基于测井数据的自监督相似性模型
机器学习
2022-09-27 v1
摘要
采用基于数据的方法可在众多油气测井数据处理问题中带来模型改进。深度学习的引入进一步增强了这些改进。然而，深度学习的使用仅限于研究者拥有大量高质量数据的领域。我们提出了一种方法，可提供通用的数据表示，适用于不同油田在不同问题上以少量额外数据求解。我们的方法依赖于针对井中区间的序列测井数据的自监督方法，因此也从一开始不需要标注数据。为验证所得表示的性能，我们考虑了分类与聚类问题。我们也考虑了迁移学习场景。我们发现使用变分自编码器可得到最可靠且准确的模型。我们还发现，研究者仅需为目标油田准备极小的独立数据集，即可在通用表示之上解决特定问题。
引用
@article{arxiv.2209.12444,
title = {Self-supervised similarity models based on well-logging data},
author = {Sergey Egorov and Narek Gevorgyan and Alexey Zaytsev},
journal= {arXiv preprint arXiv:2209.12444},
year = {2022}
}