-
题名基于长短期记忆网络的CO_(2)气层识别方法
被引量：1
- 1
-
-
作者
何丽娜
吴文圣
王显南
张伟
张传举
宋孝雨
-
机构
中国石油大学(北京)油气资源与探测国家重点实验室
中海石油(中国)有限公司深圳分公司
中海油田服务股份有限公司
-
出处
《测井技术》
CAS
2024年第1期1-7,共7页
-
文摘
CO_(2)监测是油气开采中的关键环节,传统的CO_(2)监测方法面临很多挑战,在人工智能逐渐兴起的当下,深度学习技术被广泛应用于地球物理测井。珠江口盆地恩平凹陷深层CO_(2)气藏发育,传统测井方法无法准确评价储层流体。构建了基于长短期记忆网络(LSTM)的CO_(2)气层识别模型,采用m×2正则化交叉验证优选CO_(2)敏感测井参数,并对模型进行训练。利用该模型对珠江口盆地恩平凹陷L2井CO_(2)气层进行识别,并与支持向量机和K近邻算法识别结果进行对比。结果表明,3种深度学习算法对CO_(2)气层的识别效果良好,其中LSTM算法对CO_(2)气层的识别效果最好,准确度达93.4%,为深层CO_(2)气层识别工作提供了新思路。
-
关键词
co_(2)气层识别
长短期记忆网络(LSTM)
深度学习
珠江口盆地
-
Keywords
co_(2)gas layer recognition
Long Short-Term Memory Network(LSTM)
deep learning
Pearl River Mouth basin
-
分类号
P631.84
[天文地球—地质矿产勘探]
-
