基于改进深度学习的时间序列煤储层渗透率预测方法

本发明公开了基于改进深度学习的时间序列煤储层渗透率预测方法，属于煤层气勘探开发与深度学习技术领域。该方法通过对测井数据进行标准化预处理，利用滑动窗口构建时间序列样本，引入分层抽样优化K折交叉验证，并采用AdamW优化器训练双层 LSTM 网络，有效解决了传统预测方法精度低、泛化能力差的问题。实验结果表明，该方法能准确捕捉测井数据的时序特征，通过分层抽样确保数据均衡性，结合权重衰减抑制过拟合，预测结果具有高稳定性和可靠性。