基于RNN-FCNN的多尺度油水层识别方法

发布时间：2024-04-13 03:24

　　对油藏开采领域而言,快速、准确地识别油水层有利于节省大量的人力物力,提高不可再生资源的开采率。现有的层位识别方法未能考虑测井数据的序列关系,并且对所有层位进行统一识别,导致物性相近的层位识别易混淆,识别效果存在局限性。针对测井数据的特点,本文提出基于循环神经网络(RNN)和全连接神经网络(FCNN)的多尺度油水层识别方法。该方法首先基于RNN建立粗粒度的识别模型,再通过串联FCNN的方式实现更细粒度的层位识别,不仅考虑了测井数据在空间上的关联性,同时以多尺度方法识别易混淆的层位。解决了测井数据特征提取困难、层位识别率低的问题。本文在真实测井数据上进行了实验验证,实验结果表明本文方法油水层识别效果良好,有较强的实用性。

【文章页数】：9 页

【部分图文】：

图1测井数据表示

FCNN是由大量神经元相互连接构成的一种分布式并行信息处理模型,其通过模仿人类神经的行为特征,模拟输入与输出之间的非线性映射关系,从而到达复杂信息处理的目的[20]。FCNN的基本架构由神经元、权重和偏置3个部分组成,其中神经元是一种按照层状分布的计算单元,每个神经元与其临层中的....

图23层FCNN结构示意图

通过不断学习调整网络内部神经元之间的相互连接关系,使模型达到一个处理信息的较优状态。图2展示了一个典型的3层FCNN结构。1.3循环神经网络

图3RNN及其展开结构示意图

测井数据作为一种典型的序列数据,随着一口井深度的不断增加,前序采样点的属性信息与后续采样点的属性信息之间存在相关性,前序采样点所属层位会对其后采样点产生一定影响。在RNN中,一个序列当前的输出与前序的输出也有关,具体表现为网络会对之前的信息进行记忆并应用于当前输出的计算中,即隐藏....

图4尺度划分示意图

对于测井数据而言,多尺度识别相当于在不同数据域上对不同层位特征的提取。由于不同层位的物性不同,因此它们反映在测井曲线上的响应存在差异,其中物性相近的层位在测井曲线上的响应差异较小。针对该测井数据的特点,本文根据层位的物性对模型的识别尺度进行划分,具体的尺度划分如图4所示。如图4所....

本文编号：3952408