基于PSO-BiLSTM的储层岩石脆性指数预测

脆性指数被认为是一个重要的岩石参数，诸多学者提出了脆性指数的不同计算方法，但是测量方法较为复杂或者成本较高.为了解决上述问题，采用深度学习的方法预测脆性指数，其可以有效融合多元数据，充分利用数据去挖掘自变量与因变量之间的关系.因此，基于常规测井曲线资料，建立了基于粒子群算法（PSO）优化的双向长短期记忆（BiLSTM）模型.实验结果表明，PSO-BiLSTM的MAE=0.050 1,RMSE=0.054 8，该模型比其他传统方法更精确，更具有实用性和适用性.