基于双向循环神经网络的河流相储层预测方法及应用

• 作者: 冯德永 朱剑兵 王兴谋 隋志强
• 来源期刊: 石油物探
• 学科: 地球科学
• 关键词: 循环神经网络 深度学习 样本构建 沉积序列 地震储层预测 沉积约束
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 解释方法技术
• 页码范围: 250-257
• 页数: 8页
• 分类号: P631
• 字数: 4155字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1441.2020.02.011

摘要

河流相储层通常具有横向变化快、地震反射特征多解性强的特点,因而河流相储层地震预测难度大.将测井信息与地震多属性相结合实现河流相储层地震预测,传统的方法包括多元线性回归方法、地质统计学方法和BP神经网络等.人工智能深度学习方法为井震信息的融合提供了新的解决思路.通过构建井震学习样本,提出了一种基于双向循环神经网络的井震融合储层预测方法.从储层沉积连续性角度,将地震数据看成具有纵向联系的时序数据,以CD地区100余口井馆上段地层的储层和非储层为学习样本,构建双向循环神经网络储层预测方法,通过训练优选超参数建立井震融合的深度学习储层预测模型.该预测模型应用于CD地区河流相储层预测的效果显著,细小河道形态清楚,预测精度高,有效指导了CD地区的勘探部署.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	隋志强	中国石油化工股份有限公司胜利油田分公司物探研究院	5	25	2.0	5.0
2	朱剑兵	中国石油化工股份有限公司胜利油田分公司物探研究院	4	106	3.0	4.0
3	王兴谋	中国石油化工股份有限公司胜利油田分公司物探研究院	3	9	1.0	3.0
4	冯德永	中国石油化工股份有限公司胜利油田分公司物探研究院	4	15	1.0	3.0