CN117572503B - 一种岩石波速测试方法 - Google Patents
一种岩石波速测试方法 Download PDFInfo
- Publication number
- CN117572503B CN117572503B CN202410053198.3A CN202410053198A CN117572503B CN 117572503 B CN117572503 B CN 117572503B CN 202410053198 A CN202410053198 A CN 202410053198A CN 117572503 B CN117572503 B CN 117572503B
- Authority
- CN
- China
- Prior art keywords
- real
- parameter
- rock
- low
- position point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 203
- 239000011435 rock Substances 0.000 title claims abstract description 104
- 230000007613 environmental effect Effects 0.000 claims abstract description 40
- 238000005259 measurement Methods 0.000 claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 37
- 230000008569 process Effects 0.000 claims abstract description 26
- 230000009467 reduction Effects 0.000 claims abstract description 8
- 238000013507 mapping Methods 0.000 claims abstract description 7
- 238000010586 diagram Methods 0.000 claims description 30
- 239000013598 vector Substances 0.000 claims description 30
- 239000000203 mixture Substances 0.000 claims description 5
- 230000004044 response Effects 0.000 description 5
- 238000002791 soaking Methods 0.000 description 4
- 239000007788 liquid Substances 0.000 description 3
- 238000010183 spectrum analysis Methods 0.000 description 3
- 238000002441 X-ray diffraction Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000007872 degassing Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Landscapes
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本申请涉及地质勘探技术领域,尤其涉及一种岩石波速测试方法,方法包括:采集实时环境参数,并利用降维算法将所述实时环境参数映射至低维参数空间;构建测试样本图,所述测试样本图包括历史岩石波速测试过程中,所述低维参数空间内每个位置点的历史测试结果;基于所述实时环境参数在所述低维参数空间中的位置点查询所述测试样本图以确定所述实时环境参数的测量复杂度和波速预测值;采集所述实时环境参数的波速测量值;基于所述测量复杂度对所述波速测量值和所述波速预测值进行加权求和,得到波速测试结果。本申请的技术方案能够准确获取岩石的波速测试结果。
Description
技术领域
本申请一般地涉及地质勘探技术领域,尤其涉及一种岩石波速测试方法。
背景技术
岩石声波测试广泛应用于岩石工程设计和施工,以及勘探和开采地下资源中,通过测量岩石中声波或超声波的传播速度,能够评估岩石的强度、稳定性和变形特性,从而为岩石工程的设计施工和判断储层的物理特性提供科学依据。
目前,公开号为CN115685335A的专利申请文件公开了一种纵横波速度预测方法、装置、计算机设备及存储介质,其中的方法包括:根据岩石物理模型构建深度神经网络模型并进行训练;基于最优化测井解释求解得到目标测井响应参数;将所述目标测井响应参数输入训练后的所述深度神经网络模型,以预测得到目标纵波速度值和目标横波速度值;其中,目标测井响应参数包括密度、自然伽马、电阻率和补偿中子。
然而,上述方法依据密度、自然伽马、电阻率和补偿中子等目标测井响应参数预测出岩石中纵波速度值和横波速度值;然而,在岩石波速测试的过程中,温湿度和岩石特征的微小差距可能会导致不同波速测试结果,直接依据密度、自然伽马、电阻率和补偿中子等测井响应参数预测岩石波速,无法保障岩石波速的准确性,使得岩石波速测试结果不准确。
发明内容
为了解决现有技术中的上述技术问题,本申请提供了一种岩石波速测试方法,能够准确获取岩石的波速测试结果。
本申请提供了一种岩石波速测试方法,所述测试方法包括:采集实时环境参数,并利用降维算法将所述实时环境参数映射至低维参数空间,所述实时环境参数包括温湿度、岩石孔隙度、岩石密度、岩石饱和度以及岩石成分;构建测试样本图,所述测试样本图包括历史岩石波速测试过程中,所述低维参数空间内每个位置点的历史测试结果;基于所述实时环境参数在所述低维参数空间中的位置点查询所述测试样本图以确定所述实时环境参数的测量复杂度和波速预测值;采集所述实时环境参数的波速测量值;基于所述测量复杂度对所述波速测量值和所述波速预测值进行加权求和,得到波速测试结果。
在一些实施例中,所述降维算法为自编码网络,所述利用降维算法将所述实时环境参数映射至低维参数空间包括:搭建自编码网络,所述自编码网络包括参数编码器和参数解码器,所述参数编码器的输出为低维向量;采集多组环境参数样本,并将所述多组环境参数样本依次输入所述参数编码器以获取低维向量,并将所述低维向量输入所述参数解码器以获取解码结果;基于所述解码结果和所述环境参数样本计算重构损失值;依据所述重构损失值进行反向传播,以更新所述参数编码器和所述参数解码器;迭代地更新所述参数编码器和所述参数解码器,直至所述重构损失值小于预设损失值,得到训练完毕的参数编码器;将所述实时环境参数输入训练完毕的参数编码器,以输出所述实时环境参数对应的低维向量,所述低维向量对应于所述实时环境参数在所述低维参数空间中的位置点;其中,所述低维向量为二维向量或三维向量。
在一些实施例中,所述重构损失值满足关系式:
其中,为所述多组环境参数样本的数量,/>为第/>组环境参数样本,/>为第/>组环境参数样本的解码结果,/>为重构损失值。
在一些实施例中,所述构建测试样本图包括:构建测试样本初始图,所述测试样本初始图包括所述低维参数空间中所有位置点,且每个位置点的数值为0;在任意一次历史岩石波速测试过程中,获取历史环境参数在所述测试样本初始图中的位置点,并依据历史测试结果更新所述位置点的数值,所述历史测试结果为历史环境参数下的岩石波速;遍历所有历史岩石波速测试过程,不断更新所述测试样本初始图中每个位置点的数值;在更新后的测试样本初始图中,将任意一个数值为0的位置点记为零位置点,利用插值算法确定所述零位置点的数值,直至遍历更新后的测试样本初始图中所有零位置点时,得到测试样本图。
在一些实施例中,所述依据历史测试结果更新所述位置点的数值包括:将所述位置点更新前的数值与所述历史测试结果的平均值作为所述位置点更新后的数值。
在一些实施例中,所述依据历史测试结果更新所述位置点的数值包括:将所述位置点对应的所有历史测试结果作为所述位置点的测试结果集合;将所述测试结果集合中的众数作为所述位置点更新后的数值。
在一些实施例中,基于所述实时环境参数在所述低维参数空间中的位置点查询所述测试样本图以确定所述实时环境参数的测量复杂度和波速预测值包括:将所述测试样本图中目标位置点的数值作为所述实时环境参数的波速预测值,其中,所述目标位置点为所述实时环境参数在所述低维参数空间中的位置点;在所述测试样本图中目标位置点的邻域范围内,计算所有历史测试结果的方差以作为所述实时环境参数的测量复杂度;其中,所述目标位置点的邻域范围为以目标位置点为中心,设定尺寸的矩形范围。
在一些实施例中,所述波速测试结果满足关系式:
其中,为所述实时环境参数的测量复杂度,/>为波速测量值,/>为波速预测值,为所述波速测试结果,其中,所述波速测试结果为横波速度或纵波速度。
在一些实施例中,所述测试方法还包括:依据所述波速测试结果更新所述测试样本图中所述目标位置点的数值。
本申请的技术方案具有以下有益技术效果:
本申请实施例提供的上述一种岩石波速测试方法,本申请实施例提供的上述一种岩石波速测试方法,首先利用降维算法将实时环境参数降维至低维参数空间,获取实时环境参数在低维参数空间内的位置点;基于所有历史岩石波速测试过程确定低维参数空间内每个位置点的历史测试结果,进而构建测试样本图,通过查询测试样本图获取实时环境参数所处位置点的波速预测值,以及实时环境参数所处位置点邻域范围内历史测试结果的方差;将位置点邻域范围内历史测试结果的方差作为实时环境参数的测量复杂度,依据实时环境参数的测量复杂度对波速测量值和波速预测值进行加权求和,进而得到准确的波速测试结果,提高岩石的波速测试结果的准确性。
进一步地,在得到实时环境参数下的波速测试结果后,将实时环境参数以及波速测试结果视为一次历史岩石波速测试过程,并依据波速测试结果更新测试样本图中所述实时环境参数对应位置点的数值,实现测试样本图的实时更新,确保测量复杂度和波速预测值的准确性,进而保障波速测试结果的准确性。
附图说明
通过参考附图阅读下文的详细描述,本申请示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本申请的若干实施方式,并且相同或对应的标号表示相同或对应的部分,其中:
图1是根据本申请实施例的一种岩石波速测试方法的流程图;
图2是根据本申请实施例的构建测试样本图的流程图;
图3是根据本申请实施例的测试样本图的示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应当理解,当本申请使用术语“第一”、“第二”等时,其仅是用于区别不同对象,而不是用于描述特定顺序。本申请使用的术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
本申请提供了一种岩石波速测试方法。请参见图1所示,是根据本申请实施例的一种岩石波速测试方法的流程图。根据不同的需求,所述流程图中步骤的顺序可以改变,某些步骤可以省略。
S11,采集实时环境参数,并利用降维算法将所述实时环境参数映射至低维参数空间,所述实时环境参数包括温湿度、岩石孔隙度、岩石密度、岩石饱和度以及岩石成分。
在一个实施例中,在一次岩石波速测试过程中,采集研究区域的多个岩石样本,并对岩石样本进行岩石波速测试,获取声波在岩石样本中的波速,所述波速为横波速度或纵波速度;其中,可通过钻孔、岩芯采集等方式获取研究区域的岩石样本。
采集岩石波速测试过程中的实时环境参数,所述实时环境参数用于反映岩石波速测试过程的测试环境和岩石属性,所述实时环境参数包括温湿度、岩石孔隙度、岩石密度、岩石饱和度以及岩石成分。
其中,温湿度可通过温度传感器和湿度传感器获取,用于反映测试环境的温度和湿度。
所述岩石孔隙度可通过饱和法获取,具体过程如下:先将岩石样本在真空或压力下进行脱气处理以去除孔隙中的气体,然后将岩石样本浸泡在液体中,使其充分饱和,浸泡前后岩石样本的质量差值与浸泡前岩石样本质量的比例为孔隙度。
所述岩石饱和度同样可通过饱和法获取,具体过程如下:先将岩石样本在真空或压力下进行脱气处理以去除孔隙中的气体,然后将岩石样本浸泡在液体中,使其充分饱和;浸泡后,将岩石样本从液体中取出并快速测量湿重,然后使用干燥法测量岩石样本的干重,依据湿重和干重的比例计算出岩石样本的饱和度。
所述岩石成分可通过能谱分析法或X射线衍射分析法获取,其中,X射线衍射分析法使用X射线衍射仪测定岩石样本的衍射图谱,通过与标准库的比对从而确定岩石样本中的矿物成分和含量;能谱分析法使用扫描电子显微镜观察岩石样品,并通过能谱分析测量岩石样本表面的元素组成和分布,进而确定岩石样本中的矿物成分和含量。
可以理解地,实时环境参数包括影响岩石波速测试过程中测试准确性的多种参数。
在一个实施例中,所述实时环境参数为一个包含多种参数的高维信息,为了方便后续测量复杂度的计算,需要利用降维算法将实时环境参数映射至低维参数空间,优选地,所述低维参数空间为二维空间或三维空间。
所述降维算法为PCA算法或自编码网络。其中,PCA算法(Principal ComponentAnalysis,主成分分析法)是一种使用最广泛的数据降维算法,在此不再赘述。
具体地,所述降维算法为自编码网络,所述利用降维算法将所述实时环境参数映射至低维参数空间包括:搭建自编码网络,所述自编码网络包括参数编码器和参数解码器,所述参数编码器的输出为低维向量;采集多组环境参数样本,并将所述多组环境参数样本依次输入所述参数编码器以获取低维向量,并将所述低维向量输入所述参数解码器以获取解码结果;基于所述解码结果和所述环境参数样本计算重构损失值;依据所述重构损失值进行反向传播,以更新所述参数编码器和所述参数解码器;迭代地更新所述参数编码器和所述参数解码器,直至所述重构损失值小于预设损失值,得到训练完毕的参数编码器;将所述实时环境参数输入训练完毕的参数编码器,以输出所述实时环境参数对应的低维向量,所述低维向量对应于所述实时环境参数在所述低维参数空间中的位置点。其中,所述低维向量为二维向量或三维向量
其中,所述重构损失值满足关系式:
其中,为所述多组环境参数样本的数量,/>为第/>组环境参数样本,/>为第/>组环境参数样本的解码结果,/>为重构损失值。所述预设损失值的取值为0.001。
其中,所述自编码网络中的参数编码器和参数解码器均为全连接神经网络。
可以理解地,所述参数编码器输出的低维向量对应于低维参数空间中的一个位置点;响应于所述低维向量为二维向量,则低维参数空间为二维空间,响应于所述低维向量为三维向量,则低维参数空间为三维空间。比如,实时环境参数对应的低维向量为[0.4,0.5],则实时环境参数在低维参数空间中的位置点为[0.4,0.5]。
如此,采集岩石波速测试过程中的实时环境参数,并将实时环境参数映射至低维参数空间,获取实时环境参数在低维参数空间中的位置点。
S12,构建测试样本图,所述测试样本图包括历史岩石波速测试过程中,所述低维参数空间内每个位置点的历史测试结果。
在一个实施例中,在历史岩石波速测试过程中,会采集到多个历史环境参数,以及每个历史环境参数的历史测试结果;其中,历史测试结果为历史环境参数下的岩石波速。依据历史岩石波速测试过程能够获取低维参数空间内每个位置点的历史测试结果,进而构建测试样本图。
具体描述如下,请参见图2所示,是根据本申请实施例的构建测试样本图的流程图。所述构建测试样本图包括:S21,构建测试样本初始图,所述测试样本初始图包括所述低维参数空间中所有位置点,且每个位置点的数值为0;S22,在任意一次历史岩石波速测试过程中,获取历史环境参数在所述测试样本初始图中的位置点,并依据历史测试结果更新所述位置点的数值,所述历史测试结果为历史环境参数下的岩石波速;S23,遍历所有历史岩石波速测试过程,不断更新所述测试样本初始图中每个位置点的数值;S24,在更新后的测试样本初始图中,将任意一个数值为0的位置点记为零位置点,利用插值算法确定所述零位置点的数值,直至遍历更新后的测试样本初始图中所有零位置点时,得到测试样本图。
其中,所述依据历史测试结果更新所述位置点的数值包括:将所述位置点更新前的数值与所述历史测试结果的平均值作为所述位置点更新后的数值。所述插值算法采用线性插值算法或非线性插值算法,本申请不做限制。
在其它可选的实施例中,所述依据历史测试结果更新所述位置点的数值包括:将所述位置点对应的所有历史测试结果作为所述位置点的测试结果集合;将所述测试结果集合中的众数作为所述位置点更新后的数值。
示例性地,请参见图3所示,是根据本申请实施例的测试样本图的示意图。低维参数空间为一个二维空间,测试样本图中一个位置点对应一种环境参数,且一个位置点的数值对应于该位置点对应环境参数下的历史测试结果;测试样本图中数值的单位为千米每秒,测试样本图中第一行第一列的数值为3.5,即表示第一行第一列对应的环境参数下,历史测试结果为3.5千米每秒。
如此,依据所有历史岩石波速测试过程在低维参数空间中构建测试样本图,所述测试样本图中包括低维参数空间中的所有位置点,一个位置点对应一个岩石波速测试的一种环境参数,每个位置点的数值能够准确反映对应环境参数下的历史测试结果。
S13,基于所述实时环境参数在所述低维参数空间中的位置点查询所述测试样本图以确定所述实时环境参数的测量复杂度和波速预测值。
在一个实施例中,步骤S11中已经将所述实时环境参数映射至低维参数空间,确定了所述实时环境参数在所述低维参数空间中的位置点,基于位置点查询测试样本图即可确定所述实时环境参数的测量复杂度和波速预测值。
具体描述如下,基于所述实时环境参数在所述低维参数空间中的位置点查询所述测试样本图以确定所述实时环境参数的测量复杂度和波速预测值包括:将所述测试样本图中目标位置点的数值作为所述实时环境参数的波速预测值,其中,所述目标位置点为所述实时环境参数在所述低维参数空间中的位置点;在所述测试样本图中目标位置点的邻域范围内,计算所有历史测试结果的方差以作为所述实时环境参数的测量复杂度。
其中,所述目标位置点的邻域范围为以目标位置点为中心,设定尺寸的矩形范围。比如,当低维参数空间为二维空间时,目标位置点的邻域范围为以目标位置点为中心3×3的矩形范围;当低维参数空间为三维空间时,目标位置点的邻域范围为以目标位置点为中心3×3×3的矩形范围。
其中,目标位置点的邻域范围内所有历史测试结果的方差越小,表示目标位置点邻域范围内波速测试结果的变化越小,比如,当方差为0时,目标位置点邻域范围内的波速测试结果相同;也即是说,方差越小,在目标位置点的邻域范围内所有历史测试结果的变化越小,实时环境参数下越容易获取准确波速测量值,所述实时环境参数的测量复杂度越小。
如此,依据实时环境参数在所述低维参数空间中的位置点查询测试样本图,测试样本图包含实时环境参数对应位置点的历史测试结果,依据测试样本图中对应位置点的数值和邻域范围内的数值方差确定实时环境参数下的测量复杂度和波速预测值。
S14,采集所述实时环境参数的波速测量值。
在一个实施例中,在实时环境参数下执行岩石波速测试操作,得到岩石样本在实时环境参数下的波速测量值。
其中,执行岩石波速测试操作可借助岩石声波参数测定仪实现,本申请不再赘述。
S15,基于所述测量复杂度对所述波速测量值和所述波速预测值进行加权求和,得到波速测试结果。
在一个实施例中,所述测量复杂度越大,表示所述实时环境参数的波速测量值越容易出现误差,为了降低波速测量值的误差,在确定最终的波速测试结果时,应降低波速测量值的权重,进而提高波速测试结果的准确性。
具体描述如下,所述波速测试结果满足关系式:
其中,为所述实时环境参数的测量复杂度,/>为波速测量值,/>为波速预测值,为所述波速测试结果,其中,所述波速测试结果为横波速度或纵波速度。
可以理解地,实时环境参数的测量复杂度越大,表示波速测量值的准确性越低,此时,波速测量值的权重/>越小,波速预测值的权重/>越小,保障波速测试结果的准确性。
在一个可选的实施例中,得到波速测试结果后,所述测试方法还包括:依据所述波速测试结果更新所述测试样本图中目标位置点的数值,其中,所述目标位置点为所述实时环境参数在所述低维参数空间中的位置点。
其中,“依据所述波速测试结果更新所述测试样本图中目标位置点的数值”的过程和步骤S22中“依据历史测试结果更新所述位置点的数值”的过程相同,在此不再赘述。
在得到实时环境参数下的波速测试结果后,即可将实时环境参数以及波速测试结果视为一次历史岩石波速测试过程,并依据波速测试结果更新测试样本图中所述实时环境参数对应位置点的数值,实现测试样本图的实时更新,确保测量复杂度和波速预测值的准确性,进而保障波速测试结果的准确性。
如此,依据测量复杂度融合实时环境参数下实际采集的波速测量值,以及历史岩石波速测试过程中实时环境参数对应的波速预测值,得到准确的波速测试结果。
本申请实施例提供的上述一种岩石波速测试方法,首先利用降维算法将实时环境参数降维至低维参数空间,获取实时环境参数在低维参数空间内的位置点;基于所有历史岩石波速测试过程确定低维参数空间内每个位置点的历史测试结果,进而构建测试样本图,通过查询测试样本图获取实时环境参数所处位置点的波速预测值,以及实时环境参数所处位置点邻域范围内历史测试结果的方差;将位置点邻域范围内历史测试结果的方差作为实时环境参数的测量复杂度,依据实时环境参数的测量复杂度对波速测量值和波速预测值进行加权求和,进而得到准确的波速测试结果,提高岩石的波速测试结果的准确性。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。
Claims (6)
1.一种岩石波速测试方法,其特征在于,所述测试方法包括:
采集实时环境参数,并利用降维算法将所述实时环境参数映射至低维参数空间,所述实时环境参数包括温湿度、岩石孔隙度、岩石密度、岩石饱和度以及岩石成分;
构建测试样本图,所述测试样本图包括历史岩石波速测试过程中,所述低维参数空间内每个位置点的历史测试结果;
基于所述实时环境参数在所述低维参数空间中的位置点查询所述测试样本图以确定所述实时环境参数的测量复杂度和波速预测值;
采集所述实时环境参数的波速测量值;
基于所述测量复杂度对所述波速测量值和所述波速预测值进行加权求和,得到波速测试结果;
所述构建测试样本图包括:
构建测试样本初始图,所述测试样本初始图包括所述低维参数空间中所有位置点,且每个位置点的数值为0;
在任意一次历史岩石波速测试过程中,获取历史环境参数在所述测试样本初始图中的位置点,并依据历史测试结果更新所述位置点的数值,所述历史测试结果为历史环境参数下的岩石波速;
遍历所有历史岩石波速测试过程,不断更新所述测试样本初始图中每个位置点的数值;
在更新后的测试样本初始图中,将任意一个数值为0的位置点记为零位置点,利用插值算法确定所述零位置点的数值,直至遍历更新后的测试样本初始图中所有零位置点时,得到测试样本图;
所述依据历史测试结果更新所述位置点的数值包括:
将所述位置点更新前的数值与所述历史测试结果的平均值作为所述位置点更新后的数值;
基于所述实时环境参数在所述低维参数空间中的位置点查询所述测试样本图以确定所述实时环境参数的测量复杂度和波速预测值包括:
将所述测试样本图中目标位置点的数值作为所述实时环境参数的波速预测值,其中,所述目标位置点为所述实时环境参数在所述低维参数空间中的位置点;
在所述测试样本图中目标位置点的邻域范围内,计算所有历史测试结果的方差以作为所述实时环境参数的测量复杂度;
其中,所述目标位置点的邻域范围为以目标位置点为中心,设定尺寸的矩形范围。
2.如权利要求1所述的一种岩石波速测试方法,其特征在于,所述降维算法为自编码网络,所述利用降维算法将所述实时环境参数映射至低维参数空间包括:
搭建自编码网络,所述自编码网络包括参数编码器和参数解码器,所述参数编码器的输出为低维向量;
采集多组环境参数样本,并将所述多组环境参数样本依次输入所述参数编码器以获取低维向量,并将所述低维向量输入所述参数解码器以获取解码结果;
基于所述解码结果和所述环境参数样本计算重构损失值;
依据所述重构损失值进行反向传播,以更新所述参数编码器和所述参数解码器;
迭代地更新所述参数编码器和所述参数解码器,直至所述重构损失值小于预设损失值,得到训练完毕的参数编码器;
将所述实时环境参数输入训练完毕的参数编码器,以输出所述实时环境参数对应的低维向量,所述低维向量对应于所述实时环境参数在所述低维参数空间中的位置点;
其中,所述低维向量为二维向量或三维向量。
3.如权利要求2所述的一种岩石波速测试方法,其特征在于,所述重构损失值满足关系式:
其中,为所述多组环境参数样本的数量,/>为第/>组环境参数样本,/>为第/>组环境参数样本的解码结果,/>为重构损失值。
4.如权利要求1所述的一种岩石波速测试方法,其特征在于,所述依据历史测试结果更新所述位置点的数值包括:
将所述位置点对应的所有历史测试结果作为所述位置点的测试结果集合;
将所述测试结果集合中的众数作为所述位置点更新后的数值。
5.如权利要求1所述的一种岩石波速测试方法,其特征在于,所述波速测试结果满足关系式:
其中,为所述实时环境参数的测量复杂度,/>为波速测量值,/>为波速预测值,/>为所述波速测试结果,其中,所述波速测试结果为横波速度或纵波速度。
6.如权利要求1所述的一种岩石波速测试方法,其特征在于,得到波速测试结果后,所述测试方法还包括:
依据所述波速测试结果更新所述测试样本图中所述目标位置点的数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410053198.3A CN117572503B (zh) | 2024-01-15 | 2024-01-15 | 一种岩石波速测试方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410053198.3A CN117572503B (zh) | 2024-01-15 | 2024-01-15 | 一种岩石波速测试方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117572503A CN117572503A (zh) | 2024-02-20 |
CN117572503B true CN117572503B (zh) | 2024-03-26 |
Family
ID=89884780
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410053198.3A Active CN117572503B (zh) | 2024-01-15 | 2024-01-15 | 一种岩石波速测试方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117572503B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104975851A (zh) * | 2014-04-10 | 2015-10-14 | 中国石油集团东方地球物理勘探有限责任公司 | 用于振幅随炮检距变化道集分析的油藏模型优化方法 |
CN105089615A (zh) * | 2014-05-16 | 2015-11-25 | 中国石油化工股份有限公司 | 一种基于油藏模型的测井数据历史回归处理方法 |
CN108802814A (zh) * | 2018-06-20 | 2018-11-13 | 成都理工大学 | 一种隧道围岩微震波速的获取方法 |
WO2021232924A1 (zh) * | 2020-05-21 | 2021-11-25 | 中国矿业大学 | 一种考虑温度效应的深层-超深层岩石力学参数预测方法 |
CN115575505A (zh) * | 2022-10-10 | 2023-01-06 | 四川大学 | 一种应力作用条件下岩石纵波波速与衰减的计算方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120272743A1 (en) * | 2011-04-27 | 2012-11-01 | Xiaoqing Sun | Method and Apparatus for Laser-Based Non-Contact Three-Dimensional Borehole Stress Measurement and Pristine Stress Estimation |
-
2024
- 2024-01-15 CN CN202410053198.3A patent/CN117572503B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104975851A (zh) * | 2014-04-10 | 2015-10-14 | 中国石油集团东方地球物理勘探有限责任公司 | 用于振幅随炮检距变化道集分析的油藏模型优化方法 |
CN105089615A (zh) * | 2014-05-16 | 2015-11-25 | 中国石油化工股份有限公司 | 一种基于油藏模型的测井数据历史回归处理方法 |
CN108802814A (zh) * | 2018-06-20 | 2018-11-13 | 成都理工大学 | 一种隧道围岩微震波速的获取方法 |
WO2021232924A1 (zh) * | 2020-05-21 | 2021-11-25 | 中国矿业大学 | 一种考虑温度效应的深层-超深层岩石力学参数预测方法 |
CN115575505A (zh) * | 2022-10-10 | 2023-01-06 | 四川大学 | 一种应力作用条件下岩石纵波波速与衰减的计算方法 |
Non-Patent Citations (2)
Title |
---|
LM-BP神经网络在泥页岩地层横波波速拟合中的应用;吕晶 等;《中国石油大学学报(自然科学版)》;20170630;第41卷(第03期);第75-83页 * |
高温高压下岩石波速研究进展;张逸凌 等;《地球物理学进展》;20231231;第38卷(第5期);第1999-2022页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117572503A (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110427654B (zh) | 一种基于敏感状态的滑坡预测模型构建方法及*** | |
CN105444923A (zh) | 基于遗传算法优化最小二乘支持向量机的机械式温度仪表误差预测方法 | |
CN113568055B (zh) | 一种基于lstm网络的航空瞬变电磁数据反演方法 | |
KR102218734B1 (ko) | 인공지능 기반 환경유해인자 고해상도 데이터 보간방법 | |
CN115935139A (zh) | 一种海洋观测数据的空间场插补方法 | |
CN111208565B (zh) | 基于kt模型的孔缝参数反演方法、装置及存储介质 | |
US10102473B1 (en) | Soil moisture sensing determines soil type | |
CN117572503B (zh) | 一种岩石波速测试方法 | |
CN115438897A (zh) | 一种基于blstm神经网络的工业过程产品质量预测方法 | |
CN116975987B (zh) | 基于声学特征的深水浅层岩土工程参数预测方法及装置 | |
CN111208566B (zh) | 基于sca模型的孔缝参数反演方法、装置及存储介质 | |
Zhang et al. | Reconstruction of porous media using an information variational auto-encoder | |
CN113468804A (zh) | 一种基于矩阵束和深度神经网络的地下管道识别方法 | |
CN112836789A (zh) | 一种基于复合神经网络算法的地连墙变形动态预测方法 | |
Xia et al. | Novel intelligent approach for peak shear strength assessment of rock joints on the basis of the relevance vector machine | |
CN112016235B (zh) | 一种柔性天线结构的冲击载荷识别方法及*** | |
CN116067829A (zh) | 一种火力发电厂脱硫石膏浆液密度的软测量方法及*** | |
CN114460639B (zh) | 页岩油储层渗透率的预测方法及装置 | |
CN114814092A (zh) | 基于bp神经网络的ip指标测量方法 | |
Jarvis et al. | Empirical realised niche models for British coastal plant species | |
CN117405175B (zh) | 海洋环境智能监测*** | |
CN117935972B (zh) | 一种海水悬沙浓度计算方法、装置、电子设备及存储介质 | |
Smith | Visualizing predictability with chaotic ensembles | |
CN112577450B (zh) | 基于多元回归分析的工程岩体结构面粗糙度系数确定方法 | |
Kanevski et al. | Mapping of radioactively contaminated territories with geostatistics and artificial neural networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |