(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111369372.8 (22)申请日 2021.11.18 (71)申请人 电子科技大 学长三角研究院 （湖州） 地址 313099 浙江省湖州市西塞山路819号 南太湖科技创新综合体B2幢8层 申请人 电子科技大 学 (72)发明人 徐天吉　罗诗艺　郭济　 (74)专利代理 机构 成都虹盛汇泉专利代理有限 公司 51268 代理人 王伟 (51)Int.Cl. G06F 30/27(2020.01) G06N 20/10(2019.01) G06K 9/62(2022.01) G06Q 10/04(2012.01)G06Q 50/02(2012.01) E21B 49/00(2006.01) (54)发明名称 一种基于机器学习的页岩含气量人工智能 预测方法 (57)摘要 本发明公开了一种基于机器学习的页岩含 气量人工智能预测方法， 包括以下步骤： 步骤1、 剔除岩心含气量实测值的异常值， 并对纵横波速 度、 密度、 自然伽马和含气实测值分别进行归一 化处理； 步骤2、 引入松弛变量、 利用数据映射搭 建支持向量回归预测模型； 步骤3、 将纵横波速 度、 密度作为输入， 页岩岩心含气量作为输 出， 利 用支持向量回归 预测模型， 根据留一交叉验证得 到含气量预测值； 或者将自然伽马、 纵波速度、 密 度作为输入， 页岩岩心含气量作为输出， 利用支 持向量回归 预测模型， 根据留一交叉验证得到含 气量预测值。 本发明针对岩心、 测井和地震数据 计算页岩含气量精度较高， 具有较高的泛化能力 和可靠性。 权利要求书2页 说明书7页 附图3页 CN 114091333 A 2022.02.25 CN 114091333 A 1.一种基于 机器学习的页岩含气量人工智能预测方法， 其特 征在于， 包括以下步骤： 步骤1、 剔除岩心含气量实测值的异常值， 并对纵横波速度、 密度、 自然伽马和含气实测 值分别进行归一 化处理； 步骤2、 引入松弛变量、 利用数据映射搭建支持向量回归预测模型； 步骤3、 将纵横波速度、 密度作为输入， 页岩岩心含气量作为输出， 利用支持向量回归预 测模型， 根据留一交叉验证得到含气量预测值； 或者将自然伽马、 纵波速度、 密度作为输入， 页岩岩心含气量作为输出， 利用支持向量 回归预测模型， 根据留一交叉验证得到含气量预测值。 2.根据权利要求1所述的一种基于机器学习的页岩含气量人工智能预测方法， 其特征 在于， 所述步骤2详细过程如下： 定义含气量预测值和真实值的损失函数， 误差小于硬间隔 与松弛变量之和时不计算损失， 只在误差大于两者之和时计算损失； 利用支持向量回归的 核函数， 将本不线性可分的数据映射到高维空间， 搭建支持向量回归预测模型。 3.根据权利要求1所述的一种基于机器学习的页岩含气量人工智能预测方法， 其特征 在于， 所述步骤3具体实现方法为： 设本次所有数据集为D＝{(x1,y1),(x2,y2),…,(xm,ym)}， 其中xi为归一化后的纵波速度、 横波速度和 密度构成的向量， 或者由归一化后的自然伽马、 纵波速度、 密度构成的向量； yi为岩心含气量， m为总样本个数； 在支持向量回归中， 利用非线性映射函数φ(x)， 将原始样本映射到一个更高维的特征 空间中， 从而达 到线性可分的目的； 在此 特征空间中划分超平面所对应的模型表示 为： f(x)＝wTφ(x)+b      (1) 式中， f(x)为预测含气量； w、 b为模型参数， 前者 为权重， 后者为截距； 引入硬间隔ε， 依据最小化结构风险原则， f(x)求 解过程等价于求解： 式中， 前半部分为正则化项， 后半部分为损失函数； C为惩罚因子， 用于控制样本拟合精 度， 其值越大， 则越重 视离群点； lε为关于硬间隔ε 的不敏感损失函数， 具体表达式如下： 引入松弛变量ξi和 将(2)改成写成： 上式须在以下 条件约束下求 解： 引入拉格朗日乘子 μi、 αi、 依据拉格朗日乘子法得拉格朗日函数：权　利　要　求　书 1/2 页 2 CN 114091333 A 2依据拉格朗日算法得支持向量回归目标函数原 始形式： 依据拉格朗日对偶算法， 将问题转 化为等价的对偶问题： 求w、 b、 ξi、 条件下优化函数极小值， 再求拉格朗日乘子 μi、 αi、 下的极大值； 即拉 格朗日函数 分别对w、 b、 ξi、 求偏导， 并令其 为0得： 将上式代入(8)中， 并根据下列K KT条件： 得非线性映射SVR表达式为： 式中， k(xi,x)＝φ(xi)Tφ(x)为核函数， 选取径向基函数， 即RBF核函数， 如下式所示： k(xi,x)＝exp( ‑||xi‑x||2/2σ2)        (12)。权　利　要　求　书 2/2 页 3 CN 114091333 A 3