基于Attention机制的LSTM测井曲线预测方法

文档名：基于Attention机制的LSTM测井曲线预测方法
摘要：测井曲线预测是解决因井径变化、仪器故障等因素造成曲线测量效果不佳或某段曲线缺失的有效手段.从记忆学习的角度入手,对传统长短时记忆(LSTM)循环神经网络在测井曲线预测过程中特征提取、权值匹配及预测误差等问题进行分析,阐释Attention机制(以下简称Att机制)在解决此类问题中的重要性.基于TensorFlow平台搭建了Att-LSTM预测模型,并利用该模型实现了测井曲线的预测.结果表明:在LSTM神经网络中引入Att机制增强了不同时深下的测井特征关联性,优化了不同时间段的测井特征权重分配问题.将Att-LSTM模型和LSTM模型实际预测结果进行对比,Att-LSTM模型预测的测井曲线误差有所下降,精度较传统LSTM模型提高约8%,证实了在LSTM模型中引入Att机制的合理性及实用性,为测井曲线预测提供了一种新思路.

作者：代保庆   彭家琼   张天环   赵嘉丰   赵建鹏 Author：DAIBaoqing   PENGJiaqiong   ZHANGTianhuan   ZHAOJiafeng   ZHAOJianpeng
作者单位：西安石油大学地球科学与工程学院,陕西西安710065;陕西省油气成藏地质学重点实验室,陕西西安710065中国石油新疆油田公司石西油田作业区,新疆克拉玛依834000中国石油辽河油田公司勘探开发研究院,辽宁盘锦124010
刊名：测井技术 ISTIC
Journal：WellLoggingTechnology
年，卷(期)：2023, 47(2)
分类号：P631.84
关键词：测井评价  曲线预测  LSTM神经网络  Attention机制  特征权重  TensorFlow平台  
Keywords：logevaluation  curveprediction  LSTMneuralnetwork  Attentionmechanism  featureweight  TensorFlowplatform  
机标分类号：TP391TP183P618.13
在线出版日期：2023年8月3日
基金项目：基于Attention机制的LSTM测井曲线预测方法[
期刊论文]  测井技术--2023, 47(2)代保庆  彭家琼  张天环  赵嘉丰  赵建鹏测井曲线预测是解决因井径变化、仪器故障等因素造成曲线测量效果不佳或某段曲线缺失的有效手段.从记忆学习的角度入手,对传统长短时记忆(LSTM)循环神经网络在测井曲线预测过程中特征提取、权值匹配及预测误差等问题进行分...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文

        基于Attention机制的LSTM测井曲线预测方法  LSTM Logging Curve Prediction Method Based on Attention Mechanism

基于Attention机制的LSTM测井曲线预测方法.pdf

2024-12-14 12:26 上传 基于Attention机制的LSTM测井曲线预测方法.pdf

文件大小:

15.57 MB

下载次数:

60

高速下载