典型文献
基于深度学习的页岩孔隙类型自动识别方法
文献摘要：
页岩孔隙研究对页岩油甜点预测和储层评价具有重要意义,与常规储层相比,页岩储层的孔隙类型更为多样,孔隙结构更为复杂,纳米尺度的孔隙广泛发育.目前,常规的岩石物理实验在页岩储层参数表征方面遇到困难,难以满足页岩等复杂岩石类型评价的需求.基于多分辨率的数字岩心技术,在数据规则化的基础上,利用高分辨率的数字岩心图像,采用深度学习算法,对页岩储层的孔隙类型进行自动智能识别.该算法识别精度达到0.65(mA P@0.5),极大提升了页岩孔隙类型识别的时效性,为非常规储层孔隙类型的表征提供了新的方法和手段.
文献关键词：
测井解释;非常规储层;数字岩石物理;深度学习;卷积神经网络;孔隙识别
中图分类号：
作者姓名：
毕飞宇;肖占山;张学忠;张元中;赵建斌;方朝强
作者机构：
中国石油大学(北京)地球物理学院,北京102249;中国石油集团测井有限公司地质研究院,北京102200;中国石油天然气集团有限公司测井重点实验室,陕西 西安 710077;中国石油长庆油田公司苏里格南作业分公司,内蒙古 鄂尔多斯 017000
文献出处：
引用格式：
[1]毕飞宇;肖占山;张学忠;张元中;赵建斌;方朝强-.基于深度学习的页岩孔隙类型自动识别方法)[J].测井技术,2022(04):439-445
A类：
孔隙识别
B类：
孔隙类型,自动识别方法,页岩油甜点,甜点预测,储层评价,页岩储层,孔隙结构,纳米尺度,岩石物理实验,储层参数,参数表征,遇到困难,岩石类型,类型评价,多分辨率,数字岩心技术,数据规则化,岩心图像,深度学习算法,智能识别,算法识别,识别精度,mA,类型识别,非常规储层,储层孔隙,测井解释,数字岩石物理
AB值：
0.343308
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。
