基于GRU神经网络的测井曲线重构

• 作者: 尤加春 曹俊兴 王俊
• 来源期刊: 石油地球物理勘探
• 关键词: 测井曲线重构 深度学习 门控循环单元神经网络 多元回归分析
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 智能地球物理
• 页码范围: 510-520
• 页数: 11页
• 分类号: P631
• 语种: 中文
• DOI: 10.13810/j.cnki.issn.1000-7210.2020.03.004

摘要

通过测井曲线解释可以获得地层岩性、电性以及孔渗饱等地层参数,然而,实际应用中时常出现部分测井数据失真或缺失的情况,而重新测井不仅价格昂贵且实现较困难.目前基于传统的线性假设和统计分析的测井曲线重构方法已不能满足储层特征的精细描述要求.门控循环单元(GRU)神经网络是一种适合于解决非线性和时序性问题的新型深度学习算法.基于深度学习的最新成果,提出使用GRU神经网络进行测井曲线重构.该方法兼顾了测井数据之间的非线性映射关系、数据随储层深度变化的趋势及历史数据之间的关联性.对实际资料进行试算,并与多元回归方法结果对比,表明GRU网络模型取得了良好的重构效果,为测井曲线重构提供了一种新的思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹俊兴	成都理工大学地球物理学院	106	910	17.0	24.0
2	王俊	成都理工大学地球物理学院	21	93	5.0	9.0
3	尤加春	成都理工大学地球物理学院	3	0	0.0	0.0