.png){kind=icon}
返回
A method for reconstructing logging curves based on Characterization-enhanced Variational Autoencoder
.png){kind=icon}
PRE
AI
DOI：10.1007/s12145-025-02030-5.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
测井数据是地质勘探中的关键资源。然而，在实际测井作业中，由于仪器问题或地质条件，数据丢失、异常或失真现象时常发生，这对后续的地质解释和资源评价构成了挑战。本文提出了一种基于特征增强变分自编码器（Characterisation-enhanced Variational Autoencoder, CEVAE）的测井曲线重构新方法。该方法通过整合测井地质先验知识、提出属性特征交叉策略，并引入高效通道注意力机制（Efficient Channel Attention, ECA）以及平面流（PlanarFlow）标准化流，来增强模型对测井数据潜在变量的表征能力。此外，我们设计了自适应的编码器和解码器架构，以进一步提升表征学习效果。在真实的铀矿测井数据集上，我们提出的模型表现优异，验证了CEVAE模型在从多属性角度解决缺失值问题方面的有效性和优越性，并显著提高了重构精度。
Keyword:
Log curve reconstruction
Variational autoencoder
Channel expansion
Latent variable representation enhancement
期刊
IF:
3
论文数:
665
被引数:
3.3K
机构
引用论文
A novel well log data imputation methods with CGAN and swarm intelligence optimization.png)
ENERGY
ENERGYIF9.4
PREAI
分享收藏Well Logging Reconstruction Based on a Temporal Convolutional Network and Bidirectional Gated Recurrent Unit Network with Attention Mechanism Optimized by Improved Sand Cat Swarm Optimization基于时序卷积网络和带注意力机制的双向门控循环单元网络的测井重建，并通过改进的沙猫群优化算法优化。Energies
OAAI
EnergiesIF0
OAAI分享收藏Construction of a Hierarchical Feature Enhancement Network and Its Application in Fault Recognition
PREAI
分享收藏Missing well logs reconstruction based on cascaded bidirectional long short-term memory network
PREAI
分享收藏Variational Autoencoders for Missing Data Imputation with Application to a Simulated Milling Circuit
OAAI
OAAI分享收藏
查看更多内容