基于测井曲线响应序列创新输入的Bi-LSTM深层神经网络储层分类模型
文献类型：会议论文
| 作者 | 周雪晴1; 朱林奇2 ; 张占松1
|
| 出版日期 | 2020-10-18 |
| 会议日期 | 2020-10-18 |
| 会议地点 | 中国重庆 |
| 关键词 | 储层分类 Bi-LSTM 测井曲线 深层神经网络 |
| 期号 | 1 |
| DOI | 10.26914/c.cnkihy.2020.060006 |
| 页码 | 1 |
| 英文摘要 | 储层类型划分是储层地质建模和储层评价与识别的重要组成部分。利用单一的常规测井曲线识别复杂的非均质储层类型一直是测井解释的难点。本研究首次揭示了循环神经网络在非均质储层识别中的优势,提出了一种能充分利用测井序列信息的最优参数双向长短期记忆递归神经网络储层分类模型。本文所用数据来源于我国渤中19-6气田的3口井。首先,对数据集的合理性和层序数据的生成进行了详细的研究,得到了能够充分表征储层特征的测井曲线响应序列数据。然后,通过多个仿真实验,确定了最优的网络结构和超参数,建立了具有5个隐层和最佳网络参数的双向LSTM网络模型。 |
| 会议录 | 中国地球物理学会会议论文集
 |
| 语种 | 中文 |
| 源URL | [http://ir.idsse.ac.cn/handle/183446/8920]  |
| 专题 | 深海科学研究部_深海地球物理与资源研究室 |
| 作者单位 | 1.长江大学; 2.中国科学院深海科学与工程研究所 |
| 推荐引用方式 GB/T 7714 | 周雪晴,朱林奇,张占松. 基于测井曲线响应序列创新输入的Bi-LSTM深层神经网络储层分类模型[C]. 见:. 中国重庆. 2020-10-18. |
入库方式： OAI收割
来源：深海科学与工程研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。