基于一维卷积神经网络的地层智能识别方法

摘要：

地层识别是油气藏勘探的研究基础.传统地层识别由地质学家根据自身掌握的知识和经验手工完成,这种地质学家主导的人工解释是主观的、耗时的,可能引入人为偏差.深度学习在解决复杂非线性问题上具有优势,目前尚无有效解决地层识别的深度学习方法.针对测井-地层识别,提出了基于特征工程和一维卷积神经网络的地层智能识别方法.首先,利用INPEFA技术和中值滤波对原始曲线进行了多维重构,更好地提取了原始曲线的地层趋势及边缘特征,并对重构矩阵和原始曲线特征采用K-means聚类算法提取时空相关聚类特征;然后,以原始曲线特征、INPEFA曲线、中值滤波特征和聚类特征作为输入,基于一维卷积神经网络得到当前深度地层预测类型.与长短期记忆网络(LSTM)和传统的机器学习方法对比发现,在地层的识别上,地层智能识别方法具有更优异的性能和鲁棒性.该方法能有效识别地层,识别准确率达到92.82%,且在识别地层的同时也完成了地层划分.

关键词：地层识别、一维卷积神经网络、测井曲线、深度学习、特征工程

所属期刊栏目：33

分类号：TP181(自动化基础理论)

资助基金：黑龙江省自然科学基金项目;东北石油大学优秀中青年科研创新团队

在线出版日期：2023-09-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：133-140,148