# PSPLearning

**Repository Path**: askuasen/psplearning

## Basic Information

- **Project Name**: PSPLearning
- **Description**: 论文《Serial structure multi-task learning method for predicting reservoir parameters》和《Comparison of well logging formation evaluation using serial and parallel multi-task learning networks》的Keras实现。
- **Primary Language**: Python
- **License**: BSD-3-Clause
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2024-10-17
- **Last Updated**: 2024-11-01

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

## **本项目主要是通过神经网络方法来处理测井曲线预测、重构问题** 

### 介绍
该项目是论文《Serial structure multi-task learning method for predicting reservoir parameters》<sup><a herf="#ref1">1</a></sup>, 
在此基础上，对不同策略的多任务储层参数网络进行了研究,其思路如图1和图2，发现其他小规模数据集上的规律，如图3所示，是论文《Comparison of well logging formation evaluation using serial 
and parallel multi-task learning networks》<sup><a herf="#ref2">2</a></sup><sup>,</sup><sup><a herf="#ref3">3</a></sup>论文的实现。

### 附图

![workflow_chart](info_resources/arch.png "arch")
**图 1 多任务学习神经网络（串行和并行）架构对比**

![distrubution](info_resources/distrubution.png "distrubution")
**图2  油田工区储层参数分布图**

![evaluation](info_resources/evaluation.png "evaluation")
**图3 测试集各项任务结果分析**

![principle](info_resources/cutoff.png "cutoff")
**图4 多任务储层参数网络选取策略“截止值”**


### **项目文件结构**  

├── csv_results |   算法结果表格保存位置  
├── data |      训练、测试数据存放位置  
├── logs |   训练日志存放位置  
├── info_resource   |  项目介绍的资源文件  
├── model |   模型存储位置  
├── model_testing_images |   模型测试图片日志存储位置  
├── model_training_images |  模型训练图片日志存储位置  
├── music |   素材文件位置  
├── PaperHistory |   文章实验参考数据位置  
├── preprocessing_helper_notebook |   预处理分析工具位置  
├── table |   结果分析文件位置  
 

### 使用

1. preprocessing_helper_notebook 文件夹包含数据预处理的代码。您可以根据注释处理自定义数据。

2. senmodel.py 显示了模型网络，其他新模型可以添加到 senmodels.py 中。

3. senutil.py 是数据处理工具。

4. data 文件夹包含示例数据。默认的数据文件格式为 CSV 文件，输入数据类型为 NumPy 的 ndarray。

如果要训练模型，请在 tf2_PSP_learning.ipynb 及相关代码中将变量 model_stage == "train"；当推理测试数据集时，需将 model_stage == "test"。


### 引用  

1. <p name = "ref1">BinSen Xu ,Ning Li, LiZhi , et al. Serial structure multi-task learning method for predicting reservoir parameters[J]. APPLIED GEOPHYSICS, 2022, 19(4): 513-527. DOI: 10.1007/s11770-022-0931-9</p>  
2. <p name = "ref2">BinSen Xu, LiZhi Xiao. 2024. Comparison of well logging formation evaluation using serial and parallel multi-task learning networks. Chinese Journal of Geophysics (in Chinese), 67(4): 1613-1626, doi: 10.6038/cjg2023R0584</p>  
3. <p name = "ref3">徐彬森, 肖立志. 基于串行及并行多任务学习网络的储层参数评价研究[J]. 地球物理学报. 2024, 67(4): 1613-1626. DOI: 10.6038/cjg2023R0584</p>

Email: xbs150@163.com