本發(fā)明涉及砂體含量預(yù)測，更具體地，涉及一種基于動(dòng)態(tài)遞進(jìn)搜索算法的地震砂體預(yù)測方法。

背景技術(shù)：

1、神經(jīng)網(wǎng)絡(luò)是一種運(yùn)算模型，由大量的節(jié)點(diǎn)之間相互聯(lián)接構(gòu)成。每個(gè)節(jié)點(diǎn)代表一種特定的輸出函數(shù)，稱為激勵(lì)函數(shù)。每兩個(gè)節(jié)點(diǎn)間的連接都代表一個(gè)對于通過該連接信號的加權(quán)值，稱之為權(quán)重，也稱為連接權(quán)值，這相當(dāng)于人工神經(jīng)網(wǎng)絡(luò)的記憶。網(wǎng)絡(luò)的輸出則依網(wǎng)絡(luò)的連接方式，連接權(quán)值和激勵(lì)函數(shù)的不同而不同。而網(wǎng)絡(luò)自身通常都是對自然界某種算法或者函數(shù)的逼近，也可能是對一種邏輯策略的表達(dá)。

2、隨著大數(shù)據(jù)和深度學(xué)習(xí)在科學(xué)和工程領(lǐng)域的深入研究，神經(jīng)網(wǎng)絡(luò)技術(shù)具有泛化能力強(qiáng)、魯棒性高等特點(diǎn)，可以有效建立地震數(shù)據(jù)與砂體參數(shù)之間的多維非線性關(guān)系，目前已經(jīng)在油氣儲層砂體預(yù)測等領(lǐng)域得到了廣泛的應(yīng)用。然而，傳統(tǒng)的修正算法采用梯度下降法調(diào)整神經(jīng)網(wǎng)絡(luò)模型節(jié)點(diǎn)的連接權(quán)值，由于神經(jīng)網(wǎng)絡(luò)模型是非線性的，如果連接權(quán)值修正過大，會使網(wǎng)絡(luò)輸入落在激活函數(shù)的飽和區(qū)，導(dǎo)致目標(biāo)函數(shù)的導(dǎo)數(shù)極小，進(jìn)而使處于公式分母中的權(quán)值修正過程無法計(jì)算，進(jìn)而導(dǎo)致神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練穩(wěn)定性不高。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于動(dòng)態(tài)遞進(jìn)搜索算法的地震砂體預(yù)測方法，通過對連接權(quán)值進(jìn)行修正，有效提高神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練穩(wěn)定性，進(jìn)而達(dá)到提高地震預(yù)測砂體精度。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案如下：

3、一種基于動(dòng)態(tài)遞進(jìn)搜索算法的地震砂體預(yù)測方法，包括：

4、采集數(shù)據(jù)：采集地震工區(qū)中的地震屬性的數(shù)據(jù)和砂體參數(shù)的數(shù)據(jù)，所述地震屬性的數(shù)據(jù)包括用于訓(xùn)練的地震屬性的數(shù)據(jù)和用于預(yù)測的地震屬性的數(shù)據(jù)；所述地震屬性包括均方根振幅、弧長、瞬時(shí)頻率、半能量、平均振幅和能量和；

5、建立神經(jīng)網(wǎng)絡(luò)模型：將所述地震屬性作為輸入，所述砂體參數(shù)作為輸出，建立目標(biāo)函數(shù)；

6、訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型：將所述用于訓(xùn)練的地震屬性的數(shù)據(jù)和砂體參數(shù)的數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)模型，對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；所述訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型包括以下步驟：

7、獲得局部最佳連接權(quán)值修正量：設(shè)定閾值范圍，基于目標(biāo)函數(shù)對連接權(quán)值進(jìn)行第一修正，獲得第一權(quán)值修正量；當(dāng)所述第一權(quán)值修正量在閾值范圍內(nèi)時(shí)，所述第一權(quán)值修正量為局部最佳連接權(quán)值修正量；當(dāng)所述第一權(quán)值修正量不在所述閾值范圍內(nèi)時(shí)，對所述第一權(quán)值修正量進(jìn)行第二次迭代計(jì)算，獲得第二權(quán)值修正量，所述第二權(quán)值修正量為局部最佳連接權(quán)值修正量；

8、獲得全局最優(yōu)連接權(quán)值修正量：基于所述局部最佳連接權(quán)值修正量對相鄰節(jié)點(diǎn)的權(quán)值修正量進(jìn)行修正，獲得第三權(quán)值修正量，所述第三權(quán)值修正量為全局最優(yōu)連接權(quán)值修正量；

9、得到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型：通過所述全局最優(yōu)連接權(quán)值修正量得到最優(yōu)連接權(quán)值，得到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型；

10、預(yù)測砂體參數(shù)：基于訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型，輸入用于預(yù)測的地震屬性的數(shù)據(jù)，對砂體參數(shù)的數(shù)據(jù)進(jìn)行預(yù)測。

11、根據(jù)上述技術(shù)手段，本發(fā)明提供的一種基于動(dòng)態(tài)遞進(jìn)搜索算法的地震砂體預(yù)測方法，通過神經(jīng)網(wǎng)絡(luò)模型建立地震屬性與砂體參數(shù)之間的連接關(guān)系，能夠有效建立地震屬性與砂體參數(shù)之間的多維非線性關(guān)系。采用目標(biāo)函數(shù)對連接權(quán)值進(jìn)行修正，對連接權(quán)值的第一權(quán)值修正量設(shè)定閾值范圍，當(dāng)?shù)谝粰?quán)值修正量不在設(shè)定閾值范圍內(nèi)時(shí)，對所述第一權(quán)值修正量進(jìn)行第二次迭代計(jì)算，避免使網(wǎng)絡(luò)輸入落在激活函數(shù)的飽和區(qū)，提高神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練穩(wěn)定性，進(jìn)而達(dá)到提高地震預(yù)測砂體精度。在獲得局部最佳連接權(quán)值修正量后，再對相鄰節(jié)點(diǎn)的權(quán)值修正量進(jìn)行修正，從而獲得全局最優(yōu)連接權(quán)值修正量，避免使預(yù)測結(jié)果陷入局部最優(yōu)，進(jìn)一步提高地震預(yù)測砂體精度。

12、進(jìn)一步地，在所述獲得全局最優(yōu)連接權(quán)值修正量的過程中，設(shè)定偏差范圍，當(dāng)相鄰連接權(quán)值計(jì)算修正量為零時(shí)停止修正；當(dāng)停止修正時(shí)，若所述第三權(quán)值修正量與所述第一權(quán)值修正量的偏差在偏差范圍內(nèi)時(shí)，所述第三權(quán)值修正量為全局最優(yōu)連接權(quán)值修正量；當(dāng)停止修正時(shí)，若所述第三權(quán)值修正量與所述第一權(quán)值修正量的偏差不在偏差范圍內(nèi)時(shí)，對所述第三權(quán)值修正量進(jìn)行第三次迭代計(jì)算，得到第四權(quán)值修正量，所述第四權(quán)值修正量為全局最優(yōu)連接權(quán)值修正量。在對相鄰節(jié)點(diǎn)的權(quán)值修正量進(jìn)行修正時(shí)，若第三權(quán)值修正量與第一權(quán)值修正量偏差較大，則仍會導(dǎo)致網(wǎng)絡(luò)輸入落在激活函數(shù)的飽和區(qū)，通過增加第三次迭代計(jì)算，避免第三權(quán)值修正量與第一權(quán)值修正量偏差較大，提高神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練穩(wěn)定性，進(jìn)而達(dá)到提高地震預(yù)測砂體精度。

13、進(jìn)一步地，所述神經(jīng)網(wǎng)絡(luò)模型包括輸入層、中間層和輸出層，相鄰層之間通過節(jié)點(diǎn)連接；獲得局部最佳連接權(quán)值修正量和獲得全局最優(yōu)連接權(quán)值修正量均為對輸入層與中間層的權(quán)值修正量進(jìn)行修正迭代，輸出層與中間層的連接權(quán)值根據(jù)輸入層與中間層的最優(yōu)連接權(quán)值進(jìn)行計(jì)算。通過在神經(jīng)網(wǎng)絡(luò)模型中增加中間層，能夠提高地震預(yù)測砂體精度。通過輸入層與中間層的最優(yōu)連接權(quán)值計(jì)算輸出層與中間層的連接權(quán)值，能夠簡化算法。

14、進(jìn)一步地，所述建立目標(biāo)函數(shù)，按照所述神經(jīng)網(wǎng)絡(luò)模型正向期望輸出值與已知實(shí)際值的誤差最小原則，具體采用以下公式：

15、

16、其中，e表示全局誤差，y表示已知實(shí)際值，xi表示輸入層第i個(gè)節(jié)點(diǎn)的地震屬性，wij表示輸入層第i個(gè)節(jié)點(diǎn)與中間層第j個(gè)節(jié)點(diǎn)的連接權(quán)值，vj表示輸出層節(jié)點(diǎn)與中間層第j個(gè)節(jié)點(diǎn)的連接權(quán)值，αi表示閾值。

17、進(jìn)一步地，在所述獲得局部最佳連接權(quán)值修正量的過程中，

18、所述基于目標(biāo)函數(shù)對連接權(quán)值進(jìn)行第一修正，采用梯度下降法求解目標(biāo)函數(shù)，獲得第一權(quán)值修正量，具體采用以下公式：

19、

20、其中，δwij表示輸入層第i個(gè)節(jié)點(diǎn)與中間層第j個(gè)節(jié)點(diǎn)的連接權(quán)值對應(yīng)的初始修正量，wij表示輸入層第i個(gè)節(jié)點(diǎn)與中間層第j個(gè)節(jié)點(diǎn)的連接權(quán)值，xi表示輸入層第i個(gè)節(jié)點(diǎn)的地震屬性，αi表示閾值，vj表示輸出層節(jié)點(diǎn)與中間層第j個(gè)節(jié)點(diǎn)的連接權(quán)值，η表示學(xué)習(xí)率，范圍在[0,1]之間。

21、所述對所述第一權(quán)值修正量進(jìn)行第二次迭代計(jì)算中，設(shè)定最大迭代次數(shù)，獲得第二權(quán)值修正量，具體采用以下公式：

22、

23、其中，表示輸入層第i個(gè)節(jié)點(diǎn)與中間層第j個(gè)節(jié)點(diǎn)的連接權(quán)值修正量在第t次迭代時(shí)的數(shù)值，表示輸入層第i個(gè)節(jié)點(diǎn)與中間層第j個(gè)節(jié)點(diǎn)的連接權(quán)值修正量在第t+1次迭代時(shí)的數(shù)值，i表示輸入層第i個(gè)節(jié)點(diǎn)，β表示一個(gè)隨機(jī)數(shù)，范圍在[-1,1]之間，tmax表示最大迭代次數(shù)。

24、進(jìn)一步地，在所述獲得全局最優(yōu)連接權(quán)值修正量的過程中，

25、所述第三權(quán)值修正量，具體采用以下公式：

26、

27、其中，表示經(jīng)過p次迭代，獲得輸入層第i個(gè)節(jié)點(diǎn)與中間層第j個(gè)節(jié)點(diǎn)的局部最佳連接權(quán)值修正量，δwi,j+1表示中間層的相鄰節(jié)點(diǎn)的權(quán)值修正量，d表示一個(gè)1×n的矩陣，n對應(yīng)中間層節(jié)點(diǎn)總數(shù)，矩陣中每個(gè)元素隨機(jī)賦值1或-1，并且d+＝dt(ddt)-1。

28、所述第四權(quán)值修正量，具體采用以下公式：

29、

30、其中，表示經(jīng)過t次迭代獲得輸入層第i個(gè)節(jié)點(diǎn)與中間層第j+1個(gè)節(jié)點(diǎn)的權(quán)值修正量，表示經(jīng)過t+1次迭代獲得輸入層第i個(gè)節(jié)點(diǎn)與中間層第j+1個(gè)節(jié)點(diǎn)的權(quán)值修正量，表示經(jīng)過b次迭代獲得輸入層第i個(gè)節(jié)點(diǎn)與中間層第j個(gè)節(jié)點(diǎn)的全局最優(yōu)權(quán)值修正量，β表示范圍在[-1,1]之間的隨機(jī)數(shù)。

31、進(jìn)一步地，所述輸出層與中間層的連接權(quán)值根據(jù)輸入層與中間層的最優(yōu)連接權(quán)值進(jìn)行計(jì)算，具體采用以下公式：

32、

33、其中，wij表示輸入層第i個(gè)節(jié)點(diǎn)與中間層第j個(gè)節(jié)點(diǎn)的連接權(quán)值，xi表示輸入層第i個(gè)節(jié)點(diǎn)的地震屬性，αi表示閾值，vj表示輸出層節(jié)點(diǎn)與中間層第j個(gè)節(jié)點(diǎn)的連接權(quán)值，η表示范圍在[0,1]之間的學(xué)習(xí)率，y表示已知實(shí)際值。

34、進(jìn)一步地，所述采集數(shù)據(jù)，具體為：

35、分別提取目的層對應(yīng)的三維地震工區(qū)和二維地震工區(qū)中每一條地震測線的地震屬性的數(shù)據(jù)，數(shù)據(jù)中包含三列數(shù)，分別為x坐標(biāo)，y坐標(biāo)和地震屬性值；提取所述用于訓(xùn)練的地震屬性的數(shù)據(jù)所在地震工區(qū)的砂體參數(shù)的數(shù)據(jù)；

36、對提取的所述地震屬性的數(shù)據(jù)分別進(jìn)行標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化算法處理；

37、合并經(jīng)過標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化算法處理后的二維和三維的地震屬性的數(shù)據(jù)，對于坐標(biāo)一樣的數(shù)據(jù)點(diǎn)，按照屬性平均值替換，得到融合地震屬性數(shù)據(jù)；通過將二維和三維地震屬性進(jìn)行融合，能夠分析更大區(qū)域內(nèi)的砂體展布形態(tài)。

38、將所述融合地震屬性數(shù)據(jù)中用于訓(xùn)練的融合地震屬性數(shù)據(jù)與砂體參數(shù)的數(shù)據(jù)進(jìn)行相關(guān)性分析，選擇相關(guān)性分析后具有統(tǒng)計(jì)學(xué)意義的地震屬性作為優(yōu)選地震屬性；在所述建立神經(jīng)網(wǎng)絡(luò)模型的過程中，將所述優(yōu)選地震屬性作為輸入。通過相關(guān)性分析選取具有統(tǒng)計(jì)學(xué)意義的地震屬性作為優(yōu)選地震屬性對砂體參數(shù)進(jìn)行預(yù)測，能夠提高砂體參數(shù)預(yù)測的精度。

39、進(jìn)一步地，所述對提取的所述地震屬性數(shù)據(jù)分別進(jìn)行標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化算法處理，具體采用以下公式：

40、a*＝(a-mean)/std

41、其中，a*表示經(jīng)過標(biāo)準(zhǔn)化處理后的地震屬性數(shù)據(jù)，a表示原始地震屬性數(shù)據(jù)，mean表示地震屬性數(shù)據(jù)的均值，std表示地震屬性數(shù)據(jù)的標(biāo)準(zhǔn)差。

42、進(jìn)一步地，所述預(yù)測砂體參數(shù)，具體為：輸入研究區(qū)的所述融合地震屬性數(shù)據(jù)中用于預(yù)測的融合地震屬性數(shù)據(jù)至訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型中，得到砂體參數(shù)仿真輸出；將砂體參數(shù)仿真輸出經(jīng)過網(wǎng)格化成圖，得到研究區(qū)砂體參數(shù)平面分布圖，完成砂體展布預(yù)測。通過網(wǎng)格化成圖，能夠更加清晰直觀的看到砂體展布預(yù)測。

43、與現(xiàn)有技術(shù)相比，有益效果是：

44、1、本發(fā)明提供的一種基于動(dòng)態(tài)遞進(jìn)搜索算法的地震砂體預(yù)測方法，通過在采用目標(biāo)函數(shù)對連接權(quán)值進(jìn)行修正時(shí)，對連接權(quán)值的第一權(quán)值修正量設(shè)定閾值范圍；當(dāng)?shù)谝粰?quán)值修正量不在設(shè)定閾值范圍內(nèi)時(shí)，對所述第一權(quán)值修正量進(jìn)行第二次迭代計(jì)算，避免使網(wǎng)絡(luò)輸入落在激活函數(shù)的飽和區(qū)，提高神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練穩(wěn)定性，進(jìn)而達(dá)到提高地震預(yù)測砂體精度。

45、2、本發(fā)明提供的一種基于動(dòng)態(tài)遞進(jìn)搜索算法的地震砂體預(yù)測方法，通過增加第三次迭代計(jì)算，避免第三權(quán)值修正量與第一權(quán)值修正量偏差較大，提高神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練穩(wěn)定性，進(jìn)而達(dá)到提高地震預(yù)測砂體精度。

46、3、本發(fā)明提供的一種基于動(dòng)態(tài)遞進(jìn)搜索算法的地震砂體預(yù)測方法，通過將二維和三維地震屬性進(jìn)行融合，能夠分析更大區(qū)域內(nèi)的砂體展布形態(tài)。