基于双向门控循环单元神经网络的声波测井曲线重构技术

声波测井作为测井与地震资料之间的关键桥梁,对储层岩性、物性分析及定量化评价具有十分重要的意义,完整的声波测井资料有助于获得高分辨率反演剖面,可为储层地质解释提供可靠的依据.然而实际开采过程中很多地区由于仪器故障、井眼垮塌等原因造成声波测井曲线缺失,重新测井不仅价格昂贵而且难以实现.本文拟发展一种基于双向门控循环单元(BGRU)神经网络的声波测井曲线重构技术,对缺失的声波测井曲线进行高效、智能补全.该方法充分考虑了测井序列当前数据与历史和未来数据之间的关联性及测井数据之间的非线性映射关系.将该方法应用于真实测井实验,并将其重构结果与多元回归分析(MLR)和门控循环单元(GRU)神经网络预测结果对比分析,结果表明BGRU神经网络取得了优异的声波测井曲线重构效果,为声波测井曲线预测提供了 一条新思路.