基于长短期记忆网络的钻前测井曲线预测方法

犕犲狋犺狅犱狅犳狑犲犾犾犾狅犵犵犻狀犵狆狉犲犱犻犮狋犻狅狀狆狉犻狅狉狋狅狑犲犾犾犱狉犻犾犾犻狀犵犫犪狊犲犱狅狀 犾狅狀犵狊犺狅狉狋狋犲狉犿 犿犲犿狅狉狔狉犲犮狌狉狉犲狀狋狀犲狌狉犪犾狀犲狋狑狅狉犽
ＷＡＮＧＪｕｎ，ＣＡＯＪｕｎｘｉｎｇ，ＬＩＵ Ｚｈｅｇｅ，ＺＨＯＵ Ｘｉｎ，ＬＥＩＸｕｅ
犛狋犪狋犲犓犲狔犔犪犫狅狉犪狋狅狉狔狅犳犗犻犾牔 犌犪狊犚犲狊犲狉狏狅犻狉犌犲狅犾狅犵狔犪狀犱犈狓狆犾狅犻狋犪狋犻狅狀， 犆犺犲狀犵犺犲狀犵犱狌６１００５９，犆犺犻狀犪
［文 章 编 号 ］１６７１９７２７（２０２０）０２０２２７１０
基于长短期记忆网络的钻前测井曲线预测方法
王 俊，曹俊兴，刘哲哿，周 欣，雷 学
（油气藏地质及开发工程国家重点实验室（成都理工大学），成都 ６１００５９）
［摘要］基于深度学习的最新成果，提出了一种基于长短期记忆（ｌｏｎｇｓｈｏｒｔｔｅｒｍ ｍｅｍｏｒｙ）循环 神经网络的钻前测井曲线预测方法，使用该方法 能 从 已 钻 地 层 段 及 邻 域 内 获 得 的 测 井 数 据 预
井 曲 线 的 变 化 趋 势 ，是 一 种 有 效 且 预 测 精 度 较 高 的 钻 前 测 井 曲 线 预 测 方 法 。
［关 键 词 ］机 器 学 习 ；循 环 神 经 网 络 ；长 短 期 记 忆 神 经 网 络 ；钻 前 测 井 曲 线 预 测
［分 类 号 ］ＴＰ１８３；Ｐ６３１．８１
［文 献 标 志 码 ］Ａ
ｄｒｉｌｌｉｎｇｌｏｇｐｒｅｄｉｃｔｉｏｎ
［收 稿 日 期 ］２０１９０７１８。 ［基 金 项 目 ］国 家 自 然 科 学 基 金 重 点 项 目 （４１４３０３２３）；国 家 重 点 研 发 计 划 项 目 （２０１６ＹＦＣ０６０１１００）。 ［第 一 作 者 ］王 俊 （１９９２－ ），男 ，硕 士 研 究 生 ，研 究 方 向 ：机 器 学 习 、储 层 预 测 ，Ｅｍａｉｌ：１１４８４８１９０３＠ｑｑ．ｃｏｍ。
第 ４７ 卷 第 ２ 期 ２０２０ 年 ４ 月
成都理工大学学报（自然科学版）
ＪＯＵＲＮＡＬ ＯＦＣＨＥＮＧＤＵ ＵＮＩＶＥＲＳＩＴＹ ＯＦＴＥＣＨＮＯＬＯＧＹ （Ｓｃｉｅｎｃｅ ＆ ＴｅｃｈｎｏｌｏｇｙＥｄｉｔｉｏｎ）
Ｖｏｌ．４７ Ｎｏ．２ Ａｐｒ．２０２０
ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１６７１９７２７．２０２０．０２．１１
犃犫狊狋狉犪犮狋：Ａｃｃｏｒｄｉｎｇｔｏｔｈｅｌａｔｅｓｔａｃｈｉｅｖｅｍｅｎｔｏｆｄｅｅｐｌｅａｒｎｉｎｇ，ａｐｒｅｄｒｉｌｌｉｎｇｌｏｇｇｉｎｇｄａｔａｐｒｅｄｉｃｔｉｏｎ ｍｅｔｈｏｄｂａｓｅｄｏｎｌｏｎｇｓｈｏｒｔｔｅｒｍ ｍｅｍｏｒｙ （ＬＳＴＭ）ｒｅｃｕｒｒｅｎｔｎｅｕｒａｌｎｅｔｗｏｒｋｉｓｐｒｏｐｏｓｅｄｔｈｒｏｕｇｈｔｈｅ ａｃｃｕｒａｔｅｉｍｐｒｏｖｅｍｅｎｔｏｆｔｈｅｐｒｅｄｒｉｌｌｉｎｇｓｔｒａｔｕｍｓｔｒｕｃｔｕｒｅａｎｄｐｒｅｓｓｕｒｅｐｒｅｄｉｃｔｉｏｎ，ｉｎｏｒｄｅｒｔｏｓｏｌｖｅ ｔｈｅｈｙｓｔｅｒｅｓｉｓｐｒｏｂｌｅｍ ｔｈａｔｔｈｅｌｏｇｇｉｎｇｄａｔａｃａｎｏｎｌｙｂｅｏｂｔａｉｎｅｄａｆｔｅｒｄｒｉｌｌｉｎｇｉｎｔｈｅｏｉｌａｎｄｇａｓ ｄｒｉｌｌｉｎｇｐｒｏｃｅｓｓ．Ｔｈｉｓｍｅｔｈｏｄｃａｎｂｅｕｓｅｄｔｏｐｒｅｄｉｃｔｔｈｅｐｒｅｄｒｉｌｌｉｎｇｌｏｇｇｉｎｇｄａｔａｆｒｏｍｔｈｅｌｏｇｇｉｎｇｄａｔａ ｏｂｔａｉｎｅｄｉｎｔｈｅｄｒｉｌｌｅｄｓｔｒａｔａａｎｄａｄｊａｃｅｎｔａｒｅａｓ，ａｎｄｔｈｅｎｔｏｐｒｅｄｉｃｔｔｈｅｐｒｅｄｒｉｌｌｉｎｇｒｏｃｋｉｎｆｏｒｍａｔｉｏｎ． Ｃｏｍｐａｒｅｄ ｗｉｔｈ ｔｈｅ ｐｒｅｄｉｃｔｉｏｎ ｒｅｓｕｌｔｓ ｏｆ ｔｈｅ ｇｅｎｅｒａｌ ｒｅｃｕｒｒｅｎｔ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ，ｔｈｅ ｐｒｏｐｏｓｅｄ ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓａｒｅｓｈｏｗｅｄｔｈａｔｔｈｅｌｏｎｇｓｈｏｒｔｔｉｍｅｍｅｍｏｒｙｎｅｔｗｏｒｋｈａｓａｇｏｏｄｐｒｅｄｉｃｔｉｏｎｅｆｆｅｃｔ ａｎｄｃａｎａｃｃｕｒａｔｅｌｙｐｒｅｄｉｃｔｔｈｅｃｈａｎｇｅｔｒｅｎｄｏｆｔｈｅｐｒｅｄｒｉｌｌｉｎｇｌｏｇｇｉｎｇｄａｔａ．Ｔｈｅｒｅｆｏｒｅ，ｔｈｅｎｅｗ ｐｒｅ ｄｒｉｌｌｉｎｇｌｏｇｇｉｎｇｄａｔａｐｒｅｄｉｃｔｉｏｎ ｍｅｔｈｏｄｂａｓｅｄｏｎｌｏｎｇｓｈｏｒｔｔｅｒｍ ｍｅｍｏｒｙ （ＬＳＴＭ）ｒｅｃｕｒｒｅｎｔｎｅｕｒａｌ ｎｅｔｗｏｒｋｉｓａｎｅｆｆｅｃｔｉｖｅａｎｄａｃｃｕｒａｔｅｍｅｔｈｏｄｉｎｔｈｅｐｒｅｄｒｉｌｌｉｎｇｗｅｌｌｌｏｇｇｉｎｇｐｒｅｄｉｃｔｉｏｎ． 犓犲狔狑狅狉犱狊：ｍａｃｈｉｎｅｌｅａｒｎｉｎｇ；ｒｅｃｕｒｒｅｎｔｎｅｕｒａｌｎｅｔｗｏｒｋ；ｌｏｎｇｓｈｏｒｔｔｅｒｍ ｍｅｍｏｒｙｎｅｕｒａｌｎｅｔｗｏｒｋ；ｐｒｅ
· ２２８ ·
成 都 理 工 大 学 学 报 （自 然 科 学 版 ） 第 ４７ 卷
测井是高精 度 的 井 中 地 球 物 理 探 测 方 法，通 过对测井资料的 分 析 解 释，能 获 得 地 层 岩 性 及 储 层孔 隙 度、渗 透 率、饱 和 度 等 参 数；测 井 只 能 在 井 中 获 得 ，也 就 是 在 钻 后 获 得 。 钻 探 过 程 中 ，钻 前 地 层 及 压 力 （即 钻 头 下 方 地 层 ）的 可 靠 预 测 具 有 重 要 意义。钻前预测 一 般 是 通 过 对 钻 井 岩 心、岩 屑 及 地震资料的分析获得。如能获得钻头下方一定深 度范围内的测井 曲 线，无 疑 会 大 幅 度 提 高 钻 前 预 测的可靠性，有助 于 钻 井 工 艺 控 制 调 整 甚 至 完 井 策略的完善。钻前测井曲线预测首先需要解决合 理性，其次是 预 测 的 方 法 技 术。从 已 知 推 断 未 知 是地质学的基本 研 究 方 法，地 层 发 育 有 一 定 的 规 律 性 ，因 此 ，从 已 钻 地 层 段 及 邻 域 内 获 得 的 测 井 数 据 推 断 待 钻 地 层 段 的 测 井 响 应 ，需 要 有 地 质 、物 理 基础。钻前测井曲线预测方法技术和缺失测井曲 线的补全与人工合成有一定的类似性。很多研究 者尝试使用传统的全连接神经网络方法预测测井 曲线［１－５］，这些 方 法 能 够 较 好 地 学 习 到 测 井 曲 线 之间非线性关系。但由于地层的沉积作用是时序 渐变的，而测井曲 线 是 对 不 同 地 层 沉 积 特 征 的 不 同响 应，整 体 具 有 一 定 的 时 序 性 特 征；因 此，基 于 统计分析和全连接神经网络的方法与地质学思想 和实际地质分析经验相违背。特别是在成藏模式 多样、构 造 复 杂、储 集 层 差 异 大、各 向 异 性 强 且 具 有显著三弱特性 （弱 非 均 质、弱 地 震 响 应、弱 孔 隙 流 体 信 息 ）的 碳 酸 盐 岩 储 层 。
测钻前的测井曲线，进而获得钻前的地层岩石信息，解决油气钻探过程中测井曲线只能在钻 后
获得的滞后性，以提高钻前地层构造及压力预 测 的 准 确 性。将 其 与 普 通 循 环 神 经 网 络 的 预 测
结果进行对比分析，结果表明，长短时记忆网络 建 模 预 测 效 果 良 好，能 比 较 准 确 地 预 测 钻 前 测