基于BiLSTM的地质片段层位预测方法

摘要

地质分层是指对某一个地区的地层剖面中的岩层进行划分,可用于指导相应的地质找矿工作.传统的地质分层主要依靠专家根据经验进行人工判断,然而由于地质层位类别繁多,需要消耗大量的时间和人力成本.现有的地质层位自动识别方法,由于没能考虑到测井数据的序列关系以及地质层位分布的特点,导致识别效果较差.基于此,本文提出了一种改进的双向长短期记忆神经网络(BiLSTM)的地质片段层位预测方法,可以根据测井数据自动快速地进行地质分层预测.该方法首先对测井数据进行分段处理,然后基于片段式的数据对BiLSTM网络进行相应的修改,其充分利用了地质层位片段式分布的特点,且考虑到了测井数据两个方向上的序列相关性.实验结果表明,本文方法在某油田真实井位数据集上的识别准确率达到了93％,相较于其他网络有着显著的效果提升.