基于IWOA-BiLSTM的测井数据储层预测方法

摘要

测井数据资料在油气资源的勘探中扮演着重要角色，其中包含的大量地质和储层信息是进行储层预测的关键。近年来，优化算法和神经网络在大数据挖掘与预测研究中脱颖而出，因此笔者创新性地将改进鲸鱼优化算法（IWOA）和双向长短时记忆神经网络（BiLSTM）结合起来，构建了IWOA-BiLSTM算法，并引入测井数据用于储层预测，选取了声波时差、密度、自然伽马和电阻率四条测井曲线，并以优化后的模型训练结果与未经优化的BiLSTM模型训练结果进行了对比。随后，将算法用于实际的测井数据储层预测，该混合算法在预测过程中表现出色，以接近90%的预测准确率完成了储层预测任务。综合分析预测结果，系统地归纳了IWOA-BiLSTM算法的优势，为油气资源的勘探与开发引入一种新的方法。

关键词

测井数据 / 改进鲸鱼优化算法 / 双向长短时记忆神经网络 / 储层预测