《表5 本文方法与解析法的解释参数对比》
图5—图10给出了本文方法与解析法的计算结果对比,表5给出了相应的解释参数。由图5a和图6a可知,对于无噪音或有轻微噪音的实测数据,本文方法能正确解释出地层参数,这从实测曲线与计算曲线几乎重合可以看出。随着噪音的增加,解释结果仍然很好,如图7a和图8a所示。甚至当实测数据有杂乱噪音时,训练好的卷积神经网络仍然能近乎完美解释出地层与井筒参数,如图9a所示。即使当实测数据在局部上下振荡时,图10a表明解释结果仍然很好。这证明了本文方法的有效性和鲁棒性。即使训练样本中存在部分“坏样本”,训练后的卷积神经网络仍能正确解释实测关井压力数据。这说明,少量的“坏样本”不会影响卷积神经网络的性能,只是不能正确解释出“坏样本”所对应的参数。若剔除“坏样本”,可以预见训练后的卷积神经网络将有更优异的表现。如何剔除“坏样本”将是今后的研究内容之一。
图表编号 | XD00170398800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.23 |
作者 | 李道伦、刘旭亮、查文舒、杨景海、卢德唐 |
绘制单位 | 合肥工业大学、合肥工业大学、合肥工业大学、大庆油田测井技术服务分公司、中国科学技术大学 |
更多格式 | 高清、无水印(增值服务) |