重庆理工大学学报(自然科学) ›› 2024, Vol. 38 ›› Issue (8): 158-166.
田 枫,王 鑫,刘 芳,刘宗堡,刘 涛,唐莎莎,刘 悦,张世祺
摘要: 针对目前深度学习模型通常只能提取单一尺度岩相特征,无法获得多尺度信息且没有充分适应测井曲线自身形态特点影响岩相识别的问题,基于深度学习以 Resnet50为基础网络,设计开发多尺度特征提取模块 SMGC(strippoolingandmultiscalegroupconvolution),并加入改进的 ECAs(efficientchannelattentionstrengthen)注意力模块增强对测井曲线条形纹理信息关注度,提出一种 SMGCECAsResnet致密砂岩测井曲线岩相识别方法。以松辽盆地三肇凹陷扶余油层为例,对测井曲线数据预处理构建图像数据集,利用 SMGCECAsResnet网络模型对其进行识别得到分类结果,设置对比试验和鲁棒性实验证明模型有效性。结果表明:所提出的 SMGCECAsResnet网络岩相识别准确率达到 91.9%,为复杂致密砂岩岩相的测井识别提供了新的方法。
中图分类号: