一种基于CNN-LSTM神经网络的泥质烃源岩TOC预测模型

打开文本图片集

摘要：目前岩石中原始有机质的丰度可以使用测定岩石中残留的总有机碳含量（TOC）表示。但在实际应用时，受取心样品和实验分析成本的限制，单井烃源岩TOC的测定有限；同时受构造和沉积环境的控制，有机质的富集在纵向上变化也是比较大的。烃源岩富含有机质的煤系地层岩性差异大，测井响应特征受其影响变化大，因此该文避免岩性对测井曲线的影响，并且通过总结前人的研究经验，从神经网络出发，提出了一种利用测井曲线基于CNN-LSTM神经网络的泥质烃源岩TOC预测模型，经过实际应用，结果表明该方法有较好的准确性，可以得到较好的预测效果。（剩余5785字）