一种用于反演钻孔电阻率测量的深度学习方法
机器学习
2019-01-10 v2
摘要
我们利用钻孔电阻率测量来绘制地下电性分布并提高储层产能。当用于地质导向时，实时反演这些测量数据变得至关重要。在本工作中，我们探索使用深度神经网络（DNN）对钻孔电阻率测量进行快速反演的可能性。在此，我们构建了一个 DNN 来近似如下反问题：给定一组钻孔电阻率测量值，该 DNN 旨在给出具有物理意义且与数据一致的、关于周围地下的分段一维层状模型。一旦构建好 DNN，我们便可对现场测量数据进行实时反演。我们通过合成数据展示了 DNN 对在高角度井中获得的随钻测井测量的性能。
引用
@article{arxiv.1810.04522,
title = {A Deep Learning Approach to the Inversion of Borehole Resistivity Measurements},
author = {M. Shahriari and D. Pardo and A. Picón and A. Galdrán and J. Del Ser and C. Torres-Verdín},
journal= {arXiv preprint arXiv:1810.04522},
year = {2019}
}