典型文献
一种基于CNN-LSTM神经网络的泥质烃源岩TOC预测模型
文献摘要：
目前岩石中原始有机质的丰度可以使用测定岩石中残留的总有机碳含量(TOC)表示.但在实际应用时,受取心样品和实验分析成本的限制,单井烃源岩TOC的测定有限;同时受构造和沉积环境的控制,有机质的富集在纵向上变化也是比较大的.烃源岩富含有机质的煤系地层岩性差异大,测井响应特征受其影响变化大,因此该文避免岩性对测井曲线的影响,并且通过总结前人的研究经验,从神经网络出发,提出了一种利用测井曲线基于CNN-LSTM神经网络的泥质烃源岩TOC预测模型,经过实际应用,结果表明该方法有较好的准确性,可以得到较好的预测效果.
文献关键词：
泥质烃源岩;CNN-LSTM;神经网络;TOC预测
中图分类号：
作者姓名：
宋雯馨;司锦
作者机构：
油气地球化学与环境湖北省重点实验室(长江大学资源与环境学院) 湖北武汉 430100;油气资源与勘探技术教育部重点实验室(长江大学) 湖北武汉 430100;中联煤层气有限责任公司 北京 100016
文献出处：
引用格式：
[1]宋雯馨;司锦-.一种基于CNN-LSTM神经网络的泥质烃源岩TOC预测模型)[J].科技资讯,2022(24):58-61
A类：
B类：
泥质烃源岩,TOC,有机质,总有机碳含量,取心,分析成本,单井,沉积环境,上变,煤系地层,地层岩性,测井响应特征,测井曲线
AB值：
0.21536
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
