基于SSA-BiGRU的储层孔隙度预测方法研究
高雅田1
王冉1
吴润桐2
1.东北石油大学计算机与信息技术学院 大庆 1633182.大庆油田采油工程研究院 大庆 163318
摘要：利用测井资料预测储层孔隙度对于储层评价具有重要意义.针对现有孔隙度预测模型不能深度挖掘测井数据和孔隙度之间潜在关系的问题,论文提出一种利用麻雀搜索算法(SSA)优化双向门控循环神经网络(BiGRU)的储层孔隙度预测模型(SSA-BiGRU),以测井数据为输入,通过BiGRU深度挖掘测井曲线与孔隙度之间的非线性和时序特征;采用麻雀搜索算法对BiGRU神经网络模型中各层神经元个数、批处理大小、学习率等参数进行智能迭代优化,得到最优参数值,克服依靠经验选取或手动调参而导致预测精度低的问题.实验结果表明,相较于BP、LSTM、BiGRU等孔隙度预测模型,SSA-BiGRU预测模型有效提高了预测精度.
关键词：孔隙度预测双向门控循环单元神经网络麻雀搜素算法预测精度
分类号：TE122.2(石油、天然气地质与勘探)TP183(自动化基础理论)
论文发表日期：2025-06-20
在线出版日期：2025-09-23（本平台首次上网日期，不代表文献的发表时间）
页数：6( 1613-1618 )
英文信息