基于LSTM循环神经网络的横波预测方法

• 作者: 周恒 武中原 张欣 张春雷 马乔雨
• 来源期刊: 断块油气田
• 学科: 工学
• 关键词: 横渡预测 长短期记忆神经网络 深度学习 碳酸盐岩储层
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 地质勘探|PETROLEUM GEOLOGY AND EXPLORATION
• 页码范围: 829-834
• 页数: 6页
• 分类号: TE19
• 语种: 中文
• DOI: 10.6056/dkyqt202106020

摘要

针对碳酸盐岩储层岩性多样、孔隙结构复杂导致传统横波预测方法受限的问题,文中提出利用长短时记忆神经网络(LSTM)预测复杂碳酸盐岩储层的横波时差.相对于传统的简单点对点学习模式,LSTM通过复用神经元结构,有效学习测井参数的序列信息.以苏里格气田苏东地区碳酸盐岩储层为例,选择声波时差、密度、自然伽马等16个对横波速度较为敏感的测井参数,构建了基于LSTM的横渡预测模型.和机器学习方法(Bayes,BP,DT,KNN,LR,SVM)以及Xu-Payne岩石物理模型方法相比,基于LSTM的预测模型均方根误差仅为3.36 μs/m,决定系数达到0.967,表明基于LSTM的横波预测模型更加符合实际地质情况,在复杂碳酸盐岩储层的研究中具有广阔的应用前景.