典型文献
基于相关性分析的Bi-LSTM测井曲线预测方法
文献摘要：
文章提出基于双向长短期记忆(bidirectional long short-term memory,Bi-LSTM)神经网络,考虑测井曲线相关性的测井曲线预测新方法.同一口井往往可以得到反映地层与井筒属性多种测井曲线,通过分析测井曲线之间存在的相关性,根据曲线之间的相关性大小选择合适的训练样本,利用Bi-LSTM进行测井曲线预测.同时,测井曲线前后关联性强,Bi-LSTM可以考虑数据间的前后关联,从而提高测井曲线预测精度.实验结果表明,考虑曲线相关性的Bi-LSTM模型能减少样本数据,明显提高预测精度,均方误差相比单向长短期记忆神经网络方法能减小50％ 以上,具有很好的应用前景.
文献关键词：
测井曲线;相关性;循环神经网络;长短期记忆神经网络;双向长短期记忆(Bi-LSTM)神经网络
中图分类号：
作者姓名：
查文舒;乔奇;刘子雄;李道伦
作者机构：
合肥工业大学 数学学院,安徽 合肥 230601;中海油田服务股份有限公司 油田生产研究院,天津 300450
文献出处：
引用格式：
[1]查文舒;乔奇;刘子雄;李道伦-.基于相关性分析的Bi-LSTM测井曲线预测方法)[J].合肥工业大学学报（自然科学版）,2022(05):700-706
A类：
测井曲线预测
B类：
Bi,曲线预测方法,双向长短期记忆,bidirectional,long,short,term,memory,一口,井筒,训练样本,前后关联,少样本,均方误差,长短期记忆神经网络,神经网络方法,循环神经网络
AB值：
0.184658
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。
