基于长短期记忆网络的CO2气层识别方法

• 作者: 何丽娜 吴文圣 王显南 张伟 张传举 宋孝雨
• 来源期刊: 测井技术
• 关键词: CO2气层识别 长短期记忆网络(LSTM) 深度学习 珠江口盆地
• 年，卷（期）: 2024,（1）
• 所属期刊栏目: 基础方法
• 页码范围: 3-9
• 页数: 7页
• 语种: 中文
• DOI: 10.16489/j.issn.1004-1338.2024.01.001

摘要

CO2监测是油气开采中的关键环节，传统的CO2监测方法面临很多挑战，在人工智能逐渐兴起的当下，深度学习技术被广泛应用于地球物理测井。珠江口盆地恩平凹陷深层CO2气藏发育，传统测井方法无法准确评价储层流体。构建了基于长短期记忆网络(LSTM)的CO2气层识别模型，采用m×2正则化交叉验证优选CO2敏感测井参数，并对模型进行训练。利用该模型对珠江口盆地恩平凹陷L2井CO2气层进行识别，并与支持向量机和K近邻算法识别结果进行对比。结果表明，3种深度学习算法对CO2气层的识别效果良好，其中LSTM算法对CO2气层的识别效果最好，准确度达93.4%，为深层CO2气层识别工作提供了新思路。