[发明专利]基于深度信念网络的煤层气测井含气量预测方法

摘要

本发明涉及一种煤气层测井含气量的预测领域，尤其是一种基于深度信念网络的煤层气测井含气量的预测方法。一种基于深度信念网络的煤层气测井含气量预测方法，主要通过计算机完成，实现该方法所需设备包括测井仪器、数据通讯接口及计算机；该方法包括：利用煤层气测井数据预测煤层气储层含气量，确定主要的测井数据；测井数据的降噪；归一化处理；测井数据与含气量之间关联度的计算；测井数据作为样本，输入限制玻尔兹曼机进行无监督训练；利用有监督学习对权值矩阵进行微调；将其它未取心井的所采集的煤层测井数据，经过降噪和归一化处理后，传输到预测模型算法的计算机中，进而得到未取心井预测的煤层气储层含气量。

主权项

1.一种基于深度信念网络的煤层气测井含气量预测方法，主要通过计算机完成，其特征在于实现该方法所需设备包括测井仪器、数据通讯接口及计算机；所述测井仪器,用于采集煤层气测井数据，即深侧向电阻率、浅侧向电阻率、微球聚焦、密度、声波时差、中子、自然电位、自然伽马、井径九种测井数据；所述数据通讯接口,用于将现场测井仪器采集的上述九种测井数据,传输到计算机中；所述计算机，用于运行深度信念网络的煤层气储层含气量预测算法，根据煤层气测井数据，预测出输出变量煤层气储层含气量；该方法包括如下步骤：步骤一、利用煤层气测井数据预测煤层气储层含气量，主要的测井数据为深侧向电阻率、浅侧向电阻率、微球聚焦、密度、声波时差、中子、自然电位、自然伽马、井径九种常规测井数据，预测输出变量为煤层气储层含气量；步骤二、测井数据的降噪：利用现场测井仪器采集测井数据，将测井曲线看作随深度变化的空间信号，其由有效信号和干扰信号叠加而成；利用经验小波变换EWT的方法对测井数据进行降噪，将最后得到的一系列本征模态函数IMFK，记为IMF1,IMF2,…,IMFk；每一个本征模态函数分别代表测井曲线中不同空间频率的部分，且随着k的增大，本征模态函数的空间频率越高；由于噪声的空间频率较高，略去最后一个本征模态函数，达到降噪的目的；再将其余本征模态函数进行叠加得到去噪后的测井曲线；步骤三、归一化处理：每一种测井方法的物理原理不同，其测量的物理参数的量纲和数量级均有很大的差别，需要对测井数据进行归一化处理，使其具有相同的量纲和数值分布范围；经过归一化处理的测井数据均为无量纲量，且分布区间为[0,1]；步骤四、测井数据与含气量之间关联度的计算：采用灰色关联分析法分析各测井曲线与含气量之间的相关性：在某区块内，选取n层煤层作为样本，选取标准是：煤层的厚度大于0.5m，样本的的数量n应当大于200；计算每种测井数据与含气量的灰色关联度后，可以进行关联度的排序，以0.8为界限，剔除关联度较小的测井数据，保留关联度较高的测井数据作为深度信念网络的输入参数；步骤五、将步骤四中确定的测井数据作为样本，输入限制玻尔兹曼机进行无监督训练，限制玻尔兹曼机的个数不少于5个，其中隐含层神经元个数，以样本数量的十分之一作为隐含层神经元个数的选取标准，根据实际运算结果，在样本数量的百分之二范围内适度增减；将最后一个限制玻尔兹曼机的隐含层神经元整体的开启状态作为分类器的输入，得到最终的输出结果Gout；步骤六、经过无监督学习，深度信念网络的权值矩阵基本可以确定，需利用有监督学习对权值矩阵进行微调：对所测煤层进行取心，进行实验室分析，其测得的煤层气储层实测含气量为G_E，则误差函数为误差函数对隐含层各神经元的偏导数为δ_v(k)；连接权值调整规则为w＝ηδ_kf_i,k，η为学习率，k＝1,2,3,…,n；对于初始连接权值，随机选取正态分布(0.001,1)中的随机数即可；不断调整连接权值，设定e≤0.01，直到误差函数满足要求，深度信念网络训练完成，从而确定煤层气储层含气量的预测模型；步骤七、将其它未取心井的所采集的煤层测井数据，经过步骤二降噪和步骤三归一化处理后，传输到步骤六得到的煤层气储层含气量预测模型算法的计算机中，进而得到未取心井预测的煤层气储层含气量。