摘要
本申请提供了一种融合小波时频分析与深度学习的油层甜点识别方法、装置及介质,属于油气勘探开发领域;包括以下步骤:采集测井数据,并建立测井曲线随深度变化的测量数据与对应层位的试油试采结果数据集,对原始测井数据进行标准化预处理,绘制不同测井曲线的交会图;利用交会图对测井曲线进行敏感性分析,对敏感测井曲线归一化处理后进行小波分解,确定最优小波函数和最优分解尺度;构建BiLSTM‑FCNN油层甜点识别模型并训练,并采用确定的最优小波函数和最优分解尺度对敏感测井曲线数据进行处理后输入至训练好的模型,输出油层甜点识别结果;本申请解决了原始数据信号中噪声与有效特征分离的问题,提高了模型在复杂地质条件下的泛化能力。
技术关键词
小波时频分析
甜点
识别方法
测井曲线数据
BiLSTM模型
频域特征
试油
油气勘探开发
原状地层
计算机装置
声波时差
序列
测井仪器
时域特征
模块
处理器
系统为您推荐了相关专利信息
训练样本图像
识别方法
支持向量机模型
图像块
标签
识别方法
多模态数据采集
贝叶斯算法
识别算法
模型更新
日志识别方法
日志监控系统
标签
预训练语言模型
局部敏感哈希算法
动态识别方法
深度强化学习模型
意图识别模型
对话机器人
客服