本发明属于放射性测井技术领域,特别涉及一种基于小波分析和bp神经网络的测井曲线拟合方法。
背景技术:
测井曲线是载有地层微观孔隙结构、流体性质、岩性及岩相等各种地层信息的信号。四探头高精度自然伽马测井仪采用四个分别独立的探头,能够有效得将地层中所释放的伽马射线探测出来,从而大大提高自然伽马的探测精度,尤其是薄差储层的探测精度。
在四探头高精度自然伽马测井中,由于核衰变的随机性质,导致每个探头自然伽马测井曲线上出现许多与地层性质无关的统计涨落和毛刺干扰,因此在对自然伽马测井曲线分析使用之前,需要把这些统计涨落和毛刺干扰进行滤波处理,只保留反映地层特性的有用信息。由于统计涨落误差的存在,使得自然伽马测井曲线不能完全、真实的反映所探测到的真实信息。抑制统计涨落误差,采用小波降噪对测井曲线做降噪处理,在一定程度上可以消除统计涨落误差对曲线的影响,保护薄差层测量的真实信息。
目前,利用四个分别独立的探头所探测出来的自然伽马信息,形成一条自然伽马测井曲线,主要通过数字滤波处理,在一定意义上将会损失大量地层的真实信息。
如何充分利用四个分别独立的探头的探测信息,将能够反映储层真实有用信号提取出来,并加以整合,最终形成一条能够很好的反映储层尤其是薄差储层自然伽马射线强度的高分辨率自然伽马测井曲线,是需要解决的问题。
技术实现要素:
本发明提供了一种基于小波分析和bp神经网络的测井曲线拟合方法,利用该方法所得到的测井曲线能够真实反应地层的特性,且效果好。
为了实现上述目的,本发明通过以下技术方案实现:
一种基于小波分析和bp神经网络的测井曲线拟合方法,包括如下步骤:
步骤一,利用小波分析方法对n个分别独立的探头所探测的测井曲线x1,...,xn进行降噪处理,分离出反映地层特性的有用信号gr1,......,grn;
步骤二,建立bp神经网络模型,包括输入层、隐含层和输出层,输入层有n个节点,隐含层有m个节点,输出层有1个节点;
步骤三,训练bp神经网络:
选取若干组
步骤四,应用bp神经网络系统,将任意时刻n个探头所探测的、并经小波降噪处理后的信息gr1,......,grn组合数据作为输入向量,输入到经训练过的bp神经网络,则得到相应的能够真实反应地层的特性测井曲线。
进一步地,本发明步骤一中所述小波分析的基函数选用sym8小波函数,分解层数为5层。
有益效果:
本发明将bp神经网络应用于n探头高精度自然伽马测井曲线拟合,利用本方法所拟合的n探头自然伽马测井曲线与实测的曲线基本重叠,拟合的特性曲线较平滑,拟合效果好,处理数据精度高。
本发明在利用神经网络训练前采用小波分析方法,将样本中的噪声进行了降噪处理,小波分析方法具有时间域和频率域的良好局部化性质,特别适用于非平稳信号的降噪处理,可以将每个探头中的有用信号分解出来,使得bp神经网络的拟合模型更加精确。
附图说明
图1为本发明的三层bp神经网络结构模型。
具体实施方式
为使本发明的技术方案和特点更为清晰突出,结合附图进一步对本发明进行详细说明。
本发明的设计思想:利用bp神经网络,拟合一条稳定的、能够真实反映储层岩特性的高精度自然伽马测井曲线。具体为:利用4个大小完全相同,彼此相互分离的探头同时测量伽马射线强度,获得4条高分辨率自然伽马测井曲线;由于存在统计涨落误差,同时测量得到的这4条伽马测井曲线往往存在较大差异,采用小波降噪技术充分降低统计涨落误差对测量结果的影响,bp神经网络对4条测量曲线进行拟合,获得分辨率相对较高的自然伽马测井曲线。
本发明实施例一种基于小波分析和bp神经网络的测井曲线拟合方法,包括如下步骤:
步骤一,利用小波分析方法对四个分别独立的探头测井曲线x1,x2,x3,x4进行降噪处理,分离出反映地层特性的有用信号gr1,gr2,gr3,gr4。
步骤二,建立bp神经网络模型,包括输入层、隐含层和输出层,每层包含若干节点,每层节点之间不相连。bp神经网络结构为4-9-1,即输入层有4个节点,输入层的输入向量gr1,gr2,gr3,gr4;隐含层为1个隐含层,有9个节点,输出层有1个节点,输出层的输出向量gr。
步骤三,训练bp神经网络系统,选取若干组
步骤四,应用bp神经网络系统,将任意时刻的gr1,gr2,gr3,gr4组合数据作为输入向量,输入到经训练过的bp神经网络,则得到相应的输出。
步骤一中所述小波分析的基函数选用sym8小波函数,分解层数为5层,对四个分别独立的探头测井曲线x1,x2,x3,x4进行降噪处理,把测井曲线上出现许多与地层性质无关的统计涨落和毛刺干扰处理掉,只保留反映地层特性的有用信息gr1,gr2,gr3,gr4,便于bp神经网络的训练。
由于bp神经网络拟合曲线不需要预先知道待拟合曲线的方程形式,只需根据系统的输入值及其对应的输出值即可拟合,bp神经网络模型具有较强非线性处理能力和函数逼近能力,网络运算速度快,性能稳定。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。