[发明专利]一种基于深度学习的多尺度测井曲线自动识别方法有效
| 申请号： | 201910780699.0 | 申请日： | 2019-08-22 |
| 公开（公告）号： | CN110619353B | 公开（公告）日： | 2022-03-29 |
| 发明（设计）人： | 李国军;胡家琦;周军;姬庆庆;陈小磊;朱登明;段先斐;王兆其 | 申请（专利权）人： | 中国石油天然气集团有限公司;中国石油集团测井有限公司;中国科学院计算技术研究所 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08;G06Q50/02 |
| 代理公司： | 西安通大专利代理有限责任公司 61200 | 代理人： | 房鑫 |
| 地址： | 100007 北京市*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的多尺度测井曲线自动识别方法，包括以下步骤：1.建立循环神经网络模型；将测井数据曲线，输入循环神经网络开展训练，将数据分为储层和非储层两类；2.将非储层数据剔除，仅保留储层数据；3.将储层数据训练，输出一组为水层和含油水层，另一组为干层、油水同层和油层；4.将水层和含油水层训练，分为两组输出，水层和含油水层；5.将干层、油水同层和油层训练，输出为干层，油水同层和油层；6.将油水同层和油层训练，输出一组为油水同层，另一组为油层。能够实现多尺度分层识别，从而取得更好的油水层识别效果。 | ||
| 搜索关键词： | 一种 基于 深度 学习 尺度 测井 曲线 自动识别 方法 | ||
【主权项】：
1.一种基于深度学习的多尺度测井曲线自动识别方法，其特征在于，包括以下步骤；/n步骤一，建立循环神经网络模型，该模型包括依次连接的一个输入层、一个隐藏层和一个输出层，该模型的输入层和输出层相互独立，隐藏层的神经元与其相临层所有神经元相互连接，同层神经元之间不连接，其独立神经元的输出公式为：/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国石油天然气集团有限公司;中国石油集团测井有限公司;中国科学院计算技术研究所，未经中国石油天然气集团有限公司;中国石油集团测井有限公司;中国科学院计算技术研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910780699.0/，转载请声明来源钻瓜专利网。
