中文题目：基于特征融合的微电阻率成像测井空白带无监督填充方法

论文题目：Unsupervised filling method of micro-resistivity imaging logging blank zone based on feature fusion

录用期刊/会议：电子测量技术 (北大核心)

录用时间：2024.04.18

作者列表：

1） 曾祥安 中国石油大学（北京）信息科学与工程学院/人工智能学院 计算机技术专业 硕22

2） 朱丹丹 中国石油大学（北京）信息科学与工程学院/人工智能学院 计算机系教师

3） 周 昊 中国石油大学（北京）信息科学与工程学院/人工智能学院 计算机科学与技术专业 硕21

4） 徐朝晖 中国石油大学（北京）地球科学学院 地质资源与地质工程系教师

摘要:

针对微电阻率电成像测井仪器的特点导致测井成像呈现规律性空白带的问题，本文提出一种融合多尺度多层级特征的无监督填充模型及全井段填充框架用于填充空白带。填充模型采用UNet架构，利用非空白带区域电阻率数据自身的统计先验基于MAE损失进行无监督训练填充，主要通过以下2个措施对传统UNet进行改进：（1）在编码器中引入MSR-Conv,提升单层网络的多尺度表征能力；（2）在编解码特征连接环节引入多层级编码特征融合模块与信息引导模块，丰富上采样的特征尺度，减少解码过程中的信息丢失。实验结果表明：相较UNet，本文所提模型在自然场景数据集上的视觉效果与客观指标均有明显提升，其中PE降低了19.03%，SSIM提升了2.9%，PSNR提升了4.66%。全井段填充框架应用填充模型分段训练填充空白带电阻率数据后再合并，实现端到端填充单口井的微电阻率成像测井空白带，填充结果具有一定的鲁棒性，贴合实际生产场景。

背景与动机:

微电阻率成像测井测得的电阻率数据经过色标刻度标定后得到能够反映地层井壁岩石结构、裂缝等地质特征的二维图像，可为储层评价、岩性识别、油藏裂缝识别等提供重要研究依据。由于完全覆盖井眼的成本很高，导致电阻率数据存在空白区域，这增加了数据解释的难度。因此，开展空白带区域的填充工作对于精确解释储层信息至关重要。目前，基于深度学习的空白带填充算法面临两个主要问题：1）大部分算法通常采用二维井壁图像作为填充修复的主体，但当色标或比例尺发生变化时，填充结果可能不再适用，存在鲁棒性不足的问题；2）其次，基于图像的填充结果无法导入现有的测井数据分析软件中对地层进行深入分析，在实际应用中存在局限性。为了克服这些问题，本文提出一种基于特征融合的微电阻率成像测井空白带无监督填充方法，本文以测井所得电阻率数据作为填充修复主体，填充后的结果能够导入测井数据分析软件，贴合实际生产场景。此外，本文通过融合不同尺度特征，能够有效改善空白带填充的纹理细节与边缘层理连续性，从而提高测井数据的整体质量和解释的准确性。

设计与实现:

本文采用微电阻率数据作为填充修复主体，根据电阻率的相对大小可以采用不同色标刻度标定进行二维成像如图1所示，成像模式类比灰度图像。因此电阻率数据蕴含丰富的语义特征，采用基于深度图像修复模型来生成空白区域缺失的电阻率数据是可行的。θ

图1 色标刻度对比

本文利用深度学习模型自身对数据的统计先验，通过无监督训练反复迭代优化模型来填充空白带区域缺失的电阻率数据，原理如图2所示。在训练过程中，训练目标为最小化平均绝对误差（Mean Absolute Error，MAE）损失函数，即最小化输入的非空白带区域的电阻率数据与网络生成输出的非空白带区域的电阻率数据之间的差异，旨在让模型学习到从噪声到电阻率分布的映射，噪声经模型学习到的映射在空白带区域的电阻率数据可以看做对空白带区域真实值的近似拟合。

图2 算法原理

本文基于上述无监督填充方法提出一种端到端的填充全井段的电成像测井空白带的填充框架，填充模型采用UNet结构，融合了多尺度多层级特征，并且基于电成像测井的电阻率进行填充，无需复杂的转换图像的流程。填充框架如图3所示，填充模型如图4所示。

图3全井段填充框架

图4 融合多尺度多层级特征的空白带填充模型

本文填充模型采用UNet架构，通过在编码器中引入多尺度残差卷积(MSR-Conv)融合从粗到细多尺度的特征，在更细粒度级别提升单层网络的多尺度的表征能力，具体细节如图5所示。

图5 多尺度残差卷积（MSR-Conv）

同时，在编解码特征连接环节引入多层级编码特征融合模块与信息引导模块，丰富上采样的特征尺度，减少解码过程中的信息丢失，具体细节如图6和图7所示。

图6 多层级编码特征融合模块(以为例)