文档名：双向长短时记忆神经网络在滩坝砂储层岩性识别中的应用
摘要：研究区致密滩坝砂储层油气储量丰富,勘探开发潜力较高,但存在埋藏深、单层厚度薄、渗透率超低、孔隙结构复杂以及单井自然产能极低的特征,储层划分与岩性识别困难.针对测井数据具有纵向时序连续的特点,构建一个双向长短时记忆神经网络(BiLSTM)岩性识别模型,采用随机森林方法对常规测井数据等参数进行特征选择,将选择的参数作为输入变量训练BiLSTM模型.应用该模型对测试集的井资料进行验证,结果表明模型的岩性识别准确率为0.86,取得了良好的应用效果,证明了BiLSTM模型适用于滩坝砂储层岩性识别.
作者：陈钢花 张寓侠 王军 张华锋 王莜文 Author：CHENGanghua ZHANGYuxia WANGJun ZHANGHuafeng WANGYouwen
作者单位：中国石油大学(华东)地球科学与技术学院,山东青岛266580中国石油化工股份有限公司胜利油田分公司勘探开发研究院,山东东营257015中国石油大学(华东)地球科学与技术学院,山东青岛266580;中国石油化工股份有限公司胜利油田分公司勘探开发研究院,山东东营257015
刊名：测井技术 ISTIC
Journal：WellLoggingTechnology
年，卷(期)：2023, 47(3)
分类号：P631.84
关键词：测井解释 深度学习 双向长短时记忆神经网络 岩性识别 滩坝砂储层
Keywords：loginterpretation deeplearning bi-directionallongshort-termmemoryneuralnetwork(BiLSTM) lithologyidentification beach-barsandreservoir
机标分类号：TP391P618.11TE122.2
在线出版日期：2023年10月11日
基金项目：双向长短时记忆神经网络在滩坝砂储层岩性识别中的应用[
期刊论文] 测井技术--2023, 47(3)陈钢花 张寓侠 王军 张华锋 王莜文研究区致密滩坝砂储层油气储量丰富,勘探开发潜力较高,但存在埋藏深、单层厚度薄、渗透率超低、孔隙结构复杂以及单井自然产能极低的特征,储层划分与岩性识别困难.针对测井数据具有纵向时序连续的特点,构建一个双向长短时记...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
双向长短时记忆神经网络在滩坝砂储层岩性识别中的应用 Application of BiLSTM in Lithology Identification of Beach-Bar Sand Reservoir
双向长短时记忆神经网络在滩坝砂储层岩性识别中的应用.pdf
- 文件大小:
- 1.75 MB
- 下载次数:
- 60
-
高速下载
|
|
