基于GWO-BiLSTM的岩性识别方法研究与应用

为解决常规岩性识别方法精度不高、耗时较长且受人为影响较大等问题,构建了基于GWO-BiLSTM的岩性识别方法。结合录井资料、岩心资料以及测井资料,采用常规方法对研究区进行岩性识别,效果较差,进而利用GWO-BiLSTM模型在研究区展开岩性识别工作。根据皮尔逊函数对各测井曲线与岩性进行分析,优选出相关系数绝对值大于0.3的测井曲线值作为输入特征,采用灰狼优化算法对BiLSTM超参数组合随机生成与更新,从而更加快速地获取最优解,进一步提高模型的效率以及准确率。实验表明,基于GWO-BiLSTM模型的岩性识别准确率达96%,与BiLSTM模型、RF模型、BP神经网络和SVM模型相比具有较高的准确率,验证了该模型在识别复杂岩性时的可靠性,并为复杂岩性识别提供了方法参考。