裂缝性储层分级评价中的卷积神经网络算法研究与应用

• 作者: 吴正阳 柳建华 胡国山 莫修文
• 来源期刊: 石油物探
• 学科: 地球科学
• 关键词: 裂缝性储层 分级评价 卷积神经网络 综合概率法 测井解释
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 解释方法技术
• 页码范围: 618-626
• 页数: 9页
• 分类号: P631
• 字数: 5585字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1441.2018.04.017

摘要

裂缝识别和评价是裂缝性储层测井解释的核心任务.总结了利用常规测井资料对裂缝性储层进行分级评价的基本方法,为提高效率并减少各种影响因素的干扰,引入卷积神经网络这种深度学习算法进行裂缝识别和储层等级评价.理论分析认为,凭借局部权值共享的特殊结构,卷积神经网络比现有其他算法在提取数据特征时具有更显著的优越性.将裂缝性储层的常规测井数据和储层已知信息作为标准样本输入卷积神经网络进行学习,然后对塔里木盆地北部某含油气构造单元其它井的有关层段进行裂缝识别和储层评价,结果表明,卷积神经网络的评价结果比传统方法更高效、准确,可以根据测井数据直接输出裂缝的发育等级.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	柳建华		5	127	5.0	5.0
2	莫修文	吉林大学地球探测科学与技术学院	20	348	10.0	18.0
3	吴正阳	吉林大学地球探测科学与技术学院	4	7	1.0	2.0
4	胡国山		1	7	1.0	1.0