基于测井数据的井相似性学习
机器学习
2022-02-14 v1
摘要
地质对象研究的最初步骤之一是井间对比。它提供所研究对象的结构信息，因为它构成了构建地质模型和评估碳氢化合物储量的框架。如今，详细的井间对比依赖于测井数据的手动分析。因此，它耗时且具有主观性。井间对比的本质在于评估地质剖面之间的相似性。过去已有许多尝试通过基于规则的方法、经典机器学习方法和深度学习方法来实现井间对比的自动化。然而，大多数方法用途有限且带有专家固有的主观性。我们提出了一种基于深度学习模型解决地质剖面相似性估计的新框架。我们的相似性模型以测井数据作为输入，输出井的相似性。所开发的框架能够 (1) 提取井内地质剖面的模式和本质特征，以及 (2) 遵循无监督范式进行模型训练，无需对测井数据进行手动分析与解释。对于模型测试，我们使用了源自新西兰和挪威的两个开放数据集。我们基于数据的相似性模型表现出高性能：我们的模型准确率为 ，而基于流行梯度提升方法的基线为 。借助它们，油气从业者可改善井间对比质量并缩短作业时间。
引用
@article{arxiv.2202.05583,
title = {Similarity learning for wells based on logging data},
author = {Evgenia Romanenkova and Alina Rogulina and Anuar Shakirov and Nikolay Stulov and Alexey Zaytsev and Leyla Ismailova and Dmitry Kovalev and Klemens Katterbauer and Abdallah AlShehri},
journal= {arXiv preprint arXiv:2202.05583},
year = {2022}
}