| 基于深度学习岩性分类的研究与应用 |
| |
| 引用本文： | 马陇飞,萧汉敏,陶敬伟,张帆,罗永成,张海琴.基于深度学习岩性分类的研究与应用[J].科学技术与工程,2022,22(7):2609-2617. |
| |
| 作者姓名： | 马陇飞 萧汉敏 陶敬伟 张帆 罗永成 张海琴 |
| |
| 作者单位： | 中国科学院大学 工程科学学院;中国科学院渗流流体力学研究所;上海帕科信息科技有限公司;中国石油大学北京非常规油气技术研究院;中国石油勘探开发研究院 |
| |
| 基金项目： | 中国石油基础性、前瞻性项目-致密储层渗流通道表征技术及渗流机理研究研究（2021DJ-2201）资助 |
| |
| 摘 要： | 岩性预测,特别是致密储层的岩性预测,是石油勘探的一项重要基础任务,因为岩性数据对于地层对比、沉积模拟等地质工作的分析是必不可少的.因此,如何获取可靠的岩性信息逐渐成为地球科学研究的热点.面对大部分老油田由于仪器、井历史长等原因使得部分测井数据丢失,特别是岩性数据;新开发生产井,钻井取心需要投入巨大的成本、人力和物力;这...
|
| 关 键 词： | 测井曲线 深度学习 神经网络 岩性识别 |
| 收稿时间： | 2021/6/6 0:00:00 |
| 修稿时间： | 2022/2/25 0:00:00 |
Research and Application of Lithology Classification Based on Deep Learning |
| |
| Ma Longfei,Xiao Hanmin,Tao Jingwei,Zhang Fan,Luo Yongcheng,Zhang Haiqin.Research and Application of Lithology Classification Based on Deep Learning[J].Science Technology and Engineering,2022,22(7):2609-2617. |
| |
| Authors: | Ma Longfei Xiao Hanmin Tao Jingwei Zhang Fan Luo Yongcheng Zhang Haiqin |
| |
| Institution: | College of Engineering Science,University of Chinese Academy of Sciences;Shanghai Pukka Information Tech Ltd,Shanghai,China;Institute of Unconventional Oil and Gas Technology,China University of Petroleum Beijing; Research Institute of Petroleum Exploration and Development |
| |
| Abstract: | |
| |
| Keywords: | Logging curve Deep learning Neural network Lithology identification |
|
| 点击此处可从《科学技术与工程》浏览原始摘要信息 |
| 点击此处可从《科学技术与工程》下载免费的PDF全文 |
|
