【技术实现步骤摘要】
本专利技术涉及测井储层预测领域，尤其涉及一种测井资料脆性预测方法。
技术介绍
1、随着油气能源需求的剧增，页岩油气已成为油气勘探开发重要的主战场。对于非常规致密油气开采，压裂是重要施工步骤，而脆性指数又与能否成功压裂密切相关。现有脆性指数预测方法有三类，即室内测试分析法、测井预测法、地震属性预测法。室内测试分析法是最可靠的脆性研究方法，但测试分析费用高、取心不连续。地震属性预测法是将测井资料与地震数据结合，反演得到纵横波阻抗、密度等参数，再预测脆性指数。地震属性纵向分辨率较低，很难识别薄储层，从而影响了脆性指数预测精度。测井预测方法分为三种，包括动态力学参数计算脆性指数、基于数学统计分析方法计算脆性指数、岩石中的脆性矿物含量计算脆性指数，通过对岩石脆性量化分析，能够有效地评价岩石脆性。
技术实现思路
1、鉴于上述问题，提出了本专利技术以便提供克服上述问题或者至少部分地解决上述问题的一种测井资料脆性预测方法。
2、根据本专利技术的一个方面，提供了一种测井资料脆性预测方法包括：
3、采集测井曲线数据，并进行室内孔隙度测定实验，获得孔隙度数据；
4、根据所述测井曲线数据和所述孔隙度数据，构建极限学习机预测模型；
5、利用所述测井曲线数据和所述孔隙度数据，采用多元宇宙mvo优化算法对所述极限学习机预测模型进行优化，确定种群规模和最大迭代次数，获得优化极限学习机预测模型；
6、利用性能评价指标对所述优化极限学习机预测模型进行评价，如
7、进行室内杨氏模量和泊松比实验，计算脆性指数，建立孔隙度与所述脆性指数之间的关系，获得回归方程，对所述脆性指数进行预测。
8、可选的，所述测井曲线数据包括：pe、den、ac、gr、cnl。
9、可选的，所述根据所述测井曲线数据和所述孔隙度数据，构建极限学习机预测模型具体包括：
10、假设n个训练样本其中xi＝[xi1,xi2,xi3,…,xin]t∈rn为训练集的n维输入数据，ti＝[ti,ti2,ti3,…,tim]t∈rm为训练集的m维理想输出值，对k个隐层节点数且激活函数gi(xi)的elm网络模型表达式为：
11、
12、式中，βi为第i个隐层节点和输出层节点之间连接的输出权重向量；ωi为输入层节点和第i个隐层节点之间连接的输入权重向量；yj为网络模型的实际输出；gi(ωi·xj+bi)为激活函数；bi为第i个隐层节点的阈值；
13、若具有k个隐层的单馈神经元网络能零误差接近任意n个训练样本即
14、有简写为：hβ＝t；
15、
16、式中，h为隐藏层输出矩阵；t为理想输出向量式，等价于寻找线性系统hβ＝t最小二乘解，根据矩阵广义逆理论，解为:
17、其中，h+为h矩阵增广逆矩阵。
18、可选的，所述利用所述测井曲线数据和所述孔隙度数据，采用多元宇宙mvo优化算法对所述极限学习机预测模型进行优化，确定种群规模和最大迭代次数，获得优化极限学习机预测模型具体包括：
19、假设搜索空间存在宇宙矩阵为：
20、
21、式中，d为变量个数n为宇宙数量(候选解)；
22、
23、式中，ui为第i个宇宙；ni(ui)为第i个宇宙的标准膨胀率；为根据螺旋机制被选中的第i个宇宙的第j个变量；为第i个宇宙的第j个变量；r1为介于0和1的随机数；
24、根据标准膨胀率大小，白洞以螺旋形式搜索，膨胀率低的物体更易通过黑洞或白洞输送物体；
25、膨胀率越高物体拥有白洞可能性越高，膨胀率越低物体拥有黑洞可能性越低；对于最大化问题，-ni将被改变为ni；
26、假设虫洞隧道总是建立在宇宙和最优宇宙之间，公式为：
27、
28、式中，ubj为第j个变量最高值；lbj为第j个变量最低值；为第i个宇宙的第j个变0量；xj为目前最优宇宙的第j个变量；wep和ter是两个系数；r2,r3,r4均为介于0和1的随机数；
29、机制主要存在两个系数：旅程距离速率tdr和虫洞存在可能性wep，tdr系数用于定义宇宙空间虫洞存在可能性，同时表示物体在最优宇宙附近通过中洞进行转换的距离；
30、
31、式中，min为wep最小值，max为wep最大值l为当前迭代次数l为最大迭代次数；
32、
33、式中，p定义了随迭代次数改变的探测速度，p值越高，局部探测速度越快，用时越短。
34、可选的，所述利用性能评价指标对所述优化极限学习机预测模型进行评价，如果指标符合标准对全井进行部署具体包括：
35、训练集用于训练预测模型，测试集用于验证预测模型；
36、为了有效地评估混合模型的可靠性，相关评价指标包括rmse，r2，mae和vaf，rmse是预测值与真实值偏差的平方与观测次数n比值的平方根，mae是一个百分比值，与原始数据进行比较的过程，0％表示完美的模型；
37、r2的值表示预测和实际值之间的相关性的平方的百分比；
38、r2值越接近1，模型更完美；
39、统计指标vaf，vaf的值越接近100表示模型越完美；评估指标的计算公式如下：
40、
41、
42、
43、
44、式中，为预测孔隙度值，pori为实际孔隙度值，为孔隙度平均值，n为样本点个数。
45、本专利技术提供的一种测井资料脆性预测方法包括：采集测井曲线数据，并进行室内孔隙度测定实验，获得孔隙度数据；根据所述测井曲线数据和所述孔隙度数据，构建极限学习机预测模型；利用所述测井曲线数据和所述孔隙度数据，采用多元宇宙mvo优化算法对所述极限学习机预测模型进行优化，确定种群规模和最大迭代次数，获得优化极限学习机预测模型；利用性能评价指标对所述优化极限学习机预测模型进行评价，如果指标符合标准对全井进行部署；进行室内杨氏模量和泊松比实验，计算脆性指数，建立孔隙度与所述脆性指数之间的关系，获得回归方程，对所述脆性指数进行预测。一种基于多元宇宙搜索、优化极限学习机的测井资料脆性预测方法，提高了预测结果的精确度。
46、上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。
本文档来自技高网...【技术保护点】
1.一种测井资料脆性预测方法，其特征在于，所述预测方法包括：
2.根据权利要求1所述的一种测井资料脆性预测方法，其特征在于，所述测井曲线数据包括：PE、DEN、AC、GR、CNL。
3.根据权利要求1所述的一种测井资料脆性预测方法，其特征在于，所述根据所述测井曲线数据和所述孔隙度数据，构建极限学习机预测模型具体包括：
4.根据权利要求1所述的一种测井资料脆性预测方法，其特征在于，所述利用所述测井曲线数据和所述孔隙度数据，采用多元宇宙MVO优化算法对所述极限学习机预测模型进行优化，确定种群规模和最大迭代次数，获得优化极限学习机预测模型具体包括：
5.根据权利要求1所述的一种测井资料脆性预测方法，其特征在于，所述利用性能评价指标对所述优化极限学习机预测模型进行评价，如果指标符合标准对全井进行部署具体包括：
【技术特征摘要】
1.一种测井资料脆性预测方法，其特征在于，所述预测方法包括：
2.根据权利要求1所述的一种测井资料脆性预测方法，其特征在于，所述测井曲线数据包括：pe、den、ac、gr、cnl。
3.根据权利要求1所述的一种测井资料脆性预测方法，其特征在于，所述根据所述测井曲线数据和所述孔隙度数据，构建极限学习机预测模型具体包括：
4.根据权利要求1所述的...
【专利技术属性】
技术研发人员：于正军，顿宗萍，任瑞军，杨玉龙，石秀，刘媛，闫逍，陈晓杰，
申请(专利权)人：中国石油化工股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。