arXiv · ML· Yongan Zhang, Zhihan Qiu, Yizheng Li, Youzhuang Sun·· 3 天前AI 评分28
ST-KF 算法通过边界门控软阈值卡尔曼融合实现跨油藏缺失测井数据重建
Robust Well-Log Reconstruction Across Point Gaps and Whole Wells via Boundary-Gated Soft-Thresholding Kalman Fusion
AI 导读
针对测井数据缺失问题,ST-KF 算法融合多分辨率小波收缩与鲁棒卡尔曼平滑,在两个基准的 263 口井中表现最佳,参数开销仅为 0.09%。 该方法在 0.15 至 100 米间隔内优于九个基线模型,密度 RMSE 降低 5.0%–8.3%,压缩速度降低 6.4%–15.6%。 实验表明局部井筒连续性可跨盆地迁移,而跨属性映射随区域地质变化。
来源:arXiv · ML · arxiv.org