基于长短期记忆网络的钻前测井曲线预测方法

• 作者: 刘哲哿 周欣 曹俊兴 王俊 雷学
• 来源期刊: 成都理工大学学报（自然科学版）
• 学科: 地球科学
• 关键词: 机器学习 循环神经网络 长短期记忆神经网络 钻前测井曲线预测
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 地球物理
• 页码范围: 227-236
• 页数: 10页
• 分类号: TP183|P631.81
• 字数: 6571字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-9727.2020.02.11

摘要

基于深度学习的最新成果,提出了一种基于长短期记忆(long short-term memory)循环神经网络的钻前测井曲线预测方法,使用该方法能从已钻地层段及邻域内获得的测井数据预测钻前的测井曲线,进而获得钻前的地层岩石信息,解决油气钻探过程中测井曲线只能在钻后获得的滞后性,以提高钻前地层构造及压力预测的准确性.将其与普通循环神经网络的预测结果进行对比分析,结果表明,长短时记忆网络建模预测效果良好,能比较准确地预测钻前测井曲线的变化趋势,是一种有效且预测精度较高的钻前测井曲线预测方法.