[发明专利]基于自动编码和超限学习联合网络的声波速度预测方法

摘要

本发明涉及一种基于自动编码和超限学习联合网络的声波速度预测方法，其主要技术特点是：准备待测区参考标准井和目标井的测井曲线资料；对所有曲线数据开展环境校正和标准化处理；构建自动编码器网络模型，通过迭代计算获得最佳关联曲线数据；构建超限学习网络模型，经迭代计算获得权值矩阵参数，确定预测模型的最优参数并得到预测模型；将预测模型应用到缺失AC曲线的井中，预测出AC曲线。本发明设计合理，能够大大提高了预测提高AC预测精度和稳定性能，并为后续储层反演及地质综合解释提供可靠的声波数据，具有较好的应用价值。

主权项

1.一种基于自动编码和超限学习联合网络的声波速度预测方法，其特征在于包括以下步骤：步骤1：准备待测区参考标准井和目标井的测井曲线资料；步骤2：对所有曲线数据开展环境校正和标准化处理；步骤3：构建自动编码器网络模型，通过迭代计算获得最佳关联曲线数据，具体实现方法为：将标准化处理后的曲线数据作为自动编码器网络模型的输入和输出，在在输入端随机生成权值和阈值，采用sigmoid激活函数，同时采用BP误差反向传播算法最终确定模型的最佳参数，同时获得最佳关联曲线数据输出；步骤4：以自动编码网络的输出数据为数据集并该数据集为训练集、验证集和测试集，构建超限学习网络模型，经迭代计算获得权值矩阵参数，确定预测模型的最优参数并得到预测模型，具体实现方法为：将最佳关联曲线数据作为超限学习网络模型的输入，给定一个训练样本集X＝{(x_i,t_i)|x_i∈R_n,t_i∈R_m,i＝1,2,...N}，激活函数为g(x)，隐层节点数为k个；步骤5：将预测模型应用到缺失AC曲线的井中，预测出AC曲线。