在鉆井和測井過程中,測井曲線深度對齊是進行巖石物理分析的關(guān)鍵預(yù)處理步驟,如果深度不對齊就會導(dǎo)致測井解釋結(jié)果不精確甚至出現(xiàn)錯誤。為了改進深度對齊的方法,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)提出了一種簡單實用的一維卷積神經(jīng)網(wǎng)絡(luò)法。該方法使用不同的測井曲線測量值(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,用于判斷對應(yīng)的原始隨鉆測井曲線與電纜測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)法不需要高級巖石物理知識。采用的測井?dāng)?shù)據(jù)來自挪威北海Ivar Aasen油田6口井的測量結(jié)果。Cacers等人通過可視化檢查和量化指標(biāo)來評估一維卷積神經(jīng)網(wǎng)絡(luò)法的效果,同時也對一維卷積神經(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)過一維卷積神經(jīng)網(wǎng)絡(luò)法計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)