在鉆井和測(cè)井過(guò)程中,測(cè)井曲線深度對(duì)齊是進(jìn)行巖石物理分析的關(guān)鍵預(yù)處理步驟,如果深度不對(duì)齊就會(huì)導(dǎo)致測(cè)井解釋結(jié)果不精確甚至出現(xiàn)錯(cuò)誤。為了改進(jìn)深度對(duì)齊的方法,挪威科技大學(xué)(Norwegian University of Science and Technology)的Cacers等人應(yīng)用深度學(xué)習(xí)技術(shù)提出了一種簡(jiǎn)單實(shí)用的一維卷積神經(jīng)網(wǎng)絡(luò)法。該方法使用不同的測(cè)井曲線測(cè)量值(伽馬、電阻率、密度、中子等)訓(xùn)練了7種卷積神經(jīng)網(wǎng)絡(luò)模型,用于判斷對(duì)應(yīng)的原始隨鉆測(cè)井曲線與電纜測(cè)井曲線深度是否匹配。

深度學(xué)習(xí)技術(shù)避免了人工特征提取,因此,基于此技術(shù)的一維卷積神經(jīng)網(wǎng)絡(luò)法不需要高級(jí)巖石物理知識(shí)。采用的測(cè)井?dāng)?shù)據(jù)來(lái)自挪威北海Ivar Aasen油田6口井的測(cè)量結(jié)果。Cacers等人通過(guò)可視化檢查和量化指標(biāo)來(lái)評(píng)估一維卷積神經(jīng)網(wǎng)絡(luò)法的效果,同時(shí)也對(duì)一維卷積神經(jīng)網(wǎng)絡(luò)法深度偏移和傳統(tǒng)互相關(guān)法深度偏移進(jìn)行了比較。結(jié)果證明,一維卷積神經(jīng)網(wǎng)絡(luò)法效果更好,經(jīng)過(guò)一維卷積神經(jīng)網(wǎng)絡(luò)法計(jì)算得到的平均皮爾森相關(guān)性和傳統(tǒng)互相關(guān)深度匹配處理的誤差為10-1～10-2。因此,一維卷積神經(jīng)網(wǎng)絡(luò)法能夠替代傳統(tǒng)互相關(guān)法深度匹配算法,可減少巖石物理學(xué)家的人工干預(yù)量。

(信息來(lái)源:CACERES V A T, DUFFAUT K, YAZIDI A, et al. Automated well-log depth matching: 1D convolutional neural networks vs. classic cross correlation [J]. Petrophysics,2022, 63(1):12-34. 張煒 編譯 林麗麗 審校)