融合IndRNN和PSO的随钻测井数据反演方法.pdfVIP

计算机系统应用

ISSN

1003-3254,

CODEN

CSAOBNE-mail:

csa@

Computer

Systems

Applications,2024,33(2):33−42

[doi:

10.15888/ki.csa.009391]

©中国科学院软件研究所版权所有.Tel:

+86-10

融合IndRNN和PSO的随钻测井数据反演方法①

1121

付俊芃,

孙歧峰,

陈沛沛,

王亚宁

1(中国石油大学(华东)

青岛软件学院、计算机科学与技术学院,

青岛

266400)

2(山东石油化工学院

石油工程学院,

东营

257061)

通信作者:

付俊芃,

E-mail:

摘要:

针对传统的反演方法过于其依赖初始模型,

导致结果不稳定与计算效率低的问题,

提出一种融合独立循环

神经网络和粒子群优化算法的随钻测井实时反演方法.

首先,

通过地层模型正演模拟产生的序列数据,

建立独立循

环神经网络模型,

并引入注意力机制强调关键特征在随钻测井反演中的作用;

其次,

在粒子群优化算法中引入随机

惯性权重提高粒子群算法的全局和局部搜索能力,

利用粒子群优化算法对神经网络模型进行超参数优化;

最后,

在

正演模拟测试集与某油田1

931–2

132

m段的测井数据测试集上分别进行消融实验与对比实验,

结果证明,

粒子群

算法与注意力机制可以有效提高预测精度,

且该方法在各个方面的反演性能均优于长短期记忆神经网络、双向长

短期记忆神经网络以及门控循环单元网络模型,

满足随钻测井数据实时反演的需要.

关键词:

独立循环神经网络;

注意力机制;

粒子群算法;

随钻测井;

实时反演

引用格式:

付俊芃,孙歧峰,陈沛沛,王亚宁.融合IndRNN和PSO的随钻测井数据反演方法.计算机系统应用,2024,33(2):33–42.

http://www.c-s-

/1003-3254/9391.html

InversionMethodofWhileDrillingLoggingDataIntegratingIndRNNandPSO

1121

FU

Jun-Peng,

SUN

Qi-Feng,

CHEN

Pei-Pei,

WANG

Ya-Ning

1(Qingdao

Institute

of

Software

College

of

Computer

Science

and

Technology,

China

University

of

Petroleum,

Qingdao

266400,

China)

2(Petroleum

Engineering

College,

Shandong

Institute

of

Petroleum

and

Chemical

Technology,

Dongying

257061,

China)

Abstract:

Aiming

at

the

problem

that

traditional

inversion

methods

excessively

rely

on

the

initial

model,

resulting

in

unstable

results

and

low

computational

efficiency,

a

real-time

inversion

method

for

logging

while

drilling

(LWD)

is

proposed

by

integrating

independent

recurrent

neural

network

and