一种基于深度学习的阵列感应测井反演方法

一种基于深度学习的阵列感应测井反演方法，首先，建立不同地层厚度、地层层数、电阻率大小、侵入带条数、侵入带宽度、井眼半径、井眼方位角和井斜角的地层模型；其次，模拟电磁波在地层中的传播过程，获取不同地质情况下的阵列感应测井仪器所有阵列的原始电压响应曲线，建立样本数据库，对数据进行预处理；然后，构建深度学习网络，对样本数据进行训练，通过不断调整训练参数来优化深度学习网络，获得适用于阵列感应测井数据的反演模型；接着，利用训练好的网络对新的测井数据进行特征提取，并将特征提取后的数据映射到地层参数，输出反演结果；最后，基于反演结果绘制电阻率剖面图；在保证模拟阵列感应测井响应准确度的前提下，极大的提升了阵列感应测井反演的速度；该方法可应用于实际测井资料的处理中，具有快速高效，准确性高，实用性强的优点。