本发明提出一种动态融合时序与非时序特征的测井曲线生成方法,主要涉及地质资源勘探,深度学习,数据挖掘领域。主要步骤包含:利用LSTM(长短期记忆网络)、GRU(门控循序单元)模型分别提取测井曲线时序特征;利用CNN(卷积神经网络)、DNN(全连接神经网络)、XGBoost、SVR分别提取测井曲线的非时序特征;借助强化学习对模型进行动态融合,从而充分考虑测井曲线的时序特征与非时序特征;通过单一井内数据训练模型,借助井内完整测井曲线将该井其他残缺曲线进行补全;完全根据具有多条完整测井曲线的临井数据训练模型,借助实验井现存的完整曲线来生成缺少的测井曲线。本发明动态融合了测井曲线的时序与分时序特征,能更准确地对失真或缺失的测井曲线进行补全与生成。
声明:
“动态融合时序与非时序特征的测井曲线生成方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)