基于门控循环单元神经网络的储层孔渗饱参数预测OA北大核心CSCDCSTPCD
Prediction of reservoir porosity,permeability,and saturation based on a gated recurrent unit neural network
孔隙度、渗透率和饱和度等物性参数是表征储层质量的重要参数,也是储层评价的重要依据.根据测井数据估算岩石的孔隙度、渗透率和饱和度参数,进而评价储层,是测井解释的基本内容.作为一种适于解决非线性和时序性问题的新型深度学习算法,门控循环单元(gated recurrent unit,GRU)神经网络算法能较好地反映出孔渗饱参数与测井数据之间的非线性映射关系以及不同深度历史数据之间的关联.基于GRU神经网络的储层孔渗饱参数预测方法首先采用基于Copula…查看全部>>
王俊;曹俊兴;尤加春;刘杰;周欣
成都理工大学地球物理学院,四川成都 610059成都理工大学地球物理学院,四川成都 610059成都理工大学地球物理学院,四川成都 610059成都理工大学地球物理学院,四川成都 610059成都理工大学地球物理学院,四川成都 610059
天文与地球科学
相关性分析Copula函数循环神经网络门控循环单元神经网络孔隙度渗透率饱和度储层预测
《石油物探》 2020 (4)
616-627,12
国家自然科学基金重点项目(41430323)和国家重点研发计划深地专项(2016YFC0601100)共同资助.
评论