太阳成集团122ccvip硕士生曾锐在邵燕林副教授的指导下，在EI期刊《科学技术与工程》发表题为“基于深度学习的测井岩性智能识别”的研究论文，太阳成集团122ccvip与非常规油气地质与工程湖北省工程研究中心为论文第一署名单位，硕士生曾锐为论文第一作者，其导师邵燕林副教授为该文通讯作者。

随着油气勘探技术的不断进步，测井岩性识别技术成为储层预测中的关键手段。然而，传统的测井岩性智能识别方法严重依赖于人工经验和专业知识，不仅成本高且效率低下，而且在处理大规模数据中的复杂非线性关系时表现不佳。因此，基于深度学习的测井岩性智能识别方法的研究是一个十分重要的课题。本研究旨在通过利用残差网络（ResNet）结合卷积神经网络（CNN）的架构，实现测井数据的智能化岩性识别。具体而言，本研究使用随机森林算法进行特征重要性评估，选取相关性较强的特征属性，构建了ResNet-CNN模型，并且用混淆矩阵方法评估模型性能。实验结果显示，研究构建的ResNet-CNN模型的准确率达到93.5%，明显优于其他两种方法。因此，基于ResNet-CNN的方法在测井岩性智能识别中展现出很高的应用价值。

论文链接：http://stae.com.cn/jsygc/article/abstract/2409527?st=article_issue

图1a岩性识别结果图1 

图1b岩性识别结果图2

图1岩性识别结果图

图2论文首页