[發明專利]一種基于CNN_AB_Bi-LSTM的測井曲線補全方法在審
| 申請號： | 202111190971.3 | 申請日： | 2021-10-13 |
| 公開（公告）號： | CN114065909A | 公開（公告）日： | 2022-02-18 |
| 發明（設計）人： | 潘少偉;牟昱輝;羅海寧 | 申請（專利權）人： | 西安石油大學 |
| 主分類號： | G06N3/04 | 分類號： | G06N3/04;G06N3/08;E21B47/00 |
| 代理公司： | 西安賽嘉知識產權代理事務所(普通合伙) 61275 | 代理人： | 王偉超 |
| 地址： | 710065 陜西省西安*** | 國省代碼： | 陜西;61 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 cnn_ab_bi lstm 測井 曲線 方法 | ||
1.一種基于CNN_AB_Bi-LSTM的測井曲線補全方法，其特征在于，包括如下步驟：
步驟101：建立CNN_AB_Bi-LSTM模型；
步驟102：輸入訓練集訓練模型；
步驟103：輸入測試集補全測井曲線。
2.一種基于CNN_AB_Bi-LSTM的測井曲線補全方法，其特征在于：所述步驟102：輸入訓練集訓練模型的具體過程是：
步驟201、輸入訓練序列數據；
步驟202、利用CNN對輸入的長序列數據進行特征提取，提取測井曲線數據中的局部特征；
步驟203：將得到的數據輸入至池化層，提取不同卷積映射屬性的顯著特征；
步驟204、利用井深維注意力機制對序列數據的井深分配不同的權重；
步驟205：數據到達第一個Bi-LSTM網絡，兩個方向的LSTM層充分地考慮到測井數據中每個數據點的前后數據點對它的影響；
步驟206：數據到達第二個Bi-LSTM網絡，兩個方向的LSTM層充分地考慮到測井數據中每個數據點的前后數據點對它的影響；
步驟207：數據經過回歸預測層，進行預測。
3.如權利要求1所述的一種基于CNN_AB_Bi-LSTM的測井曲線補全方法，其特征在于：所述步驟103：輸入測試集補全測井曲線的具體過程是：
步驟301：將數據集劃分為訓練集、驗證集、測試集；
步驟302：模型訓練好之后，將測試數據輸入至模型中，采用MAE和MSE作為評價指標，當模型對測試集擬合的誤差達到要求后將需要補全測井曲線的井段數據輸入至達到誤差要求的模型中，即可得到補全的測井曲線。
4.如權利要求3所述的一種基于CNN_AB_Bi-LSTM的測井曲線補全方法，其特征在于：所述CNN_AB_Bi-LSTM模型主要包括：CNN卷積層、CNN池化層、井深維注意力機制層、Bi-LSTM層、Bi-LSTM層、回歸預測層。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于西安石油大學，未經西安石油大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202111190971.3/1.html，轉載請聲明來源鉆瓜專利網。
