MATLAB代做|MATLAB專業(yè)代做|基于LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)的儲(chǔ)層物性參數(shù)預(yù)測(cè)方法研究
發(fā)布時(shí)間：2019/3/13 瀏覽數(shù)：37242
儲(chǔ)層物性參數(shù)是反映儲(chǔ)層油氣儲(chǔ)集能力的重要參數(shù),表征了不同地質(zhì)時(shí)期的沉積特征。地球物理測(cè)井參數(shù)由深及淺反映了不同地質(zhì)時(shí)期的聲、放、電等沉積特征,因而測(cè)井參數(shù)和泥質(zhì)含量(孔隙度)之間有很強(qiáng)非線性映射關(guān)系,并具有時(shí)間序列特征。充分利用多種測(cè)井參數(shù)預(yù)測(cè)儲(chǔ)層泥質(zhì)含量和孔隙度對(duì)于儲(chǔ)層精細(xì)描述具有十分重要的意義。深度學(xué)習(xí)技術(shù)具有極強(qiáng)的數(shù)據(jù)結(jié)構(gòu)挖掘能力,目前,全連接的深度神經(jīng)網(wǎng)絡(luò)已經(jīng)在泥質(zhì)含量預(yù)測(cè)進(jìn)行了初步嘗試并取得了較好的效果。而長(zhǎng)短時(shí)記憶(LSTM)循環(huán)神經(jīng)網(wǎng)絡(luò)更適合解決序列化的數(shù)據(jù)問題,因此本文提出基于LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)利用多種測(cè)井參數(shù)進(jìn)行泥質(zhì)含量和孔隙度預(yù)測(cè)的方法,預(yù)測(cè)結(jié)果的均方根誤差比常規(guī)全連接深度神經(jīng)網(wǎng)絡(luò)分別下降了42.2%和48.6%,實(shí)際應(yīng)用表明,對(duì)于具有序列化特性的泥質(zhì)含量和孔隙度,LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的準(zhǔn)確性和穩(wěn)定性要明顯優(yōu)于常規(guī)全連接深度神經(jīng)網(wǎng)絡(luò)。
