融合注意力机制的二维卷积神经网络测井曲线重构方法

密度和声波时差测井曲线是沟通地震与岩石物理学的两条重要曲线,也是目前仅有的能够为测井约束地震反演技术提供可靠的全频带地层弹性信息的两条测井曲线。但实际应用中受井壁垮塌、仪器故障等因素的影响,经常会造成密度和声波时差测井数据失真或缺失,且现有的经验模型法、多元拟合法、岩石物理建模法不但存在着重构目标曲线精度低,而且较难处理两条曲线同时重构的问题。为此,提出了将注意力机制融合到二维卷积神经网络中,以强化深度学习网络捕捉测井曲线自相关和互相关特征信息的能力,提升深度学习网络重构声波和密度测井曲线的精度。以准噶尔盆地超深层致密砂岩为研究对象,首先分析了测井曲线自相关和互相关特征与注意力层权重分布规律的关系;然后分析对比了所提网络与门控循环单元、二维卷积神经网络的预测精度,并对所提网络结构参数进行了优化;最后通过合成地震记录验证了目标曲线校正和缺失重构效果,表明所提网络具有较高的预测精度。