[发明专利]一种基于循环神经网络的储层吸气剖面的确定方法及装置

权利要求书

1.一种基于循环神经网络的储层吸气剖面的确定方法，其特征在于，包括：

获取目标区域的储层的历史地层参数；

将所述历史地层参数输入至循环神经网络中进行学习训练，得出吸气剖面预测模型；

获取所述目标区域的待预测储层的当前地层参数，利用所述吸气剖面预测模型确定出与所述当前地层参数对应的目标吸气剖面；

所述将所述历史地层参数输入至循环神经网络中进行学习训练，得出吸气剖面预测模型的过程，具体包括：

利用所述历史地层参数构建序列数据；

将所述序列数据输入至所述循环神经网络中进行学习训练，得出所述吸气剖面预测模型；

所述历史地层参数具体包括历史静态地层参数和历史动态地层参数；所述当前地层参数具体包括当前静态地层参数和当前动态地层参数；

所述将所述历史地层参数输入至循环神经网络中进行学习训练，得出吸气剖面预测模型的过程，具体包括：

设置所述循环神经网络的初始参数；

将所述序列数据中的训练集输入至所述循环神经网络中进行学习训练以更新所述初始参数，并得出初始化模型；

利用所述序列数据中的测试集对所述初始化模型进行调整，得出所述吸气剖面预测模型；

所述利用所述序列数据中的测试集对所述初始化模型进行调整，得出所述吸气剖面预测模型的过程，具体包括：

利用所述序列数据中的所述测试集确定出的每次更新后的所述初始化模型的决定系数和模型预测结果对所述初始化模型的超参数进行调整，得出所述吸气剖面预测模型。

2.根据权利要求1所述的方法，其特征在于，在所述获取所述目标区域的待预测储层的当前地层参数，利用所述吸气剖面预测模型确定出与所述当前地层参数对应的目标吸气剖面之后，进一步包括：

发出对应的提示信息。

3.根据权利要求1或2所述的方法，其特征在于，在所述获取所述目标区域的待预测储层的当前地层参数，利用所述吸气剖面预测模型确定出与所述当前地层参数对应的目标吸气剖面之后，进一步包括：

将所述目标吸气剖面和对应的所述待预测储层的标识信息进行对应记录。

4.一种基于循环神经网络的储层吸气剖面的确定装置，其特征在于，包括：

获取模块，用于获取目标区域的储层的历史地层参数；

训练模块，用于将所述历史地层参数输入至循环神经网络中进行学习训练，得出吸气剖面预测模型；

确定模块，用于获取所述目标区域的待预测储层的当前地层参数，利用所述吸气剖面预测模型确定出与所述当前地层参数对应的目标吸气剖面；

所述将所述历史地层参数输入至循环神经网络中进行学习训练，得出吸气剖面预测模型的过程，具体包括：

利用所述历史地层参数构建序列数据；

将所述序列数据输入至所述循环神经网络中进行学习训练，得出所述吸气剖面预测模型；

所述历史地层参数具体包括历史静态地层参数和历史动态地层参数；所述当前地层参数具体包括当前静态地层参数和当前动态地层参数；

所述将所述历史地层参数输入至循环神经网络中进行学习训练，得出吸气剖面预测模型的过程，具体包括：

设置所述循环神经网络的初始参数；

将所述序列数据中的训练集输入至所述循环神经网络中进行学习训练以更新所述初始参数，并得出初始化模型；

利用所述序列数据中的测试集对所述初始化模型进行调整，得出所述吸气剖面预测模型；

所述利用所述序列数据中的测试集对所述初始化模型进行调整，得出所述吸气剖面预测模型的过程，具体包括：

利用所述序列数据中的所述测试集确定出的每次更新后的所述初始化模型的决定系数和模型预测结果对所述初始化模型的超参数进行调整，得出所述吸气剖面预测模型。

5.一种基于循环神经网络的储层吸气剖面的确定设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至3任一项所述的基于循环神经网络的储层吸气剖面的确定的步骤。

6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至3任一项所述的基于循环神经网络的储层吸气剖面的确定方法的步骤。