基于深度学习的地震岩相反演方法

• 作者: 刘力辉 杨文魁 陆蓉
• 来源期刊: 石油物探
• 学科: 地球科学
• 关键词: 深度学习 增量学习 相控伪井 优化样本采样 分频 地震岩相 复杂岩性预测
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 解释方法技术
• 页码范围: 123-129
• 页数: 7页
• 分类号: P631
• 字数: 3456字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1441.2019.01.014

摘要

复杂岩性预测是地震储层预测的难题,基于机器学习的非线性反演是识别岩性的有效手段.常规方法多以测井特征曲线(伽马曲线等)为学习目标,利用BP神经网络建立非线性映射预测岩性体,但这种方法存在两个问题,一是井震分辨率不匹配,二是BP神经网络在反演过程中存在局部收敛、效果不稳定以及非线性表征能力弱的问题.为解决这些问题,一是通过引入地震岩相概念解决井震分辨率不匹配问题,二是将深度学习引入到地震岩相反演中,经过优化样本采样、抽取相控伪井解决大样本集的构建问题,采用增量学习的策略进一步提高预测模型的精度和稳定性.以分频地震数据作为预测模型的输入,井岩相曲线为反演目标,实现了基于深度学习的地震岩相反演,有效解决了复杂岩性预测的难题.将该方法应用于海上某深水陆坡水道沉积研究区(该区发育灰岩、钙质砂岩、砂岩和泥岩4种岩相,岩石物理规律复杂,区分困难)岩性预测,结果表明,基于深度学习的地震岩相反演结果与井资料吻合,与地质认识相符.与叠前反演方法和BP神经网络学习岩相反演方法相比,基于深度学习的地震岩相反演方法准确度和分辨率更高,证明该方法是复杂岩性预测的有效手段.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘力辉		23	336	9.0	18.0
2	陆蓉		4	9	2.0	3.0
3	杨文魁		1	5	1.0	1.0