基于LSTM多尺度共生关系挖掘的测井曲线复原

利用测井数据进行储层地质描述的应用中,经常出现部分测井曲线失真或缺失的问题,为此,测井曲线复原一直以来都是相关研究领域的研究热点和难点。传统信号复原方法和基于神经网络等机器学习的复原方法,对同井不同测井曲线间关联信息的表示和利用不充分,跨井模型适应能力差。针对这些问题,该文提出一种基于长短时记忆(LSTM)网络多尺度共生关系挖掘的测井曲线复原方法:在基于神经网络测井曲线复原方法的基础上,通过引入多尺度灰度共生短阵(GLCM)关系完成对不同测井曲线间横向关联信息的表征以实现测井曲线集纵横向语义信息的全面利用,进而实现缺失测井曲线的复原。实验结果表明,与BP神经网络、随机森林(RF)、GBDT、深度森林(DF)和LSTM网络方法相比,该文所提方法具有更好的信号复原精度,且所构建模型具有一定的井间适应能力。