《表1 3种深度学习模型预测结果评价》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于卷积门控循环单元网络的储层参数预测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

从图5可以看出，3种深度学习模型均实现了很好的预测结果，证明深度学习能有效地提取测井数据之间的非线性化特征，为储层预测提供了一种有效的新技术。为评价3种模型性能，采用均方差和相关系数（R）作为评价标准（表1）。从表1可知，CNN-GRU模型对均方差和相关系数的预测结果比单一的GRU模型和CNN模型更优，这说明充分利用数据的时空特征可以取得更好的预测效果，证明CNN-GRU模型的有效性。