准化。首先对常规测井曲线进行标准化处理，使其统一至相同量纲级别。第二步：建立神经网络结构并训练网络。确定神经网络输入、输出、网络层数建立神经网络结构，并训练网络。第三步：遗传操作。计算训练误差和适应度函数，利用选择、交叉、变异三个遗传算子实现对网络结构及权值阈值的优化。第四步：利用优化好的网络结构进行测井曲线重构，直至满足精度要求输出结果。本发明比传统测井曲线重构方法相比具有更高的精度，可降低生产成本，提高运算效率，提升测井曲线重构效果。

技术领域

本发明属于地球物理数据处理技术领域，具体涉及一种基于遗传神经网络算法的测井曲线重构方法。

背景技术

在矿产勘探领域，需要测量多条不同类型的测井曲线以用于减少地质解译的多解性。

然而，实际中会经常遇到测井曲线失真或缺失的情况，例如，井径扩大或仪器遇卡，使得有些测井曲线失真或缺失。

早期的钻孔由于测井方法不完备，也可能会缺少某些重要的测井曲线，如声波测井，这都会给地质研究带来困难。

因此，如何准确地重构这些缺失或失真的测井数据，是值得探讨的问题。针对测井曲线的重构问题，目前较常用的方法是传统的BP神经网络算法，即先通过网络的学习训练，得到已知曲线之间的内在关联性，再完成对未知曲线的重构(Luisa Rolon et al.,2009)。

但传统BP神经网络存在其自身的缺点，如优化易陷入局部最小值等，导致测井曲线重构精度欠佳(郑庆生和韩大匡，2007)。

发明内容

针对以上不足，本发明的目的是提供一种基于遗传神经网络算法的测井曲线重构方法，能够取得更好的测井曲线重构效果，从而为后续的地质解译提供更精确的曲线参数。

本发明的技术方案如下：

一种基于遗传神经网络算法的测井曲线重构方法，该方法包括以下步骤：

步骤(1)、测井曲线标准化：由于不同类型测井测井曲线的单位和数量级各不同，在用于神经网络时，需要对数据按以下方式进行标准化处理：

其中，x_i为测井曲线；X_max和X_min为测井曲线的最大值和最小值；X_i标准化后的测井曲线；

步骤(2)、建立神经网络结构并训练网络：将需要做训练的测井曲线数目作为神经网络的输入，将需要重构的测井曲线作为神经网络的输出，隐含层数目设置为1层，以此建立输入层、隐含层、输出层的三层神经网络结构，并训练网络；

步骤(3)、适应度函数的确定：首先利用训练好的神经网络计算预测结果与训练目标之间的误差:

||error||＝(|Y₁-T₁|²+|Y₂-T₂|²+…+|Y_n-T_n|²)^1/2

其中：Y为BP算子预测结果；T为实际训练目标值；n为训练样本个数；

然后根据训练误差计算种群个体的适应度值，即预测结果与实际目标之间的误差越大其个体适应度越低，取训练误差的倒数为计算适应度的函数:

fitness＝1/error

步骤(4)、遗传操作：根据选择、交叉和变异三个遗传算子，通过适应度函数与神经网络建立联系实现对神经网络权值和阈值的优化；