文献类型：期刊文章

作　　者：周伟[1] 赵海航[1] 蒋云凤[1] 易军[1] 赖富强[1]

ZHOU Wei;ZHAO Haihang;JIANG Yunfeng;YI Jun;LAI Fuqiang(School of Intelligent Technology and Engineering,Chongqing University of Science and Technology,Chongqing 401331,China)

机构地区：[1]重庆科技学院智能技术与工程学院,重庆401331

出　　处：《石油地球物理勘探》

基　　金：重庆市基础研究与前沿探索项目“页岩气储层多组分多尺度数字岩心构建及脆性微观成因机理模拟研究”(cstc2018jcyjAX0503);重庆市教委科学技术项目“基于深度学习的碳酸盐岩储层缝洞自动识别及评价研究”(KJQN201801502);油气生产安全与风险控制重庆市重点实验室开放基金项目“油气生产安全风险评价与预警方法研究”(cqsrc202106);重庆市属本科高校与中科院所属院所合作项目(HZ2021015)联合资助。

年　　份：2022

卷　　号：57

期　　号：6

起止页码：1473-1480

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、PA、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：测井数据是油气田开发和评价的基础,对于确定地下油气层位置、计算及评价油气储量等具有重要意义。然而,实际开采过程中井壁垮塌、仪器故障等因素往往导致部分深度的多条测井数据失真或缺失,而重新测井的成本高昂,施工难度大。为此,提出一种基于串级双向长短时记忆神经网络(CBi-LSTM)的测井数据重构方法,在不增加额外测量成本的情况下,充分考虑缺失数据点的前趋与后继之间的双向关联性及测井曲线之间的相关性,利用串级系统将所获估计值与已知测井曲线合并为新的输入,采用迭代更新策略完成对缺失数据块的重构。对苏里格气田4口井的测井数据进行补全重构实验,所得结果表明:文中测井数据重构方法具有较高精度,同时所用模型具有更强的鲁棒性和泛化能力。

关 键 词：测井曲线 重构  长短时记忆神经网络  串级双向长短时记忆神经网络  

分 类 号：P631]