基于深度学习模型的测井电成像空白条带充填方法

摘要：

电成像测井广泛应用于碳酸盐岩、砂砾岩和火成岩等复杂储层的测井评价,对于计算孔隙度、识别裂缝和划分岩性具有重要作用.但在大井眼的情况下,电成像图像无法做到全井眼覆盖,需要对电成像图像上的空白条带进行充填,保证后期处理和解释的精度.结合深度学习框架,提出一种基于卷积神经网络模型的空白条带充填方法.在没有大量学习样本的情况下,通过优化卷积神经网络模型结构,捕获图像上的大量底层先验统计特征,实现整幅图像的结构和纹理特征信息的推理.通过与Filtersim主流充填方法的充填效果比较,发现该方法对于砂泥岩剖面和砂砾岩体的电成像测井图像空白条带充填,都具有较好的效果.

关键词：测井评价、电成像测井、深度学习、深度神经网络、空白条带充填、卷积神经网络、大井眼

所属期刊栏目：43

分类号：P631.84

在线出版日期：2020-06-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：578-582