卷积神经网络在岩性识别中的应用

• 作者: 梁莎莎 王军 陈钢花 隋淑玲
• 来源期刊: 测井技术
• 关键词: 测井解释 深度学习 卷积神经网络 岩性识别
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 处理解释
• 页码范围: 129-134
• 页数: 6页
• 分类号: P631.84
• 语种: 中文
• DOI: 10.16489/j.issn.1004-1338.2019.02.004

摘要

深度学习是人工智能中的一个重要部分,卷积神经网络作为深度学习一个分支,用多层非线性计算单元可以表达高度非线性和高变度函数.提出将卷积神经网络应用于判别储层岩性的方法,构建了一个双层的卷积神经网络模型,样本回判准确率为99％.通过把卷积神经网络方法与岩石物理相方法和支持向量机方法进行对比,分析卷积神经网络方法准确率高、速度快,岩性预测具有实时性.由此证明卷积神经网络在储层岩性识别中的适用性,且准确率较高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王军	中国石油化工股份有限公司胜利油田分公司勘探开发研究院	189	776	14.0	23.0
2	隋淑玲	中国石油化工股份有限公司胜利油田分公司勘探开发研究院	2	3	1.0	1.0