基于注意力机制的多尺度双向网络的岩性识别方法  

作　　者：李陈柯 邵小青 章蓬伟 张程[2] 赵怡文 

机构地区：[1]新疆科技学院信息科学与工程学院,新疆库尔勒841000 [2]中国石油塔里木油田公司,新疆库尔勒841000

出　　处：《科技视界》2024年第26期73-76,共4页Science & Technology Vision

基　　金：新疆科技学院校级科研基金项目(2024-KYPT31);2024年省级大学生创新训练项目(S202413561029);新疆科技学院科研基金骨干人才研修计划(2024-GGYX02)。

摘　　要：岩性识别在地层评价和储层表征中具有至关重要的作用,是评估油气资源潜在价值的关键基础。然而,由于测井数据中广泛存在非线性关系的复杂性以及类别不平衡现象,传统模型的识别准确率常常受到限制。为了解决这一问题,文章设计了一种基于注意力机制的多尺度卷积与双向门控循环网络模型。该模型通过基于空间和通道双重注意力机制的多尺度卷积来提取不同空间维度的岩性特征,增强了模型对测井数据中局部空间特征的识别能力。同时,引入了多头注意力机制的双向门控循环网络(BiGRU),增强了对测井序列数据中长期依赖关系的捕获能力。

关 键 词：岩性识别 深度学习 注意力机制 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]