本發明提出一種動態融合時序與非時序特征的測井曲線生成方法,主要涉及地質資源勘探,深度學習,數據挖掘領域。主要步驟包含:利用LSTM(長短期記憶網絡)、GRU(門控循序單元)模型分別提取測井曲線時序特征;利用CNN(卷積神經網絡)、DNN(全連接神經網絡)、XGBoost、SVR分別提取測井曲線的非時序特征;借助強化學習對模型進行動態融合,從而充分考慮測井曲線的時序特征與非時序特征;通過單一井內數據訓練模型,借助井內完整測井曲線將該井其他殘缺曲線進行補全;完全根據具有多條完整測井曲線的臨井數據訓練模型,借助實驗井現存的完整曲線來生成缺少的測井曲線。本發明動態融合了測井曲線的時序與分時序特征,能更準確地對失真或缺失的測井曲線進行補全與生成。
聲明:
“動態融合時序與非時序特征的測井曲線生成方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)