一种基于双向长短期记忆网络和碎片优化的自动测井分层方法

本发明提供一种基于双向长短期记忆网络和碎片优化的自动测井分层方法，属于石油勘探技术与深度学习的交叉领域。首先，获取电测曲线并进行数据预处理，得到训练数据集。其次，对训练数据集中的全部电测数据进行处理，训练BiLSTM模型在连续的电测曲线中预测可能的分层点；最后，对BiLSTM模型的预测结果进行后处理，得到自动测井分层结果。本发明结合分区域优化思想和动态规划思想的分类优化算法，能够提高机器在油井分层任务中的准确性；将BiLSTM模型预测准确率有较大差异的对比标志层和普通小层分开讨论，能够保证油井分层任务分类效果的下限；在后处理操作过程中加入先验层厚知识，能够避免出现层序号混乱和大量虚假薄层等违背地质学常识的结果。