来源：期刊VIP网 时间：
作者：贡玉军;
单位：黔南民族职业技术学院大数据与电子商务系;
摘要：油气数据中的知识对于储层自动分类至关重要，合理管理并利用油气数据可以帮助石油公司做出最佳决策，从而大大降低成本。现有方法主要集中在单个地质区块进行储层分类，但在新的区块中效果不佳。如何跨地质油田传递地底特征，并准确进行储层分类是一个非常重要且具有挑战性的问题。提出了知识迁移驱动的跨油田存储(Knowledge Transfer-driven Cross-oilfield Storage, KTCS)分类模型，包含一个多尺度传感器提取(Multi-scale Sensor Extraction, MSE)模块，用于从多变量测井曲线中提取地质特征的多尺度特征表示。设计了特定特征学习(Specific Feature Learning, SFL)模块，充分利用不同油田的特定信息，使用知识注意力迁移(Knowledge Attention Transfer, KAT)模块学习不变的特征表示，将源油田的地质知识迁移到目标油田。通过对现实世界的工业数据集进行大量的实验来评估所提KTCS模型的性能，与非迁移方法相比，KTCS模型的F1分数至少提高了15.7%。
关键词：储层分类;;知识迁移;;多尺度传感器;;地质知识;;工业数据集
基金资助：国家自然科学基金(62272066)~~
