基于Attention机制的LSTM测井曲线预测方法

作者：代保庆; 彭家琼; 张天环; 赵嘉丰; 赵建鹏^*

来源：测井技术, 2023, 47(02): 167-175.

DOI：10.16489/j.issn.1004-1338.2023.02.007

• 测井评价
• 曲线预测
• LSTM神经网络
• Attention机制
• 特征权重
• TensorFlow平台

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。

• 单位
  新疆油田公司; 西安石油大学