基于PSO-BiLSTM的储层岩石脆性指数预测

摘要：

脆性指数被认为是一个重要的岩石参数,诸多学者提出了脆性指数的不同计算方法,但是测量方法较为复杂或者成本较高.为了解决上述问题,采用深度学习的方法预测脆性指数,其可以有效融合多元数据,充分利用数据去挖掘自变量与因变量之间的关系.因此,基于常规测井曲线资料,建立了基于粒子群算法(PSO)优化的双向长短期记忆(BiLSTM)模型.实验结果表明,PSO-BiLSTM的MAE=0.050 1,RMSE=O.054 8,该模型比其他传统方法更精确,更具有实用性和适用性.

关键词：脆性指数、深度学习、粒子群算法、PSO-LSTM

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;东北石油大学引导性创新基金

在线出版日期：2023-10-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：260-267