Well logs reconstruction of petroleum energy exploration based on bidirectional Long Short-term memory networks with a PSO optimization algorithm
Notice bibliographique
Résumé
During petroleum energy exploration, estimating missing well logs from existing logging data is very meaningful. Due to a highly nonlinear relationship between various logging data and a challenge to express the complexity of underground geological conditions by deterministic functions, traditional methods are difficult to meet the need of accurate interpretations of log data and fine descriptions of reservoirs. Nevertheless, deep learning method provides an advanced means for reconstructing well logs, and can directly map existing logging data to missing well logs. In this paper, we adopt the PSO-BiLSTM network that combines the BiLSTM (Bidirectional Long Short-term Memory) network with the PSO (Particle Swarm Optimization) algorithm. BiLSTM is an excellent data-driven method that can extract bidirectional temporal well logging data. PSO algorithm enhances the performance of BiLSTM model in predicting missing well logs through hyperparameter optimization, global search capability, and adaptive learning. At the same time, RMSE , MAE , and MAPE are used as indicators to evaluate the performance of PSO-BiLSTM model. The results show that when a PSO-BiLSTM model is applied to well logs reconstruction experiments , the reconstructed value of a log curve is in good agreement with its real value. Compared to LSTM and BiLSTM models, a PSO-BiLSTM model provides the best accuracy and stability in predicting missing well logs. The PSO-BiLSTM model strengthens the extraction of relevant logging information and reduces the error of parameter adjustment. It has an important reference significance for the reconstruction of well logs in complex formations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».