简介：基于测井资料进行岩性分类是油气勘探和采集过程中的基础问题之一。根据前人的研究成果已开发了多种岩性分类方法,提出了基于堆栈自编码模型的岩性分类方法,通过对测井资料进行逐层抽象提取特征凸显不同岩性的微弱测井响应,使用Softmax作为分类器进行岩性分类。应用该方法对丁山地区泥质灰岩和灰质泥岩进行识别,将训练好的模型应用于丁山HF1井中,正确率均达到94.39%以上。
简介：在勘探初期测井数据较少,不足以支持有监督学习.采用深度学习中的稀疏自编码方法对地震数据进行无监督学习,通过逻辑回归,利用少量的岩性解释资料做有监督微调,以达到对工区中的地震数据进行岩性体识别.识别结果表明,该方法优于传统的波阻抗识别方法,能有效识别储层中的有利岩性.
基于堆栈自编码模型的岩性分类方法
基于稀疏自编码的岩性识别方法
