基于注意力机制的碳酸盐岩储层岩相识别方法

摘要：

岩相识别是储层评价和油藏描述等的基础环节,碳酸盐岩储层具有非均质性强、孔隙结构复杂等特点,给岩相识别带来了挑战.融合卷积神经网络(CNN)和注意力机制开发了一种新型网络框架,根据各种测井数据之间的相关性实现储层岩相的自动识别.该框架包括特征注意力(FAtt)模块和CNN模块,FAtt模块根据识别目标与各种测井数据之间的相关性自动提取关键特征,CNN模块捕获各个测井序列之间的空间信息,两者结合有效提高了模型的岩相识别精度.基于碳酸盐岩非均质储层的实验表明,相比于单一的CNN模型,提出的模型岩相识别精度提高了 9％.该模型为储层测井评价提供了一种经济可靠的替代方案,为地质研究与人工智能结合提供了快速有效的岩相数据.

关键词：岩相识别、注意力机制、卷积神经网络模块、特征注意力模块、碳酸盐岩储层

所属期刊栏目：46

分类号：TP391.9(计算技术、计算机技术)

资助基金：黑龙江省省属本科高校青年基金;黑龙江省高校基本科研业务费项目

在线出版日期：2022-08-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：294-303