基于粒子群优化算法的多元线性拟合方法研究及其应用

实际测井中,密度曲线最易受扩径的影响。为了消除这种影响,在多元线性拟合方法中引入了粒子群优化算法(Particle Swarm Optimization,PSO),提出了基于粒子群优化算法的多元线性拟合方法,粒子群优化算法是对目标函数优化具有自适应控制的智能进化算法。这里将粒子群优化算法与多元线性拟合法结合,选取井眼环境好,且与扩径层段有相同的岩性、物性的井段作为参考层,利用受井眼环境影响相对小的测井曲线(伽马、电阻率和声波时差),建立更加精确的多元线性拟合模型;再运用这个模型在扩径层段重构密度曲线;最后将重构密度曲线与原始密度曲线、Gardner公式计算的密度曲线进行对比分析。研究结果表明,提出的基于粒子群优化算法的多元线性拟合法重构的密度曲线的合成地震记录与井旁地震道相关系数可达0.86,说明该方法能够更有效提高密度测井曲线的质量。