基于GRU神經網絡的測井曲線重構

作者：王俊,曹俊興,尤加春

摘要：通過測井曲線解釋可以獲得地層巖性、電性以及孔滲飽等地層參數,然而,實際應用中時常出現部分測井數據失真或缺失的情況,而重新測井不僅價格昂貴且實現較困難。目前基于傳統的線性假設和統計分析的測井曲線重構方法已不能滿足儲層特征的精細描述要求。門控循環單元(GRU)神經網絡是一種適合于解決非線性和時序性問題的新型深度學習算法。基于深度學習的最新成果,提出使用GRU神經網絡進行測井曲線重構。該方法兼顧了測井數據之間的非線性映射關系、數據隨儲層深度變化的趨勢及歷史數據之間的關聯性。對實際資料進行試算,并與多元回歸方法結果對比,表明GRU網絡模型取得了良好的重構效果,為測井曲線重構提供了一種新的思路。

發文機構：成都理工大學地球物理學院

關鍵詞：測井曲線重構深度學習門控循環單元神經網絡多元回歸分析logging trace reconstructiondeep learningGRU neural networkmultiple regression analysis

分類號： P631.81[天文地球—地質礦產勘探]