买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国石油大学(华东)

摘要：本发明公开了一种基于阵列电阻率的地层电性剖面快速成像方法，包括以下步骤：构建井周径向地层电性分布模型；枚举模型控制参数并组合成计算模型，严格正演，获得对应阵列电阻率响应；建立计算模型与阵列电阻率响应的映射关系；将阵列电阻率响应作为输入，训练响应值到计算模型的规律；输入实测阵列电阻率资料；对每一个测井点的测量曲线，预测当前测井点模型参数值；对模型各参数赋多个初值，生成多组初始模型；对初始模型进行正演；梯度迭代，选取最优反演结果；对反演结果一维像素化处理；处理所有测井点资料，所有测井点反演结果二维像素化，输出井周地层二维成像图。本发明采用阵列电阻率测井响应快速逼近计算和反演初值选取方法。

主权项：1.一种基于阵列电阻率的地层电性剖面快速成像方法，其特征在于，包括以下步骤：a构建井周径向地层电性分布模型；b枚举模型控制参数并组合成计算模型，严格正演，获得对应阵列电阻率响应；c建立计算模型与阵列电阻率响应的映射关系；d将阵列电阻率响应作为输入，训练响应值到计算模型的规律；e输入实测阵列电阻率资料；f对每一个测井点的测量曲线，预测当前测井点模型参数值；g对模型各参数赋多个初值，生成多组初始模型；h利用步骤d给出的映射关系，对初始模型进行正演；i梯度迭代，选取最优反演结果；j对反演结果一维像素化处理；k重复步骤f至j，处理所有测井点资料，所有测井点反演结果二维像素化，输出井周地层二维成像图；所述模型控制参数，包括井眼直径Dh、井内泥浆电阻率Rmf、侵入深度Di、冲洗带电阻率Rxo和原状地层电阻率Rt；所述枚举模型控制参数并组合的步骤，包括：井眼直径Dh为0.1～0.4m，在最大和最小值之间均匀取30个值，即Dhi,i＝1,2,3,…,30；井内泥浆电阻率Rmf为0.1～10Ω.m，在最大和最小值之间均匀取30个值，即Rmfj,j＝1,2,3,…,30；侵入深度Di为0～2.0m，在最大和最小值之间均匀取40个值，即Dik,k＝1,2,3,…,40；冲洗带电阻率Rxo和原状地层电阻率Rt，在最大和最小值之间取50个值，即Rtl,l＝1,2,3,…,50，Rxom,m＝1,2,3,…,50；将各个参数相互组合，共形成30×30×40×50×50＝9×107组计算模型，每个模型可表示为[Dhi,Rmfj,Dik,Rtl,Rxom]；所述建立计算模型与阵列电阻率响应的映射关系的步骤，包括：对[Dhi,Rmfj,Dik,Rtl,Rxom]进行有限元正演计算，获得相应的阵列电阻率测井响应[RLA1,RLA2,RLA3,RLA4,RLA5]i,j,k,l,m；对所述9×107个计算模型中控制参数进行处理，即对泥浆滤液电阻率、原状地层电阻率及侵入带电阻率进行对数化处理，建立计算模型库ML0，每个模型可表示为[Dhi,log10Rmfj,Dik,log10Rtl,log10Rxom]；对每组[RLA1,RLA2,RLA3,RLA4,RLA5]i,j,k,l,m进行对数化处理，获得响应[log10RLA1,log10RLA2,log10RLA3,log10RLA4,log10RLA5]i,j,k,l,m，并将所述响应形成对数化测井响应库RL0；将计算模型库ML0作为输入，对数化测井响应库RL0作为输出，调整神经网络隐藏层层数和各层神经元的数量至训练误差小于0.25％；提取已训练好的神经网络各层神经元处的权重与偏置，并写出输入层到输出层的公式：[log10RLA1,log10RLA2,log10RLA3,log10RLA4,log10RLA5]＝∏[Dh,log10Rmf,Di,log10Rt,log10Rxo]1其中∏表示n层神经网络模型对输入数据的处理过程，如下公式：Π＝wn×σwn-1×σwn-2×…×σw1×input+b1+…+bn-2+bn-1+bn其中input＝[Dh,log10Rmf,Di,log10Rt,log10Rxo]作为神经网络模型的输入，wi和bi表示∏对应的神经网络模型中，第i层节点的权重和偏置，σ表示sigmoid激活函数：σx＝11+e-x；对需要正演的计算模型，将控制参数值输入公式1，得到对数化视电阻率，将对数化视电阻率指数化，获得对应的阵列电阻率响应；所述将阵列电阻率响应作为输入，训练响应值到计算模型的规律的步骤，包括：将对数化测井响应库RL0作为输入，将计算模型库ML0作为输出，调整神经网络的层数和各层宽度至训练误差小于0.25％；提取已训练好的神经网络各层神经元处的权重与偏置，并写出输入层到输出层的公式：其中表示n层神经网络模型对输入数据的处理过程，如下公式： 其中input＝[log10RLA1,log10RLA2,log10RLA3,log10RLA4,log10RLA5]作为神经网络的输入，wi和bi表示对应的神经网络模型中，第i层节点的权重和偏置，σ表示sigmoid激活函数：σx＝11+e-x；对对数化测井响应库RL0进行修改，获得对数化测井响应库RL1、RL2、RL3，RL1中每组响应分别为：[log10RLA1*0，log10RLA2*0.5，log10RLA3，log10RLA4，log10RLA5]；RL2中每组响应分别为：[log10RLA1*0.25，log10RLA2*0.5，log10RLA3*0.75，log10RLA4*0.85，log10RLA5]；RL3中每组响应分别为：[log10RLA1，log10RLA2*0.8，log10RLA3*0.75，log10RLA4*0.5，log10RLA5*0.25]；依次将对数化测井响应库RL1、RL2、RL3作为输入，输出均为计算模型库ML0，调整神经网络的层数和各层的宽度至训练误差小于0.25％，分别获得响应库RL1、RL2、RL3与模型库ML0的联系；提取已训练好的神经网络各层神经元处的权重与偏置，并写出输入层到输出层的公式：其中表示n层神经网络模型对输入数据的处理过程，如下公式： 其中input＝[log10RLA1*0,log10RLA2*0.5,log10RLA3,log10RLA4,log10RLA5]作为神经网络模型的输入，wi和bi表示对应的神经网络模型中，第i层节点的权重和偏置，σ表示sigmoid激活函数：σx＝11+e-x； 其中表示n层神经网络模型对输入数据的处理过程，如下公式： 其中input＝[log10RLA1*0.25,log10RLA2*0.5,log10RLA3*0.75,log10RLA4*0.85,log10RLA5]表示神经网络的输入，wi和bi表示对应的神经网络模型中，第i层节点的权重和偏置，σ表示sigmoid激活函数：σx＝11+e-x； 其中表示n层神经网络模型对输入数据的处理过程，如下公式： 其中input＝[log10RLA1,log10RLA2*0.8,log10RLA3*0.75,log10RLA4*0.5,log10RLA5*0.25]作为神经网络模型的输入，wi和bi表示对应的神经网络模型中，第i层节点的权重和偏置，σ表示sigmoid激活函数：σx＝11+e-x；所述对每一个测井点的测量曲线，预测当前测井点模型参数值的步骤，包括：将实测阵列电阻率代入d2中的公式2，获得预测当前测井点模型参数值M0＝[Dh,log10Rmf,Di,log10Rt,log10Rxo]0；将实测阵列视电阻率信息分别代入公式3、4、5，获得当前测井点模型参数值M1、M2和M3，其中， 所述对反演结果一维像素化处理的步骤，包括：i1对每个测量点，沿径向0～2.5m的区间，进行等间距剖分处理，共剖分200个网格，每个网格均为一个线段；i2对每个网格进行电阻率赋值：若网格端点＝Dh2，则该网格电阻率赋值为Rmf；若网格端点介于Dh2，Di，则赋值为Rxo；若网格端点大于Di，则赋值为Rt；对所有网格的电阻率对数化，每个网格视为一个像素点，获得沿径向分布的一维像素化地层剖面电阻率分布。

全文数据：

权利要求：

百度查询： 中国石油大学(华东) 一种基于阵列电阻率的地层电性剖面快速成像方法