基于深度学习划分阵列感应测井曲线的层界面（英文）

基于电阻率测井曲线的层界面划分对解释模型参数化至关重要,是电阻率测井数据反演解释的重要先验步骤。传统方法主要根据测井曲线的导数或引入其他测井方法作为层位划分的参考。然而由于测量误差或分辨率不匹配等因素可能会导致层界面的误判。针对传统方法的不足,本文提出了一种基于深度学习的阵列感应测井曲线自动分层方法。该方法采用局部连接卷积神经网络,并通过增加训练集样本,优化窗长和阈值等方法提高了网络的泛化能力,进而改善了分层效果。模拟及现场数据都证明了新方法的有效性。