基于S-CNN-Bi-GRU网络测井曲线生成方法、处理终端及可读存储介质技术

本发明专利技术公开了一种基于S

【技术实现步骤摘要】
基于S
‑
CNN
‑
Bi
‑
GRU网络测井曲线生成方法、处理终端及可读存储介质


[0001]本专利技术涉及地球物理勘探领域，尤其涉及一种基于S
‑
CNN
‑
Bi
‑
GRU网络测井曲线生成方法、处理终端及可读存储介质。

技术介绍

[0002]测井资料对研究地下地质结构、油气资源分布等发挥着至关重要的作用。在测井过程中，由于井径坍塌、仪器故障或者一些人为因素导致部分井段曲线失真或缺失，给后续的解释工作带来了困难。再次测井不仅费用昂贵，而且对于已经完井的井眼极大可能无法实现。
[0003]可以基于地质信息使用一些物理模型或者经验模型直接生成测井曲线，但是这些模型通常极大简化了地层情况，不能准确的反映真实地层特征，生成的测井曲线质量也无法保证。也可利用各种测井曲线的内在联系，通过多元线性回归分析等方法实现测井曲线的生成，但当地层呈现强非均质性，测井曲线之间的映射关系比较复杂，表现为较强非线性，采用线性方法应用效果有限。
[0004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于S
‑
CNN
‑
Bi
‑
GRU网络测井曲线生成方法，其特征在于，首先，获取常规测井曲线和目标测井曲线，形成样本标签库；其次，分别对样本标签库进行预处理，具体包括：异常值的剔除和数据的标准化处理；然后，构建生成目标测井曲线的S
‑
CNN
‑
Bi
‑
GRU网络模型；最后，将样本标签库输入网络模型进行训练，得到预测目标曲线。2.根据权利要求1所述基于S
‑
CNN
‑
Bi
‑
GRU网络测井曲线生成方法，其特征在于，包括以下步骤：第一步，获取常规测井曲线与目标测井曲线，形成样本与标签库搜集采集的测井曲线，将常规测井曲线中具有纵波速度、井径、伽马、电阻率、自然电位数据完整、正确的测井曲线作为样本，将缺失或者希望预测得到的目标曲线作为标签；第二步，样本与标签预处理，包括两个步骤：(1)采用箱形数法将剔除异常值；(2)采用极差正规化标准化方法将样本和标签数据范围分别归一化到0
‑
1；第三步，构建基于S
‑
CNN
‑
Bi
‑
GRU的生成目标曲线的网络模型，包括如下步骤：(1)采用CNN网络提取数据的非线性特征；(2)利用GRU网络构建的Bi
‑
GRU网络，获取数据的双向时序特征；Bi
‑
GRU网络由前向GRU网络与后向GRU网络构成，分别获取过去和未来时刻的信息，第一个前向的GRU计算当前时刻时序的顺序信息，第二个后向的GRU计算当前时刻时序的逆序信息，Bi
‑
GRU隐含层t时刻的状态由前向隐藏状态以及后向隐藏状态加权得到，其计算过程为：式中：h
t
为t时刻隐藏层状态，为t时刻前向隐藏层状态，为t时刻后向隐藏层状态，W
t
、V
t
为与所对应的权重，b
t
为t时刻的隐藏层的偏置；(3)将CNN网络提取的数据非线性特征作为Bi
‑
GRU网络的输入，构成CNN
‑
Bi
‑
CRU网络；(4)将多个CNN
...

【专利技术属性】
技术研发人员：刘金鹏，汤克轩，胡晓磊，赵洪鹏，王进城，姜超，贾常秀，刘洁，曹国一，张恩立，
申请(专利权)人：中水北方勘测设计研究有限责任公司，
类型：发明
国别省市：