深度学习在煤层气测井解释中的应用研究
将常规储层测井解释方法应用于煤层气储层测井解释,其效果存在一定的折扣.为了改善传统方法在煤层气测井解释中出现的问题,将深度学习的思想引入测井解释,提出受限玻尔兹曼机的数量、受限玻尔兹曼机隐含层神经元数量、分类阈值的确定方法,利用深度信念网络进行煤层识别及煤层气含气量的预测.实验结果表明:首先,在交会图法效果不好的情况下,通过深度信念网络进行煤层识别,继而对识别结果进行适当校正,煤层识别成功率可达到90%以上;其次,经过多种方法的对比,利用深度信念网络进行煤层气含气量预测的效果,要好于BP神经网络、多元回归统计以及Langmuir方程三种方法.深度学习改进了传统的BP神经网络,具备更强的复杂函数泛化能力,适用于煤层气测井解释,并具有进一步的推广价值.
深度学习、煤层气测井、煤层识别、含气量
56
P631.8+4
新疆维吾尔自治区高校科研计划项目;新疆维吾尔自治区自然科学基金项目;新疆维吾尔自治区"百名青年博士引进计划"项目;新疆维吾尔自治区天山创新团队;新疆地质灾害防治重点实验室
2020-12-18(万方平台首次上网日期,不代表论文的发表时间)
共8页
1305-1312