[发明专利]测井数据异常检测方法

权利要求书

1.测井数据异常检测方法，其特征在于，该测井数据异常检测方法包括：

步骤1、构造测井数据样本集合；

步骤2、进行系统初始化；

步骤3、进行特征提取层训练；

步骤4、输出分类层训练；

步骤5、进行异常值识别。

2.根据权利要求1所述的测井数据异常检测方法，其特征在于，在步骤1中，获取一口或多口井的测井数据，每个深度上的所有测井值组成一个特征向量，即样本，一个样本表达为其中表示实数域，d为样本维度；测井数据构成的样本集合为样本矩阵其中n为该集合的样本总数；为测井数据打上岩性标签。

3.根据权利要求2所述的测井数据异常检测方法，其特征在于，在步骤1中，测井值包括自然伽马、自然电位、井径、声波时差、密度、补偿中子、深侧向电阻率及浅侧向电阻率。

4.根据权利要求2所述的测井数据异常检测方法，其特征在于，在步骤2中，令经验损失系数τ0，学习率系数a,b0，停止系数∈0，最大特征提取层数m为正整数，高维特征数量N_h为正整数；令高斯核宽σ0，样本拒绝系数α∈(0,100)；特征提取层权重矩阵为零矩阵，动量向量为零矩阵。

5.根据权利要求4所述的测井数据异常检测方法，其特征在于，在步骤2中，τ∈(10,10³)，a∈(0.5,1)，b∈(0.01,0.1)，∈＝10^-3，m5，a∈(0.1,1)，α＝10，N_h200。

6.根据权利要求4所述的测井数据异常检测方法，其特征在于，步骤3包括：

步骤301、初始化：令i＝1，Y₀＝X，k＝1,…,n；为Y₀的第k行；

步骤302、随机生成权重矩阵随机生成偏置向量然后构造高维特征矩阵H的第k列为φ为激活函数；

步骤303、计算第i特征提取层的权重矩阵

步骤304、令i自增1，如果im，跳至步骤4，否则跳至步骤302。

7.根据权利要求6所述的测井数据异常检测方法，其特征在于，在步骤302中，激活函数采用Sigmoid、Tanh或者Softmax。

8.根据权利要求6所述的测井数据异常检测方法，其特征在于，在步骤302中，随机生成方法所采用的概率分布为高斯分布或者均匀分布。

9.根据权利要求6所述的测井数据异常检测方法，其特征在于，步骤303包括：

步骤30301、根据求解类内或者总体散度矩阵S；

步骤30302、计算梯度其中如果则跳至步骤30303，如果则把当前θ的值赋给Θ_i，令Y_i＝φ(Θ_iY_i-1)，然后跳至步骤304；

步骤30303、计算更新后的动量向量：

然后计算更新后的权重矩阵θ^*＝θ-bv；

步骤30304、把θ^*的值赋给θ，把v^*的值赋给v，然后跳至步骤30302。

10.根据权利要求9所述的测井数据异常检测方法，其特征在于，步骤4包括：

步骤401、对样本分别求取其编码后特征表示如下：其中

步骤402、对样本计算误差其中为元素全为1向量，I为单位阵；

步骤403、计算风险加权矩阵M为对角阵，其第k个对角元素为

步骤404、计算输出权重矩阵，如下：

11.根据权利要求10所述的测井数据异常检测方法，其特征在于，在步骤5中，对于新的样本集合p为新样本集合的样本数量，求取其编码后特征表示如下：其中i＝1,…,m；然后计算预测误差对进行从大到小排序，排序后的集合中前α％的预测误差所对应的样本即为异常样本。