期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于CNN和LSTM的机器学习模型在测井岩性识别的应用
被引量：
3
1
作者
张凤博
马雪玲
+4 位作者
董珍珍
邹路
王茜
李伟荣
吴磊
《西安石油大学学报（自然科学版）》
CAS
北大核心
2024年第5期96-103,133,共9页
在油气田勘探和开发中,测井解释是表征储层物性参数和评价油气储量的重要手段之一。其中,岩性识别是测井解释的主要任务。针对用于储层岩性识别的机器学习方法普遍存在参数优化难、训练时间长、容易过拟合等问题,导致测井解释精度低及...
在油气田勘探和开发中,测井解释是表征储层物性参数和评价油气储量的重要手段之一。其中,岩性识别是测井解释的主要任务。针对用于储层岩性识别的机器学习方法普遍存在参数优化难、训练时间长、容易过拟合等问题,导致测井解释精度低及岩性相近易混淆等。本文将卷积神经网络(CNN)有利于特征提取的优点与长短期记忆神经网络(LSTM)可考虑测井曲线随深度变化的趋势性信息的优点相结合,提出CNN-LSTM混合神经网络构建测井数据与岩性类别之间的非线性模型,并采用遗传算法(GA)优化混合神经网络模型的超参数,提高识别效率。基于4069组样本数据评估了该混合模型的性能。研究结果表明,与传统的机器学习方法相比,CNN-LSTM-GA混合神经网络优化模型有效地克服了储层岩性识别研究中的问题,取得更好的岩性识别效果,对油藏精细描述和储量评价具有一定的实用价值。
展开更多
关键词
岩性识别
卷积神经网络
长短期记忆网络
遗传算法
混合神经网络模型
在线阅读
下载PDF
职称材料
题名
基于CNN和LSTM的机器学习模型在测井岩性识别的应用
被引量：
3
1
作者
张凤博
马雪玲
董珍珍
邹路
王茜
李伟荣
吴磊
机构
延长油田下寺湾采油厂勘探开发研究所
西安石油大学石油工程学院
出处
《西安石油大学学报（自然科学版）》
CAS
北大核心
2024年第5期96-103,133,共9页
基金
中国石油科技创新基金项目(2022DQ02-0201)。
文摘
在油气田勘探和开发中,测井解释是表征储层物性参数和评价油气储量的重要手段之一。其中,岩性识别是测井解释的主要任务。针对用于储层岩性识别的机器学习方法普遍存在参数优化难、训练时间长、容易过拟合等问题,导致测井解释精度低及岩性相近易混淆等。本文将卷积神经网络(CNN)有利于特征提取的优点与长短期记忆神经网络(LSTM)可考虑测井曲线随深度变化的趋势性信息的优点相结合,提出CNN-LSTM混合神经网络构建测井数据与岩性类别之间的非线性模型,并采用遗传算法(GA)优化混合神经网络模型的超参数,提高识别效率。基于4069组样本数据评估了该混合模型的性能。研究结果表明,与传统的机器学习方法相比,CNN-LSTM-GA混合神经网络优化模型有效地克服了储层岩性识别研究中的问题,取得更好的岩性识别效果,对油藏精细描述和储量评价具有一定的实用价值。
关键词
岩性识别
卷积神经网络
长短期记忆网络
遗传算法
混合神经网络模型
Keywords
lithology identification
convolutional neural network
long short-term memory network
genetic algorithm
hybrid neural network model
分类号
TE928 [石油与天然气工程—石油机械设备]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于CNN和LSTM的机器学习模型在测井岩性识别的应用
张凤博
马雪玲
董珍珍
邹路
王茜
李伟荣
吴磊
《西安石油大学学报（自然科学版）》
CAS
北大核心
2024
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
