地震油气储层的小样本卷积神经网络学习与预测

• 作者: 付超 张冲 张凯 张建彬 张栋 林年添 王守进
• 来源期刊: 地球物理学报
• 学科: 地球科学
• 关键词: 人工智能 深度学习 卷积神经网络 卷积核 地震数据驱动 油气藏识别
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 应用地球物理学
• 页码范围: 4110-4125
• 页数: 16页
• 分类号: P631
• 字数: 8182字
• 语种: 中文
• DOI: 10.6038/cjg2018J0775

摘要

地震储层预测是油气勘探的重要组成部分,但完成该项工作往往需要经历多个环节,而多工序或长周期的研究分析降低了勘探效率.基于油气藏分布规律及其在地震响应上所具有的特点,本文引入卷积神经网络深度学习方法,用于智能提取、分类并识别地震油气特征.卷积神经网络所具有的强适用性、强泛化能力,使之可以在小样本条件下,对未解释地震数据体进行全局优化提取特征并加以分类,即利用有限的已知含油气井段信息构建卷积核,以地震数据为驱动,借助卷积神经网络提取、识别蕴藏其中的地震油气特征.将本方案应用于模型数据及实际数据的验算,取得了预期效果.通过与实际钻井信息及基于多波地震数据机器学习所预测结果对比,本方案利用实际数据所演算结果与实际情况有较高的吻合度.表明本方案具有一定的可行性,为缩短相关环节的周期提供了一种新的途径.