申请/专利权人：河海大学

申请日：2023-08-29

公开（公告）日：2024-05-28

公开（公告）号：CN117388919B

主分类号：G01V1/30

分类号：G01V1/30;G01V1/28

优先权：

专利状态码：有效-授权

法律状态：2024.05.28#授权;2024.01.30#实质审查的生效;2024.01.12#公开

摘要：本发明公开了一种基于DNN预测致密油储层横波速度的方法，考虑利用含黏滞性流体的Biot模型表征致密油储层弹性波传播，使用全连接神经网络学习含黏滞性流体的Biot模型中的弹性参数，进而构建起学习致密油储层弹性波传播特征的神经网络模型，通过平面波解析法求解横波速度，并用实际测井数据进行验证，进而实现波传播方程约束下的机器学习预测横波速度的方法。本发明预测精度高，能弥补纯数据驱动机器学习预测横波速度时，对数据量及数据质量要求高，且缺乏物理意义的不足，在实际生产中具有较好的推广前景。

主权项：1.一种基于DNN预测致密油储层横波速度的方法，其特征在于，包括以下步骤：S1、采集目标研究区的测井数据，并划分训练集和测试集，基于目标研究区的测井数据，计算流体混合物密度、流体混合物黏度、耗散系数以及固相、液相和流-固耦合相密度参数；S2、基于Krief模型计算岩石干骨架体积模量、剪切模量，基于Wood模型计算混合流体体积模量；S3、基于已知测井资料中的纵波速度、横波速度及密度，以及步骤S2得到的岩石干骨架体积模量、剪切模量，混合流体体积模量，计算流体饱和岩石和固体颗粒的体积模量、剪切模量；S4、根据步骤S2得到的岩石干骨架体积模量、剪切模量、混合流体体积模量，步骤S3得到的固体颗粒的体积模量、剪切模量，根据含黏滞性流体的多孔介质弹性波波动方程，计算弹性参数，并且求解纵波速度，横波速度；以测井数据中孔隙度、混合流体体积模量、混合流体剪切模量、总密度、参透率、含水饱和度为输入，以对应的弹性参数、纵波速度，横波速度为输出，构建并训练含黏滞性流体波传播方程弹性参数的神经网络，获得致密油储层横波速度预测模型；含黏滞性流体波传播方程弹性参数的经网络为全连接神经网络，包括输入层、输出层、5个隐藏层，每个隐藏层有50个单元，激活函数为双曲正切函数；使用自适应矩估计优化器对网络结构进行优化，初始学习率为0.001；以均方误差作为损失函数评估指标，训练过程更新网络参数，即权重和偏差，以最小化损失函数，弹性参数DNN的表达式： 式中：θ1、θ2、θ3和θ4为神经网络参数，其通过最小化损失函数来确定，为通过神经网络学习得到的弹性参数，为DNN模型输入参数；致密油储层横波速度预测模型如下式： 式中：θ＝|θ1,θ2,θ3,θ4|；X＝φ,K,μ,ρ,κ,Sw，为网络预测得到的纵波速度和横波速度，MSE损失函数表达式为： 式中：Vp,i和Vs,i分别为训练集中第i个数据点的纵波和横波速度，和分别为网络预测到的第i个数据点的纵波和横波速度，n为训练集样本个数；S5、利用测试集对致密油储层横波速度预测模型进行验证，预测致密油储层纵波速度、横波速度，预测过程中计算均方根误差和决定系数来表达预测值与实际值之间的偏差以评价模型的预测效果。

全文数据：

权利要求：

百度查询： 河海大学 一种基于DNN预测致密油储层横波速度的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD