[发明专利]一种减小电磁测深反演结果非唯一性的方法

摘要

本发明是一种减小电磁测深反演结果的非唯一性的方法，采集探区电磁测深数据，获得至少2个以上二维反演深度‑电阻率模型，规则化处理得到规则化二维深度‑电阻率模型反演结果，确定学习样本和目标样本，建立BP神经元网络系统，将工区内剖面逐点逐深度点依次输入神经元网络，得到期望的每个测点每个深度点的预测结果，再还原为真实的反演电阻率值得到优化的二维反演结果。本发明是一种针对电磁测深资料的反演非唯一性快速优化的处理方法，通过对多种反演结果的神经网络处理，通过对已知信息的学习，减少非唯一性，对获得复杂区目标体的真实模型实用有效。

主权项

一种减小电磁测深反演结果非唯一性的方法，特点是通过以下步骤实现：1)采集工区电磁测深数据，对每条测线做不同反演处理，获得2个以上二维反演深度‑电阻率模型；2)对步骤1)二维反演深度‑电阻率模型进行规则化处理，得到规则化二维深度‑电阻率模型反演结果；所述的规则化处理是对所有步骤1)得到的二维反演深度‑电阻率模型由地面到地下深度范围内，按照相同的深度间隔、剖面测点间隔，进行插值处理，找出所有电阻率值的最小值RHOmin和最大值RHOmax，对每个电阻率值RHOij按照以下公式进行规则化：(RHOij‑RHOmin)/(RHOmax‑RHOmin)；3)确定学习样本和目标样本；将规则化后的反演结果中有钻井或地震剖面资料的位置作为已知资料点，在已知资料点附近范围内选取1‑3个点作为学习样本；4)建立BP神经元网络系统；所述的建立BP神经元网络系统是：将每个学习样本每个深度点的数据依次输入到神经元网络，对应地输入目标样本，启动BP神经元网络进行训练，如果拟合误差达到了设定的误差，或者达到了最大的迭代次数则终止训练，就建立了BP神经元网络系统；5)将工区内一条剖面或多条剖面，逐测点逐深度点按照步骤2)规则化处理后的数据，依次输入到由步骤4)建立的BP神经元网络系统，得到期望的每个测点每个深度点的预测结果Kij；按照步骤2)确定的RHOmin和RHOmax值，还原为真实的反演电阻率值，最终得到优化的二维反演结果，步骤1)所述的不同反演处理是采用二维澳柯玛反演或二维快速松弛反演或二维共轭梯度反演或二维视模反演或二维正则化反演或二维广义逆反演或二维模拟退火反演，所述目标样本采用以下方法确定：步骤2)电阻率的曲线深度不足10km时，不足部分用步骤1)不同的反演模型的平均值代替，按照步骤2)的规则化处理，按照步骤2)的深度范围和步骤2)深度间隔进行插值；求出测井电阻率曲线的最小值RHOmin和最大值RHOmax，将每个电阻率值RHOij按照步骤2)的公式进行规则化，得到已知资料点的目标样本；步骤3)钻井资料如果没有，选择解释后的地震剖面建立地层分层模型，然后根据工区物性分析获得地层电阻率基本数据，建立分层的电阻率模型，把地震剖面上离电磁测深剖面最近的点或与电磁测深剖面交叉的点的电阻率分层模型作为标定模型，按照以上插值和规则化处理进行规则化，得到已知资料点的目标样本。