基于模态分解与LSTM注意表征的测井曲线重构研究OA北大核心CSTPCD
Logging Curves Reconstruction Based on Mode Decomposition and LSTM-Attention Model
测井曲线记录着地层物理性质随深度变化的幅值范围,是测井与地震资料之间的纽带,对储层岩性分析与识别和后续的油气勘探工程十分重要.然而,在实际的测井过程中仪器故障等原因会造成测井曲线缺失的问题,重新测井不仅价格昂贵而且难以实现.针对地质勘探时测井数据时常缺失的问题,本文提出了一种LSTM(Long Short-Term Memory)注意力表征的测井曲线重构方法.同时,对原始测井信号进行两种模态分解,计算分解后得到模态分量与原始信号之间的相关性,去除…查看全部>>
The well logging curve records the amplitude range of geophysical properties changing with depth and is the bond between well log and seismic data.It is also significant for reservoir lithology analysis and subsequent oil and gas exploration projects.However,instrument failure and other reasons will cause well-logging curves to be missing in the actu-al logging process.Re-logging is not only expensive but also difficult to achieve.Aiming at the problem that …查看全部>>
刘梦;韩建;曹志民;刘兴斌
东北石油大学物理与电子工程学院,黑龙江大庆 163319||东北石油大学黑龙江省高校共建测试计量技术及仪器仪表研发中心,黑龙江大庆 163319东北石油大学物理与电子工程学院,黑龙江大庆 163319||东北石油大学黑龙江省高校共建测试计量技术及仪器仪表研发中心,黑龙江大庆 163319东北石油大学物理与电子工程学院,黑龙江大庆 163319||东北石油大学黑龙江省高校共建测试计量技术及仪器仪表研发中心,黑龙江大庆 163319东北石油大学物理与电子工程学院,黑龙江大庆 163319
电子信息工程
长短期记忆人工神经网络注意力机制测井曲线重构VMDEMD
long short-term memoryattentionlog curves reconstructionVMDEMD
《电子学报》 2024 (4)
1399-1410,12
国家自然科学基金(No.52174021) National Natural Science Foundation of China(No.52174021)
评论