申请/专利权人：电子科技大学

申请日：2024-02-20

公开（公告）日：2024-03-22

公开（公告）号：CN117744505A

主分类号：G06F30/27

分类号：G06F30/27;G06N3/0464;G06N3/0985

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明涉及随钻测井数据处理技术，提供一种基于深度学习的随钻方位电磁波电阻率反演方法，通过建立随钻方位电磁波电阻率正演模型，设定地层模型为三层地层模型，采用一维正演算法计算随钻方位电磁波电阻率数据，再对一维正演算法得到的随钻方位电磁波电阻率数据和仪器真实测量数据进行预处理后作为训练集和验证集的数据，之后将训练集和验证集输入构建的用于随钻方位电磁波电阻率反演的深度学习模型完成训练，最后将接收的电磁波测井数据输入最佳的深度学习模型得到地层的电阻率成像。本发明实现了随钻方位电磁波电阻率测井响应的快速计算，得到地层的电阻率成像为钻井提供可靠的地质导向决策指导。

主权项：1.一种基于深度学习模型的随钻方位电磁波电阻率反演方法，其特征在于，包括：步骤S1：建立随钻方位电磁波电阻率正演模型，设定地层模型为三层地层模型，根据反演参数设定正演过程中所需地层模型参数，采用一维正演算法获取随钻电磁波电阻率数据；所述三层地层模型包括上地层、中间层和下地层，随钻方位电磁波电阻率测井仪器置于中间层；随钻方位电磁波电阻率测井仪器包括不同类型的发射线圈和接收线圈，通过设置不同的源距和线圈组合来产生不同的地质信号和电阻率信号；步骤S2：对一维正演算法得到的随钻方位电磁波电阻率数据和仪器真实测量数据进行预处理后作为训练集和验证集的数据；步骤S3：以ResNet网络为基础，将ResNet网络中的卷积层和池化层中除激活函数和批归一化层之外的剩余块均替换为全连接层，并结合多头注意力机制对输入数据进行特征提取，完成用于随钻方位电磁波电阻率反演的深度学习模型的构建；步骤S4：针对随钻方位电磁波电阻率反演问题，对深度学习模型进行不同深度和宽度的设置；将训练集分别输入深度学习模型进行训练，使用贝叶斯优化调参算法对深度学习模型的超参数进行调整，直至确定最优深度学习模型的超参数，完成不同深度和宽度的深度学习模型训练；再将验证集分别输入深度学习模型，选择训练损失最小和验证损失最小的深度和宽度的深度学习模型作为最佳的用于随钻方位电磁波电阻率反演的深度学习模型；步骤S5：将接收的电磁波测井数据输入最佳的深度学习模型，该深度学习模型输出当前地层的电阻率及界面位置信息，最终得到地层的电阻率成像。

全文数据：

权利要求：

百度查询： 电子科技大学 基于深度学习的随钻方位电磁波电阻率反演方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD