基于LSTM循环神经网络的孔隙度预测方法研究

基于LSTM循环神经网络的孔隙度预测方法研究.pdf
孔隙度是反映储集层油气储集和运移能力的重要物性参数,准确求取储层孔隙度是地质解释和石油勘探开发的关键工作.每一种测井参数都不同程度地携载了孔隙度的信息,孔隙度与测井参数之间是典型的多参数非线性映射问题,充分利用多种测井参数对孔隙度进行综合预测,对于勘探开发中的决策工作具有十分重要的意义.
作者：安鹏曹丹平
作者单位：中国石油大学(华东)青岛266580
母体文献：2018中国地球科学联合学术年会论文集
会议名称：2018中国地球科学联合学术年会  
会议时间：2018年10月21日
会议地点：北京
主办单位：中国地质学会,中国地震学会,中国地球物理学会,中国矿物岩石地球化学学会
语种：chi
分类号：TP1TP3
关键词：石油勘探  孔隙度  预测方法  长短时记忆循环神经网络
在线出版日期：2022年5月27日
基金项目：
相似文献
相关博文

2024-12-3 19:49 上传 基于LSTM循环神经网络的孔隙度预测方法研究.pdf

文件大小:

1.75 MB

下载次数:

60

高速下载