基于卷积神经网络(CNN)的泥质烃源岩TOC预测模型——以鄂尔多斯盆地杭锦旗地区为例

• 作者: 刘珺 张威 李良 王惠君 赵桂萍 齐荣
• 来源期刊: 中国科学院大学学报
• 学科: 地球科学
• 关键词: 泥质烃源岩 TOC 测井 卷积神经网络(CNN) BP神经网络(BPNN)
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 地球科学
• 页码范围: 103-112
• 页数: 10页
• 分类号: P631
• 字数: 5635字
• 语种: 中文
• DOI: 10.7523/j.issn.2095-6134.2020.01.012

摘要

总有机碳含量(TOC)是烃源岩评价的重要指标.传统的TOC预测模型有ΔlogR和BP神经网络,但是ΔlogR的拟合精度较低,BP神经网络容易陷入局部最优.针对这些问题,提出一种基于卷积神经网络(convolutional neural network,CNN)预测烃源岩TOC的方法.以鄂尔多斯盆地杭锦旗地区上古生界泥质烃源岩为研究对象,通过对比实验验证该方法的有效性.实验结果表明,CNN可用于TOC预测,且预测精度高于ΔlogR和BP神经网络.利用CNN对108口钻井的山1段和太原组泥岩的TOC值进行预测,并结合沉积微相做出TOC平面图,发现研究区的东南部和中部的沼泽沉积微相的TOC值较高,分流河道沉积微相的TOC值较低.TOC值的平面分布与沉积微相分布在整体上具有良好的匹配关系,显示了CNN方法计算TOC的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李良		28	315	10.0	17.0
2	张威		28	55	4.0	6.0
3	赵桂萍	中国科学院大学地球与行星科学学院	9	42	5.0	6.0
7	刘珺		3	2	1.0	1.0
8	王惠君	中国科学院大学地球与行星科学学院	1	0	0.0	0.0
9	齐荣		1	0	0.0	0.0