10.3969/j.issn.1006-2475.2023.08.007
基于LSTM堆叠残差网络的岩相识别方法
为了提高岩相识别的准确性,本文开发一种基于残差连接长短期记忆网络的非均质储层岩相智能识别模型(LSTM_res).首先,基于长短期记忆神经网络构建序列特征模块获取测井关键特征,该模块的多层叠加进一步增强了模型对关键特征信息的提取能力;其次,在序列特征模块的基础上引入残差连接技术,实现模型对网络不同层间特征信息的提取和融合,有效解决深度神经网络的退化问题;最后,以挪威附近北海浅海地区的测井数据为研究对象,通过测井参数敏感性分析选取6种测井参数(RMED、RHOB、GR、NPHI、PEF和SP)实现储层岩相智能识别.实验结果表明,在同等条件下与LSTM、CNN_res和CNN模型相比,LSTM_res模型的岩相识别精度分别提高了2、4和6个百分点,为储层建模和地质研究提供了快速有效的数据支撑.
长短期记忆神经网络、残差连接、岩相识别、测井数据、测井参数敏感性分析
TP391.9;P588(计算技术、计算机技术)
河北省自然科学基金面上项目D2022107001
2023-09-26(万方平台首次上网日期,不代表论文的发表时间)
共6页
38-43