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类激活图联合物理约束的页岩横波速度智能预测方法，涉及地球物理测井技术领域。本发明将Voigt‑Reuss‑Hill边界平均模型和Biot‑Gassmann方程相结合，构建基于岩石物理模型约束的横波速度模型计算目标井段的横波速度后，再通过敏感性分析选取横波速度敏感测井参数，将各深度处的横波速度敏感测井参数标准化处理后与基于物理模型约束的横波速度转换为单通道二维特征图形成样本数据，构建包括训练集和验证集的样本库，基于双层卷积神经网络建立页岩横波速度智能预测模型，利用训练集训练页岩横波速度智能预测模型后，再利用验证集验证其性能，并用于计算待计算井段的横波速度。本发明将人数学模型和物理模型相结合，有利于复杂页岩储层的勘探开发。

主权项：1.基于类激活图联合物理约束的页岩横波速度智能预测方法，其特征在于，包括以下步骤：步骤1，根据目标井段的元素测井资料，确定目标井段的矿物组成，利用Voigt-Reuss-Hill边界平均模型计算储层中岩石矿物骨架的等效体积模量和剪切模量，结合Biot-Gassmann方程，利用横波速度物理模型计算得到目标井段各深度处基于物理模型约束的横波速度；步骤2，根据目标井段的测井数据，对多种测井参数与横波速度之间进行敏感性分析，选取横波速度敏感测井参数，对目标井段各深度处的横波速度敏感测井参数进行标准化处理，得到各深度处的横波速度敏感测井参数值后，将目标井段各深度处的横波速度敏感测井参数值和基于物理模型约束的横波速度转化为单通道二维特征图；步骤3，以目标井段各深度处的单通道二维特征图作为样本数据，将各样本数据随机分配至样本库的训练集和验证集中，构建样本库；步骤4，基于双层卷积神经网络建立页岩横波速度智能预测模型；步骤5，利用训练集训练页岩横波速度智能预测模型，得到训练后的页岩横波速度智能预测模型，再利用验证集验证页岩横波速度智能预测模型的性能，得到验证后的页岩横波速度智能预测模型；步骤6，将待计算井段的横波速度敏感测井参数输入至验证后的页岩横波速度智能预测模型中，利用验证后的页岩横波速度智能预测模型计算，确定待计算井段基于物理模型约束的横波速度。

全文数据：

权利要求：

百度查询： 中国石油大学(华东) 基于类激活图联合物理约束的页岩横波速度智能预测方法