摘要
本发明公开了一种地层电阻率预测模型训练方法及地层电阻率预测方法,应用于石油与天然气勘探领域,通过获取多个油井的常规测井曲线及套后电磁测井曲线,提取常规测井曲线及套后电磁特征曲线在各测量深度下的多维特征数据;对多维特征数据进行归一化、特征降维及数据清洗得到目标特征;基于真实值及物理约束公式构建目标特征的标签进行模型的训练。本发明通过引入知识嵌入方法,将传统的经验公式作为神经网络模型在单井电阻率测井预测中的损失函数一部分,从而实现模型的抗噪音能力、先验知识利用,最终提高模型的多参数耦合能力与可解释性。
技术关键词
地层电阻率
预测模型训练方法
多维特征数据
时序神经网络
电磁测井
训练样本集
标签
物理
计算机可执行指令
感应测井曲线
声波测井曲线
电阻率测井
LSTM模型
可读存储介质
嵌入方法
神经网络模型