基于注意力机制的碳酸盐岩储层岩相识别方法

岩相识别是储层评价和油藏描述等的基础环节，碳酸盐岩储层具有非均质性强、孔隙结构复杂等特点，给岩相识别带来了挑战。融合卷积神经网络(CNN)和注意力机制开发了一种新型网络框架，根据各种测井数据之间的相关性实现储层岩相的自动识别。该框架包括特征注意力(FAtt)模块和CNN模块，FAtt模块根据识别目标与各种测井数据之间的相关性自动提取关键特征，CNN模块捕获各个测井序列之间的空间信息，两者结合有效提高了模型的岩相识别精度。基于碳酸盐岩非均质储层的实验表明，相比于单一的CNN模型，提出的模型岩相识别精度提高了9%。该模型为储层测井评价提供了一种经济可靠的替代方案，为地质研究与人工智能结合提供了快速有效的岩相数据。