一种基于深度神经网络模型的测井曲线生成方法

• 作者: 张宝录 景超 樊举 罗丹婷 胡鹏
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 测井解释 深度神经网络 测井曲线生成
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 信息技术及图像处理
• 页码范围: 107-111
• 页数: 5页
• 分类号: TP631.84
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2004096

摘要

老井复查是测井资料解释处理过程中一项重要的工作.鉴于有些老井测井曲线种类较少,有必要构建完整的测井曲线集,用于老井的解释处理.目前主要是采用BP神经网络这类浅机器学习方法,但存在生成曲线精度低,收敛速度慢,易陷入局部最优解等问题.因此,采用深度学习思想,提出一种测井曲线生成方法,构建多个隐含层的全连接深度神经网络模型,采用批处理方式的网络训练优化算法,ReLU激活函数和Dropout正则化方法,使网络快速、平稳收敛,并消除过拟合.实际测试中,从邻井选择训练数据集,生成目标井的缺失测井曲线,相比于传统的BP神经网络,生成曲线与实际曲线的相关系数提升了近20％,均方根误差降低11％,证实了所提方法的有效性.所提方法有效丰富了老井的测井曲线类型,使老井复查工作在油田的勘探开发中发挥了更加重要的作用.