一种基于深度学习的钻井裂缝类型预测方法、系统及介质
申请号:CN202511116720
申请日期:2025-08-11
公开号:CN120997673A
公开日期:2025-11-21
类型:发明专利
摘要
本发明涉及钻井数据处理技术领域,尤其涉及一种基于深度学习的钻井裂缝类型预测方法、系统及介质。该方法包括以下步骤:获取裂缝场景原始数据集;基于裂缝场景原始数据集训练生成式对抗网络模型,生成裂缝增强样本集,得到扩展裂缝图像数据集;对扩展裂缝图像数据集进行多模态信息融合建模,得到多模态裂缝融合特征数据;基于多模态裂缝融合特征数据构建裂缝演化时间序列模型,得到时序演化特征嵌入数据;对时序演化特征嵌入数据进行深度分类推理,得到裂缝类型预测结果数据。本发明通过图像增强、多模态信息融合、时序演化建模及可视化路径渲染,有效提升了裂缝类型预测的准确性、鲁棒性和动态适应性,同时增强了结果的可解释性。
技术关键词
生成式对抗网络模型
演化特征
多模态信息融合
融合特征
裂缝特征
时间序列模型
分类网络
时序预测模型
注意力
图像
时间序列特征
钻井数据处理
分类特征
通道
多模态特征融合
图谱