通過測井曲線解釋可以獲得地層巖性、電性以及孔滲飽等地層參數(shù),然而,實際應用中時常出現(xiàn)部分測井數(shù)據(jù)失真或缺失的情況,而重新測井不僅價格昂貴且實現(xiàn)較困難。目前基于傳統(tǒng)的線性假設和統(tǒng)計分析的測井曲線重構(gòu)方法已不能滿足儲層特征的精細描述要求。門控循環(huán)單元（GRU）神經(jīng)網(wǎng)絡是一種適合于解決非線性和時序性問題的新型深度學習算法�；谏疃葘W習的最新成果,提出使用GRU神經(jīng)網(wǎng)絡進行測井曲線重構(gòu)。該方法兼顧了測井數(shù)據(jù)之間的非線性映射關系、數(shù)據(jù)隨儲層深度變化的趨勢及歷史數(shù)據(jù)之間的關聯(lián)性。對實際資料進行試算,并與多元回歸方法結(jié)果對比,表明GRU網(wǎng)絡模型取得了良好的重構(gòu)效果,為測井曲線重構(gòu)提供了一種新的思路。 

【文章來源】：石油地球物理勘探. 2020,55(03)北大核心EICSCD

【文章頁數(shù)】：12 頁

【部分圖文】：

B1井測井曲線重構(gòu)結(jié)果

由于篇幅有限,文中僅以B2井的部分實驗結(jié)果為例進行分析。實驗假設B2井2090～2287m層段的所有測井曲線全部缺失,利用該井中未缺失的層段以及鄰井完整的測井曲線重構(gòu)缺失段的測井數(shù)據(jù)(圖6)。不同方法的曲線重構(gòu)RMSE見表3。表3 B2井測井曲線重構(gòu)RMSE 模型 AC SP GR DEN CNL MLR 15.913 7.692 21.153 0.042 4.173 GRU 8.932 4.530 16.605 0.027 3.090

假設B1井中AC以及SP兩條測井曲線全部缺失,利用該井其他完整測井曲線以及鄰井測井曲線重構(gòu)缺失的測井曲線(圖7)。 B1井測井曲線重構(gòu)RMSE見表4。表4 實驗三B1井測井曲線重構(gòu)RMSE 模型 AC SP MLR 224.687 66.486 GRU 159.134 37.924

【參考文獻】：
期刊論文
[1]綜合動量法和可變學習速度的BP神經(jīng)網(wǎng)絡地震初至拾取[J]. 曹曉莉,劉斌,王淑榮,萬學娟,張廷廷,張海新.  石油地球物理勘探. 2020(01)
[2]快速結(jié)構(gòu)字典學習三維地震數(shù)據(jù)重建方法[J]. 蘭南英,張繁昌,張益明,秦廣勝,丁繼才.  石油地球物理勘探. 2020(01)
[3]利用隨機森林算法預測裂縫發(fā)育帶[J]. 何健,文曉濤,聶文亮,李雷豪,楊吉鑫.  石油地球物理勘探. 2020(01)
[4]應用卷積神經(jīng)網(wǎng)絡識別測井相[J]. 何旭,李忠偉,劉昕,張濤.  石油地球物理勘探. 2019(05)
[5]基于深度學習的交通流量預測[J]. 劉明宇,吳建平,王鈺博,何磊.  系統(tǒng)仿真學報. 2018(11)
[6]基于時間序列與長短時記憶網(wǎng)絡的滑坡位移動態(tài)預測模型[J]. 楊背背,殷坤龍,杜娟.  巖石力學與工程學報. 2018(10)
[7]基于循環(huán)神經(jīng)網(wǎng)絡的測井曲線生成方法[J]. 張東曉,陳云天,孟晉.  石油勘探與開發(fā). 2018(04)
[8]基于角彈性參數(shù)的多波地震儲層預測方法[J]. 高建虎,桂金詠,李勝軍,劉炳楊,王洪求,陳啟艷.  地球物理學報. 2018(06)
[9]改進的神經(jīng)網(wǎng)絡級聯(lián)相關算法及其在初至拾取中的應用[J]. 宋建國,李賦真,徐維秀,李哲.  石油地球物理勘探. 2018(01)
[10]多元回歸方法校正擴徑對密度曲線聲波曲線的影響[J]. 廖茂輝.  物探與化探. 2014(01)



本文編號：3255441