[发明专利]一种基于测井曲线深度学习的泥砂分层检测方法在审
| 申请号： | 201811471676.3 | 申请日： | 2018-12-03 |
| 公开（公告）号： | CN109670539A | 公开（公告）日： | 2019-04-23 |
| 发明（设计）人： | 朱剑兵;王兴谋;冯德永;张云涛;揭景荣;李长红;赵培坤 | 申请（专利权）人： | 中国石油化工股份有限公司;中国石油化工股份有限公司胜利油田分公司物探研究院 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06F17/50 |
| 代理公司： | 东营双桥专利代理有限责任公司 37107 | 代理人： | 侯华颂;李勇 |
| 地址： | 100728 北*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于测井曲线深度学习的泥砂分层检测方法，包括获取同一工区内训练模型所需要的训练数据和测试数据；把输入的测井数据输入深度信念神经网络DBN中，建立了一个应用于泥砂分层方面的DBN网络模型；RBM在网络学习之前需要先进行无监督的预训练，确保特征向量映射到不同的特征空间，尽可能多的保留特征信息。通过本发明在预测模型训练好后，能够根据一口井的自然伽马、密度、声波、中子4种测井数据得出其相对应位置的泥岩和砂岩，输出层神经元输出只能无限接近1和0，泥砂分层的岩性标签是一个在[0,1]范围内的浮点型数据，大小表示其属于泥岩层和砂岩层的隶属程度，可以更精确的表示它的岩性特征。 | ||
| 搜索关键词： | 泥砂 测井曲线 测井数据 分层检测 分层 泥岩 预测模型训练 浮点型数据 神经元输出 相对应位置 声波 测试数据 神经网络 特征空间 特征向量 特征信息 网络模型 网络学习 训练模型 训练数据 岩性特征 自然伽马 砂岩 泥岩层 砂岩层 输出层 无监督 映射 岩性 标签 学习 保留 应用 | ||
【主权项】：
1.一种基于测井曲线深度学习的泥砂分层检测方法，其特征在于：首先，要获取训练模型所需要的数据，所需要的训练数据和测试数据都应该是同一工区内的测井数据；其二，把输入的测井数据输入深度信念神经网络DBN中，建立了一个应用于泥砂分层方面的DBN网络模型，初始时的网络模型分为3层；其中，输入层为包括自然伽马、密度、声波和中子测井数据；网络输出层由2个分别代表泥层和砂层的神经元组成，相邻两层即组成一个受限玻尔兹曼机RBM；隐层神经元激活函数采用S型函数，深度学习模型中每层神经元激活值作为原始数据新的特征表达，输出层各个神经元输出只能无限接近1和0，而不能达到1和0；其三，RBM在网络学习之前需要先进行无监督的预训练，确保特征向量映射到不同的特征空间，尽可能多的保留特征信息。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国石油化工股份有限公司;中国石油化工股份有限公司胜利油田分公司物探研究院，未经中国石油化工股份有限公司;中国石油化工股份有限公司胜利油田分公司物探研究院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811471676.3/，转载请声明来源钻瓜专利网。
