Un modelo seq2seq mejorado por aprendizaje trascendental y muestras de secuencias de imágenes para predecir la porosidad
Autores: Zhou, Lijian; Wang, Lijun; Zhao, Zhiang; Liu, Yuwei; Liu, Xiwu
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Predicción
Porosidad
Características de registro
Modelo Seq2Seq
Aprendizaje Trascendental
Precisión
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 19
Citaciones: Sin citaciones
Dado que la predicción precisa de la porosidad es uno de los factores críticos para estimar los yacimientos de petróleo y gas, se propone un novedoso método de predicción de porosidad basado en Muestras de Secuencia Imagen (ISS) y un modelo de Secuencia a Secuencia (Seq2Seq) fusionado por Aprendizaje Trascendental (TL) utilizando datos de registros de pozos.
Descripción
Dado que la predicción precisa de la porosidad es uno de los factores críticos para estimar los yacimientos de petróleo y gas, se propone un novedoso método de predicción de porosidad basado en Muestras de Secuencia Imagen (ISS) y un modelo de Secuencia a Secuencia (Seq2Seq) fusionado por Aprendizaje Trascendental (TL) utilizando datos de registros de pozos.