期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于小波变换与CMT架构融合的地层智能划分与对比研究
1
作者 张刚 王俊辉 +3 位作者 惠鑫 安山 彭强强 万磊 《测井技术》 2025年第6期879-889,共11页
为了解决传统地层对比方法依赖人工识别标志层与沉积旋回、存在工作量大、对比精度不高及结果不确定性强的问题,提升测井曲线自动分层的精度与效率,采用融合小波变换与CMT(CNN Meet Transformer)架构的地层自动划分与对比方法,以富县大... 为了解决传统地层对比方法依赖人工识别标志层与沉积旋回、存在工作量大、对比精度不高及结果不确定性强的问题,提升测井曲线自动分层的精度与效率,采用融合小波变换与CMT(CNN Meet Transformer)架构的地层自动划分与对比方法,以富县大东沟区块长7、长8段为研究对象,对自然伽马测井曲线进行5层小波分解提取近似分量与细节分量,联合自然伽马、声波时差曲线作为多通道输入,通过CNN(Convolutional Neural Network)模型提取局部地层特征、Transformer模块建模全局层序依赖,分特征提取、训练、预测这3个阶段实现自动分层,并设计不同训练数据规模(60%、40%、20%)实验与多模型(SegNet、CNN、Transformer)对比实验。研究结果表明:①60%训练数据时,模型平均准确率达0.8825,预测小层边界与实际边界深度平均绝对误差为2.4324 m;40%训练数据时,平均准确率仍保持0.8550,平均绝对误差为3.1240 m;20%训练数据时,精度显著下降(平均准确率0.8212、平均绝对误差为3.8861 m)。②引入小波变换特征后,CMT模型平均准确率从0.8169提升至0.8508,平均绝对误差从3.9652 m降至3.0127 m。③在40%训练数据条件下,CMT模型平均准确率显著优于SegNet、CNN及Transformer,尤其在薄层识别与样本不均衡场景下表现更优。④40%训练数据量已能满足工程应用可行性,可减少人力及物力消耗。结论认为,融合小波变换的CMT架构有效克服了传统分层方法主观性强、效率低的局限,小波变换提升了模型对地质旋回与层序界面的识别能力,CMT架构充分结合CNN模型局部特征提取与Transformer模块全局建模优势,为地层对比与储层建模提供了智能化、精细化技术路径。 展开更多
关键词 cmt(cnn Meet Transformer) 地层智能划分 地层对比 测井曲线 小波变换 自动分层 自然伽马 沉积旋回
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部