CN114488311B 基于ssa-elm算法的横波时差预测方法 （中国石油大学(华东)）_第1页
CN114488311B 基于ssa-elm算法的横波时差预测方法 （中国石油大学(华东)）_第2页
CN114488311B 基于ssa-elm算法的横波时差预测方法 （中国石油大学(华东)）_第3页
CN114488311B 基于ssa-elm算法的横波时差预测方法 （中国石油大学(华东)）_第4页
CN114488311B 基于ssa-elm算法的横波时差预测方法 （中国石油大学(华东)）_第5页
已阅读5页，还剩12页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

本发明公开了一种基于SSA-ELM算法的横波时差预测方法，具体涉及石油勘探开发技术领明基于SSA-ELM算法优化储层横波时差预测模2s1.通过对横波时差曲线与常规测井曲线进行相关性分析，选取与横波时差曲线具有s3.基于训练集建立储层横波时差预测模型，储层横波时差预测模型中设置有极限学s4.将测试样本输入麻雀搜索算法优化后的储层横波时差预测模型，利用麻雀搜索算s3.1.构建极限学习机模型，以训练样本中横波时差测量值与预测值再设置警报值和安全值以及麻雀种群中发现者与追随者s3.3.计算麻雀种群中各只麻雀的适应度并排序，确定具有最佳适应度的s3.7.计算麻雀种群中所有麻雀适应度的平均值，若追随者的个体适2.根据权利要求1所述的基于SSA-ELM算法的横波归一化处理前测井曲线中深度点的最大测量值；Xmin为归一化处理前测井曲线中深度点的3.根据权利要求1所述的基于SSA-ELM算法的324.根据权利要求1所述的基于SSA-ELM算法的横波时差预测方5.根据权利要求1所述的基于SSA-ELM算法的6.根据权利要求1所述的基于SSA-ELM算法的横波时4[0004]本发明的目的在于提出一种基于SSA-ELM算法的横波时差预测方法，利用麻雀搜[0007]s1.通过对横波时差曲线[0008]s2.对测井曲线进行预处理后，将测[0009]s3.基于训练集建立储层横波时差[0010]s4.将测试样本输入麻雀搜索算法5[0016]s3.2.对麻雀搜索算法进行初始化，设置麻雀种群的初始规模和最大迭代次数26[0032]优选地，所述步骤s4中，测试样本中横波时差测量值与预测值之间均方根误差取极限学习机的最优权值和最优偏置，弥补了极限学习机由于随机分配而产生的稳定性[0037]本发明将与横波时差具有较强相关性的曲线数据作为训练集对储层横波时差预测模型中的极限学习机进行训练，利用混合SSA-ELM模型深度挖掘各测井参数值与横波时[0041]下面结合附图和松辽盆地某页岩井为例，对本发明的具体实施方式做进一步说[0042]以松辽盆地该页岩油井为例采用本发明提出的一种基于SSA-ELM算法的横波时差7[0045]s3.基于MATLAB软件平台，根据训练集28[0061]图2所示为本实施例中利用麻雀搜索算法训练极限学习机模型时，适应度值随迭[0062]s4.将测试样本输入麻雀搜索

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论