[发明专利]一种基于回归委员会机器的储层参数测井解释方法

权利要求书

1.一种基于回归委员会机器的储层参数测井解释方法，其特征在于，所述方法包括以下步骤：

1)选择对待预测参数敏感的测井数据作为输入数据；

2)对输入数据的每个属性值进行归一化处理；

3)根据岩石物理实验结果得到已知储层的参数；

4)将每一层的测井数据和储层参数组合在一起构成数据集；

5)将数据集随机地分成两类，一类为训练数据集，另一类为测试数据集；

6)选用若干种智能回归算法作为前置回归预测器；

7)以训练数据集作为输入，分别对每一种智能回归算法进行训练，得到对应的回归预测模型；

8)以测试数据集作为输入，分别通过每一种回归预测模型给出一个预测值；

9)针对每一组输入数据，将各回归预测模型给出的预测值组合起来，采用一种委员会决策机制，给出最终的预测值。

2.根据权利要求1所述的一种基于回归委员会机器的储层参数测井解释方法，其特征在于：所述步骤1)中，选取声波时差、中子密度、补偿密度、自然伽马、深感应测井、中感应测井等测井数据作为输入数据。

3.根据权利要求1所述的一种基于回归委员会机器的储层参数测井解释方法，其特征在于：所述步骤3)中涉及的储层参数包括泥质含量、孔隙度、渗透率、饱和度。

4.根据权利要求1所述的一种基于回归委员会机器的储层参数测井解释方法，其特征在于：所述步骤5)中，训练数据集和测试数据集分别占数据集总量的80％和20％。

5.根据权利要求1所述的一种基于回归委员会机器的储层参数测井解释方法，其特征在于：所述步骤6)中采用的智能回归算法包括BP神经网络、支持向量机和自适应神经网络-模糊推理系统。

6.根据权利要求1所述的一种基于回归委员会机器的储层参数测井解释方法，其特征在于，所述步骤9)中的委员会决策机制采用加权平均法组合各智能回归预测模型的输出值，产生最终的回归预测值。

7.根据权利要求1或6所述的一种基于回归委员会机器的储层参数测井解释方法，其特征在于，所述加权平均法，赋予每个智能回归预测模型一个权重值来计算各个预测值的加权平均数，使用遗传算法获取最优的权重组合以构建委员会机器，对遗传算法的适应函数定义如下：

该函数表征了在委员会机器训练时的误差，其中w1、w2、w3分别对应BP神经网络、支持向量机、ANFIS预测的权重因子，O是预测值，T是目标值，N是训练数据的数量，

为了使w1+w2+w3＝1，在遗传算法中设定如下约束条件：

Aw＝b

式中，A＝[1 1 1]，w＝[w1 w2 w3]，b＝1，同时设置wi的上限为1，下限为0。