买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国石油天然气集团有限公司;中国石油集团测井有限公司

摘要：本发明公开了一种基于卷积神经网络学习的测井岩性识别方法，1.将对钻井取芯采集的数据曲线作为输入特征；将钻井岩性结果作为输入特征标签，清洗样本数据建立学习数据样本；2.将三孔隙度、三电阻率和三岩性曲线按顺序依次排列，将钻井岩性分为四类，再将学习数据样本分为训练集和测试集；3.采用一次卷积和一次池化提取特征参数，链接一个Softmax回归层，建立卷积神经网络模型；4.训练卷积神经网络模型，用测试集测试其准确率，如果满足要求的准确率，则卷积神经网络模型能够投入实用，如果不满足要求的准确率，则增加训练量；5.使用训练完成的卷积神经网络模型，对新井的岩性进行识别。能够更准确的识别岩层信息，收敛速度快。

主权项：1.一种基于卷积神经网络学习的测井岩性识别方法，其特征在于，包括以下步骤；步骤一，将对钻井取芯采集的数据曲线作为输入特征，数据曲线包括自然电位、自然伽马、井径、深感应、中感应、八侧向、声波时差、补偿中子和体积密度；将钻井岩性结果作为输入特征标签，清洗样本数据建立学习数据样本；步骤二，将三孔隙度、三电阻率和三岩性曲线按顺序依次排列，将钻井岩性分为四类，再将学习数据样本分为训练集和测试集；步骤三，采用一次卷积和一次池化提取特征参数，链接一个Softmax回归层，建立卷积神经网络模型；样本卷积矩阵为3×3矩阵，四类钻井岩性的卷积核采用2×2矩阵；输出层为四维概率矩阵，细砂岩为[1,0,0,0],泥质粉砂岩为[0,1,0,0],粉砂质泥岩为[0,0,1,0],泥岩为[0,0,0,1]；激活函数采用Sigmoid，梯度下降采用自适应梯度下降法，损失函数采用平方差函数，正则化采用L2正则化；步骤四，训练卷积神经网络模型，用测试集测试其准确率，如果满足要求的准确率，则卷积神经网络模型能够投入实用，如果不满足要求的准确率，则增加训练量；训练时，单批次的训练样本量Bachsize为128，训练轮次Epoch为40000；步骤五，使用训练完成的卷积神经网络模型，对新井的岩性进行识别。

全文数据：

权利要求：

百度查询： 中国石油天然气集团有限公司 中国石油集团测井有限公司 一种基于卷积神经网络学习的测井岩性识别方法