基于改进LSTM神经网络的测井曲线重构方法

扫码查看

原文链接

万方数据
维普

中文摘要：地球物理测井过程中,由于仪器测量或者井眼原因等经常会造成部分测井曲线失真或缺失的情况,针对失真或缺失部分测井曲线的补全与生成问题,对测井领域知识和长短期记忆神经网络(LSTM)进行了研究,提出联合领域知识与深度学习的测井曲线重构模型(DK-LSTM).利用测井领域知识中的地层岩性特征指数筛选数据得到高质量的训练样本,并将其作为深度学习重构测井曲线的依据;构建并训练带有领域知识约束层的长短期记忆神经网络模型;基于测井曲线间的强依赖关系在重构模型中引入注意力机制,进而生成并补全测井曲线中失真或缺失的信息.实验结果表明DK-LSTM测井曲线重构模型较标准长短期记忆神经网络和串级长短期记忆神经网络具有更准确的预测效果,为测井曲线重构提供了一种新思路.

外文标题：Well Logging Curve Reconstruction Method Based on Improved LSTM Neural Network

作者：

尚福华、卢玉莹、曹茂俊

展开 >

作者单位：

东北石油大学计算机与信息技术学院,黑龙江大庆 163318

关键词：

测井曲线重构长短期记忆神经网络测井领域知识深度学习注意力机制

基金：

黑龙江省自然科学基金

项目编号：

LH2019F004

出版年：

2022

DOI：

10.3969/j.issn.1673-629X.2022.06.033

计算机技术与发展

陕西省计算机学会

计算机技术与发展

CSTPCD

影响因子：0.621

ISSN：1673-629X

年,卷(期)：2022.32(6)

被引量5
参考文献量5