基于LSTM神经网络的随钻方位电磁波测井数据反演
随钻方位电磁波测井仪器在地质导向和储层评价等方面具有重要作用,但其测量响应不具有直观性,需要用反演方法获得地层信息,高斯-牛顿法、随机反演算法等传统反演方法计算速度较慢,难以满足实时反演的要求.为此,提出了一种基于长短期记忆人工神经网络(LSTM)的新反演方法,用于求取地层电阻率.首先,基于广义反射系数法建立正演算法,完成样本集的制作;然后,搭建LSTM神经网络模型,基于样本集进行训练和测试,通过遍历的方法优选出合适的网络参数;最后,在测试集上完成电阻率的反演,将反演电阻率与正演电阻率进行对比,对比反演所需时间和相对误差,并在测试集中加入白噪声验证了模型的抗噪能力.研究结果表明,模型能够准确快速地反演地层电阻率信息,能够满足对含有噪声数据的反演需要,具有较好的鲁棒性.此反演方法为测井资料处理提供了新的思路和方向.
LSTM神经网络、电阻率反演、随钻方位电磁波测井、正演计算、地质导向
51
P631.8+13
国家自然科学基金;中国博士后科学基金;陕西省重点研发计划项目;陕西省教育厅重点科学研究计划项目;西安石油大学研究生创新与实践能力培养计划项目
2023-06-06（万方平台首次上网日期，不代表论文的发表时间）
共9页
116-124
