典型文献
基于深度学习岩性分类的研究与应用
文献摘要：
岩性预测,特别是致密储层的岩性预测,是石油勘探的一项重要基础任务,因为岩性数据对于地层对比、沉积模拟等地质工作的分析是必不可少的.因此,如何获取可靠的岩性信息逐渐成为地球科学研究的热点.面对大部分老油田由于仪器、井历史长等原因使得部分测井数据丢失,特别是岩性数据;新开发生产井,钻井取心需要投入巨大的成本、人力和物力;这些给油田的开发带来了巨大困难.为此,建立了一种基于深度学习神经网络预测岩性的新方法.对于油田的测井数据不需要经过人为预处理,直接作为神经网络的输入变量以得到对应储层的岩性数据.通过构建全连接神经网络,以鄂尔多斯盆地油田致密储层为研究对象,进行5种岩性的识别并与真实值对比.研究结果表明:该方法不需要建立解释模型和复杂的计算过程,有着较好的适应性和预测精度.通过对中国实际案例的分析,验证了该方法的有效性.其岩性识别精度(71％)满足商业应用要求(70％).因此,该方法可替代当前的传统方法.
文献关键词：
测井曲线;深度学习;神经网络;岩性识别
中图分类号：
作者姓名：
马陇飞;萧汉敏;陶敬伟;张帆;罗永成;张海琴
作者机构：
中国科学院大学工程科学学院,北京100049;中国科学院渗流流体力学研究所,廊坊065007;中国石油勘探开发研究院,北京100083;上海帕科信息科技有限公司,上海200235;中国石油大学(北京)非常规油气技术研究院,北京102249
文献出处：
引用格式：
[1]马陇飞;萧汉敏;陶敬伟;张帆;罗永成;张海琴-.基于深度学习岩性分类的研究与应用)[J].科学技术与工程,2022(07):2609-2617
A类：
B类：
岩性分类,岩性预测,致密储层,石油勘探,地层对比,沉积模拟,地质工作,地球科学,老油田,测井数据,数据丢失,生产井,钻井,取心,发带,深度学习神经网络,神经网络预测,全连接神经网络,鄂尔多斯盆地,真实值,解释模型,中国实际,实际案例,岩性识别,识别精度,商业应用,应用要求,测井曲线
AB值：
0.394065
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。
