基于双向长短时循环神经网络的测井曲线重构方法研究
张茜
丁磊
王子国
武凌峰
吴妍
中海石油(中国)有限公司海南分公司 海南海口 570100
摘要：南海西部海域油气田勘探开发过程中,广泛采集测井资料用于油气层精确解释评价.然而随着钻井过程中井况变得日趋复杂,经常会出现测井曲线缺失或失真的情况.针对该问题,比较经济便捷的方法是利用机器学习算法基于现有测井曲线进行曲线重构,但是传统技术无法综合测井曲线上下文信息,影响了重构精度.文章基于Bi-LSTM双向长短时循环神经网络进行测井曲线重构方法研究,首先对比了不同类型循环神经网络的测井曲线重构效果,然后对神经网络结构进行优化.研究表明,基于多层Bi-LSTM 神经网络进行测井曲线重构的精度更高.
关键词：测井机器学习曲线重构双向长短时循环神经网络
论文发表日期：2025-11-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 76-78,84 )