一种基于深度学习的随钻测井数据滞后补偿方法

本发明提出了一种基于深度学习的随钻测井数据滞后补偿方法，通过结合钻井工程数据和历史随钻测井数据，提升了对滞后的随钻测井数据的预测精度。该方法利用基于自注意力机制的编码器‑解码器神经网络模型，结合钻井工程特征对滞后的随钻测井数据做出预测，并通过卷积层提升预测精度。结果表明，使用本方法对随钻测井数据中的伽马曲线进行预测，在30米预测范围内的均方根误差低于0.589，平均绝对百分比误差低于1.587。有效解决了随钻测井数据的滞后问题，降低了复杂地层条件下的作业风险，能够帮助实时优化钻井策略，提升钻井过程的安全性和效率。