基于循环神经网络的测井曲线生成方法

• 作者: 孟晋 张东晓 陈云天
• 来源期刊: 石油勘探与开发
• 学科: 工学
• 关键词: 测井曲线 生成方法 机器学习 全连接神经网络 循环神经网络 长短期记忆神经网络 人工智能
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 油气勘探
• 页码范围: 598-607
• 页数: 10页
• 分类号: TE151
• 字数: 7353字
• 语种: 中文
• DOI: 10.11698/PED.2018.04.06

摘要

为了在不增加经济成本的基础上补充缺失的测井信息,提出利用机器学习方法根据已有的部分测井曲线生成人工测井曲线,并进行了实验验证和应用效果分析.考虑到传统全连接神经网络(FCNN)无法描述数据的空间相关性,基于一种循环神经网络(RNN)即长短期记忆神经网络(LSTM)来构建测井曲线生成方法.该方法生成的曲线不仅考虑了不同测井曲线的内在联系,同时兼顾了测井信息随深度的变化趋势和前后关联.将标准LSTM与串级系统相结合,提出了一种串级长短期记忆神经网络(CLSTM).采用真实测井数据进行实验,LSTM明显优于传统FCNN,生成的测井数据精度更高;CLSTM更适用于测井曲线生成这种多序列数据问题;提出的基于机器学习的人工测井曲线生成方法更准确经济.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张东晓	北京大学工学院	8	256	4.0	8.0
2	陈云天	北京大学工学院	1	21	1.0	1.0
3	孟晋	北京大学工学院	1	21	1.0	1.0