文档名：基于长短期记忆网络的CO2气层识别方法
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.
Abstract：CO2monitoringisacrucialpartofoilandgasextraction,andtraditionalmethodsformonitoringCO2facemanychallenges.Withthegradualriseofartificialintelligence,deeplearningtechnologyiswidelyusedingeophysicallogging.DuetothedevelopmentofdeepCO2gaslayerinEnpingsag,thePearlRiverMouthbasin,traditionalloggingmethodscannotaccuratelyevaluatereservoirfluids.CO2gaslayerrecognitionmodelbasedonLongShort-TermMemoryNetwork(LSTM)isconstructed,andCO2sensitiveloggingparametersareoptimizedthroughm×2regularizedcrossvalidationtotrainthemodel.ThismodelisusedtoidentifytheCO2gaslayerofwellL2inEnpingsag,thePearlRiverMouthbasin,andiscomparedwiththerecognitionresultsofsupportvectormachineandKnearestneighboralgorithm.TheresultsshowthatthethreedeeplearningalgorithmshavegoodrecognitioneffectsonCO2gaslayer,amongwhichtheLSTMalgorithmhasthebestidentificationeffectonCO2gaslayer,withanaccuracyof93.4％,providingnewideasfordeepCO2gaslayerrecognitionwork.
作者：何丽娜 吴文圣 王显南 张伟 张传举 宋孝雨 Author：HELina WUWensheng WANGXiannan ZHANGWei ZHANGChuanju SONGXiaoyu
作者单位：中国石油大学(北京)油气资源与探测国家重点实验室,北京102249中海石油(中国)有限公司深圳分公司,深圳518054中海油田服务股份有限公司,深圳518054
刊名：测井技术 ISTIC
Journal：WellLoggingTechnology
年，卷(期)：2024, 48(1)
分类号：P631.84
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
Keywords：CO2gaslayerrecognition LongShort-TermMemoryNetwork(LSTM) deeplearning PearlRiverMouthbasin
机标分类号：TP391.41P618.13TE122.1
在线出版日期：2024年6月12日
基金项目：基于长短期记忆网络的CO2气层识别方法[
期刊论文] 测井技术--2024, 48(1)何丽娜 吴文圣 王显南 张伟 张传举 宋孝雨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...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
基于长短期记忆网络的CO2气层识别方法 CO2 Gas Layer Recognition Method Based on Long Short-Term Memory Network
基于长短期记忆网络的CO2气层识别方法.pdf
- 文件大小:
- 4.1 MB
- 下载次数:
- 60
-
高速下载
|
|
