基于CNN和BiGRU的储层品质指数预测方法
李建平
张梓萱
东北石油大学计算机与信息技术学院 大庆 163318
摘要：论文提出一种基于一维卷积神经网络(1DCNN)与双向门控循环单元(BiGRU)结合的低渗油田储层品质指数预测方法,借助卷积神经网络将储层当前深度及以上部分的测井序列数据作为输入,利用卷积核提取这些数据特征的特点,利用双向GRU以正序和逆序的方式更新特征值后拼接,以提高特征值的精度,以全连接层的权重系数与对应特征相乘,并且预测下一深度对应曲线系列的数值,最终得到储层品质指数(RQI).并与其他机器学习网络模型进行对比.结果表明,论文所设计的1DCNN-BiGRU模型对低渗油田储层储层品质指数预测方法在预测准确率等方面均优于BP神经网络与CNN卷积神经网络.
关键词：低渗油田卷积神经网络双向门控循环单元储层品质指数储层特征
分类号：TP183(自动化基础理论)
资助基金：国家自然科学基金(61933007)
论文发表日期：2025-04-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 989-994,1001 )
英文信息