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：
基于深度学习的复杂储层流体性质测井识别——以车排子油田某井区为例 被引量：14
1
作者 蓝茜茜 张逸伦 康志宏 《科学技术与工程》 北大核心 2020年第29期11923-11930,共8页
测井资料人工解释是目前主流的储层流体性质识别手段,但其应用于复杂储层时存在识别率低、非智能化的缺陷;而近年来发展起来的深度学习方法可以从海量数据中自动提取数据特征,非线性预测能力强。基于目标区块已有大量测井资料和试油结... 测井资料人工解释是目前主流的储层流体性质识别手段,但其应用于复杂储层时存在识别率低、非智能化的缺陷;而近年来发展起来的深度学习方法可以从海量数据中自动提取数据特征,非线性预测能力强。基于目标区块已有大量测井资料和试油结果数据,在应用常规深度神经网络的基础上,提出一种采用混合采样技术、ReLU-Softmax激活函数和Dropout正则化的组合优化新方法。优化后的网络模型对流体识别问题适应性强,且有效避免了样本不均衡、过拟合等问题。将该方法应用于车排子油田低渗油藏某井区,对12口井的水层、干层、油水同层、油层4种流体进行识别,结果显示总体识别准确率达82.7%,单一流体识别率也均较高。且组合优化方法的识别效果明显优于其他方法,尤其使得小样本类——油层和油水同层的识别率得到显著提高。展现了深度学习在复杂储层流体性质识别中良好的应用效果。 展开更多
关键词 流体性质识别 深度学习 混合采样 relu-softmax Dropout正则化 车排子油田
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