[发明专利]一种页岩超声测试波形初至的自动拾取方法

权利要求书

1.一种页岩超声测试波形初至的自动拾取方法，其特征在于，包括以下步骤：

获取已知页岩储层的岩石超声波实验测试数据；

基于不混叠时间对所述测试数据进行采样并形成向量，选取其中部分道集作为训练数集；

根据所述训练数集，利用监督卷积神经网络算法训练得到波形分类器；

获取目标页岩的超声波数据，利用所述波形分类器对所述超声波数据进行波形分类，将所述超声波数据分为波形数据和非波形数据；

确定所述波形数据的非零点，基于所述非零点，通过上下延拓的方法提取有效时窗；

将所述有效时窗内的波形信号，利用非监督模糊聚类机器学习算法进行波形属性特征聚类分析，根据聚类分析结果获得波形初至。

2.根据权利要求1所述的页岩超声测试波形初至的自动拾取方法，其特征在于，利用所述监督卷积神经网络训练时，采用局部连接和权值共享的方式进行训练，此时所述监督卷积神经网络的卷积层的数理表达为：

q_k＝f(o*w_k),k＝1,2,...,K, (1)

式中：q_k为第k个输出特征向量；o为输入向量；*为卷积算子；w_k为联系q_k和o之间的权重向量滤波器；k为滤波器的总数。

3.根据权利要求2所述的页岩超声测试波形初至的自动拾取方法，其特征在于，利用所述监督卷积神经网络训练时，卷积和池化均只用一次。

4.根据权利要求1所述的页岩超声测试波形初至的自动拾取方法，其特征在于，确定所述波形数据的非零点时，确定所述波形数据的第一个非零点。

5.根据权利要求1所述的页岩超声测试波形初至的自动拾取方法，其特征在于，所述非监督模糊聚类机器学习算法进行模糊划分时的极小值目标函数为：

式中：M为输入信号的长度；N为聚类簇的数量；k为任意大于1的实数；μ_m,n为簇类n中x_m的隶属度；x_m为d维测试数据中的第m个元素；c_n为簇类的中心元素；‖x_m-c_n‖为测试数据和中心元素间的相似度。