一种基于深度学习简单循环单元的测井曲线延拓方法技术

本发明专利技术涉及测井工程技术领域，公开了一种基于深度学习简单循环单元的测井曲线延拓方法，包括以下步骤：数据获取：收集测井数据以及岩石物性参数；数据准备：提取测井数据；建立数据集：将待延拓井已钻部分数据作为训练集，待延拓井未钻的部分数据作为延拓数据；搭建模型：根据简单循环单元搭建神经网络模型；延拓未知段测井数据：将延拓数据输入神经网络模型中，延拓未知段测井数据。本发明专利技术采用了简单循环单元作为搭建网络的基础，这个模块相对于其他循环神经网络模块具有更加简单的结构、更少的参数、更好的收敛性；其次，延拓方法明显提高了训练网络性能，在训练过程中进行了并行化处理，大大提高了训练速度，在随钻工程中也有很强的实用性。强的实用性。强的实用性。

【技术实现步骤摘要】
一种基于深度学习简单循环单元的测井曲线延拓方法


[0001]本专利技术涉及测井工程
，具体涉及一种基于深度学习简单循环单元的测井曲线延拓方法。

技术介绍

[0002]在地球物理测井领域，测井曲线参数是表征储层的基本地震弹性参数之一，测井曲线参数与储层孔隙度、饱和度、泥质含量地相关系数非常高，能够最直观地反映地下储层和流体的变化规律。此外，测井曲线参数数据与其他许多地球物理领域重要参数的计算有关，如上覆地层压力等。因此，测井曲线参数数据的准确与否又制约了这些地球物理领域重要参数的结果精度。所以测井曲线参数数据在储集层描述和油气资源评估中具有十分重要的作用。地质学家和工程师通过对测井曲线参数数据进行分析可以极大地加深对地下储集层情况的认知，并在其支持下建立较为精确的地质模型。然而在实际测井作业过程中，由于井径扩大、仪器故障等原因，经常出现部分井段测井曲线参数数据失真或缺失的情况，有时甚至出于成本考虑，测井计划中仅要求取得某一目标储层层段的测井曲线参数测井数据而不是获取整套测井曲线参数测井数据。而当后续研究当中需要用到其他层段的测井数据时，这时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习简单循环单元的测井曲线延拓方法，其特征在于：包括以下步骤：数据获取：收集测井数据以及岩石物性参数；数据准备：提取测井数据；建立数据集：将待延拓井已钻部分数据作为训练集，对于待延拓井未钻的部分数据作为延拓数据；搭建模型：根据简单循环单元搭建神经网络模型；延拓未知段测井数据：将延拓数据输入神经网络模型中，延拓未知段测井数据。2.根据权利要求1所述的一种基于深度学习简单循环单元的测井曲线延拓方法，其特征在于：在延拓未知段测井数据过程中，包含以下延拓处理子步骤：将待延拓段之前的部分序列数据作为预热数据；通过预热数据对简单循环单元的隐状态及处理器状态进行更新；将更新后的隐状态与处理器状态顺序计算待延拓段数据的延拓值。3.根据权利要求1所述的一种基于深度学习...

【专利技术属性】
技术研发人员：王横，徐云贵，贺训云，黄旭日，曹卫平，
申请(专利权)人：西南石油大学，
类型：发明
国别省市：