[发明专利]基于自动编码和超限学习联合网络的声波速度预测方法

说明书

本发明涉及一种基于自动编码和超限学习联合网络的声波速度预测方法，其主要技术特点是：准备待测区参考标准井和目标井的测井曲线资料；对所有曲线数据开展环境校正和标准化处理；构建自动编码器网络模型，通过迭代计算获得最佳关联曲线数据；构建超限学习网络模型，经迭代计算获得权值矩阵参数，确定预测模型的最优参数并得到预测模型；将预测模型应用到缺失AC曲线的井中，预测出AC曲线。本发明设计合理，能够大大提高了预测提高AC预测精度和稳定性能，并为后续储层反演及地质综合解释提供可靠的声波数据，具有较好的应用价值。

技术领域

本发明属于石油勘探技术领域，尤其是一种基于自动编码和超限学习联合网络的声波速度预测方法。

背景技术

声波速度曲线对于地球物理反演相当重要，它是实施深度域和时间域相互转换的纽带。钻井需要通过声波速度曲线在三维地震时间剖面上定位，而要将三维地震时间域所隐含的地质意义解释为钻井和岩性相关信息，更离不开声波速度曲线的标定。但由于在勘探过程中，有些井年代久远，缺失了声波速度曲线。针对这类缺失声波曲线的井，就需要采用一定方法将其预测出来，为后续地层的解释和含油气预测提供可靠的依据。

由于目标地层均深埋藏于地下，无法人为直接测量其地质属性。目前主要采用声、电、磁等技术手段对岩石开展间接测量，然后按照一定的标准解释获取岩石和地层(如含流体)信息。声波曲线(简称为AC)就是利用声波传播反射特性来间接测量岩石地球物理属性。此外，伽玛曲线(简称为GR)、电阻曲线(简称为RD)、自然电位曲线(简称为SP)、中子测井曲线(简称为CNL)和补偿密度曲线(简称为DEN)等均是通过将相关仪器放入井下开展测量后，采集绘图并经过环境校正后获得的单井成果。对于同一套地层，当存在一定孔隙或者含流体后，这些测量的曲线均会出现不同程度的响应，例如GR会出现相对低值特征、电阻率RD会相对增大、CNL中子测井也会增大、而密度DEN和声波速度AC则有所减小。虽然各自测井原理不一样，但这些曲线从不同角度去反映了地层的这种变化特征。因此从地球物理属性角度分析认为，这些曲线是具有内在成因联系的，这也是可以利用其他曲线来预测声波速度的基础。

在某些老井的声波速度缺失时，通过其他关联曲线可以建立经验公式进行转换，如最常用的Gardner公式及其逆变换，就是利用补偿密度曲线转换为声波速度，其中的地区经验参数α和β特别重要。不同岩性、不同地层、不同区域，其参数是不一样的。如下为Gardner公式：

AC＝α·DEN^β

Gardner建议，当待测区地层为砂泥岩地层时，地区经验参数α和β分别取0.31和0.25，很显然，这个参数不能普遍适用，尤其是当地层岩性为碳酸盐岩或者变质岩时。而要获得准确的经验参数，就需要大量的地球物理实验分析。

同时还可以利用电阻率曲线转换为声波速度，如Faust公式：

式中Depth是对应样点的深度值，RD为电阻率数据，C₁,C₂,C₃都是经验参数，在砂泥岩地层环境中建议C₁取2374，C₂和C₃均取0.1667。同样，当地层环境不是砂泥岩而是碳酸盐岩地层或者变质岩地层时，公式的适用性就要大打折扣。

上述经验公式都是研究人员通过无数次岩石物理实验总结获得的，具有一定的学术价值和使用价值。但很明显，这些经验公式容易受区域地层变化和岩性、含流体性质的影响，公式中的地区参数很难求准，因此会影响声波速度预测的可靠性和精度。