摘要
本申请属于地球物理勘探领域,具体公开了一种测井曲线自动分层预测模型的构建方法及分层方法。其中,模型的构建方法包括:获取并对测井曲线数据进行预处理;提取预处理后的测井曲线数据的附加特征,附加特征用于反映测井曲线在不同尺度上的变化趋势和波动程度,包括平均值、变异系数、趋势角以及多尺度小波波动特征;将预处理后的测井曲线数据和附加特征进行拼接,构建数据集,然后将数据集通过点级二分类标签标注地层边界点,并将数据集划分为训练集和测试集;构建多尺度特征融合的深度学习网络模型,通过数据集对深度学习网络模型进行多轮训练和验证,获得分层预测模型。本申请能实现对地层边界的精确预测。
技术关键词
测井曲线数据
自动分层
深度学习网络模型
波动特征
多尺度特征融合
多头注意力机制
分层方法
声波时差曲线
交叉注意力机制
多尺度特征提取
全局特征提取
地球物理勘探
全局平均池化
通道
依赖特征
系统为您推荐了相关专利信息
图像生成模型
多尺度特征融合
融合特征
邻居
全局平均池化
路面裂缝提取
语义分割网络
运动恢复结构
点云模型
立体视觉
优化测试方法
动态性能参数
功能模块
输入测试条件
芯片
无线充电设备
路径特征
故障检测方法
时间序列模式
动态时间规整算法