强伟帆,潘 懋,刘庆彬,郭艳军,侯贵廷

(北京大学地球与空间科学学院造山带与地壳演化教育部重点实验室，石油与天然气研究中心，北京 100871)

近年来，深度学习方法被广泛应用于地质领域，如遥感影像的地物识别[1-2]、岩石图像(镜下图像)的岩性(矿物)识别[3-4]、地震数据的油气特征提取等[5-6]。在测井领域，深度学习已经在多方面进行了应用，如：测井岩性及测井相识别、测井裂缝自动识别、缺失测井曲线生成等[7-10]。

开展基于深度学习的测井应用研究需要生成训练数据集，CSV格式是一种逗号分隔值文件格式，在深度学习训练数据集中十分常见，目前常用的TensorFlow、Pytorch、Keras、Mxne、Caffe等深度学习框架都直接采用CSV格式文件[11]。测井数据记录测井ASCII码格式是Las格式，其具有文本可见，数据记录易读取和交换，不同型号的计算机均能直接对其进行读取、计算和分析，被大多数测井处理系统产品所支持，并被广泛应用，是业内广泛认可的数据格式[12-13]。但Las文件不能直接应用于深度学习，目前并没有程序包可以直接读取Las文件。因此在进行测井深度学习应用之前，需要进行格式转换工作:将测井数据文件转换为可以直接被应用程序包读取的文件，为深度学习训练和测试提供方便利用的数据。

关于测井数据处理前人做过很多工作。胡振平等[14]、龚福秀[15]先后对常用测井数据格式进行整理，分析了每种数据格式的组成方式，并实现了各种测井数据格式之间的相互转换。孔玉霞[16]对比了数字化软件Neuralog和Forward得到的Las文件的格式差别，并将由Neuralog得到的Las成功转为可以在Forward中使用的Las。……