文献类型：期刊文章

作　　者：张东晓[1] 陈云天[1] 孟晋[1]

ZHANG Dongxiao;CHEN Yuntian;MENG Jin(College of Engineering,Peking University,Beijing 100871,China)

机构地区：[1]北京大学工学院,北京100871

出　　处：《石油勘探与开发》

基　　金：国家自然科学基金(U1663208;51520105005);国家科技重大专项(2017ZX05009-005;2016ZX05037-003)

年　　份：2018

卷　　号：45

期　　号：4

起止页码：598-607

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、GEOREFPREVIEWDATABASE、IC、JST、PA、RCCSE、SCIE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：为了在不增加经济成本的基础上补充缺失的测井信息,提出利用机器学习方法根据已有的部分测井曲线生成人工测井曲线,并进行了实验验证和应用效果分析。考虑到传统全连接神经网络(FCNN)无法描述数据的空间相关性,基于一种循环神经网络(RNN)即长短期记忆神经网络(LSTM)来构建测井曲线生成方法。该方法生成的曲线不仅考虑了不同测井曲线的内在联系,同时兼顾了测井信息随深度的变化趋势和前后关联。将标准LSTM与串级系统相结合,提出了一种串级长短期记忆神经网络(CLSTM)。采用真实测井数据进行实验,LSTM明显优于传统FCNN,生成的测井数据精度更高;CLSTM更适用于测井曲线生成这种多序列数据问题;提出的基于机器学习的人工测井曲线生成方法更准确经济。

关 键 词：测井曲线 生成方法  机器学习  全连接神经网络  循环神经网络 长短期记忆神经网络  人工智能

分 类 号：TE151]