一种基于粒子群优化的声波时差实时提取方法专利检索-随钻测井油气提取专利检索查询-专利查询网

一种基于粒子群优化的 声波时差实时提取方法

阅读：1011发布：2021-03-09

专利汇可以提供一种基于粒子群优化的声波时差实时提取方法专利检索，专利查询，专利分析的服务。并且本发明提供了一种基于粒子群优化的声波时差实时提取方法，主要解决传统的STC 算法求取声波时差运算量大且精度低的问题。其实现过程是：（1）给定某一模式波的首波到达时间和声波时差的范围；（2）初始化种群；（3）计算粒子的适应度值；（4）更新粒子的历史最高适应度值和种群的全局历史最高适应度值；（5）更新粒子的位置；（6）判断算法是否满足终止条件，若满足，则停止迭代，否则转至步骤（3）。本发明采用基于种群随机搜索的粒子群优化算法进行声波时差提取，不需要进行时间和慢度的遍历搜索，并且该算法为全局优化方法，大大减小了程序的运算量，能够快速准确地提取地层声波时差。，下面是一种基于粒子群优化的声波时差实时提取方法专利的具体信息内容。

权利要求

1.一种基于粒子群优化的声波时差实时提取方法，其特征在于：包括以下步骤：
(1)给定某一模式波的首波到达时间和声波时差的范围；
(2)初始化种群；
(3)计算粒子的适应度值；
(4)更新粒子的历史最高适应度值和种群的全局历史最高适应度值；
(5)更新粒子速度和位置；
(6)判断算法是否满足终止条件，若满足，则停止迭代，否则转至步骤(3)。
2.根据权利要求1所述的基于粒子群优化的声波时差实时提取方法，其特征在于：所述的步骤(1)中给定某一模式波的首波到达时间和声波时差的范围采用以下步骤来实现：首先根据区域地震资料及邻井测井资料、录井资料进行地质建模，反演待钻井的地层信息，然后根据地层信息估算声波在该地层中的传播速度，最后结合接收器发射器间的源距以及发射器间的距离估算模式波的首波到达时间和声波时差的范围。
3.根据权利要求2所述的基于粒子群优化的声波时差实时提取方法，其特征在于：所述的步骤(2)中初始化种群包括以下内容：
(1)初始化种群中粒子数目m，则m个粒子组成的种群为X＝{X1,X2,…Xm}T；
(2)初始化迭代次数t；
(3)初始化粒子Xi的位置为Xi＝(xi1,xi2,…,xid)T，其中d为搜索空间维数；
(4)初始化粒子Xi的速度为Vi＝(vi1,vi2,…,vid)T；
(5)初始化惯性因子w；
(6)初始化学习因子C1,C2；
(7)初始化粒子的每一维速度Vd的范围为[-Vdmax,+Vdmax]。
4.根据权利要求3所述的基于粒子群优化的声波时差实时提取方法，其特征在于：所述的步骤(3)中计算粒子的适应度值是通过对数据波形进行相关计算确定的，相关计算方法有：
(1)通过波形相似法对数据波形进行相关计算；
多通道波形的相似度定义为：

其中，fk为阵列波形数据，IW为窗口长度，M为波形通道数，相似值的范围是从完全的负相关0到完全的正相关1；M道不相关的噪声数据间的相似值很容易证明是1/M；
按照这种计算方法，每给一个确定的窗口计算出一个相似系数，通过调整时间参数t和慢度参数s以改变窗口的位置和形状并计算其对应的相似性值即得到以t和s为参数的一系列相关函数值；
(2)通过互相关法对数据波形进行相关计算；
设xN(n)、yN(n)是两列长度为N含有相似波形成分的时间序列，则它们之间的相关系数可定义为：

其中，r2N(n)表示起始位置相差n个点的两个时窗内波形的相似系数，N表示窗长大小，xN(i)和yN(i)分别表示两个时间序列在时窗内的第i个样值；
(3)通过N次根堆栈法对数据波形进行相关计算；
N次根堆栈方程为：
Yi＝Ri|Ri|N-1

其中，xi,j为第j通道的第i个采样点数据，1≤i≤IW,1≤j≤K，IW为各通道信号的长度(窗长)，K为总通道数，N为任一正整数，Gj是第j通道的增益，G是对所有通道数据的增益，wj为加权因子，Yi为一维滤波输出数组，多通道信号经N次根滤波后能输出多道信号中相似的部分。
5.根据权利要求4所述的基于粒子群优化的声波时差实时提取方法，其特征在于：所述的步骤(4)中更新粒子的历史最高适应度值和种群的全局历史最高适应度值具体是指比较每个粒子的适应值与它经历最好位置的适应值，如果更好，更新个体极值点；比较每个粒子的适应值与全局所经历最好位置的适应值，如果更好，更新全局极值点。
6.根据权利要求5所述的基于粒子群优化的声波时差实时提取方法，其特征在于：所述的步骤(5)中更新粒子速度和位置方程为：

式中，是粒子第i次迭代中第d维的速度；rand1,2是[0,1]之间的随机数；是粒子i在第k次迭代中第d维的当前位置；pbestid是粒子i在第d维的个体极值点的位置；gbest是整个群在第d维的全局极值点的位置。

说明书全文

一种基于粒子群优化的 声波时差实时提取方法

技术领域

[0001] 本发明涉及石油钻井和测井领域，更为具体地讲，涉及一种随钻声波井下信号采集与处理系统的时差实时提取方法。

背景技术

[0002] 随钻声波测井技术是在电缆测井技术的基础上发展起来的，与电缆测井相比，它能够在泥浆滤液侵入到地层之前对数据进行有效采集，受侵入影响较小，能够更为客观的探测到原始地层状况，地层信息具有更高的研究价值。随钻测井技术的应用，把钻井和测井两个过程合二为一，在钻井的过程中完成录井，提高了钻井作业效率，大大降低了测井的成本。另外，在一些高难度的测井作业中，例如水平井、大斜度井的测试中，电缆测井无法完成测井工作，只能选用随钻测井。

[0003] 利用随钻声波测井技术可以得到地层的流体波、纵波和横波的幅度，频率和时差等相关信息，这些参数是评价地层孔隙度、岩性和岩石力学弹性的重要依据，通过一定计算还可以得到地层岩石破压力值，准确的反应当前地层的油气信息，是油气探测的有效方法。与其他测井技术相比，使用声波测井技术所研制的声波测井仪具有测井速度快，仪器重量轻等优点。但随钻声波测井技术采集的数据量比较大，利用泥浆脉冲进行传输，数据传输效率极低，不可能把采集到的大量数据实时传输到地面系统，即无法实时上传测量到的声波数据，地面工作人员无法确定仪器是否工作在正常状态，从而不能从声波数据中提取到井下时差来反应底层信息。

[0004] 随钻声波测井原始资料无法直接应用。在应用之前，必须对原始资料(波形数据)进行相应的处理，提取出钻进人员、地质人员、油田开发人员及相关工程人员等感兴趣的且容易被接受并应用的信息。常规的电缆声波测井测得的原始波形数据通过电缆传输到地面之后再进行相应的处理。与常规电缆声波测井原始波形处理有所不同，由于受随钻测井数据传输速率的限制，无法直接将原始波形数据传输到地面之后再进行处理，必须在井下对原始波形数据进行处理，再将处理结果实时传输到地面。

[0005] 从声波中提取慢度，是随钻声波测井中最基本的环节，由于地下情况的复杂性，实际测井资料的质量难以保证，使得波形处理工作变得相当复杂和困难。

[0006] 目前公知的随钻声波时差提取技术可以分为三类，首波探测法、STC方法、人工智能算法。

[0007] 首波探测法，方法简单，实现方便，许多测井仪器已经可以用硬件来实现。但是，这种方法抗噪能力差，对于噪声与声波混杂在一起的波形来说，很难用它来找准首波波至。STC方法是Kimbal等人于1984年提出的一种利用相关性处理提取声波慢度的一种方法，该方法抗噪能力强，计算精度高。但是其计算量巨大，技术难点多，实现起来较为困难。目前采用的人工智能算法包括模拟退火方法、遗传算法等，由于这些算法本身的局限性，导致了很容易陷入局部最小值，以致算法有可能不收敛，这样提取到的声波时差就不正确了，该方法虽然计算量较小，但是计算精度不高。

[0008] 迫于随钻条件下传输条件的限制，随钻声波测井慢度提取只能在井下通过硬件实现，上述首波探测法精度太低不适于随钻条件下的时差提取。STC方法虽然抗噪能力强，计算精度高，但是计算量巨大，技术难点多，很难在井下实现。根据随钻声波测井的特点，提出了一种基于粒子群优化的声波时差提取方法。该方法充分利用了粒子群优化算法的特点，收敛速度快且能找到全局最优点，可以用于井孔声场纵波和四极子波的时差提取。

发明内容

[0009] 本发明的目的在于克服现有技术的不足，提供一种基于粒子群优化的声波时差实时提取方法，将人工智能算法中的粒子群优化算法结合STC算法中的相关计算方法，可以实现在声波时差提取过程中全局寻优，具有地层声波时差提取快、可靠性高的特点。

[0010] 为实现上述发明目的，本发明提出一种基于粒子群优化的声波时差实时提取方法，包括以下步骤：

[0011] (1)、给定某一模式波的首波到达时间和声波时差的范围；

[0012] (2)、初始化种群；

[0013] (3)、计算粒子的适应度值；

[0014] (4)、更新粒子的历史最高适应度值和种群的全局历史最高适应度值；

[0015] (5)、更新粒子速度和位置；

[0016] (6)、判断算法是否满足终止条件，若满足，则停止迭代，否则转至步骤(3)。

[0017] 如上所述的步骤(1)中给定某一模式波的首波到达时间和声波时差的范围采用以下步骤来实现：首先根据区域地震资料及邻井测井资料、录井资料进行地质建模，反演待钻井的地层信息，然后根据地层信息估算声波在该地层中的传播速度，最后结合接收器发射器间的源距以及发射器间的距离估算模式波的首波到达时间和声波时差的范围。

[0018] 如上所述的步骤(2)中初始化种群包括以下内容：

[0019] 1)、初始化种群中粒子数目m，则m个粒子组成的种群为X＝{X1,X2,…Xm}T；

[0020] 2)、初始化迭代次数t；

[0021] 3)、初始化粒子Xi的位置为Xi＝(xi1,xi2,…,xid)T，其中d为搜索空间维数；

[0022] 4)、初始化粒子Xi的速度为Vi＝(vi1,vi2,…,vid)T；

[0023] 5)、初始化惯性因子w；

[0024] 6)、初始化学习因子C1,C2；

[0025] 7)、初始化粒子的每一维速度Vd的范围为[-Vdmax,+Vdmax]。

[0026] 如上所述的步骤(3)中计算粒子的适应度值是通过对数据波形进行相关计算确定的，常用的相关计算方法有：

[0027] 1)、通过波形相似法对数据波形进行相关计算；

[0028] 多通道波形的相似度定义为：

[0029]

[0030] 其中，fk为阵列波形数据，IW为窗口长度，M为波形通道数。相似值的范围是从0(完全的负相关)到1(完全的正相关)；M道不相关的噪声数据间的相似值很容易证明是1/M；

[0031] 按照这种计算方法，每给一个确定的窗口就可以计算出一个相似系数。因此，通过调整时间参数t和慢度参数s以改变窗口的位置和形状并计算其对应的相似性值即得到以t和s为参数的一系列相关函数值；

[0032] 2)、通过互相关法对数据波形进行相关计算；

[0033] 设xN(n)、yN(n)是两列长度为N含有相似波形成分的时间序列，则它们之间的相关系数可定义为：

[0034]

[0035] 其中，r2N(n)表示起始位置相差n个点的两个时窗内波形的相似系数，N表示窗长大小，xN(i)和yN(i)分别表示两个时间序列在时窗内的第i个样值；

[0036] 3)、通过N次根堆栈法对数据波形进行相关计算；

[0037] N次根堆栈方程为：

[0038] Yi＝Ri|Ri|N-1

[0039]

[0040] 其中，xi,j为第j通道的第i个采样点数据，1≤i≤IW,1≤j≤K，IW为各通道信号的长度(窗长)，K为总通道数，N为任一正整数(一般取N≥4)，Gj是第j通道的增益，G是对所有通道数据的增益，wj为加权因子，Yi为一维滤波输出数组，多通道信号经N次根滤波后能输出多道信号中相似的部分。

[0041] 如上所述的步骤(4)中更新粒子的历史最高适应度值和种群的全局历史最高适应度值具体是指比较每个粒子的适应值与它经历最好位置的适应值，如果更好，更新个体极值点；比较每个粒子的适应值与全局所经历最好位置的适应值，如果更好，更新全局极值点。

[0042] 如上所述的步骤(5)中更新粒子速度和位置方程为：

[0043]

[0044]

[0045] 式中，是粒子第i次迭代中第d维的速度；rand1,2是[0,1]之间的随机数；是粒子i在第k次迭代中第d维的当前位置；pbestid是粒子i在第d维的个体极值点的位置；gbest是整个群在第d维的全局极值点的位置。

[0046] 本发明所述的一种基于粒子群优化的声波时差实时提取方法具有的有益效果是粒子群优化算法是基于种群随机搜索的，不受首波到达时间步长与慢度步长大小的影响，利用该方法进行声波时差提取，只需要做部分计算就可以获得给定的时差、首波到达时间范围内的全局最优解。不需要进行时间和慢度的遍历搜索，大大减小了程序的运算量，能够快速准确地提取地层声波时差。附图说明：

[0047] 图1为基于粒子群优化的声波时差实时提取流程图。

[0048] 图2为粒子群优化算法寻优过程。具体实施方式：

[0049] 下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

[0050] 参照附图1，一种基于粒子群优化的声波时差实时提取方法，包括以下步骤：

[0051] 第一步S101：给定某一模式波的首波到达时间和声波时差的范围。

[0052] 给定某一模式波的首波到达时间和声波时差的范围需进行以下步骤来实现：首先需根据区域地震资料及邻井测井资料、录井资料进行地质建模，反演待钻井的地层信息，然后根据地层信息估算声波在该地层中的传播速度，最后结合接收器发射器间的源距以及发射器间的距离估算模式波的首波到达时间和声波时差的范围。

[0053] 第二步S102：初始化种群。

[0054] 初始化种群包括以下内容：

[0055] 1)初始化种群中粒子数目m，则m个粒子组成的种群为X＝{X1,X2,…Xm}T；

[0056] 2)初始化迭代次数t；

[0057] 3)初始化粒子Xi的位置为Xi＝(xi1,xi2,…,xid)T，其中d为搜索空间维数；

[0058] 4)初始化粒子Xi的速度为Vi＝(vi1,vi2,…,vid)T；

[0059] 5)初始化惯性因子w；

[0060] 6)初始化学习因子C1,C2；

[0061] 7)初始化粒子的每一维速度Vd的范围为[-Vdmax,+Vdmax]。

[0062] 第三步S103：计算粒子的适应度值。

[0063] 计算粒子的适应度值是通过对数据波形进行相关计算确定的，常用的相关计算方法有：

[0064] 1)通过波形相似法对数据波形进行相关计算；

[0065] 多通道波形的相似度定义为：

[0066]

[0067] 其中，fk为阵列波形数据，IW为窗口长度，M为波形通道数。相似值的范围是从0(完全的负相关)到1(完全的正相关)；M道不相关的噪声数据间的相似值很容易证明是1/M；

[0068] 按照这种计算方法，每给一个确定的窗口就可以计算出一个相似系数。因此，通过调整时间参数t和慢度参数s以改变窗口的位置和形状并计算其对应的相似性值即得到以t和s为参数的一系列相关函数值；

[0069] 2)通过互相关法对数据波形进行相关计算；

[0070] 设xN(n)、yN(n)是两列长度为N含有相似波形成分的时间序列，则它们之间的相关系数可定义为：

[0071]

[0072] 其中，r2N(n)表示起始位置相差n个点的两个时窗内波形的相似系数，N表示窗长大小，xN(i)和yN(i)分别表示两个时间序列在时窗内的第i个样值；

[0073] 3)通过N次根堆栈法对数据波形进行相关计算；

[0074] N次根堆栈方程为：

[0075] Yi＝Ri|Ri|N-1

[0076]

[0077] 其中，xi,j为第j通道的第i个采样点数据，1≤i≤IW,1≤j≤K，IW为各通道信号的长度(窗长)，K为总通道数，N为任一正整数(一般取N≥4)，Gj是第j通道的增益，G是对所有通道数据的增益，wj为加权因子，Yi为一维滤波输出数组，多通道信号经N次根滤波后能输出多道信号中相似的部分。

[0078] 第四步S104：更新粒子的历史最高适应度值和种群的全局历史最高适应度值。

[0079] 更新粒子的历史最高适应度值和种群的全局历史最高适应度值具体是指比较每个粒子的适应值与它经历最好位置的适应值，如果更好，更新个体极值点；比较每个粒子的适应值与全局所经历最好位置的适应值，如果更好，更新全局极值点。

[0080] 第五步S105：更新粒子速度和位置。

[0081] 更新粒子速度和位置方程为：

[0082]

[0083]

[0084] 式中，是粒子第i次迭代中第d维的速度；rand1,2是[0,1]之间的随机数；是粒子i在第k次迭代中第d维的当前位置；pbestid是粒子i在第d维的个体极值点的位置；gbest是整个群在第d维的全局极值点的位置。

[0085] 第六步S106：判断算法是否满足终止条件，若满足，则停止迭代，否则转至步骤S103。

[0086] 最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

标题	发布/更新时间	阅读量
一种电磁波电阻率随钻测井仪	2020-05-18	283
一种随钻声波测井仪器及测井方法	2020-05-14	844
方向性伽马随钻测井仪	2020-05-12	550
随钻偶极声波测井仪器以及声波测井方法	2020-05-16	506
一种随钻测井解释方法	2020-05-14	904
随钻测井深度跟踪装置	2020-05-14	656
一种多参数随钻测井仪	2020-05-13	199
随钻测井仪的接收电路	2020-05-13	945
一种随钻电阻率测井方法和测量装置	2020-05-16	624
一种随钻测井数据传输装置和方法	2020-05-18	257

一种基于粒子群优化的声波时差实时提取方法

一种基于粒子群优化的声波时差实时提取方法

技术领域

背景技术

发明内容

该功能需要专业版企业版VIP权限，您可以：