基于相关性分析的Bi-LSTM测井曲线预测方法

作者：查文舒; 乔奇; 刘子雄; 李道伦

来源：合肥工业大学学报(自然科学版), 2022, 45(05): 700-706.

DOI：10.3969/j.issn.1003-5060.2022.05.021

• 测井曲线
• 相关性
• 循环神经网络
• 长短期记忆神经网络
• 双向长短期记忆(Bi-LSTM)神经网络

文章提出基于双向长短期记忆(bidirectional long short-term memory, Bi-LSTM)神经网络，考虑测井曲线相关性的测井曲线预测新方法。同一口井往往可以得到反映地层与井筒属性多种测井曲线，通过分析测井曲线之间存在的相关性，根据曲线之间的相关性大小选择合适的训练样本，利用Bi-LSTM进行测井曲线预测。同时，测井曲线前后关联性强，Bi-LSTM可以考虑数据间的前后关联，从而提高测井曲线预测精度。实验结果表明，考虑曲线相关性的Bi-LSTM模型能减少样本数据，明显提高预测精度，均方误差相比单向长短期记忆神经网络方法能减小50%以上，具有很好的应用前景。

• 单位
  合肥工业大学; 数学学院; 中海油田服务股份有限公司