基于随机粒子群的Newton-SVD方法的电测井反演

计算物理 ›› 2010, Vol. 27 ›› Issue (1): 115-120.

基于随机粒子群的Newton-SVD方法的电测井反演

李智强, 范宜仁, 邓少贵, 陈华

中国石油大学地球资源与信息学院, 山东东营 257061

收稿日期:2008-07-17 修回日期:2009-03-23 出版日期:2010-01-25 发布日期:2010-01-25
作者简介:李智强(1981-),男,山东德州,博士生,主要从事岩石物理及电法测井数值模拟.
基金资助:
国家科技重大专项专题(2008ZX05035-02);山东自然科学基金(Y2007F25);中国石油大学优秀博士学位论文培育基金(B2007-05)资助项目

Inversion of Electrical Logging by Newton-SVD with Stochastic Particle Swarm

LI Zhiqiang, FAN Yiren, DENG Shaogui, CHEN Hua

Faculty of Geo-Resource and Information in China University of Petroleum, Dongying 257061, China

Received:2008-07-17 Revised:2009-03-23 Online:2010-01-25 Published:2010-01-25

摘要/Abstract

摘要： 提出一种基于随机粒子群的Newton-SVD方法对双侧向测井进行双参数反演(原状地层电阻率,侵入带半径),运用随机粒子群方法得到双侧向测井反演的一个较为合理的初始值,结合Newton-SVD方法进行双侧向测井反演,提高测井反演的稳定性、可靠性,给出一种设定测井反演初始值的方法,通过对加入噪声的理想模型和实际资料进行处理表明,该方法可有效、准确地消除复杂测井环境的影响,得到真实的地层参数.

关键词: 基于随机粒子群的Newton-SVD方法, 原状地层电阻率, 侵入带半径, 反演

Abstract: We propose a method to invert two parameters(virgin zone resistivity,invaded zone) of dual lateral logging which is based on Newton-SVD of particle swarm.Reasonable initial values are selected by random particle swarm method.Newton-SVD is applied to invert dual lateral logging data.It improves stability and reliability of logging inversion greatly,and offers a radical way for setting initial values of inversion.Ideal model with noise and practical logging data are compared.It shows that the method eliminates effects of complex logging environments effectively and offer true formation parameters.

Key words: Newton-SVD based on stochastic particle swarm optimization, virgin zone resistivity, invaded zone, inversion

中图分类号:

P631.3

李智强, 范宜仁, 邓少贵, 陈华. 基于随机粒子群的Newton-SVD方法的电测井反演[J]. 计算物理, 2010, 27(1): 115-120.

LI Zhiqiang, FAN Yiren, DENG Shaogui, CHEN Hua. Inversion of Electrical Logging by Newton-SVD with Stochastic Particle Swarm[J]. CHINESE JOURNAL OF COMPUTATIONAL PHYSICS, 2010, 27(1): 115-120.

[1]	刘广东, 张开银. 一种电色散媒质的改进对比源反演方法[J]. 计算物理, 2022, 39(6): 699-706.
[2]	肖聪, 张士诚, 马新仿, 周彤, 侯腾飞. 基于模型降维和递归神经网络的油藏参数反演[J]. 计算物理, 2022, 39(5): 564-578.
[3]	李健, 金春杏, 张宇, 黄新敬. 基于三维磁成像的近场磁性体探测[J]. 计算物理, 2020, 37(1): 88-96.
[4]	刘玲, 陈淼, 邱健, 彭力, 骆开庆, 韩鹏. 多角度动态光散射加权贝叶斯反演算法[J]. 计算物理, 2019, 36(6): 673-681.
[5]	王黎翔, 王安琪, 黄志祥. 基于多算法优化SVM的粗糙面参数反演[J]. 计算物理, 2019, 36(5): 577-585.
[6]	倪小威, 徐思慧, 冯加明, 刘迪仁. 基于自适应差分进化算法的阵列侧向测井快速反演[J]. 计算物理, 2019, 36(4): 465-473.
[7]	杨鑫, 李润东, 王冠博, 窦海峰, 周刚. 中子深度分析反演算法研究[J]. 计算物理, 2017, 34(5): 603-610.
[8]	苟雪银, 郭立新, 张连波. 支持向量机和神经网络在粗糙面参数反演中的比较[J]. 计算物理, 2014, 31(1): 75-84.
[9]	刘福平, 王安玲, 杨长春. 地层渗透参数反演计算[J]. 计算物理, 2013, 30(6): 879-885.
[10]	邵元培, 何开锋, 周宇, 钱炜祺. 二维变几何域下的表面热流反演[J]. 计算物理, 2013, 30(4): 534-540.
[11]	杨鑫, 李润东, 刘汉刚, 王冠博, 王侃. 基于概率迭代的NDP反演方法[J]. 计算物理, 2012, 29(6): 891-900.
[12]	周宇, 钱炜祺, 何开锋, 桂业伟. 同时反演材料热传导系数和比热的算法[J]. 计算物理, 2011, 28(5): 719-724.
[13]	邱健, 杨冠玲, 韩鹏, 陈超雄. 光子相关光谱的自寻优累积反演算法实现[J]. 计算物理, 2011, 28(2): 268-274.
[14]	任师波, 韩鹏, 杨冠玲. 用于光子相关光谱颗粒粒度测量的实数编码混合遗传算法[J]. 计算物理, 2011, 28(1): 87-93.
[15]	唐中华, 钱炜祺, 刘永利. 基于伴随方程法的材料热传导系数反演方法[J]. 计算物理, 2010, 27(4): 561-566.