多尺度时频空三域特征联合下的储层岩性识别方法 |
| |
引用本文: | 王宗仁,文畅,谢凯,盛冠群,贺建飚.多尺度时频空三域特征联合下的储层岩性识别方法[J].物探与化探,2023(1):81-90. |
| |
作者姓名: | 王宗仁 文畅 谢凯 盛冠群 贺建飚 |
| |
作者单位: | 1. 长江大学电子信息学院;2. 油气资源与勘探技术教育部重点实验室;3. 长江大学电工电子国家级实验教学示范中心;4. 长江大学西部研究院;5. 长江大学计算机科学学院;6. 三峡大学计算机与信息学院;7. 中南大学计算机学院 |
| |
基金项目: | 新疆维吾尔自治区自然科学基金项目(2020D01A131);;湖北省自然科学基金项目(2021CFB119); |
| |
摘 要: | 针对储层岩性种类繁多、交替频繁、组成复杂,传统方法识别精度低、效率慢的问题,本文提出一种多尺度时频空三域特征联合下的储层岩性识别方法。该方法在原始测井特征的基础上引入了互补集合经验模态分解(CEEMD)的多尺度频域分量,从而提高测井曲线的纵向分辨率。此外,构建了注意力机制优化的多尺度卷积双向门控循环神经网络(CNN-BiGRU-AT)模型,对加入了多尺度频域分量的测井数据进行时空特征提取,从而实现了对测井数据时、频、空三域特征的联合学习,最后以注意力机制优化了模型输出,减少了错误信息的传播。为了验证方法可靠性,本文选取了资料较为完整的5口井数据进行实验分析。结果表明,在不同数据组合的对比实验中,加入多尺度频域分量在训练集和验证集识别准确率分别提高了9.50%和8.66%。在与不同模型对比实验中,本文方法在样本识别准确率达到了94.11%,与支持向量机(SVM)、BP神经网络、卷积神经网络(CNN)、双向门控循环神经网络(BiGRU)和CNN-BiGRU融合模型相比,本文方法识别准确率分别提高了16.21%、14.54%、11.69%、5.05%、3.38%。
|
关 键 词: | 互补集合经验模态分解 注意力机制 多尺度 神经网络 岩性识别 |
|
|