| 基于GRU神经网络的测井曲线重构 |
| |
| 引用本文： | 王俊,曹俊兴,尤加春. 基于GRU神经网络的测井曲线重构[J]. 石油地球物理勘探, 2020, 55(3): 510-520. DOI: 10.13810/j.cnki.issn.1000-7210.2020.03.004 |
| |
| 作者姓名： | 王俊 曹俊兴 尤加春 |
| |
| 作者单位： | 成都理工大学地球物理学院, 四川成都 610059 |
| |
| 基金项目： | 本项研究受国家自然科学基金项目“基于地震数据深度学习的四川盆地三弱天然气储层预测理论方法研究”（41430323）和国家重点研发计划深地专项“超深层重磁电震勘探技术研究”（2016YFC0601100）联合资助。 |
| |
| 摘 要： | 通过测井曲线解释可以获得地层岩性、电性以及孔渗饱等地层参数，然而，实际应用中时常出现部分测井数据失真或缺失的情况，而重新测井不仅价格昂贵且实现较困难。目前基于传统的线性假设和统计分析的测井曲线重构方法已不能满足储层特征的精细描述要求。门控循环单元（GRU）神经网络是一种适合于解决非线性和时序性问题的新型深度学习算法。基于深度学习的最新成果，提出使用GRU神经网络进行测井曲线重构。该方法兼顾了测井数据之间的非线性映射关系、数据随储层深度变化的趋势及历史数据之间的关联性。对实际资料进行试算，并与多元回归方法结果对比，表明GRU网络模型取得了良好的重构效果，为测井曲线重构提供了一种新的思路。
|
| 关 键 词： | 测井曲线重构 深度学习 门控循环单元神经网络 多元回归分析 |
| 收稿时间： | 2019-10-09 |
Reconstruction of logging traces based on GRU neural network |
| |
| WANG Jun,CAO Junxing,YOU Jiachun. Reconstruction of logging traces based on GRU neural network[J]. Oil Geophysical Prospecting, 2020, 55(3): 510-520. DOI: 10.13810/j.cnki.issn.1000-7210.2020.03.004 |
| |
| Authors: | WANG Jun CAO Junxing YOU Jiachun |
| |
| Affiliation: | School of Geophysics, Chengdu University of Technology, Chengdu, Sichuan 610059, China |
| |
| Abstract: | |
| |
| Keywords: | logging trace reconstruction deep learning GRU neural network multiple regression ana-lysis |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《石油地球物理勘探》浏览原始摘要信息 |
|
点击此处可从《石油地球物理勘探》下载全文 |
