专利名称：一种基于脉冲耦合神经网络的拟声波曲线构建方法
技术领域：
本发明属于地球物理测井、油气资源勘探及信号处理应用领域，尤其是一种利用脉冲耦合神经网络以实现拟声波曲线构建的方法，采用本发明方法可利用多种(类)测井曲线与相应的声波曲线合成、以构建出拟声波曲线，从而有效地提高地震储层反演的分辨率和精度、弥补常规声波测井的缺陷。
背景技术：
声波曲线是目前进行基于测井约束的波阻抗反演工作所必备的基础资料，然而由于井筒污染、储层胶结程度和孔隙度等非地层岩性因素影响，原始声波曲线不能很好地反映储层与围岩的差异，导致岩性识别困难，从而造成波阻抗的反演结果与地质层不吻合。因此，要寻找一种方法，充分利用现有的各种测井曲线(资料)、弥补声波曲线的不足。拟声波曲线的构建(合成)就是通过其它测井曲线与声波曲线之间的关系，并利用其关系、综合同一深度段的测井曲线，构建出该深度段的拟声波曲线。目前利用BP (Back-Propagation)神经网络法可以实现拟声波曲线的构建、其方法是首先将测井的声波曲线(AC)与自然伽马曲线(GR)、补偿中子曲线(CNL)、密度曲线(DEN)导入，选取同一深度段的曲线通过平滑滤波预处理的方法分别去掉各曲线上的噪声成分、并将4种曲线的幅值分别规范到
区间；接着确定BP神经网络结构，并把4种曲线作为训练样本、把声波曲线作为目标样本，然后初始化网络连接权值(一般为1)，最小目标误差，训练速率，迭代次数(一般为几千)后，对神经网络进行训练；网络训练中通过不断迭代、修改网络连接权值，当得到的网络输出误差小于设定的最小目标误差，则停止迭代、并保存所得(最终)的网络连接权值；或虽然达到设定的迭代次数，但网络输出误差却未达到设定的最小误差值，同样保存所得(最终)的该网络连接权值，从而获得训练好的网络。再分别将与训练网络时不同深度段的相应组别的经过预处理和归一化处理的测井曲线、输入该确定(训练好)的BP神经网络，利用训练好的网络，得到幅值在
区间的拟声波曲线输出，接着对曲线进行反归一化处理，使拟声波曲线幅值的量纲和预处理后的声波曲线幅值的量纲一致，从而合成出(获得)拟声波曲线。常规BP神经网络法的流程为A.导入测井声波曲线、自然伽马曲线、补偿中子曲线和密度曲线，选取任一深度段的曲线来训练网络；B.预处理首先运用下述平滑滤波方法
权利要求
1.一种基于脉冲耦合神经网络的拟声波曲线构建方法，包括 A.导入声波曲线及其它测井曲线，并选取相同深度段的声波曲线和一组其它测井曲线一并作为当前曲线组、并在各当前曲线上等距离设置去噪点； B.预处理首先运用平滑滤波方法、依次对步骤A所选深度段上各当前曲线上的去噪点所对应的各曲线幅值进行处理、以去除该深度段内各测井曲线上的噪声成分； C.曲线幅值的归一化处理对经步骤B预处理后的各幅值分别进行归一化处理； D.确定网络的结构首先将选定深度段中各当前曲线上的去噪点作为神经网络上的一个神经元，并以此确定神经网络的结构； E.网络初始化对各神经元之间的系数矩阵、动态门限阈值、脉冲输出，以及迭代次数分别赋值； F.分别统计各神经元的输出值为I的次数对各神经元进行迭代处理，并分别确定各神经元的内部活动值和动态门限阈值，如果对应神经元的内部活动值大于其动态门限阈值、则该神经元的输出值为I、否则该神经元的输出值为O，当该神经元的输出值为I时、在该神经元输出值为I的次数上加1，以此类推至设定的迭代次数为止，从而得到该神经元输出值为I的次数；采取相同方法分别得到各神经元的输出值为I的次数，待用； G.确定拟声波曲线归一化后的幅值将步骤F所得当前声波曲线对应的神经元输出值为I的次数与其它各当前曲线所对应的神经元输出值为I的平均值进行比较，如果当前声波曲线对应的神经元输出值为I的次数大于其它当前曲线神经元输出值为I的平均值时、则将当前声波曲线归一化后的幅值作为归一化后的拟声波曲线的幅值；否则将当前声波曲线归一化后的幅值与其它归一化后的当前曲线平均幅值的和的二分之一作为归一化后的拟声波曲线的幅值； H.获取拟声波曲线对步骤G所得的归一化后的拟声波曲线幅值进行反归一化处理，并使拟声波曲线幅值的量纲与去噪处理后的声波曲线幅值的量纲一致，从而实现此深度段的拟声波曲线的合成。
2.按权利要求I所述基于脉冲耦合神经网络的拟声波曲线构建方法，其特征在于在步骤A中所述导入其它测井曲线为自然伽马曲线、补偿中子曲线、密度曲线、自然电位曲线和深侧向电阻率中两种以上的测井曲线；而所述相同深度段的长度为100-500m。
3.按权利要求I所述基于脉冲耦合神经网络的拟声波曲线构建方法，其特征在于在步骤B中所述运用平滑滤波方法通过下式进行
4.按权利要求I所述基于脉冲耦合神经网络的拟声波曲线构建方法，其特征在于在步骤C中所述对各幅值分别进行归一化处理，归一化处理通过下式进行
5.按权利要求I所述基于脉冲耦合神经网络的拟声波曲线构建方法，其特征在于在步骤E中所述对各神经元之间系数矩阵的赋值为
;动态门限阈值为当前曲线组幅值中的最大值；脉冲输出均为0 ;迭代次数8-15。
全文摘要
该发明属于地球物理测井及信号处理领域中利用脉冲耦合神经网络以实现拟声波曲线构建的方法。包括导入声波曲线及其它测井曲线，预处理以对去除同一深度段内各测井曲线上的噪声成分，曲线幅值的归一化处理，确定网络的结构及网络初始化，分别统计各神经元的输出值为1的次数，确定拟声波曲线归一化后的幅值，获取拟声波曲线。该发明利用脉冲耦合神经网络方法将声波曲线与其它测井曲线进行合成处理，既不需样本、又不需对网络进行训练，且迭代次数少、数据处理量少，从而具有拟声波曲线的构建方法简捷、快速可靠，效率及准确度高，处理能力强、对数据量较大的测井曲线的合成处理效果尤为明显，可有效提高地震储层反演的分辨率和精度等特点。
文档编号G01V1/28GK102707313SQ201210117148
公开日2012年10月3日 申请日期2012年4月19日 优先权日2012年4月19日
发明者刘丽红, 彭真明, 普艳香, 李全忠, 谢春华, 赖建宏, 陶韬 申请人:电子科技大学