[发明专利]一种基于状态空间模型与支持向量回归的井震联合多目标同时反演方法

权利要求书

1.一种基于状态空间模型与支持向量回归的井震联合多目标同时反演方法，包括以下步骤：

第一步：基于样本油井的实测数据，利用离散化方法，建立状态空间模型，所述样本油井实测数据包括实测样本曲线纵波速度、横波速度和密度；

第二步：建立状态迁移变换矩阵，其中首先利用离散化变换对样本油井的实测数据进行离散化处理；

第三步：建立状态残差随机变量概率密度函数；

第四步：基于支持向量回归方法建立观测函数；

第五步：建立观测误差随机变量概率密度函数；

第六步：基于状态空间模型进行多目标同时反演。

2.根据权利要求1所述的方法，其特征在于，在第一步中，所述离散化方法为K-Means离散化方法，具体为设{x^t}为样本数据的状态数据X的时序表示，在聚类K-Means离散化样本数据{x^t}之前，将{x^t}各个维度数据的连续属性值标准化到均值为0方差为1的值域内；K-Means离散化样本数据过程记S()，设X^t＝f^t(X^t-1)+Q^t，其中X^t∈Rⁿ为模型状态，R为实数，n为状态X^t的维度，为了设置状态空间，需要对连续状态X^t进行离散化，设S^t∈{1、2、3...k}，k为大于1的整数，S^t＝S(X^t)，其中S()为K-Means离散化样本数据过程，S^-1()为离散化逆变换，假设有充分的样本数据{x^t}，X^t＝f^t(X^t-1)+Q^t可改写为S^t-1＝S(X^t-1)，{S^t}被看作平稳马尔可夫链随机过程，F^t()为{S^t}状态迁移变换矩阵，是一个与时间无关的变换方阵，因此F^t()可写为F()，经过K-Means离散化样本数据的状态数据X后，状态空间模型可调整为如下式(3)、式(4)、式(5)、式(6)：

S^t＝S(X^t) (3)

S^t＝F^t(S^t-1) (4)

X^t＝S^-1(S^t-1)+Q^t (5)

Y^t＝o^t(X^t)+R^t (6)

其中，o^t()为4行9列的矩阵，记为W，即称W为观测矩阵。

3.根据权利要求2所述的方法，其中在第一步中，可同时反演地层的纵波速度、横波速度、密度，此时令n＝3，X^t∈R³，其中为纵波速度，为横波速度，为密度。