基于双向长短时循环神经网络的沉积微相自动识别方法——以莺歌海盆地东方B气田为例 |
| |
引用本文: | 齐春生,丁磊,焦祥燕,郑志锋,吴妍.基于双向长短时循环神经网络的沉积微相自动识别方法——以莺歌海盆地东方B气田为例[J].科技和产业,2023,23(5):217-221. |
| |
作者姓名: | 齐春生 丁磊 焦祥燕 郑志锋 吴妍 |
| |
作者单位: | 中海石油(中国)有限公司 海南分公司,海口 570000 |
| |
摘 要: | 莺歌海盆地东方B气田发育浅海重力流海底扇沉积,其砂体分布及叠置关系复杂,使用人工识别的方式进行沉积微相解释工作繁琐且易受主观因素影响。针对该问题,基于双向长短时循环神经网络设计串行网络架构沉积微相识别模型,该模型以测井资料、岩性录井资料为输入,可有效提取不同沉积微相的测井曲线形态特征,并充分考虑相邻沉积微相之间的关联性。将模型应用于该区沉积微相识别工作中,降低了储层非均质性及人工经验带来的影响,提高了识别精度,取得了良好的应用效果。
|
关 键 词: | 双向长短时循环神经网络 沉积微相 串行网络架构 莺歌海盆地 |
|
| 点击此处可从《科技和产业》浏览原始摘要信息 |
| 点击此处可从《科技和产业》下载免费的PDF全文 |
|