基于RNN-FCNN的多尺度油水层识别方法

摘要：

对油藏开采领域而言,快速、准确地识别油水层有利于节省大量的人力物力,提高不可再生资源的开采率.现有的层位识别方法未能考虑测井数据的序列关系,并且对所有层位进行统一识别,导致物性相近的层位识别易混淆,识别效果存在局限性.针对测井数据的特点,本文提出基于循环神经网络(RNN)和全连接神经网络(FCNN)的多尺度油水层识别方法.该方法首先基于RNN建立粗粒度的识别模型,再通过串联FCNN的方式实现更细粒度的层位识别,不仅考虑了测井数据在空间上的关联性,同时以多尺度方法识别易混淆的层位.解决了测井数据特征提取困难、层位识别率低的问题.本文在真实测井数据上进行了实验验证,实验结果表明本文方法油水层识别效果良好,有较强的实用性.

关键词：深度学习、测井数据、空间关联性、多尺度、油水层识别

所属期刊栏目：30

资助基金：国家重大科技专项;陕西省自然科学基础研究计划

在线出版日期：2020-05-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：305-313