買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜成都理工大學(xué)申請(qǐng)的專(zhuān)利基于敏感參數(shù)體的頁(yè)巖TOC地震定量預(yù)測(cè)方法獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN115437001B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-03-21發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202211135531.2，技術(shù)領(lǐng)域涉及：G01V1/28；該發(fā)明授權(quán)基于敏感參數(shù)體的頁(yè)巖TOC地震定量預(yù)測(cè)方法是由劉成;吳朝容;李勇;趙少澤;黃開(kāi)興;陳朝譞設(shè)計(jì)研發(fā)完成，并于2022-09-19向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本基于敏感參數(shù)體的頁(yè)巖TOC地震定量預(yù)測(cè)方法在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了一種基于敏感參數(shù)體的頁(yè)巖TOC地震定量預(yù)測(cè)方法，對(duì)待測(cè)TOC含量的目的層，分析找到與TOC含量相關(guān)性高的測(cè)井曲線作為敏感參數(shù)；利用敏感參數(shù)構(gòu)建樣本數(shù)據(jù)；以樣本數(shù)據(jù)為輸入，該樣本數(shù)據(jù)對(duì)應(yīng)深度處的TOC含量為輸出，訓(xùn)練得到RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型；再利用敏感參數(shù)和疊后三維地震數(shù)據(jù)反演得到敏感參數(shù)體，用敏感參數(shù)體構(gòu)建預(yù)測(cè)樣本，將預(yù)測(cè)樣本輸入預(yù)測(cè)模型計(jì)算得到對(duì)應(yīng)的TOC值，實(shí)現(xiàn)目的層的TOC含量預(yù)測(cè)。本發(fā)明克服了現(xiàn)有技術(shù)中僅能利用少數(shù)疊前反演的彈性參數(shù)以及地震屬性進(jìn)行TOC含量地震預(yù)測(cè)的限制，以及不具廣泛運(yùn)用的缺點(diǎn)，可利用更多的與TOC含量高相關(guān)性的參數(shù)，實(shí)現(xiàn)頁(yè)巖TOC含量的高精度預(yù)測(cè)，適用范圍更廣、預(yù)測(cè)更容易實(shí)現(xiàn)。

本發(fā)明授權(quán)基于敏感參數(shù)體的頁(yè)巖TOC地震定量預(yù)測(cè)方法在權(quán)利要求書(shū)中公布了：1.一種基于敏感參數(shù)體的頁(yè)巖TOC地震定量預(yù)測(cè)方法，其特征在于：包括以下步驟；（1）確定地層中待測(cè)TOC含量的目的層，獲取目的層的測(cè)井?dāng)?shù)據(jù)、疊后三維地震數(shù)據(jù)、在目的層上等間距確定M個(gè)深度，獲取每個(gè)深度處巖心的TOC含量，所述測(cè)井?dāng)?shù)據(jù)包括多個(gè)測(cè)井曲線；（2）對(duì)每個(gè)測(cè)井曲線，與TOC含量進(jìn)行相關(guān)性分析，得到每個(gè)測(cè)井曲線與TOC含量的相關(guān)系數(shù)，預(yù)設(shè)一閾值，保留相關(guān)系數(shù)大于閾值的測(cè)井曲線，作為敏感參數(shù)，所述敏感參數(shù)為N個(gè)，分別標(biāo)記為第1條到第N個(gè)；（3）構(gòu)建樣本數(shù)據(jù)；在目的層每個(gè)深度處構(gòu)建一樣本數(shù)據(jù)，第j個(gè)深度上的樣本數(shù)據(jù)為L(zhǎng)j={L1j，L2j，…，Lij，…，LNj}；式中，Lij表示第i個(gè)敏感參數(shù)在第j個(gè)深度上的值，i=1~N，j=1~M；（4）建立一RBF神經(jīng)網(wǎng)絡(luò)，以樣本數(shù)據(jù)為輸入，該樣本數(shù)據(jù)對(duì)應(yīng)深度處的TOC含量為輸出，訓(xùn)練得到RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型；（5）對(duì)第1個(gè)到第N個(gè)敏感參數(shù)，分別以每個(gè)敏感參數(shù)為約束，利用疊后三維地震數(shù)據(jù)反演方法得到對(duì)應(yīng)的敏感參數(shù)體，標(biāo)記為第1個(gè)到第N個(gè)敏感參數(shù)體；（6）構(gòu)建預(yù)測(cè)樣本，包括步驟（61）-（65）；（61）每個(gè)敏感參數(shù)體大小相同，其線號(hào)、道號(hào)和采樣點(diǎn)分別為P、Q、H，整體為一個(gè)P×Q×H的三維數(shù)據(jù)體；（62）對(duì)第一個(gè)敏感參數(shù)體，將其整理為一K×H的二維矩陣，其中K=P×Q，再轉(zhuǎn)換成一個(gè)1×L的一維數(shù)組，其中L=K×H；（63）依次將二個(gè)到第N個(gè)敏感參數(shù)體，處理成一維數(shù)組；且每個(gè)一維數(shù)組中，相同位置的元素對(duì)應(yīng)的坐標(biāo)值相同；（64）將第一個(gè)到第N個(gè)數(shù)據(jù)體對(duì)應(yīng)的一維向量，分別作為矩陣的第一行到第N行數(shù)據(jù)，構(gòu)成一N×L的預(yù)測(cè)矩陣；（65）將預(yù)測(cè)矩陣的每一列數(shù)據(jù)提取出來(lái)，構(gòu)成一預(yù)測(cè)樣本，共得到L個(gè)預(yù)測(cè)樣本；（7）依次將L個(gè)預(yù)測(cè)樣本送入RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型中，輸出L個(gè)TOC值，對(duì)每個(gè)TOC值，將其對(duì)應(yīng)預(yù)測(cè)樣本的坐標(biāo)作為其坐標(biāo)，得到帶坐標(biāo)的TOC值；所述坐標(biāo)為線號(hào)、道號(hào)和采樣點(diǎn)；（8）將得到的一維的TOC數(shù)組進(jìn)行變換，按坐標(biāo)形成一個(gè)P×Q×H的三維TOC數(shù)據(jù)體，完成目的層TOC含量預(yù)測(cè)。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人成都理工大學(xué)，其通訊地址為：610059 四川省成都市成華區(qū)二仙橋東三路1號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話(huà)0551-65771310或微信搜索“龍圖騰網(wǎng)”。