买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：武汉地大坤迪科技有限公司;贵州省地质矿产勘查开发局一〇三地质大队

摘要：本发明涉及一种基于CEVAE的属性域测井数据缺失值填补方法，属于测井数据缺失填补技术领域。本发明从测井数据属性域的角度出发，依据测井数据多属性特点和测井数据横向属性和纵向深度的二维性，采用CNN神经网络设计CEVAE编码器网络结构的同时，提出基于测井地质先验知识的属性特征交叉策略，扩增测井数据通道，使得网络可以学习到之前未有的组合特征，并引入ECA通道注意力机制，改进模型对测井数据属性之间复杂关联关系的学习表征能力。引入PlanarFlow标准化流对数据潜在表示的隐变量进行增强改进，适应性采用置换卷积神经网络设计CEVAE解码器的网络结构，最后通过解码器输出的完整测井数据结果对测井数据缺失值进行数据填补。本发明能够为测井数据得完整性与稳定性提供保障。

主权项：1.一种基于CEVAE的属性域测井数据缺失值填补方法，其特征在于按如下步骤进行操作：1数据输入：获取同井异属性测井数据，将同井异属性的测井数据以列为单位进行组织，然后将同井异属性进行组织的测井数据输入到CEVAE模型中作为输入的初始数据；2通道扩增层计算：基于测井地质知识将步骤1中的单通道测井数据扩增为多通道测井数据，把未直接相邻的特征属性列，进行排列组合形成不同结构的特征图，使不相邻的特征属性列相邻，利用CEVAE模型学习测井数据不同属性之间的相关关系，作为编码器网络设计的数据基础；3编码器网络设计与采样隐变量：根据步骤2中多通道测井数据的二维特点，采用卷积神经网络设计编码器的神经网络，并引入通道注意力机制使编码器对扩增后的多通道测井数据有不同的关注，提升编码器神经网络对复杂高纬度测井数据的学习能力，并从编码器输出的潜在空间分布中采样隐变量z0；4隐变量表征增强层计算：利用PlanarFlow对CEVAE模型改进，使采样获得的服从高斯分布的隐变量z0转换为服从概率分布的隐变量z3，增强CEVAE模型对复杂高纬度测井数据的表征能力；5解码器网络设计与输出完整测井数据：根据设计的编码器，选用相对称的转置卷积神经网络来构建解码器的神经网络，转置卷积神经网络包括转置卷积层、激活函数和批量归一化；解码器神经网络对PlanarFlow输出的隐变量z3进行上采样计算，将隐变量z3重构输出为完整测井数据；6填补缺失数据：利用步骤5中解码器输出的完整测井数据结果对测井数据缺失值进行数据填补。

全文数据：

权利要求：

百度查询： 武汉地大坤迪科技有限公司 贵州省地质矿产勘查开发局一〇三地质大队 一种基于CEVAE的属性域测井数据缺失值填补方法