基于深度学习模型的测井电成像空白条带充填方法

论文摘要

电成像测井广泛应用于碳酸盐岩、砂砾岩和火成岩等复杂储层的测井评价,对于计算孔隙度、识别裂缝和划分岩性具有重要作用。但在大井眼的情况下,电成像图像无法做到全井眼覆盖,需要对电成像图像上的空白条带进行充填,保证后期处理和解释的精度。结合深度学习框架,提出一种基于卷积神经网络模型的空白条带充填方法。在没有大量学习样本的情况下,通过优化卷积神经网络模型结构,捕获图像上的大量底层先验统计特征,实现整幅图像的结构和纹理特征信息的推理。通过与Filtersim主流充填方法的充填效果比较,发现该方法对于砂泥岩剖面和砂砾岩体的电成像测井图像空白条带充填,都具有较好的效果。

论文目录

• 0 引 言
• 1 深度学习概念及其神经网络模型原理
• 2 电成像图像充填深度学习模型
•   2.1 模型结构
•   2.2 网络模型的输入输出
•   2.3 网络模型优化算法
• 3 实验结果分析及应用实例
•   3.1 充填结果对比分析
•   3.2 充填方法在砂砾岩岩性精细评价中的应用
• 4 结 论

文章来源

类型: 期刊论文

作者: 王哲峰,高娜,曾蕊,杜雪菲,杜欣睿,陈思宇

关键词: 测井评价,电成像测井,深度学习,深度神经网络,空白条带充填,卷积神经网络,大井眼

来源: 测井技术 2019年06期

年度: 2019

分类: 工程科技Ⅰ辑,基础科学

专业: 地质学,石油天然气工业

单位: 中国石油集团测井有限公司长庆分公司

分类号: P631.81

DOI: 10.16489/j.issn.1004-1338.2019.06.005

页码: 578-582

总页数: 5

文件大小: 6717K

下载量: 83