公开(公告)号：CN115795994B

公开(公告)日：2023-10-20

申请号：CN202211202931.0

申请日：2022-09-29

申请人： 西安石油大学

发明人： 康正明 ,  张意 ,  侯彬彬 ,  秦浩杰

IPC分类号： G06F30/27 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明公开了一种基于Unet卷积神经网络的随钻方位电磁波测井数据反演方法，在地层模型中对地层参数随机取值，通过正演计算获得 数据集，将数据集中的测井响应作为卷积神经网络的输入数据，卷积神经网络在训练过程中提取随钻方位电磁波数据的曲线特征，使网络具有从测井响应映射到地层信息的非线性表达能力，最后，使用训练好的网络可以准确的反演新的样本数据。通过上述方式，本申请建立了U‑net卷积神经网络方位电磁波测井数据反演工作流，分析了工作流中各构成部分的作用，优化了U‑net卷积神经网络的训练参数，使用最优训练参数下得到的网络模型反演了随钻方位电磁波数据，使反演结果具有较高的准确性和鲁棒性。

公开(公告)号：CN117669362A

公开(公告)日：2024-03-08

申请号：CN202311547512.5

申请日：2023-11-20

申请人： 西安石油大学

发明人： 康正明 ,  秦浩杰 ,  肖文杰 ,  陈云霞 ,  张意 ,  陈刚

IPC分类号： G06F30/27 ,  G01V3/30 ,  G01V3/38 ,  G06F18/213 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08

摘要： 深度学习辅助的随钻方位电磁波测井数据迭代反演方法，首先，基于广义反射系数法求解水平层状地层模型中的测井响应，从而完成样本库的建立，并对数据进行预处理；其次，构建深度学习网络，并基于样本对深度学习网络进行训练，通过不断调整训练参数来优化深度学习网络；然后，利用训练好的网络对新的测井数据进行特征提取，并将特征提取后的数据映射到地层参数；接着，构建并优化迭代算法；最后，将深度学习网络预测得到的地层参数作为迭代算法的迭代初值，通过迭代对预测的地层参数进行校准，并输出最终反演结果；本发明能够以极小的时间成本为迭代反演法提供一个合理的初值，从而增强了迭代反演方法的稳定性，加快了迭代反演的速度。

公开(公告)号：CN115795994A

公开(公告)日：2023-03-14

申请号：CN202211202931.0

申请日：2022-09-29

申请人： 西安石油大学

发明人： 康正明 ,  张意 ,  侯彬彬 ,  秦浩杰

IPC分类号： G06F30/27 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明公开了一种基于Unet卷积神经网络的随钻方位电磁波测井数据反演方法，在地层模型中对地层参数随机取值，通过正演计算获得 数据集，将数据集中的测井响应作为卷积神经网络的输入数据，卷积神经网络在训练过程中提取随钻方位电磁波数据的曲线特征，使网络具有从测井响应映射到地层信息的非线性表达能力，最后，使用训练好的网络可以准确的反演新的样本数据。通过上述方式，本申请建立了U‑net卷积神经网络方位电磁波测井数据反演工作流，分析了工作流中各构成部分的作用，优化了U‑net卷积神经网络的训练参数，使用最优训练参数下得到的网络模型反演了随钻方位电磁波数据，使反演结果具有较高的准确性和鲁棒性。