基于增强双向长短时记忆神经网络的测井数据重构
Progress in Geophysics(2022)
摘要
测井数据是油气田开发和评价的基础,对于地下储层地质建模和指导油气藏勘探具有重要意义.然而,由于实际开采过程中井径垮塌、仪器故障等原因往往导致整段甚至整条测井数据失真或缺失,而重新测井成本高昂,施工难度大.本文提出一种基于增强双向长短时记忆神经网络(简称:DBi-LSTM)的测井数据重构方法,在不增加额外测量成本的情况下,充分考虑缺失数据点的前趋和后继之间的双向关联性,通过增加双向长短时记忆神经网络深度来增强模型表达能力并利用迭代更新策略完成整段缺失数据块的重构.对比循环神经网络、长短时记忆神经网络及双向长短时记忆神经网络,实验表明提出的方法具有更好的数据重构精确度.
更多AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要