文献类型：期刊文章

作　　者：周雪晴[1,2] 张占松[1,2] 朱林奇[3,4] 张超谟[1,2]

ZHOU Xueqing;ZHANG Zhansong;ZHU Linqi;ZHANG Chaomo(Key Laboratory of Exploration Technologies for Oil and Gas Resources (Yangtze University), Ministry of Education, Wuhan 430100,China;Hubei Cooperative Innovation Center of Unconventional Oil and Gas (Yangtze University), Wuhan 430100, China;Institute of Deep-sea Science and Engineering, Chinese Academy of Science, Sanya 572000, China;Laboratory for Marine Geology, Qingdao National Laboratory for Marine Science and Technology, Qingdao 266237, China)

机构地区：[1]长江大学油气资源与勘探技术教育部重点实验室,湖北武汉430100 [2]长江大学地球物理与石油资源学院,湖北武汉430100 [3]中国科学院深海科学与工程研究所,海南三亚572000 [4]青岛海洋科学与技术国家实验室海洋地质过程与环境功能实验室,山东青岛266237

出　　处：《中国石油大学学报（自然科学版）》

基　　金：“十三五”国家科技重大专项(2017ZX05032003-005)。

年　　份：2021

卷　　号：45

期　　号：1

起止页码：69-76

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EI、IC、JST、PA、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：碳酸盐岩储层的储集空间类型多样、储层性质复杂,导致流体的测井响应受到强非均质性的影响,给流体识别工作带来极大困难。针对该问题,提出基于测井序列信息的双向长短期记忆网络(Bi-LSTM)流体识别模型,从测井响应特征差异性分析及相似性分析两方面出发,确定敏感曲线,结合Bi-LSTM网络的输入要求,建立流体识别样本库,并获得基于Bi-LSTM的流体识别模型。应用该方法对鄂尔多斯盆地马家沟组进行流体识别,与单向LSTM模型及其他3类机器学习算法预测结果进行对比。结果表明基于Bi-LSTM的流体识别模型流体识别的符合率从82.7%提高到91.5%,取得较好的应用效果;该模型既能充分利用井下对应深度测井曲线的响应值,又能兼顾测井曲线随深度的变化趋势和前后关联,最大程度避免储层纵向非均质性带来的影响,提高流体识别能力。

关 键 词：流体识别 双向长短期记忆网络  碳酸盐岩 测井序列  

分 类 号：P631.8]