应用卷积神经网络识别测井相

• 作者: 何旭 刘昕 张涛 李忠伟
• 来源期刊: 石油地球物理勘探
• 关键词: 卷积神经网络 测井相 多尺度 小波基
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 测井技术应用
• 页码范围: 1159-1165
• 页数: 7页
• 分类号: P631
• 语种: 中文
• DOI: 10.13810/j.cnki.issn.1000-7210.2019.05.024

摘要

选用东海F气田的砂质辫状河三角洲的自然伽马数据作为训练数据构建深度卷积神经网络,并首次用于测井相识别.选用四种自然伽马曲线形态作为特征,将数值转变为图像形式,首先对图像做标准化、添加噪声、旋转和转灰度等处理,再对数据增强与扩充,建立训练和测试数据集;然后,训练卷积神经网络建立测井相识别模型,并在训练过程中加入了Dropout、局部响应归一化和L2正则化等策略限制了模型的复杂程度,提高了模型泛化能力;针对测井信息中不同级次沉积单元响应叠加带来的自动识别难题,使用不同尺度的小波基函数及极值分割处理和切分测井数据,最终有效划分了不同尺度沉积单元.通过与其他分类算法对比,验证了所提方法具有较好的测井相识别效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张涛	山东科技大学地质学院	46	197	8.0	12.0